In recent years I have been learning more about the theory of evolution because it works surprisingly well at explaining changes in systems that are not just biological, but also social, linguistic and even technological. This has led me to challenge the predominant methods in change management, where most complex changes are prescribed and designed towards a fixed predetermined goal, and to adopt more exploratory approaches. In a recent article (in French), I discussed how Sewall Wright’s fitness landscape can be and has been applied to managing changes in complex social systems. I also mentioned several approaches to evolutionary design.

As I have been learning these concepts, I have also looked back on what I was taught in science classes at school in France. There wasn’t much about the theory of evolution at the time. Not wanting to rely on my own memory, I looked at the official programme from 2001 and there isn’t much more than what I remember. We mainly learnt the basics of how genotypes are expressed as phenotypes, and how dominant and recessive traits are inherited by the next generation. It seems that the most recent programme from 2019 goes into more depth with concepts from population genetics, natural selection and genetic drift.

It has therefore been a great gift to follow the series of livestreams on the Gutsick Gibbon YouTube channel where host Erika, a PhD student in biological anthropology, has been teaching Will Duffy, a Christian pastor known for organizing the Final Experiment in December 2024, about what evolution is and why it has become a key part of the scientific consensus. Thanks to their decision to record these sessions live, Will is not the only one who has been benefiting. I have learned a lot and I have come away with references to other resources to read further.

In the two latest sessions (1 and 2), which have covered human evolution, Will and Erika have discussed the falsifiability of evolution and the roles of consensus and dissent in science. These are discussions where philosophy and sociology of science are very useful. In this article, I would like to recommend some sources that would help Erika, Will and anyone else become better acquainted with the different viewpoints and make more informed opinions. After that, I will share some of my reactions to some of the things Erika and Will said in these sessions.

How Science Does and Should Work

Several philosophers have attempted to describe how scientists go about doing science. Some of them have also prescribed how science should work. Philosophy of science can be traced back to several different thinkers at different times. Arguably the most recent wave was kicked off by Karl Popper with the problem of demarcation between science and pseudoscience.

These are the four books I would recommend first:

• 1934. Logik der Forschung. Karl Popper. English translation published in 1959 under the title The Logic of Scientific Discovery.
• 1962. The Structure of Scientific Revolutions. Thomas Kuhn
• 1978. Methodology of Scientific Research Programmes. Imre Lakatos
• 1975. Against Method. Paul Feyerabend

Each author is critiquing the previous one(s) and putting forward their own model of how science is or should be done. I think that Will would identify with Feyerabend’s position the most, but I do recommend reading this radical position as an exaggeration for effect. I don’t think that Feyerabend is recommending that science have no method, but that it should be wary of idealizing any single method.

If reading all of this is too much, I recommend the following YouTube playlists from two philosophers who provide very good summaries and additional counterpoints.

• An Introduction to the History and Philosophy of Science. SisyphusRedeemed.
• Philosphy of Science. Kane B

To these, there are many books I could add, but I’ll just mention the following one.

• 1979. Laboratory Life. Bruno Latour, Steve Woolgar

I do this to highlight the fact that we must never forget that science involves humans, and that there are pragmatic factors to be taken into account.

Now to how I applied this in reaction to some of Will and Erika’s points.

The Falsifiability of Evolution

In several sessions, Will and Erika have mentioned and agreed on the importance of the theory of evolution being falsifiable in order be considered scientific. Erika chose the first session on human evolution to present how evolution could be falsified. After briefly mentioning Haldane’s famous quote about “fossil rabbits in the Precambrian” being evidence that could falsify evolution, she then went on to take the position that evolution could have been falsified in the early years of research but that she finds it difficult to see what could now, given the weight of favorable evidence that has been accumulated over the past almost 170 years since Origin of Species. She then drew comparisons to other theories that she says are “universally accepted” and could have been falsified in their beginnings but now have such strong evidence in their favour.

The first theory Erika mentions is heliocentrism. This has actually been falsified by relativity in that our Sun is no longer considered fixed, but rather one of many frames of reference. The currently accepted theory can be referred to as acentrism and Big Bang cosmology.

Secondly, Erika cites cell theory. This one is part of the current consensus, but it is challenged by several anomalies and questions. For example, viruses are not cellular organisms, but several microbiologists consider them to be alive. Also, evolution applies to viruses. Another example is the search for extraterrestrial life which could very well be quite different from life on Earth. Couldn’t non-cellular life on other planets falsify certain claims of cell theory?

Thirdly, Erika mentions relativity, which doesn’t adequately explain dark matter.

I don’t know about any potential anomalies in the other two theories Erika cites. Many fields have anomalies that challenge the core of the theory or only the shell.

It’s not surprising that Erika found it difficult to imagine falsifying any of these fields. She actively participates in what Kuhn called “normal science” where certain foundations are taken for granted and work is focused on answering any outstanding questions. She probably should have looked at other fields that are experiencing crises, such as psychology. The replication crisis shows precisely how any field can be falsified: redo past experiments and fail to replicate them. This could happen at any time with anything. Erika should also consider other points on the spectrum between outright falsification of an entire theory to slight modifications. As Imre Lakatos put it, sometimes the core is in question, and other times the shell only needs to be adjusted.

In the case of evolutionary theory, this has happened. Will touches on this a couple times during the second session on human evolution but he makes a few mistakes and I find Erika’s rebuttal lacking.

The first instance concerns the number of chromosomes in humans. During Will’s opening presentation, he discusses the prediction that one of the human chromosome pairs is the result of a fusion which would explain why humans have 46 chromosomes whereas chimpanzees have 48. He points out that for 30 years, the scientific consensus was that humans had 48 chromosomes. He then says that the prediction of a chromosome fusion “would be better called a rescue prediction.” This is a mischaracterisation of what really happened. The assumption that the humans had 48 chromosomes comes from Theophilus Painter’s study published in 1923 based on his observations. This wasn’t the first time this number was published, Painter citing various prior publications reporting numbers “ranged from 16 to 48”. The techniques for preparing samples to examine cells were improving but were not very good at the time, and counting chromosomes was not very precise. By 1955, techniques were much better, and Joe-Hin Tijo was able to take clear photographs of 46 distinct chromosomes. He and Albert Levan published the results in 1956. The number 48 wasn’t a prediction, rather an observation, one that was challenged by better observations years later. The hypothesis of a fusion was proposed by Yunis et al. in 1982 after noticing similar banding patterns between human chromosome 2 and then ape chromosomes 12 and 13. Ijdo et al. confirmed this in 1991. This wasn’t a “rescue prediction”, rather a plausible explanation within the evolutionary framework. This is no different than the discovery of Neptune which was hypothesized to explain irregularities in the orbit of Uranus that were not explained by Newton’s law of gravity. The number of human chromosomes was never part of the core of evolutionary theory, only the shell.

The second instance concerns the neutral theory of evolution, which states that most genetic mutations are neutral and most variations become fixed due to genetic drift rather than natural selection. When mentioning this, Will mistakenly states that the neutral theory removes natural selection and is therefore not Darwinism. In reality, the neutral theory includes natural selection. The current theory of evolution claims that there are four drivers of diversity in life: descent with modification, natural selection, genetic drift and gene flow. Darwin’s two original drivers remain and are necessary, but insufficient, to explain our observations, so two other drivers were added. Neither Will nor Erika remark that this constitutes falsification of Darwin’s theory of evolution, in the same way that Newton’s gravitation was falsified by Mercury’s erratic orbit and Sir Eddington’s observation of gravitational lensing. And also in the same way that Einstein’s theory of relativity is compatible with Newton’s law under certain conditions, neutral theory does not “abandon” Darwinism as Will says, rather it refines it and allows it to apply under wider conditions.

Observation, Explanation and Instrumentation

When discussing falsification, observations and explanations shouldn’t be treated equally, because they aren’t always falsified at the same time. Evolution, as in changes in allele frequencies in a population over time, has been directly observed, whereas natural selection is an explanation as to why this happens. Falsifying the explanation doesn’t necessarily falsify the observation.

To be more precise, both observation and explanation are somewhat intertwined, because a lot of observations are indirect. They often require scientific instruments. You cannot observe the temperature directly, you need a thermometer, which brings along a theory of how it works. So any experiment makes many observations that are tied to a web of hypotheses and prior theories (see confirmation holism). Falsifying one part also requires stating and dealing with what’s left over. Someone contesting anthropogenic climate change must state whether they accept that average temperatures are in fact rising. Someone contesting natural selection, should clarify whether they are also contesting evolution or not.

Sometimes people also burden the falsifier with coming up with an alternative explanation. I think that this is an undue burden. I feel that Will put this nicely by drawing a parallel with a defendant only having to show doubt in the evidence presented against them, but they don’t have to also find the guilty party. There seems to be a tendency to react this way and it is possibly done instinctively to resolve cognitive dissonance. I think the follow-up question shouldn’t be “so, how do you explain…?” rather “so, what’s your position on…?”

Ideation, Verification, Validation and Legislation

When discussing falsification, I also think that it’s important to distinguish these four aspects:

• Ideation or where and how new ideas come from. I agree with Will that anyone should be able to put forth new ideas and new critiques, and science should have some way of accommodating them without undue gatekeeping.
• Verification or how ideas are tested. I also agree with Erika’s analogy from the film Ratatouille that not anyone can do science or refute a scientific theory. Once a criticism or new hypothesis is put forth, someone still has to do the hard work of testing it. While breakthrough ideas have come from anywhere, methods of verification do not.
• Validation or how ideas become accepted. I think that Will, and probably a lot of people, conflates consensus with a belief in the result being correct. Scientific consensus is built on the methods being correct. Remember how your maths and science teachers cared more about the reasoning than the result. Good quality peer-review is not done by comparing the conclusions of the paper with the reviewer’s own beliefs, rather it checks whether the paper properly discusses what the authors claim to have done.
• Legislation or policy-making or more generally what people decide to do. I want to note that there’s a big difference between questioning the consensus and refusing to follow it. I have no problem with someone questioning the efficacy or the safety of the measles vaccine, and any concerns should be addressed. I have a problem with someone refusing to vaccinate their children without evidence. These two situations are morally not the same. The Darwins and Wegeners of the world should continue to challenge the consensus. Also their contemporaries should continue to wait for proper evidence before new theories make any difference to their life choices.

Conclusion

I continue to enjoy this series, and I look forward to its conclusion. I have been learning so much about a topic that is fascinating. I find Erika to be a great teacher. It’s interesting to see how Will’s position has evolved. I would hope that further discussions in the series on the philosophy of science become better informed or are handled in other formats.

Nicolas Delsaux, un collègue chez Zenika, a récemment partagé un billet écrit par Marcello Vitali-Rosati intitulé L’“IA” est une ânerie: arrêtez de relayer le discours publicitaire! Ici, je réponds à différents arguments qu’il avance.

Vitali-Rosati est philosophe et professeur au département des littératures de langue française de l’Université de Montréal. Son billet a été écrit en préparation à une série de discussions au Festival international du journalisme 2026. Je ne connais pas Vitali-Rosati plus que ça. Je ne connais pas non plus le contexte des discussions du festival. Il se peut alors que certaines de mes remarques tombent à côté par manque de ce contexte.

Les grandes entreprises du web nous ont rendus complètement imbéciles. Leur discours publicitaire est tellement présent que nous le confondons désormais avec la réalité.

C’est possible pour bon nombre de personnes, mais je me demande si un segment de la population, plutôt jeune, est moins dupe. L’année dernière, j’avais découvert qu’aux États-Unis, la phrase « that’s AI » était utilisée pour dire « je ne te crois pas ».

C’est ce que Baudrillard disait à propos de la télévision, quand il parlait du “crime parfait” où il craignait que notre réalité soit tuée et remplacée par la simulation proposée par la télévision. Je crois que Baudrillard avait tout faux, car il n’avait pas bien identifié d’où venait la menace. Elle ne venait pas des médias en tant que tels, mais des sociétés commerciales et de leur oligarchie. Notre réalité est désormais l’invention du discours publicitaire de deux ou trois compagnies américaines et elles ont bien réussi leur crime: le cadavre de la réalité a disparu et elle a été remplacée par leur discours. Le crime est parfait, car on ne remarque pas la disparition du mort.

Je suis d’accord que la consolidation et l’homogénéisation sont une menace à notre capacité à donner du sens à nos expériences. Nous vivons même de nouvelles formes de colonialisme où d’autres cultures se sentent obligées de se conformer aux idées reçues de certains pays occidentaux (voir chronique de Manon Bril).

Le discours sur ce qu’on appelle “Intelligence artificielle” est le symptôme le plus parlant de ce crime. On boit et on répète les âneries du discours publicitaire, même dans des cadres où on se l’attendrait moins, et notamment parmi les universitaires et les “experts”. Nous sommes complètement aveuglés, complètement abrutis, nous n’arrivons plus à voir rien d’autre que le discours commercial.

Quels universitaires et quels experts ? De manière générale, ce billet manque cruellement de références pour ancrer les propos.

Selon ce discours, l’Intelligence artificielle serait ce que nous proposent deux ou trois applications conversationnelles basées sur des LLMs. Selon ce discours, ces applications seraient :

1. révolutionnaires
2. très puissantes
3. généralistes et universelles
4. proches d’atteindre une (pas très bien définie) “intelligence artificielle générale”
5. incontournables (tout le monde doit les utiliser…. “qu’on le veuille ou non, cette technologie est là pour rester”…)

De même, quelles applications précisément ? Pourrions-nous avoir quelques exemples de discours où on peut entendre cela ?

En vérité, toutes ces idées ne sont rien d’autre que de grossières bêtises, des slogans publicitaires totalement trompeurs et stupides.

Il suffit de peu de bon sens pour le montrer et je vais essayer de le faire très rapidement ici.

Je suis plutôt d’accord, mais je ne ferais pas appel au bon sens. Tout philosophe sait ce qu’en disait Descartes.

Tout d’abord, l’expression “intelligence artificielle” est une formulation racoleuse, utilisée en 1955 par John McCarthy dans le cadre d’une demande de financement. McCarthy lui-même n’a jamais été particulièrement convaincu par cette expression: elle servait juste pour accrocher des financeurs.

Enfin nous avons une référence, mais elle est très vague. Je retrouve facilement la proposition d’août 1955 pour un projet de recherche à Dartmouth sur l’intelligence artificielle rédigée par McCarthy, Minsky, Rochester et Shannon. J’ai également trouvé le livre Machines Who Think écrit par Pamela McCorduck pour consolider l’histoire de ce la première vague de l’intelligence artificielle. Dans ce livre, on peut lire deux révélations intéressantes.

La première est que McCarthy a dit dans son entretien avec McCorduck, en parlant du fait que le terme intelligence artificielle lui est attribué, qu’il ne « jure pas qu’il ne l’avait pas vu avant. […] Quelqu’un d’autre l’avait peut-être utilisé dans un papier ou dans une conversation ».

L’autre est que McCarthy aurait choisi le terme surtout pour se distancer de la théorie des automates. McCarthy et Shannon avaient récemment collaboré sur l’édition de la revue Automata Studies. McCarthy voulait utiliser un autre titre pour attirer des papiers d’une nature différente, mais Shannon avait insisté. Les papiers qui ont été soumis étaient très intéressants, mais ne concernaient pas ce qui passionnait McCarthy à l’époque. Il aurait alors plus écouté son intuition lors de la rédaction de la proposition pour Dartmouth et insisté à son tour pour utiliser le nouveau terme, intelligence artificielle. Deux choses peuvent être vraies : McCarthy aurait pu choisir le terme à la fois pour se démarquer d’un autre champ de recherche qui l’intéressait moins et pour attirer du financement, mais je ne trouve pas la preuve de cette dernière.

C’est une formulation sexy — et publicitaire — de quelque chose qu’on pourrait, de façon plus précise, appeler “ensemble d’approches computationnelles et algorithmiques pour automatiser des tâches spécifiques”.

Si c’est de l’humour, c’est un peu raté. Il ne manquait pas de termes plus digestes à l’époque comme la théorie des automates, la cybernétique ou la recherche opérationnelle.

Or la première ânerie à laquelle le discours commercial nous a pliés est de croire que “l’intelligence” consiste exclusivement en une tâche: celle de savoir converser.

Je suis absolument d’accord et Vitali-Rosati n’est pas le seul à l’avancer. Pour ne citer qu’un seul expert, Yann LeCun avait déclaré en janvier 2025 que les LLMs n’étaient pas l’avenir de l’IA. Depuis, il a quitté Meta et a fondé sa propre entreprise pour explorer l’IA incarnée, c’est-à-dire l’IA qui comprend le monde matériel. Il en parlait déjà en 2022, tout en pointait du doigt les limites de l’apprentissage artificiel, y compris les LLMs.

Savoir converser, typiquement, ne signifie pas être expert d’un sujet ni avoir une idée quelconque de vérité.

Absolument. S’il y a une compétence que l’on peut attribuer aux LLMs avec certitude, c’est celle de raconter des conneries convaincantes avec assertivité.

Et, ce qui est encore plus important, il y a une série d’activités et de capacités qui n’ont absolument rien à voir avec la conversation ou avec la manipulation de la langue naturelle:

Oui. Vitali-Rosati va mentionner la connaissance tacite, ou la cognition située, ou la compréhension des objets matériels…

[…] typiquement tout ce qui a été formalisé avec un langage logique ou mathématique

🤔 Non, là, je ne l’avais pas vu venir.

Alors, ce n’est pas complètement faux, mais ce n’est pas évident. En effet, les LLMs ont déjà convaincu plusieurs personnes à tort qu’elles avaient fait une découverte majeure qui révolutionne les mathématiques ou les sciences et une étude de 2024 a montré que les LLMs étaient meilleurs avec les langages moins formels. D’un autre côté certains témoignent l’inverse et les LLMs ont contribué à plusieurs avancées mathématiques : ChatGPT a réfuté une conjecture vielle de 80 ans et a prouvée une autre vielle de 60 ans.

Ce qui m’étonne le plus, c’est qu’on n’a pas vraiment besoin que les LLMs sachent bien manipuler les langages formels. On dispose déjà de programmes très précis pour le faire. Les langages comme Rocq (anciennement Coq), LEAN ou Idris permettent d’énoncer et de prouver des théorèmes de façon interactive ou automatisée. En particulier, Georges Gonthier avait utilisé Rocq pour automatiser une preuve vérifiée du théorème des quatre couleurs. Il y a des recherches sur des approches pour impliquer les LLMs dans le développement formel.

Voyons comment Vitali-Rosati se justifie.

Dans l’histoire de la science, on identifie l’émergence de la science moderne avec le moment où on a décidé de libérer complètement les disciplines scientifiques de l’ambigüité de la langue naturelle pour les fonder sur la non-ambigüité du langage mathématique.

🤨 Quelle déception. Cette affirmation est largement fausse. La science moderne a surtout été caractérisée par la méthode scientifique basée sur l’empirisme. On utilisait déjà les maths dans l’antiquité, par exemple pour prédire le mouvement des planètes.

Les notations mathématiques modernes ont été introduites progressivement, des inventions majeures venant de Leibniz au 17e et 18e siècles alors que la révolution scientifique avait déjà commencé. La formalisation des mathématiques n’est arrivée qu’au début du 20e avec la théorie des ensembles de Zermelo-Fraenkel et avec la théorie des types (contributions de Whitehead, Russell, Church, Martin-Löf…).

Voilà donc la première bêtise que nous ont fait gober les GAFAM: IA = agents conversationnels. Alors que, depuis les années 1940, on développe plein d’approches computationnelles différentes et adaptées à des questions et des cas particuliers.

L’amalgame entre IA et LLM est effectivement fâcheuse.

Elle serait révolutionnaire. On prend désormais la date de sortie d’un produit commercial (chatGPT) comme une date de rupture. Mais la seule rupture qu’il y a eu est une rupture publicitaire: le fait que, sous la pression immense d’une compagnie privée, les médias ont commencé à parler beaucoup de quelque chose qui existe depuis très longtemps. Les approches computationnelles n’étaient pas trop à la mode à partir des années 1990. Après une époque faste de présence dans le discours public, on était passé à autre chose — le web, la circulation des contenus, le “numérique”. Les recherches sur les méthodes computationnelles n’ont jamais cessé, conduites non pas par quelques entreprises privées, mais par des chercheurs et chercheuses qui ont développé des algorithmes variés et différents pour résoudre une variété de problèmes captivants, y compris le traitement automatique des langues. Les approches inductives, fondées sur le principe du perceptron, font partie de ces méthodes depuis 1946. Il n’y a eu aucune révolution en 2022, parler de révolution signifie ignorer le travail de la recherche et ne pas comprendre l’évolution lente et irrégulière d’une tendance d’analyse formelle du monde qui caractérise nos civilisations depuis leur préhistoire.

Le battage médiatique continue à être révoltant et régulièrement injustifié. Pourtant, la sortie de ChatGPT marque bien un tournant révolutionnaire pour plusieurs raisons.

• Malgré beaucoup d’années de recherche, le traitement automatique de la langue reste un problème qui n’a pas encore été bien résolu. La collaboration avec la linguistique informatique a été très fructueuse et a produit de nombreux outils pour l’analyse des langues, que ce soit pour le texte ou pour l’audio. La fluence de ChatGPT a marqué un bond en avant énorme sur la production de texte, ainsi que sur la compréhension, même en tenant compte des erreurs.
• Juste avant ChatGPT, les réseaux de neurones produisaient encore des résultats décevants. En 2018, Botnik avait utilisé un modèle prédictif entraîné sur les livres de Harry Potter pour générer un chapitre d’un nouveau livre, Harry Potter et le portrait de ce qui ressemblait à un grand amas de cendres. Intrigant, non ? L’adage en apprentissage artificiel a toujours été qu’il faut éviter le surentraînement parce qu’à partir d’un moment, ajouter des données ne fait que dégrader le modèle. C’était donc un pari fou d’entraîner un modèle sur tout le web.
• ChatGPT était le premier produit de son genre à percer dans le grand public. Ce n’est pas toujours un exploit théorique ou technique qui propulse un produit sur le devant de la scène. Il y a d’ailleurs généralement une grande part de chance. Dans le cas de ChatGPT, on doit admettre qu’il s’agit d’un innovation inédite. ELIZA et Siri n’ont jamais eu la même portée.
• Le papier sur lequel le LLM est basé, Attention Is All You Need, était une grande avancée. Le nier signifie ignorer le travail de recherche.

Ces technologies seraient “très puissantes”, “très performantes” ou en tout cas beaucoup plus “puissantes” que des technologies préexistantes. Or cette “puissance” ne correspond qu’à l’énormité des investissements et à leur concentration. [… L]e coût computationnel pour le faire est énorme.

Plutôt d’accord.

Des gens comme Musk et Altman (oui, désormais, on se fie à des multimillionnaires sans aucune autre compétence que l’argent qu’ils ont cumulé de manière complètement fortuite pour se faire une idée sur le monde) n’arrêtent pas de nous le dire: nous allons bientôt atteindre l’”intelligence artificielle générale”. Comme si l’intelligence pouvait être une seule chose. C’est quoi l’intelligence? Que signifierait une “intelligence générale”?

Quand Altman parle, il faut prendre cela comme une publicité ou un discours devant des actionnaires. Sa motivation première est de s’enrichir. Et effectivement, Altman et Musk profitent du flou sur la définition de l’intelligence artificielle générale.

il présuppose que l’intelligence peut être pensée comme une chose unique, mesurable de manière uniforme. Il y aurait donc une échelle et des choses plus ou moins en haut de cette échelle.

Oui et non. Une mesure peut être multi-dimensionnelle.

C’est ce que Samuel [Butler] proposait en 1860 en appliquant de façon très naïve l’idée de sélection naturelle de Darwin: dans une lettre envoyée au journal “The press”, le 13 juin 1863, intitulée Darwin among the machines, il se demande qui sera le successeur des êtres humains dans la domination de la Terre. Les machines pourraient prendre cette place et se mettre au sommet de la hiérarchie de l’évolution et “dépasser” les humains. Sauf que l’évolution ne fonctionne pas comme cela… sinon il n’y aurait plus autre espèce que l’homo sapiens…

Ah bon ? pourquoi, donc ?

L’évolution et la sélection sont situées, par rapport à des contextes et des environnements particuliers

C’est vrai.

ce qui fait que chaque espèce évolue de manière parallèle aux autres et qu’il n’y a pas une sélection naturelle transespèce.

C’est faux. Il y a bien de la « sélection naturelle transespèce ». D’ailleurs Homo sapiens a participé à la disparition d’un très grand nombre d’espèces, de Homo neanderthalensis à Perameles myosuros, en passant par Raphus cucullatus (le dodo). La compétition pour les mêmes ressources est une des composantes de la sélection naturelle. La prédation, aussi, qui de fait introduit une relation entre les espèces.

Finalement ces outils nous sont imposés comme “incontournables”. En effet, les GAFAM les foutent partout et il devient presque impossible de les éviter[.] […] C’est comme si on disait que nos sociétés doivent imposer à tout le monde de boire 10 litres de Coca-Cola par jour parce que Coca-Cola le veut. Et surtout, interdisons l’eau et disons que qui boit de l’eau est crétin, car le coca est tellement meilleur, tellement plus performant, tellement plus….

Je suis d’accord et je trouve l’image parlante.

Que faut-il faire alors? À mon avis, il faudrait d’abord et avant tout arrêter d’utiliser les applications des grandes entreprises du web. Il faut les bannir, toutes: de Microsoft Word à ChatGPT en passant par Google search, Facebook, Windows, MacOS : il faut s’en débarrasser.

Le boycott ou l’indépendance sont des pistes utiles et déjà explorées. Je m’étonne tout de même de la mention de MS Word et de MacOS. — Actuellement, le concurrent sérieux de Word est Google Docs. J’utilise encore LibreOffice de temps en temps et je sais qu’il existe des alternatives pour le traitement de texte collaboratif, mais ce n’est pas toujours aussi pratique. J’utilise aussi Markdown, LaTeX et de plus en Typst, mais cela ne remplace pas tous les usages. Quant à MacOS, Apple est remarquablement absent de la course aux LLMs. Je trouve leur stratégie justement plus raisonnable.

Cette liste d’outils à bannir devient donc arbitraire et l’étendue de cet appel n’est pas claire.

Il faut en même temps arrêter d’écouter leur discours publicitaire. Il faudrait aussi que les médias arrêtent de le relayer.

Oui. Il y a des voix à amplifier aussi, comme celles de Molly White et d’Ed Zitron. Et n’oublions pas la communauté scientifique.

Utilisons ensuite ces approches de façon pertinente (seulement quand, en effet, nous avons besoin de quelque chose qui nécessite l’usage de la langue naturelle) et diversifiée: non seulement des chatbots, mais des interfaces de traduction, de correction automatique, etc. Et ayons l’intelligence de comprendre que, dans un très large nombre de cas, ces approches sont juste inadaptées et non pertinentes. Souvent, une calculette sera préférable — plus fiable, plus rapide et plus performante — qu’un LLM.

Je suis d’accord.

Le risque vient de la concentration de pouvoir et des richesses dans les mains d’une poignée d’entreprises. Si Google produisait des marteaux, on devrait s’inquiéter de voir des marteaux partout, de voir que tout sera martelé et on devrait craindre la disparition du monde par martèlement.

Oui, la monoculture tue la résilience, cf. loi de variété requise d’Ashby.

Conclusion

Globalement, le billet de Vitali-Rosati comporte des arguments que je partage, mais rien d’original.

• Le battage médiatique des LLMs est démesuré. Les journalistes sont responsables de la nuance à mettre dans leurs articles.
• Les discours des CEOs comme Altman, Musk et Zuckerberg ont pour but de manipuler les marchés en leur faveur. Ils ne se préoccupent pas ni de la vérité de leurs propos et ni de l’impact de leurs produits.
• Les LLMs restent utiles sur certaines tâches. Passons plus de temps à discerner de quelles tâches il s’agit.
• Les LLMs manipulent essentiellement du texte. Cela les empêche d’accéder à une partie non-négligeable des connaissances humaines.
• Les LLMs consomment énormément de ressources.
• Le manque de diversité à plein d’égards est une menace pour notre résilience.

En revanche, le billet est maladroit. Il manque des sources, il y a plusieurs erreurs flagrantes de raisonnement et la typographie n’optimise pas une lecture fluide. L’appel au boycott est trop vague.

Cet article n’engage que son auteur et ne reflète pas nécessairement les opinions ni de Zenika, ni de ses collaboratrices et collaborateurs. L’esprit critique et la diversité d’opinion sont des sources de résilience.

Le changement est absolument partout. Les espèces vivantes ont beaucoup évolué depuis l’apparition de la vie sur Terre il y a quelques milliards d’années. L’être humain est apparu il y a seulement 300 000 ans, mais petit à petit, notre espèce est devenue un acteur du changement sur l’ensemble de la planète. Nos ancêtres ont domestiqué diverses plantes et animaux. Nous avons développé des langues pour communiquer et elles continuent à évoluer. Nous avons construit des systèmes sociaux qui permettent d’organiser des communautés de plusieurs milliers à plusieurs millions de personnes. Nous avons créé des technologies comme les vêtements, l’écriture et l’imprimerie. Nos inventions ont eu de grands impacts sur nous et sur notre environnement.

À l’échelle individuelle, chaque personne initie et subit des tonnes de changements au cours de sa vie. D’un petit bébé, on grandit. Le corps change et s’adapte. On tombe malade. On se fait des amis et on en perd. On pleure la fin d’une série télé, comme Friends. On change d’avis sur différents sujets. On fait la queue toute la nuit pour le dernier iPhone.

Alors, si le changement est omniprésent, pourquoi peut-on entendre qu’il est si difficile ? Et pourquoi rapporte-t-on que les transformations ont un si faible taux de réussite ? Dans cet article, je vais tenter de répondre à ces questions. D’abord, j’expliquerai ce qu’est le changement humain : quelles sont les contraintes, quels sont les constats et quels modèles décrivent le changement le mieux aujourd’hui. Ensuite, je partagerai une des erreurs que j’ai faites par le passé en accompagnant des clients dans leurs transformations agiles et DevOps. En effet, cet article est le troisième volet d’une série où je dévoile mes erreurs en tant que coach Agile (l’état d’esprit, la rétrospective). Je passerai également en revue d’autres erreurs que l’on rencontre très souvent. Enfin, je proposerai quelques clés à garder en tête lorsqu’on veut amener du changement dans son environnement.

L’anatomie du changement

Le modèle de changement qui a été le plus éprouvé est la théorie de l’évolution. Cette théorie a été formulée en 1859 par Charles Darwin. Dans son livre L’Origine des espèces, il propose deux mécanismes, la descendance avec modification et la sélection naturelle, pour expliquer la diversité du vivant. Selon cette théorie, les espèces existantes proviennent de leurs ancêtres, avec de légères modifications des traits au fil du temps et de génération en génération. Ces modifications ont une part d’aléatoire. La valeur sélective d’un individu, c’est-à-dire l’adaptation de ses traits à son contexte, conditionne ses chances de se reproduire, de propager ses traits et d’augmenter leurs fréquences au sein d’une population plus large. Une modification qui confère un avantage, même léger, dans un environnement donné aura beaucoup plus de chance d’être majoritaire quelques générations plus tard.

Le paysage adaptatif

En 1932, le généticien Sewall Wright propose une visualisation de l’adaptation des traits génétiques : le paysage adaptatif. Il s’agit d’une projection dans l’espace de pics et de vallées correspondant aux traits les mieux et les moins bien adaptés respectivement. Les populations varient généralement vers les pics et se stabilisent jusqu’à ce qu’une perturbation dans l’environnement arrive.

Il y a tout de même une grande variété de trajectoires. Certaines modifications donnent accès à de nouveaux environnements. Par exemple, certains poissons produisent une protéine antigel qui leur permet de vivre dans des eaux très froides. Certaines populations sont passées par des vallées, ou dégradations d’adaptation, pour ensuite remonter vers un autre pic. C’est ce qu’il se serait passé lors de l’apparition des premières espèces terrestres. Les nageoires de certains poissons se sont modifiées sur des générations pour devenir des pattes. Ces modifications les rendaient moins adaptés à la vie aquatique et pas nécessairement très adaptés à la vie terrestre. La lignée s’est tout de même propagée probablement parce que la pression sélective n’était pas assez forte pour l’éradiquer.

La théorie de l’évolution a été formulée pour des changements progressifs sur des temps très longs. Quel rapport alors avec les changements plus rapides qu’on observe ou qu’on souhaite provoquer ? Peu après sa publication par Darwin, la théorie de l’évolution a servi d’inspiration pour l’étude d’autres phénomènes. Dès 1863, le linguiste August Schleicher, spécialisé en linguistique comparée, a fait le parallèle avec l’évolution des langues. Les philologues et linguistes avaient déjà remarqué des ressemblances entre les mots de certaines langues. Par exemple, en 1786, Sir William Jones avait rapproché le latin, le grec et le sanskrit. C’est en 1813 que Thomas Young a proposé le terme « indo-européen » pour désigner une famille qui regroupe ces trois langues et beaucoup d’autres. Aujourd’hui, les linguistes peuvent tracer les modifications morphologiques de beaucoup de mots à travers le temps pour dessiner une sorte d’arbre généalogique des langues. Mais les mots ne sont pas totalement comme les gènes. Ils n’ont pas besoin du même type de reproduction pour se propager. Toutefois, les mots subissent des modifications et des pressions sélectives. Aujourd’hui, on identifie les facteurs suivants, entre autres, qui poussent les langues à changer (liste non-exhaustive) :

• L’économie d’effort. On privilégie les sons les plus faciles à produire. C’est ce qui nous pousse à raccourcir la prononciation des mots et à modifier la prononciation de certains sons en fonction de ce qui précède ou de ce qui suit. Par exemple, en anglais, le marqueur du pluriel se prononce /s/ dans cats mais /z/ dans dogs, parce que l’inverse est plus difficile (cf. assimilation phonétique).
• L’imperfection de la transmission. Les enfants n’apprennent pas parfaitement la langue de la génération précédente, ou pas dans les mêmes conditions. Non, ce n’est pas la faute de l’école ou des jeunes d’aujourd’hui, c’est une réalité inévitable qui contribue à l’innovation linguistique. Par exemple, en français le mot unicorne serait devenu icorne puis licorne (cf. mécoupure).
• Le contact. La rencontre de deux communautés linguistiques ouvre la possibilité aux emprunts d’une langue à une autre.
• Le prestige social. Selon la place qu’on a dans la société ou celle qu’on revendique, on va privilégier certains mots au dépens d’autres.

Ces facteurs contribuent à l’adaptation d’un mot à son environnement et on peut en faire le paysage adaptatif. Cela peut se faire sous forme de carte, comme par exemple l’Atlas sonore des langues régionales de France.

On retrouve des applications analogues des principes de l’évolution et du paysage adaptatif dans d’autres domaines. Certains anthropologues s’en servent pour comprendre l’évolution des outils. D’autres chercheurs les ont appliqués à l’aéronautique, aux technologies et aux organisations [1 et 2]. En 1976, Richard Dawkins a publié son livre Le Gène égoïste, dans lequel il a inventé la notion de mème comme homologue du gène pour les phénomènes socioculturels qui se propagent par mimétisme. Le mème ne désigne pas que les images que l’on partage sur les réseaux sociaux. Cela englobe tout ce qui se transmet au sein d’une population sans passer par des gènes. Lors de la transmission d’un mème, il peut y avoir des modifications. On le voit notamment dans la propagation de rumeurs ou en jouant au jeu du téléphone. Un comportement inné est encodé par un ou plusieurs gènes, mais un comportement acquis passe par l’imitation d’un mème. Beaucoup de comportements observés sont une intrication des deux.

Les systèmes complexes adaptatifs

La génétique et la culture s’influencent l’une l’autre de façon complexe. Les interactions complexes de ce type ont été rencontrées dans plusieurs domaines scientifiques, donnant naissance à divers courants des sciences de la complexité. La recherche scientifique procède souvent par réductionnisme, où l’on fait l’hypothèse qu’un nombre de facteurs limité permet d’expliquer voire de prédire un effet observé. C’est ce que George Box appelait la parcimonie. C’est cette parcimonie qui rend le modèle faux, mais également utile, à condition de confirmer que cela reflète bien la réalité. Par exemple, la loi de la gravitation de Newton réduit à trois le nombre de facteurs qui ont une influence sur la trajectoire de deux corps célestes : les deux masses et la distance qui les sépare. Mais certains systèmes résistent à ce genre de réduction et nécessitent une approche différente.

Les systèmes complexes sont caractérisés par un grand nombre d’éléments qui ont beaucoup d’intéractions locales, riches et dynamiques entre eux. Par exemple, les bancs de poissons et les groupes d’oiseaux forment des systèmes complexes. Ces systèmes sont ouverts, c’est-à-dire qu’ils échangent des choses avec l’extérieur. Leur présent dépend du chemin emprunté dans le passé. Aucun acteur n’a la connaissance du tout. Par conséquent, les systèmes complexes sont auto-organisés et décentralisés. Contrairement aux systèmes quasi-statiques étudiés par la thermodynamique classique, les systèmes complexes sont loin de l’équilibre. De l’extérieur, on peut avoir l’impression d’une grande stabilité dans le temps, mais de plus près on peut déceler des turbulences. On a pu observer ces turbulences à différents moments à travers l’histoire. Par exemple, le Printemps arabe semble avoir été déclenché par l’immolation de Mohammed Bouazizi le 17 décembre 2010. Mais pour être plus précis, il y avait des signaux faibles avant-coureurs. Le système était déjà disposé à cette situation, sans que l’issue soit inévitable ou totalement prévisible.

Les différents pans des sciences de la complexité proposent des outils particuliers pour appréhender les systèmes complexes et naviguer dedans. La complexité et l’absence de prédictibilité ne sont pas des excuses pour ne rien faire et n’enlève pas tout levier d’influence. Le premier pas est de se focaliser sur le présent du système. On favorise une description du présent qui aide à faire la part entre ce qui est possible, plausible, probable et impossible. Pour cela, on essaie de repérer tout ce qui a une influence sur le système, de l’intérieur comme de l’extérieur.

Attracteurs

Un des outils proposés est la notion d’attracteur (Stephen Smale). Un attracteur est un ensemble d’états vers lequel un système tend pour un large éventail de conditions initiales. On distingue différents types d’attracteurs. Dans le cas d’un attracteur de type point-fixe ou cycle limite, le système revient vers l’attracteur même s’il est perturbé. Dans le cas d’un attracteur étrange, deux états très proches peuvent évoluer vers des états très différents.

En astronomie, les étoiles, les planètes et autres corps sont des attracteurs. Dans un paysage adaptatif, les pics constituent des attracteurs vers lesquels les espèces évoluent.

Les attracteurs peuvent évoluer avec le temps. Ils peuvent être renforcés ou s’épuiser. Par exemple, on peut souvent trouver des chemins de terre formés par usure de l’herbe. On appelle cela une ligne de désir. Cela commence par quelques personnes qui décident de couper à travers l’herbe, ce qui use un peu l’herbe. D’autres personnes, voyant le chemin se former l’empruntent aussi, ce qui use l’herbe encore plus, rendant le chemin plus visible, attirant plus de monde. Autre exemple, Facebook, comme d’autres réseaux sociaux, était un attracteur qui s’est renforcé avec chaque nouvel utilisateur. Plus il y avait de monde, plus le réseau avait de valeur, plus il y avait la pression d’y adhérer. Mais les ressources ne sont pas infinies et ce genre de croissance est forcément bornée. Certains attracteurs s’épuisent au bout d’un temps ou au-delà d’une certaine échelle. Ils cèdent souvent leur place à de nouveaux attracteurs. Petit à petit, l’herbe repousse et recouvre les lignes de désir qui sont de moins en moins empruntées.

Diffusion des innovations

Ces vagues successives d’attracteurs sont souvent observées sur le marché des produits. Un produit innovant arrive et révolutionne le contexte. L’adoption grimpe parfois de façon exponentielle. Au bout d’un certain temps, le marché arrive à saturation. Même les détracteurs sont parfois obligés d’adopter l’innovation. Mais petit à petit, l’attrait s’estompe et les frustrations apparaissent. Le marché devient disposé à ce qu’une nouvelle innovation prenne la place. C’est ce que Everett Rogers a décrit dans son livre Diffusion of Innovations de 1962. Ces travaux ont servi ensuite de base pour des évolutions apportées par Geoffrey Moore, Simon Wardley et Dave Snowden.

Psychologie

Même si ces vagues se répètent, elles ne sont pas toujours prévisibles. Même en présence de signes avant-coureurs, la suite n’est pas toujours certaine. C’est dans ces situations qu’on a besoin d’une approche statistique. Ce qu’on ne peut pas prédire à petite échelle, on peut parfois le faire à grande échelle. Je ne peux pas prédire le résultat d’un lancer de dé spécifique, mais je peux prédire que la somme de 1000 lancers de dé sera très proche de 3500. Les systèmes complexes comportent également des régularités à une certaine échelle. Cela ne permet toujours pas de prédire l’avenir, mais cela aide à naviguer dans le système. Divers domaines scientifiques avancent grâce à des études sur des échantillons représentatifs qui sont suffisamment grands pour réduire le bruit dans les données. En psychologie, cela a permis d’établir certains aspects de notre rapport au changement.

• La cécité au changement. Nous ne sommes pas toujours conscients des changements dans notre environnement. (voir démonstration)
• La cécité d’inattention. De plus, nous voyons surtout ce à quoi nous prêtons attention. Nous pouvons passer à côté de plein de choses, même les choses les plus surprenantes, si nous sommes focalisés sur autre chose. (voir démonstration)
• La malédiction de la connaissance. Dès que nous apprenons quelque chose, nous oublions facilement comment c’était de ne pas avoir cette connaissance. Combiné avec la cécité au changement, on peut oublier comment c’était avant. On rencontre ce phénomène fréquemment avec les changements dans les quartiers où l’on vit. Au fil des années, divers travaux, changements d’enseignes, etc. peuvent avoir transformé notre environnement. Sans photo à l’appui, il peut être difficile de se rappeler comment c’était avant. On a du mal aussi à se rappeler qui portait des lunettes avant ou pas.
• L’escalade d’engagement ou le biais des coûts irrécupérables. On s’attache plus à des changements qui nous ont coûté plus cher, que ce soit en temps ou en argent.
• La loi de Goodhart. Marilyn Strathern l’a formulée ainsi : « Lorsqu’une mesure devient une cible, elle cesse d’être une bonne mesure. » Par exemple, si on rémunère l’atteinte d’une cible mesurée, on risque de dénaturer le comportement. Il y a des tonnes de cas dans l’histoire où l’introduction d’une prime a produit l’exact inverse du résultat espéré (voir effet cobra).
• L’écart intention-action. On n’agit pas toujours en accord avec ses intentions. Ce n’est pas vrai que « si on veut, on peut. » Bon nombre de fumeurs n’arrivent pas à arrêter et ce n’est pas nécessairement par manque de volonté.
• La cognition humaine est incarnée, intégrée, étendue et énactée (cognition 4E). Nous ne prenons pas nos décisions individuellement et uniquement avec le cerveau. Nous distribuons nos décisions à notre corps, à la culture dans laquelle nous sommes, aux outils à disposition et aux rôles que nous jouons.

Quand on y réfléchit un peu, on peut comprendre la valeur sélective de tous ces aspects. Puisque les petits changements sont fréquents et qu’on n’a pas le temps ni les moyens de tout analyser, il vaut mieux se concentrer sur l’essentiel. Ces phénomènes ne sont pas observés dans 100% des cas. C’est complexe. Mais ce sont des forces à ne pas négliger. Cela conditionne quelles issues seront plus ou moins probables.

Théorie des constructeurs

Le dernier modèle du changement que je citerai parle justement en ces termes. La théorie du constructeur, inventée par David Deutsch et développée par lui et Chiara Marletto, se décrit comme étant « la physique du possible et de l’impossible. » En analysant un système, on ne peut pas toujours calculer sa trajectoire à partir de ses conditions initiales. Parfois, il vaut mieux attribuer une probabilité à différentes éventualités. Marletto a notamment utilisé la théorie des constructeurs pour reformuler la théorie de l’évolution. Une des conséquences de cette théorie est que parmi plusieurs événements possibles, l’événement qui nécessite le moins d’énergie est celui qui est le plus probable.

On peut voir ce phénomène à l’œuvre dans les villes où il existe du vélopartage. Dans ces villes, il y a plusieurs stations réparties tout autour et elles constituent des attracteurs : généralement, les vélos se trouvent sur les points d’attache d’une station. Mais toutes les stations n’attirent pas les vélos avec la même intensité. Certains trajets sont plus probables que d’autres. On peut imaginer que les stations près des résidences, des magasins ou des bars sont les plus remplies. En fin de compte, le paramètre qui permet de prédire l’attractivité d’une station est son altitude. Tout bêtement, les gens ont la flemme de monter les côtes. Même si cela ne permet pas de tout prédire, la dépense énergétique conditionne notre comportement.

Les sociétés humaines forment des systèmes complexes qui sont difficiles à prédire. Le changement est permanent, mais tout changement n’a pas la même probabilité de réussite. Ce n’est pas une raison de baisser les bras et de foncer tête baissée. Certains modèles du changement auront bien plus de réussite que d’autres. Ce n’est pas parce qu’on ne peut pas prédire l’avenir, qu’on ne peut pas éliminer certaines fausses pistes.

Les erreurs de transformation

Et des fausses pistes, il y en a. J’admets volontiers que j’ai cru à certains mauvais modèles du changement et je suis sûr que l’état de mes connaissances est encore bien perfectible. Cela me pousse à une certaine humilité, mais pas à une relativité totale. Je peux bel et bien affirmer que certaines idées sur le changement humain sont absurdes étant donné l’état de l’art des sciences.

L’erreur principale que je voulais mettre en valeur dans cet article est une que je faisais il y a quelques années. Notamment, en 2018, j’ai fait une présentation intitulée Just a Spoonful of Agile Helps the Transformation Go Down, dans laquelle j’affirmais qu’on pouvait mener une transformation en utilisant l’agilité.

Erreur : « l’agilité s’applique à la conduite du changement »

Je suis loin d’être le seul à avoir pensé cela. Bon nombre de consultants l’affirment encore aujourd’hui et on retrouve ce modèle dans les propositions commerciales de beaucoup d’ESN. J’y ai participé et j’en suis navré.

Avant de pouvoir démystifier cette erreur, il faut d’abord se mettre d’accord sur ce qu’est l’agilité, notamment dans le contexte d’une transformation. Ce n’est pas une chose facile, parce que peu importe la définition que je donne, il y aura bien quelques lecteur⋅ices qui contesteront. Je prends alors des précautions pour donner une définition de l’agilité telle qu’elle est appliquée généralement dans les transformations. Si vous ne vous retrouvez pas dans cette définition, il se peut que mes critiques ne s’appliquent pas à votre cas.

Généralement, quand on parle d’une transformation menée par l’agilité, on procède de la façon suivante :

1. On exhibe pourquoi l’organisation veut se transformer. Quel défi pousse au changement ? Quelle est la finalité escomptée ? Le numérique, le DevOps, l’agilité sont rarement des fins en soi.
2. On co-construit la cible. On s’aligne sur un objectif commun.
3. On analyse l’écart entre l’état actuel et la cible.
4. On propose les différents pas qu’il faudra probablement faire pour atteindre la cible.
5. On les priorise.
6. On fait le prochain pas.
7. On regarde où on est et on répète le processus à partir de l’étape 3 jusqu’à atteinte de la cible.

On appelle aussi ce processus l’analyse de l’écart. Cela paraît logique. C’est juste du bon sens, n’est-ce pas ? Eh bien la science nous surprend souvent avec des résultats qui sont contre-intuitifs. Les résultats scientifiques que j’ai cités dans la partie précédente permettent de réfuter la majorité de ces étapes.

Lorsqu’on parle de transformation, on parle souvent de situations complexes. Toutes les transformations ne le sont pas. Certaines sont parfaitement prévisibles ou presque. Par exemple, en téléphonie mobile, les passages de la 2G à la 3G puis la 4G, c’était une progression facile et je suis sûr que beaucoup n’y aurait pas fait attention si l’écran du téléphone n’indiquait pas le type de réseau mobile auquel on était connecté et si notre attention n’était pas portée au nombre de barres indiquant la puissance de la connexion (cécité au changement). Mais quand il s’agit d’une transformation de la manière de travailler, on a souvent affaire à une situation complexe.

Cela implique que les deux premières étapes de l’analyse de l’écart ne sont pas si intéressantes que ça. Exhiber ce qui oblige à se transformer reste utile, mais s’accorder sur une cible est contre-productif, même quand elle est co-construite par la meilleure méthode d’intelligence collective. En effet, on ne peut pas prédire que la cible est atteignable, et même si elle l’est, on ne sait pas à quel prix on y arriverait et avec quelles conséquences secondaires. Alors certains rétorqueront que la cible n’est qu’à titre indicatif pour motiver les gens et se mettre en mouvement. En cours de route, on pourra toujours pivoter. Ce n’est pas impossible, mais la méthode de l’analyse de l’écart rend cela moins probable. En raison de la cécité d’inattention, certaines opportunités alternatives qui se présenteront sur le chemin seront moins visibles et potentiellement ignorées ou écartées. En raison de l’escalade d’engagement, plus on avance, plus il sera difficile de pivoter. Cette méthode n’est pas adaptée à la cognition humaine.

Les étapes d’après souffrent de problèmes similaires. Dans un système complexe, l’analyse de l’écart est quasi-impossible puisqu’on ne peut pas prédire ce qu’il faudrait. La priorisation des étapes non plus. Faire un seul pas à la fois n’explorera pas suffisamment l’espace des possibilités. On croit qu’on pourra faire retour arrière, mais en complexité, ce n’est pas possible : toute action change le système de façon irréversible. Visualisez le méli-mélo de câbles qui se forme parfois dans votre sac. Maintenant, imaginez que vous démêlez ces câbles. Comment faire pour les mêler à nouveau comme c’était avant ? C’est juste impossible ! La philosophe Alicia Juarrero décrit les systèmes complexes comme « des ronces dans un buisson ». Héraclite affirmait : « On ne peut pas descendre deux fois dans le même fleuve ». Si l’on compare avec l’évolution, la nature n’est pas dirigée vers un objectif et elle n’avance pas un pas à la fois. Chaque génération comporte un patrimoine génétique légèrement différent de la précédente, avec plusieurs mutations en même temps. L’exploration du paysage adaptatif se fait en parallèle. A terme, les fausses routes disparaissent et les traits les mieux adaptés prolifèrent.

Il doit en être de même pour nos transformations et aussi pour nos méthodes de transformation. Il n’y a pas de honte à ce que les premières théories et idées s’avèrent fausses. Cela fait partie de l’exploration. La possibilité d’avoir tort ne doit pas nous empêcher de tenter des choses. On peut applaudir les tentatives qui ont échoué mais il faut ensuite passer son chemin, avec respect. S’accrocher aux idées largement réfutées, c’est comme continuer aujourd’hui à croire que le Soleil et les autres planètes tournent autour de la Terre.

Dans la suite de cette partie, je vais lister rapidement plein d’autres modèles de transformation qu’il faudrait abandonner. Il n’y a aucune honte à y avoir cru, ni de les avoir essayées. Il se peut même que vous ayez des anecdotes de succès, des situations où vous avez appliqué l’agilité ou l’une de ces autres méthodes à une transformation et qu’elle ait réussi selon vous. Les contre-arguments donnés ici n’enlèvent rien à vos expériences. Si vous avez eu du succès, tant mieux ! Mais tant que vous n’avez pas d’étude sur un échantillon représentatif avec groupes de contrôle montrant l’efficacité de votre méthode préférée, et que vous n’avez pas écarté les facteurs confondants, vous ne pouvez pas généraliser vos expériences.

Les bons moins mauvais

Les modèles suivants fonctionnent pour des transformations non-complexes, ou ont quelques idées intéressantes mais incomplètes.

• Le modèle de changement de Kurt Lewin. C’est un des modèles les moins problématiques de la liste. Il procède par trois étapes : dégel, changement, regel. C’est utile de commencer par une étape de dégel où on rend le changement de manière générale (pas juste un changement précis) plus facile. Lewin le formulait plus comme une étape de désapprentissage, qui n’est pas nécessairement souhaitable ni possible. Ce n’est pas admis qu’après ce dégel, tout changement puisse être décrété. Enfin, le modèle suppose que les organisations peuvent être quasi-statiques, alors qu’elles sont plutôt loin de l’équilibre.
• Les 8 étapes de John Kotter. Des 8 étapes, on peut garder la première : créer un sentiment d’urgence. Il est vrai qu’il est difficile de changer une organisation qui n’en ressens pas le besoin. C’est quand on est au pied du mur qu’on est prêt à prendre le plus de risques. C’est en temps de crise qu’on innove le plus rapidement. Les sept autres étapes sont contre-productives pour des raisons similaires à l’analyse d’écart.
• La théorie des contraintes d’Eli Goldratt. Cette théorie s’applique très bien aux systèmes prédictibles, mais pas aussi bien aux systèmes complexes. La première étape consiste à identifier la contrainte qui limite le reste du système. Or c’est impossible à déterminer dans un système complexe.
• Le modèle en étoile de Jay Galbraith. Ce modèle affirme que les comportements, la performance et la culture d’une organisation émergent de cinq aspects : la stratégie, la structure, les processus, les systèmes de récompense, la gestion des ressources humaines. Ce lien d’émergence est tout à fait cohérent avec la complexité d’une organisation et les cinq aspects sont effectivement des leviers. En revanche, le modèle affirme que pour que les organisations soient efficaces, il faut que les cinq aspects soient alignés. Or, une organisation parfaitement alignée est vulnérable aux perturbations extérieures. De plus, le modèle donne un trop grand poids à la stratégie, ce qui revient à décider la cible d’avance.
• Les lois de Larman. Ces lois ont été formulées par Craig Larman sur la base de son expérience personnelle. On peut effectivement rencontrer les comportements qu’il décrit face aux changements imposés, mais c’est loin d’être systématique.

Les brutes

Les modèles suivants ont besoin de beaucoup de modifications pour être utiles.

• Les leviers d’intervention de Donella Meadows. Il s’agit de 12 niveaux d’intervention, triés dans l’ordre de leur efficacité. Pour Meadows, intervenir au niveau de paradigme ou de l’état d’esprit du système aura plus d’impact que de changer la structure du flux d’information ou les processus. Malheureusement, le changement de paradigme est une transition complexe et imprévisible, et la notion d’état d’esprit est incohérente avec le fait que la cognition humaine n’est pas uniquement une affaire du cerveau. De ce fait, les deux leviers soi-disant les plus efficaces n’existent pas. Le 3e levier, l’objectif du système, n’est pas un levier accessible non plus puisqu’il s’agit d’une propriété émergente. Le systémicien Stafford Beer a résumé cela ainsi : « la raison d’être d’un système est ce qu’il fait » (en anglais, POSIWID : the Purpose Of a System Is What It Does).
• ADKAR de Prosci. Ce processus préconise 5 étapes : sensibilisation (awareness), désir, connaissance (knowledge), aptitude et renforcement. Cela commence tout de même par déterminer l’état final à l’avance au lieu de stimuler l’émergence. Il vaudrait mieux commencer par comprendre ce que les gens savent faire ou pourraient apprendre facilement pour ensuite voir ce que l’on peut explorer.
• L’enquête appréciative de David Cooperrider et Diana Whitney. L’enquête appréciative part du constat que certains groupes s’enlisent en cherchant à résoudre des problèmes, ce qui attire plus leur attention sur ceux-ci et ce qui invisibilise les atouts du groupe. Cette méthode cherche au contraire à se focaliser sur ce qui marche bien. A ses débuts, c’était très prometteur. Malheureusement, ça a été poussé à l’extrême. On va jusqu’à interdire toute expression de ce qui ne va pas, ce qui forge une atmosphère de positivité toxique. En réalité, il faut un équilibre entre les deux.
• Org Topologies d’Alexey Krivitsky et Roland Flemm. Ce modèle propose une classification des équipes et une méthode de conduite du changement. Cette dernière n’est ni plus ni moins l’analyse de l’écart, ce qui ne fonctionne pas dans des environnements complexes. La classification reste linéaire et insinue qu’un seul des modes de fonctionnement est le meilleur dans toutes les circonstances. Les équipes de R&D ne rentrent pas dans la classification. Elles ne sont pilotées ni par les livrables (outputs) ni par les résultats (outcomes), mais plutôt par les ressources (inputs).

Les truands

Les modèles suivants doivent être abandonnés immédiatement.

• Le cycle du deuil de Kübler-Ross. Ce cycle a déjà été rapidement invalidé pour la description du deuil et l’accompagnement des personnes. Il est encore moins utile pour l’accompagnement au changement.
• Stratégie modèle mental de Philippe Silberzahn. Le concept de modèle mental, tel qu’il est proposé par Silberzahn, est incohérent avec la cognition humaine. Même si ce n’était pas le cas, on ne pourrait pas espérer expliciter les modèles mentaux d’une organisation donnée parce que beaucoup de connaissances sont tacites et beaucoup de prises de décisions sont inconscientes.
• Commencez par pourquoi et le Cercle d’or de Simon Sinek. Le modèle du Cercle d’or est basé sur le modèle du cerveau triunique que Paul MacLean avait proposé dans les années 1960 et qui avait déjà été critiqué. MacLean l’avait déjà abandonné bien avant que Sinek s’en serve. Dans les systèmes complexes, il vaut mieux commencer par une description du présent et de ce qui est possible. Un pourquoi inatteignable est au mieux une perte de temps. Dans le pire des cas, cela pousse les gens à courir tous les risques quitte à causer du tort aux autres. Le cas le plus criant est celui d’Elizabeth Holmes et de son entreprise Theranos. Elle avait pourtant un pourquoi génial : révolutionner les prises de sang. Pour beaucoup de personnes, c’est une source d’angoisse. Pour les personnes qui doivent en faire régulièrement, c’est très pesant. Donc cette révolution est le rêve de tout un chacun. Ce qui cloche, c’est que la vision de Holmes est impossible. Elle pensait que la microfluidique était la solution. Elle a tenté de concevoir une machine capable de faire n’importe quelle analyse à partir de seulement quelques gouttes. Plusieurs personnes ont expliqué à Holmes pourquoi cela ne pouvait pas marcher. Mais elle n’entendait pas pivoter. En 2022, elle a fini par être condamnée à 11 ans de prison pour fraude envers ses investisseurs. Bien qu’elle n’ait pas été condamnée pour fraude envers les patients, son entreprise avait chamboulé la vie de beaucoup de personnes qui ont reçu des résultats d’analyse erronés, comme une séropositivité ou une récidive de cancer.
• Reinventing Organizations de Frédéric Laloux. Ce modèle s’appuie sur la Spirale dynamique pour affirmer qu’à travers le temps, les organisations humaines ont évolué de façon linéaire en passant par 8 stades différents. Chaque stade se voit attribuer une couleur. Le stade le plus évolué actuellement serait l’opale. Mais ces affirmations sont très inexactes car les « travaux » de Laloux sont déficients : Il ne cite aucune recherche anthropologique, il ne présente que les données qui confirment son hypothèse, il écarte celles qui la réfutent (cherry-picking) et malgré toutes ses tentatives d’expliquer qu’aucun stade n’est meilleur qu’un autre, il érige tout de même le stade opale comme le sommet de l’humanité sans aucune justification valable.
• Le triangle dramatique de Karpman, l’analyse transactionnelle, la PNL, etc. Ces modèles sont incohérents avec l’état de l’art de la psychologie. Pour plus de précisions, je recommande le livre Neuromania d’Albert Moukheiber, docteur en neurosciences cognitives et psychologue clinicien.

Quelques clés

Bien qu’il n’existe aucune méthode universelle pour naviguer dans l’incertitude, il y a certains principes qui sont plus cohérents et qui sont compatibles avec l’humain. Dans cette partie j’en présente quelques uns, avec des liens vers des ressources pour approfondir.

Ne pas annoncer une transformation

En tant que leader, annoncer un grand programme de transformation, c’est se tirer une balle dans le pied. Les employé⋅es ayant déjà vécu des transformations en auront probablement gardé de mauvais souvenirs. Ces personnes traîneront des pieds voire elles mettront des bâtons dans les roues. Les autres risquent de se faire des illusions et ne pourront qu’être déçu⋅es après. Puisque le début est annoncé en grande pompe, la fin devra l’être aussi. Mais ce sera pour quand la fin ?

Mieux vaut commencer en douceur avec peu d’engagements et garder les grandes annonces pour le moment où les incertitudes auront été dénouées. Au Japon, les managers commencent souvent par initier plein de petites conversations pour tâter le terrain, recueillir les premières réactions à différentes idées et laisser ces idées évoluer pendant un temps. Cela s’appelle le nemawashi, ce qui veut littéralement dire le cernage, une technique permettant de préparer un arbre cultivé dans une pépinière à sa transplantation vers un autre terrain.

Décrire le présent

Pour commencer doucement et préparer le voyage, on peut déjà se procurer une carte. Au lieu de s’accorder sur une prescription de l’avenir, il vaut mieux une description du présent. Il est probable et souhaitable de faire émerger la diversité de points de vue dans l’entreprise. Une méthode potentielle est la cartographie estuarienne qui permet de produire plusieurs cartes du présent et d’envisager les prochains pas.

Loi de variété requise

La diversité est essentielle pour se mettre en mouvement et explorer l’espace des possibilités. Dans l’incertitude, on doit être prêt à toute la variété de surprises que le monde extérieur peut nous réserver. Ross Ashby affirmait que « seule la variété peut vaincre la variété. »

Mehdi Moussaïd, chercheur en comportement des foules, illustre ce besoin de variété en examinant différentes stratégies de recherche de ressources. Imaginez la situation où on donne à un groupe de 100 personnes le défi de ramasser de la nourriture présente dans une parcelle de 100 km². Comment le groupe devrait-il s’organiser ? Est-ce qu’on doit attribuer une zone de 1 km² à chaque personne ? Si la nourriture est inégalement répartie, cela ne sera pas forcément efficace. Est-ce qu’on doit d’abord chercher une source de nourriture et, dès la première source trouvée, converger tout le monde sur le ramassage ? Si la première source trouvée est très petite par rapport à une autre source un peu plus loin, on risque de perdre beaucoup de temps pour peu de rentabilité. Pourtant, quand on cherche l’alignement de toute l’organisation, cela revient à adopter cette stratégie.

Dans cette situation, il existe deux incertitudes : Où se situent les gisements ? et quelle est la valeur d’un gisement donné ? Même lorsqu’on vient de découvrir un gisement, on ne sait pas tout de suite quelle en sera sa valeur. Compte tenu de ces incertitudes, une meilleure stratégie combine un mélange d’exploration et d’exploitation. Une fois un premier gisement trouvé, on alloue des personnes à son exploitation, mais pas toutes. On garde un certain nombre pour qu’elles continuent l’exploration de nouveaux gisements qui pourraient s’avérer plus prometteuses. On garde une certaine marge de désalignement, de variété, de diversité.

Non seulement on a besoin de diversité dans les personnes qui participent, dans les rôles qu’elles occupent, mais aussi dans les méthodes employées. Le dernier livre de Mehdi Moussaïd, A-t-on besoin d’un chef ?, recense différentes méthodes d’intelligence collective et montre qu’aucune ne fonctionne dans toutes les situations.

Attracteurs alternatifs

La stratégie qui allie exploration avec exploitation comporte une étape cruciale qui s’avère difficile pour beaucoup d’organisations : le moment de passer du gisement existant au suivant. Il y a de nombreux cas historiques d’entreprises qui ont repéré le gisement suivant, mais qui n’ont pas su rediriger leurs équipes. Un cas bien connu est celui de Kodak. C’est Steve Sasson, travaillant pour la R&D de Kodak, qui a inventé le premier appareil photo numérique. La direction a décidé de ne pas investir dans son invention. À l’époque, la rentabilité de Kodak reposait sur la vente de consommables, notamment les pellicules. Or un appareil photo numérique n’en avait pas besoin et donc le produit n’a pas été jugé rentable.

On peut visualiser cette difficulté de changement avec les concepts d’attracteur et de paysage adaptatif. Les différents gisements sont des attracteurs. Parfois pour passer d’un attracteur à un autre, il faut passer par une vallée sous-optimale. Et parfois l’adaptation du nouvel attracteur est évaluée dans les conditions actuelles. C’est comme pour le passage des poissons aux tétrapodes terrestres. C’est sûr que les pattes sont moins efficaces que les nageoires dans l’eau, mais c’est passer à côté d’un terrain inexploité.

Deux stratégies peuvent s’avérer utiles ici :

• Éviter l’optimisation maximale, ce qui revient à garder un peu de désalignement et de diversité. Cela passe par des rôles qui sont là pour perturber le système régulièrement.
• Réduire le saut d’un attracteur au suivant en introduisant des attracteurs plus proches. Au lieu de combattre un attracteur bien établi de front, on peut proposer un des attracteurs similaires qui vont saper l’énergie au premier. On doit en essayer plusieurs parce qu’on ne peut pas prédire lesquels seront réellement attractifs. Une fois un peu de mouvement initié et un peu de diversité introduit, ce sera ensuite plus facile à amplifier. D’ailleurs ces attracteurs alternatifs sont souvent déjà présents dans le système et la première tâche serait de les repérer. Quelles sont les voix minoritaires dans l’organisation ?

Le biologiste Stuart Kauffman parle du possible adjacent. Ce n’est pas à confondre avec le petit pas que l’on tente de faire lors d’une transformation par analyse de l’écart. Le possible adjacent n’a pas d’intention autre que lui-même. L’œil humain n’était pas un objectif visé par l’évolution. La complexité de l’œil a émergée après une succession d’explorations, commençant par un capteur de luminosité rudimentaire et passant de possibles adjacents en possibles adjacents. À chaque étape la question n’est pas « Où devons-nous arriver ? » mais plutôt « Où pouvons-nous aller ? ». On ne fixe pas une étoile du nord, mais plutôt on explore ce qu’on peut faire de différent avec ce qu’on a déjà. C’est ce qu’explique Steven Johnson dans son livre Where Good Ideas Come From, et cela fait partie intégrante de la dernière clé que je partage.

Effectuation

L’Effectuation a été formulée par la sociologue Saras Sarasvathy suite à l’observation du monde entrepreneurial. Elle a modélisé la démarche d’entrepreneuriat en 4 principes, auxquels elle en a ensuite ajouté un de plus.

• Un tien vaut mieux que deux tu l’auras. C’est l’idée de partir de ce qu’on a déjà et de se demander ce qu’on peut en faire.
• Perte acceptable. L’exploration et l’innovation nécessitent d’utiliser des ressources avec aucune garantie de retour. L’idée n’est pas de mettre tous ses œufs dans le même panier. C’est trop risqué. Quelles pertes sont acceptables ?
• Profiter des effets de surprise. Si la vie donne des citrons, faire de la limonade, ou un gâteau, ou plein d’autres choses. Lorsqu’on lance une expérience, le résultat n’est pas toujours ce à quoi on s’attendait, mais cela ne veut pas dire qu’il est forcément négatif. Plein d’innovations proviennent d’effets de bord et de surprises. On peut alors parler de hasard ou de sérendipité. La colle repositionnable du Post-It a été découverte par Spencer Silver au sein de la R&D de 3M alors qu’il cherchait une colle forte. Beaucoup de médicaments sont initialement testés pour tenter de soigner certaines pathologies mais les essais révèlent des effets secondaires qui inspirent une réorientation. Par exemple, lors des essais cliniques d’un certain médicament développé pour traiter des pathologies cardiaques, un effet secondaire a été découvert par hasard. On connaît aujourd’hui ce médicament sous le nom de Viagra.
• Créer un patchwork fou. Il s’agit de créer et de développer son réseau et ses partenariats de proche en proche pour augmenter les possibles adjacents et explorer plus de choses.
• Être pilote de l’avion. On va chercher du feedback terrain, mais on ne se laisse pas maîtriser par une interprétation naïve de ce feedback pour bâtir son produit. Pour rappel, si Henry Ford avait demandé aux clients ce qu’ils voulaient, ils auraient demandé des chevaux plus rapides et certainement pas une voiture.

Conclusion

Nos idées reçues sur la gestion du changement de systèmes humains ne sont pas cohérentes avec la complexité de la situation. Beaucoup de modèles de transformation sont éclairés par une compréhension erronée. Pour ces raisons, nous avons du mal à diriger le changement. Les sciences offrent des modèles beaucoup plus cohérents avec la réalité, même si ceux-ci ne sont pas aussi prédictifs. Pour mieux conduire le changement, nous devons admettre que les systèmes complexes ne sont pas prévisibles. Si nous prétendons respecter l’humain, nous devons apprendre comment l’humain fonctionne réellement et le mettre dans des situations qui lui sont adaptées.

Un grand merci aux personnes qui ont relu et critiqué cet article.

Lors de ma participation à Agile Niort 2026, j’ai eu le plaisir d’assister à une présentation de Christophe Keromen. Cela faisait quelques années que je n’avais pas été à une de ses sessions. Je regarde de temps en temps ses billets de blog pour me challenger et pour profiter de sa veille qui est complémentaire à la mienne. Entre autres sujets, nous nous intéressons tous deux à la complexité. Christophe puise dans la systémique de Palo Alto et la cybernétique, tandis que moi, je regarde plus la théorie des systèmes complexes adaptatifs (voir une carte des sciences de la complexité).

Cette année Christophe a choisi de nous parler du modèle de gestion des polarités de Barry Johnson et de la théorie du paradoxe de Smith et Lewis.

J’avais déjà rencontré ce premier modèle. Je la trouve très utile pour commencer à sortir des réflexions manichéennes. On passe de « soit A, soit B » à la possibilité de « à la fois A et B » ou « tantôt A, tantôt B ». Je trouve particulièrement intéressante l’idée de repérer des signaux faibles avant-coureurs qui indiquent qu’on ne doit plus rester dans le pôle actuel, ce qui déclenche un plan d’actions permettant de basculer vers l’autre pôle.

Ma principale critique de ce modèle est qu’il garde un pied dans le manichéisme : on n’a toujours que deux pôles. On est passé de « A ou B » à « A et B », mais on n’envisage pas que ça peut être « A et B et C et … ». Le passage de 2 pôles à 3 ajoute un autre type de complexité. C’est bien connu en physique que le problème à 2 corps est facile à résoudre, mais que lorsqu’on passe à 3 corps, l’évolution du système est plus difficile à prédire.

La présentation de Christophe était bien faite. C’était clair, rythmé et riche, avec beaucoup de citations que j’ai notées. Vers le début de la présentation, il a remarqué que je disais « non » de la tête en réaction à une affirmation qu’il avait faite. À la fin, lors des questions, j’ai tenté de lui poser ma critique sous forme de question. Je n’ai pas trouvé l’interaction fructueuse. J’étais donc ravi de découvrir le lendemain un article de Christophe où il prend du recul sur ma question.

La suite de cet article est ma réponse. Comme Christophe indique sur LinkedIn, « ce sont aussi les objections qui font avancer. » Si j’exprime un désaccord, c’est pour faire avancer la discussion et j’espère le faire avec respect.

Ma réponse

Ici, je cite différents extraits de l’article de Christophe et j’y réponds.

Fin de conférence.
Un participant prend la parole :

« Votre polarité vie/mort… c’est faux. On ne peut pas réduire le réel à deux pôles. Il y a bien plus de dimensions que cela. »

Je n’ai rien contre la paraphrase. Moi-même je ne saurais retranscrire les choses mot pour mot. Ce résumé est un peu trompeur.

En début de présentation où Christophe amenait sa problématique en parlant de tensions et de paradoxes, il n’avait pas encore parlé de polarités, il avait dit que « la vie se définit par la mort ». J’ai alors secoué la tête.

En effet, la vie ne se définit pas par la mort. Alors, certains peuvent le faire, notamment dans un devoir de philosophie. Mais c’est passer à côté de l’état de l’art scientifique. Définir la vie reste une chose difficile encore aujourd’hui. Toutefois le consensus actuel chez les biologistes est la définition descriptive qu’un être vivant présente les caractéristiques suivantes (en totalité ou en partie) : homéostasie, organisation, métabolisme, croissance, adaptation, réponse aux stimuli, reproduction. Les biologistes reconnaissent certaines faiblesses de cette définition. Il y a encore débat pour savoir s’il faut considérer qu’un virus est vivant ou pas. Il y a aussi la question de la vie extraterrestre. Le chimiste Lee Cronin et l’astrobiologiste Sara Imari Walker ont récemment mis au point la théorie de l’assemblage en partie pour tenter de répondre à ce problème et en partie pour étudier l’abiogenèse (l’origine du vivant à partir du non-vivant). Cette théorie attribue à chaque molécule un index d’assemblage qui reflète le nombre d’étapes nécessaires à sa construction. Cela sert ensuite à calculer l’assemblage d’un système à partir de la quantité et l’index de chaque molécule qui le compose. Si cette mesure dépasse un certain seuil actuellement fixé à 15, le système est vivant ou a été produit par un être vivant. L’application pratique est qu’avec la spectrométrie de masse du système on obtient un résultat fortement corrélé à l’assemblage, ce qui ouvre la possibilité de détecter les signes de vie sur d’autres planètes.

Il existe aussi d’autres définitions concurrentes pour la vie, mais aucune des définitions débattues actuellement ne repose sur la mort. D’où mon objection. Je n’objecte pas à la polarité vie/mort. Je suis même plutôt d’accord avec celle-ci.

De plus, je n’ai pas dit qu’on ne peut pas réduire le réel à deux pôles, mais que certains aspects admettent plus que deux pôles. Ma question portait sur comment adapter le modèle des polarités à ces situations.

L’objection repose sur une idée largement partagée, mais rarement interrogée :

Un modèle devrait être une description fidèle du réel.

Mon objection ne repose pas sur cela. Christophe érige ici un épouvantail. J’accepte absolument la position que George Box avait formulée : « Tous les modèles sont faux, mais certains sont utiles ». D’ailleurs, j’ai écrit une paire d’articles à ce sujet.

On reproche souvent aux modèles de simplifier.

Mais la simplification n’est pas en soi un défaut. Elle est une condition de possibilité de toute action.

La question pertinente n’est donc pas :

« Est-ce que ce modèle simplifie le réel ? »

mais plutôt :

« Qu’est-ce que ce modèle rend visible, et qu’est-ce qu’il rend possible ? »

Tout à fait. Je trouve que la modèle des polarités aide les gens à sortir un peu d’un faux dilemme et à envisager des stratégies qui allient deux choses utiles mais contextuelles. Je critique le fait que ce modèle n’amène à chercher que deux pôles. Ce n’est pas interdit par le modèle, mais ce n’est pas suggéré. Ce modèle rend la possibilité de deux pôles plus visible et rend la possibilité de trois pôles ou plus moins visible.

Les outils créent des affordances (Gibson), des suggestions d’actions. Par exemple, une poignée de porte afforde le fait de mettre sa main dessus et de la tourner. Elle n’afforde pas de taper dessus, même si ce n’est pas interdit. La question est bien ce que le modèle rend visible et possible. Je dirais que la question est « qu’est-ce qu’il afforde ? ».

D’autres approches proposent des typologies ou des cadres permettant de qualifier les situations et d’ajuster les modes d’intervention.

Ces outils peuvent être précieux.

Mais ils introduisent un autre risque : celui de faire croire que l’on peut identifier objectivement la nature d’une situation, comme si celle-ci existait indépendamment des acteurs qui la vivent.

Or, dans une perspective interactionnelle et constructiviste, ce postulat est difficile à soutenir.

Tout à fait, avec la nuance que certaines approches semblent produire des connaissances plus généralisables que d’autres. Le débat en philosophie des sciences sur la démarcation entre science et pseudoscience nous montre que toute démarche n’est pas égale et que même Paul Feyerabend et même les constructivistes les plus dogmatiques admettent que le réel existe et que la méthode scientifique permet de le décrire de mieux en mieux. Au lieu d’opposer les polarités de l’objectivité à la subjectivité, on peut introduire un troisième pôle : l’intersubjectivité.

Toutefois, c’est bien pour cette raison qu’il me semble important d’indiquer les limites connues d’un modèle. Le modèle des polarités me semble utile quand il y a deux pôles. J’aimerais à minima qu’il porte une petite étiquette « à appliquer uniquement aux situations où il n’y a que deux pôles à considérer ». J’aimerais que les personnes qui vulgarisent ce modèle parlent de cette limite, par souci d’intégrité et par souci pour les auditeur⋅ices. Encore mieux, j’aimerais que l’on recherche activement les limites des outils que l’on découvre avant de les recommander. Bien sûr, je ne demande pas la perfection, juste une diligence raisonnable.

La question de la validité reste entière.

Un modèle peut être :

- ni vrai ni valide […]

- non vrai mais valide […]

- prétendument vrai et pourtant invalide […]

Tout à fait d’accord avec ces principes et les exemples donnés.

Cependant, un modèle ne se maintient pas parce qu’il est vrai, ni même valide — mais parce qu’il circule.

D’accord aussi, mais il me semble qu’on sort du débat.

Un modèle humblement présenté reste responsable de ce qu’il génère.

Absolument. C’est cette responsabilité que j’aurais invoqué si Christophe m’avait demandé une fois de plus « et donc ? »

L’objection entendue à la fin de cette conférence met en lumière une attente sous-jacente : celle de disposer de modèles « vrais ».

Or, dans des environnements complexes, cette attente est illusoire.

Ce n’est pas si illusoire que ça. Paul Cilliers, dans son papier Boundaries, Hierarchies and Networks in Complex Systems, affirme qu’un modèle doit nécessairement laisser des choses de côté en espérant que ces choses n’importent pas, mais que dans le cas de systèmes complexes on ne pourra pas prédire quelles choses sont importantes. Pour autant il montre dans comment on peut appréhender un système complexe en prêtant attention à certaines caractéristiques et en ayant une démarche cohérente avec la nature complexe du problème. Mike Jackson prône l’utilisation de plusieurs modèles en même temps afin de proposer plusieurs perspectives différentes et ainsi minimiser le risque de croire qu’un seul modèle suffit pour agir dans un système complexe.

La complexité n’est pas une impasse. Ce n’est pas une justification ni pour aller tête baissée ni pour abandonner tout espoir de modéliser. C’est plutôt qu’il faut prêter une attention particulière aux affordances du modèle. Il faut veiller à ce que le modèle aide les utilisateurs à remarquer et à accepter l’inconnu inconnu. Il faut vérifier qu’il ne produit pas une complaisance dangereuse.

Le danger n’est pas de simplifier, c’est d’oublier que l’on simplifie.

Exact. Certains modèles affordent à l’utilisateur l’oubli et d’autres affordent le rappel de ce point important.

Une intention

La première raison d’exprimer mon objection était pour inciter à ce qu’on inclue cette limitation dans la description du modèle. Vu la conclusion de l’article de Christophe, cet objectif est plutôt atteint.

La deuxième raison est que cette ouverture à plus que deux pôles offre une possibilité complémentaire à la problématique que Christophe posait en début de présentation, à savoir d’être pris dans un cycle éternel de vacillement d’un extrême à l’autre. L’option à deux pôles reste valable dans les circonstances adaptées. Mais pour les autres, en particulier la succession de frameworks à la mode, l’ouverture à tout un paysage de pôles est intéressante. Chaque vague de ces cycles est souvent lié au fait qu’on a été tenté d’appliquer une méthode au-delà de ses limites. Cela crée de la frustration. Une nouvelle méthode qui s’applique mieux à ces nouveaux cas est trouvée. Par excès de zèle, on proclame que l’ancienne méthode défectueuse et que la nouvelle doit la remplacer partout. Une réaction plus appropriée serait de reconnaître que l’ancienne méthode garde son utilité à côté de la nouvelle. Et on ne garde pas deux méthodes dans le paysage mais potentiellement plusieurs, comme un écosystème où vivent un grand nombre d’espèces différentes qui évoluent au gré de mutations et de sélection, non pas uniquement sur la base de la popularité mais sur la base de la validité dans un contexte donné.

Christophe, si vous m’avez accordé l’honneur et la patience de me lire jusqu’ici, je suis ravi de l’échange et je serai ravi de lire votre réponse ou d’échanger à nouveau à l’avenir.

Aux autres, je souhaite que votre lecture vous a été utile. N’hésitez pas vous aussi à participer à la discussion.

C’est le début des vacances d’hiver en France et vous serez nombreuses et nombreux à partir pour les pistes de ski. On peut alors se rappeler que c’est à cette époque de l’année, du 11 au 13 février 2001, dans la station de ski à Snowbird, Utah, Etats-Unis, qu’un groupe de 17 personnes très peu diverses ont écrit le Manifeste pour le développement Agile de logiciels.

En ce début d’année 2025, on peut déjà entendre pléthore de messages prononçant la mort de l’agilité. Rien de nouveau donc, puisqu’on entend ces messages depuis au moins 10 ans (cf. blog de Dave Thomas en 2014). Alors pourquoi faire écho maintenant … encore ? Peut-être que c’est par folie, ou peut-être parce que la communauté agile commence à comprendre qu’il y a urgence. Il y a trois ans, les premiers experts ont prévenu la communauté. C’est maintenant de plus en plus difficile à ignorer la réalité. Ce qui a surtout déclenché cet article est une poignée de billets sur LinkedIn publiée par Marie Glandus, une conceptrice UX. Elle a témoigné d’un point de bascule dans sa carrière où elle a arrêté de vendre sa méthode et a commencé à vendre des améliorations mesurables. « [O]n ne te paie pas pour suivre un process. On te paie pour faire bouger des chiffres », dit-elle. Elle a remarqué que le même changement devait s’opérer dans l’agilité. Suite à quelques échanges sur le sujet avec Anthony Praud, un coach agile qui a également montré sa frustration, une discussion a été organisée dans le but de partager des pistes pour s’en sortir.

Dans tout ça, je trouve qu’il y a des idées intéressantes et des pistes utiles, mais qu’il manque encore certains ingrédients et qu’il y a encore certaines erreurs. Dans cet article j’aimerais contribuer à la discussion, non pas en donnant des solutions toutes faites, mais plutôt :

• en reformulant les problèmes rencontrés par l’agilité actuellement,
• en élucidant certaines limites des pistes proposées par mes très cher⋅es collègues,
• et en suggérant des références à explorer que je considère plus solides.

A bout de souffle

Actuellement, je pense qu’il y a trois défis auxquels la communauté agile doit faire face :

• L’agilité est en fin de vie.
• L’agilité comporte des incohérences.
• L’agilité est incomplète.

Je ne pense pas que ces défis soient insurmontables et si je continue à incorporer des méthodes agiles, c’est parce que j’ai déjà été témoin de leur utilité. En l’absence d’études scientifiques solides, on peut tout de même se rabattre sur certains résultats comme les rapports CHAOS du groupe Standish et les rapports DORA qui mettent en valeur certaines des pratiques Lean et agiles. Pour espérer redonner un élan à l’agilité, je pense qu’il est nécessaire d’admettre les problèmes qui existent et de bien les formuler.

La fin de vie

Les messages prononçant la mort de l’agilité sont très souvent incompris. Par « mort » on entend la fin de vie au sens du cycle de diffusion des innovations. Selon les critères des cartes de Wardley (voir antisèche en anglais, français), l’agilité est arrivée à la dernière phase : le marché est mature, les acteurs se consolident, les marges sont réduites, les pratiques sont homogènes, c’est un standard qui est attendu et les derniers retardataires s’y mettent.

Les agilistes doivent bien comprendre qu’il s’agit de la perception du marché, ce qui peut être différent de notre perception. On a tendance à dire que c’est la fausse agilité ou le business de l’agilité qui est répandue et que la vraie agilité est peu connue. Le marché n’est pas sensible à ce message !

On ne dit pas que l’agilité n’est plus utile. Il y a plein de produits en fin de vie qui sont utilisés pendant très longtemps. Par exemple, IBM a dominé le marché du matériel informatique des années 1950 à 1980. IBM avait essayé de pivoter vers le marché du PC mais avait sous-estimé l’importance du logiciel et Microsoft l’a devancé. Une fois arrivée en fin de vie, la ligne de produit phare d’IBM n’a pas arrêté d’être utile, mais il n’y a plus la même demande et plus les mêmes marges.

On ne dit pas que c’est foutu. Plein de produits connaissent des vagues ou générations successives d’innovation. Par exemple, on connaît bien les différentes générations de réseau mobile.

Les incohérences

Je pourrais faire toute une série d’articles sur les différentes incohérences dans les fondements de l’agilité. Je ne vais en citer que quelques-unes. Mais d’abord, il ne faut pas être surpris que ces incohérences existent. C’est normal que les premières théories tombent à côté et soient remplacées par d’autres. Cela arrive dans toutes les sciences et cela fait partie de la méthode scientifique. En plus, les auteurs du Manifeste avaient prévu que ce serait le cas en démarrant par une phrase trop souvent oubliée :

Nous sommes en train de découvrir comment mieux développer des logiciels[…]

C’est un processus de découverte, qui a commencé bien avant et qui n’a pas à s’arrêter.

Ensuite, il ne faut pas lire très loin pour trouver une première incohérence. Il suffit de regarder la première valeur.

Les individus et leurs interactions plus que les processus et les outils.

Cette valeur paraît béton. Le problème est que ce sont les interactions qui caractérisent un système complexe et les processus et les outils sont deux types d’interaction. En plus, que sont eXtreme Programming, Scrum, Kanban… si ce n’est des processus et des outils ? Une des interprétations les plus charitables de cette valeur est que les individus doivent avoir leur mot à dire dans le choix des processus et des outils. Ce n’est pas tellement révolutionnaire.

Enfin, d’autres incohérences ont été mises en lumière par la mouvance de l’artisanat logiciel. Par exemple, on y affirme qu’un logiciel ne doit pas seulement fonctionner, mais aussi être bien conçu.

L’incomplétude

L’agilité n’a jamais vraiment revendiqué être complète, mais plutôt se présente comme un cadre. Pour autant, les agilistes affirment généralement que l’agilité est applicable partout à toute situation, même au-delà du développement logiciel. Quand j’ai découvert le product management et Cynefin, j’ai vu à quel point c’est une erreur. Aucune méthode n’est universelle. Il faut alors savoir discerner dans quel contexte on est et quelles méthodes sont adaptées.

Quelques pistes bleues

Une fois les problèmes posés, passons en revue ce que certaines personnes proposent.

• Revenir aux sources. Je suis d’accord que ce serait utile qu’une bonne partie des agilistes lisent certains livres et articles. Je doute que cela résolve le problème de fond puisque, comme je l’ai noté, les fondements comportent des incohérences qu’il faut perfectionner. Il y avait aussi un manque de diversité dans les auteurs du manifeste.
• Ne plus utiliser le terme « agilité ». 🤫 Oui, il vaudrait mieux parler de l’impact qu’on peut avoir plutôt que des rouages internes des méthodes. Je le fais aussi avec d’autres méthodes. Par exemple, quand j’utilise Cynefin, je ne l’annonce pas forcément.
• Trouver les bons arguments pour convaincre. Chercher à convaincre est une grosse erreur. Nous devons respecter le choix des gens et nous devons d’abord chercher à résoudre leurs problèmes. Si une méthode agile est adaptée, tant mieux. Si ça ne l’est pas, on s’en fout.
• Démontrer l’utilité par la mesure. Oui, mais attention aux effets pervers et aux différences entre le complexe, où il y a de l’incertitude et donc aucune métrique universelle, et le compliqué, où il y a de la prédictibilité et des bonnes métriques déjà identifiées. Marie Glandus cite une famille de métriques importante : le nombre d’utilisateurs actifs par période (DAU = daily active users, MAU = monthly active users). C’est utile dans des situations compliquées où l’on a une certaine prédictibilité sur les conséquences d’une baisse ou d’une hausse. Ce n’est pas la seule métrique qui les gouverne toutes. Le Net Promoter Score a déjà essayé d’occuper cette place et a échoué.
• Produire des chiffres irréfutables. De même, c’est possible dans des situations compliquées mais pas dans celles qui sont complexes. De plus, les mêmes données peuvent être interprétées de différentes manières et ne permettent pas toujours de départager deux hypothèses différentes. En philosophie des sciences, c’est ce qu’on appelle le problème de l’incommensurabilité et de la sous-détermination.
• S’aligner avec les commanditaires sur des objectifs SMART. De même, c’est possible dans le compliqué, mais pas le complexe, où ça peut nuire à l’innovation et à l’adaptation. Au minimum, on peut prendre connaissance des enjeux qui intéressent les commanditaires, mais les voir ensuite comme des contraintes qui peuvent parfois être négociables.
• Piloter par le ROI. Cette phrase de Marie Glandus m’a marquée : « si une boîte investit 1000 € dans Marie, c’est pour espérer gagner […] €. » Je pense que Marie est allée à l’excès inverse. Dans son livre Obliquity, John Kay explique que quand on vise la réussite financière, on n’y arrive pas, sauf par chance. Il montre que beaucoup de choses s’obtiennent de façon oblique, ou indirecte. Dans l’innovation, le ROI n’a pas de sens, sinon on risque de faire les mêmes erreurs que Kodak, Blackberry, Blockbuster et plein d’autres. Marty Cagan dit qu’il faut piloter 4 risques en même temps : la valeur, la viabilité (dans laquelle on retrouve la rentabilité), la faisabilité et l’utilisabilité.
• Mettre de l’humain. Oui, absolument, mais force est de constater que les agilistes ne comprennent pas trop ce qu’est l’humain. Il faudrait être plus nombreu⋅ses à puiser dans les sciences sociales et plus du tout dans les pseudosciences comme la PNL, l’analyse transactionnelle, la spirale dynamique, l’enquête appréciative, la grande majorité du développement personnel…

Ces pistes restent utiles à regarder, mais je pense qu’il nous faut également d’autres éléments.

Les prises de carre

Il existe des théories qui n’ont pas été mentionnées dans les conversations qui n’apportent pas de réponses toutes faites mais qui aident grandement à l’exploration de solutions. Quand j’ai fait du ski pour la première fois, je suis souvent tombé parce que je ne comprenais pas la mécanique des skis. J’ai fait du patinage sur glace depuis mon enfance et j’ai cru bêtement que c’était pareil.

Dans cette situation, il me paraît utile de s’appuyer sur la méthode scientifique et certaines disciplines scientifiques, ainsi que certaines techniques issues du product management. Je pense que les agilistes doivent admettre que les méthodes agiles, aussi malléables soient-elles, ne conviennent pas à tous les contextes. Je ne suis pas du tout la première personne à le dire.

Créer des affordances plutôt que convaincre

Un des facteurs de succès de Scrum puis de SAFe est que c’était facile à adopter. Il n’y avait pas vraiment besoin de convaincre avec des arguments très probants. Nous avons intérêt à rendre facile ce qu’on veut voir et difficile ce qu’on ne veut pas voir. L’humain, comme tout système biologique ou physique, cherche à minimiser l’énergie. Par exemple, c’est bien connu qu’à la fin de la journée les stations Vélib en altitude sont moins remplies de vélos que les autres stations. Les stations de ski savent depuis longtemps que s’il n’y a pas de remontées mécaniques, il y a moins de fréquentation.

Tester les hypothèses avec une démarche scientifique.

Ce n’est pas parfait, mais c’est la méthode scientifique qui nous a donné accès aux connaissances les plus précises et aux technologies les plus pointues. En matière de santé publique, c’est grâce à cette méthode que nous avons fait de grands progrès. Les rapports CHAOS sont une chose, mais cela ne constitue pas une preuve de grande valeur. Si nous avons des preuves scientifiques de la validité d’une méthode, cela donne plus d’assurance pour s’en servir. En attendant, une posture de doute nous pousse à nous améliorer.

S’appuyer sur les sciences de la complexité

Les situations complexes sont d’une nature très différente des situations prédictives. On ne les aborde pas de la même manière. Si l’on s’observe bien, on peut voir que l’humain sait très bien évoluer dans l’incertitude, mais pour une raison obscure met ce savoir de côté en arrivant sur son lieu de travail (en tous cas, dans nos cultures occidentales).

En complexité, il est contreproductif de définir des objectifs mesurés à l’avance. Il vaut mieux construire une description du présent, et explorer les opportunités adjacentes jusqu’à découvrir les pistes prometteuses. Ensuite, on peut adopter une démarche agile et/ou Lean. On doit tout de même demander aux commanditaires quels sont les enjeux importants pour eux et il faut en tenir compte, mais plus comme une contrainte, éventuellement négociable, et non pas systématiquement comme un objectif.

Quand on définit des mesures en complexité, il est souvent plus pertinent de combiner le quantitatif avec le qualitatif. C’est ce que propose SenseMaker et la théorie vectorielle du changement. Il s’agit d’une mesure de choses subjectives, mais qui deviennent intersubjectives grâce à l’intelligence collective.

En complexité, il ne faut pas raisonner en termes de ROI, parce qu’on ne sait même pas quoi espérer. On ne sait pas ce qu’on ne sait pas (inconnu inconnu) et donc on ne sait pas quelles sont les bonnes mesures. En revanche, on peut piloter l’exploration par les pertes acceptables et la diversification de son portfolio. Les sociétés de capital risque (venture capital) connaissent bien cela. Elles ne mettent pas tous leurs œufs dans le même panier. Au contraire, elles mettent des montants raisonnables sur un large éventail de startups, sans aucune garantie de résultat. L’idée est de provoquer la sérendipité. Il y a des tonnes d’innovations qui sont découvertes par hasard.

Délimiter le champ d’application de l’agilité

Puisque l’agilité n’est pas applicable partout, il faut arrêter de viser à ce qu’une entreprise toute entière devienne agile. Il faut arrêter de voir l’agilité comme une fin en soi. Déterminons ensemble ce qu’est l’agilité (et ce n’est ni un état d’esprit, ni une culture) et les types de contexte où c’est applicable. Déterminons ce qui est pertinent en dehors de ces limites, que ce soit le cycle en V ou autre chose.

Conclusion

Le marché de l’agilité est en décroissance. Même si elle reste pertinente, elle doit aussi se réinventer. C’est à nous agilistes de faire ce travail et d’arrêter de blâmer les autres pour la situation actuelle. Je suis confiant que si nous adoptons une démarche plus scientifique qui rend compte de la complexité des systèmes humains, nous aurons quelque chose de plus pertinent à offrir.

Qu’en pensez-vous ? Que faites-vous actuellement pour pimenter vos pratiques agiles ?

Cet article n’engage que son auteur et ne reflète pas nécessairement les opinions ni de Zenika, ni de ses collaboratrices et collaborateurs. L’esprit critique et la diversité d’opinion sont des sources de résilience.

Il y a deux ans j’ai démarré une série d’articles de blog qui reviennent sur les erreurs que j’ai faites par le passé en mettant l’agilité en pratique. J’avais commencé par l’erreur de définir l’agilité comme un état d’esprit ou une culture. La recherche bibliographique et la rédaction m’avait pris plus de temps que ce que j’avais prévu, mais cela en valait la peine. J’ai transformé l’article en présentation que j’ai faite à AgiLeMans, Agile Niort et PIAF Agile (revoir la vidéo). En ce début d’année de 2025, où de nombreuses personnes font le bilan de 2024, j’ai trouvé qu’il était grand temps de sortir un deuxième volet de la série, cette fois-ci plus modeste, en m’attaquant à un sujet peut-être tout autant controversé : la rétrospective.

La rétrospective est une de ces pratiques omniprésentes dans l’agilité. Pour bon nombre d’agilistes, il s’agit d’une pratique incontournable. Mais j’en connais quelques uns qui sont de moins en moins convaincus de son efficacité. Personnellement, ça fait deux ans que je considère que c’est la pratique agile qui apporte le plus de gaspillage. Si vous avez une expérience plus positive et que vos rétrospectives vous réussissent, tant mieux. Je serais intéressé d’échanger avec vous.

Dans cet article, j’aimerais vous montrer pourquoi j’en suis arrivé là. Pour cela, je reviendrai de façon superficielle sur l’histoire de la rétrospective, pour ensuite pointer du doigt les signes d’échec généralisé et finir avec des idées que j’explore afin d’améliorer la situation. Je reste persuadé que le principe est largement utile, mais qu’il faut changer en profondeur les raisons et les manières de faire.

La rétrospective, un regard en arrière

Pour l’heure, je ne vais pas pouvoir retracer en détail les origines de ce que l’on désigne aujourd’hui de rétrospective. J’aimerais simplement poser quelques liens clés et commenter l’évolution de cette pratique que j’ai pu voir sur les 20 dernières années. Je serai très intéressé que des personnes partagent des liens vers plus de détails.

La rétrospective s’inscrit plus largement dans les pratiques d’amélioration continue, un principe clé de l’agilité. On retrouve ce principe sous différentes formes. Dans Scrum, c’est dans les piliers de l’inspection et de l’adaptation. Dans Extreme Programming, c’est le principe de « fix it when it breaks ». Il apparaît également dans le Manifeste pour le développement Agile de logiciels dans le dernier des douze principes (« À intervalles réguliers, l’équipe réfléchit aux moyens de devenir plus efficace, puis règle et modifie son comportement en conséquence. ») mais aussi dans la toute première phrase du manifeste, souvent oubliée : « Nous [sommes en train de découvrir] comment mieux développer des logiciels par la pratique et en aidant les autres à le faire. » L’amélioration continue est également très présente dans le Lean, avec le concept de kaizen et la roue de Deming (PDCA).

Au-delà des principes, Scrum inscrit la rétrospective du sprint dans ses rituels clés. Le guide Scrum de 2020 prône de faire une rétrospective à la fin de chaque sprint et de ne pas dépasser trois heures dessus. On peut naturellement rapprocher la rétrospective d’un débrief ou d’un post-mortem tels que pratiqués dans d’autres milieux.

Hormis quelques recommandations légères — la légèreté était un des buts recherchés par l’agilité — il n’y a pas de format strict sur la manière de mener une rétrospective. Effectivement, Scrum est réputé être un cadre léger sur lequel une équipe s’appuie et qu’elle remplit avec ce qu’elle juge nécessaire.

Au fil des années, différents tableaux ont été peints sur la toile blanche à l’intérieur de ce cadre. Vu les lacunes de la communauté agile à citer les sources, il m’est très difficile de retrouver les auteurs et autrices de différents formats proposés. Si vous les connaissez, merci de me les communiquer pour que je puisse mettre à jour cet article.

Un des premiers formats que j’ai connus est le fameux « start, stop, continue ». L’idée est de commencer par du temps individuel pour remuer les méninges, se remémorer le sprint passé et remplir les trois colonnes avec les idées de choses à démarrer, les mauvaises choses qu’on veut arrêter de faire et les bonnes choses qu’on veut continuer à faire. On enchaîne avec une mise en commun suivie éventuellement d’une discussion pour confirmer ce que l’équipe souhaite changer lors de l’itération suivante et comment le faire concrètement. Le déroulement précis varie d’une équipe à l’autre. Il existe également des variantes sur le même thème, souvent avec trois colonnes, par exemple « mad, glad, sad ». Retrospectivewiki recense une variante avec cinq colonnes attribuée à Ellen Gottesdiener et Diana Larsen : « start, stop, continue, more of, less of ». Cela ressemble beaucoup au format Starfish (étoile de mer).

Le deuxième format célèbre que j’ai rencontré est le Sailboat, ou voilier. Dans ce format, le voilier représente le projet ou le produit. Selon la version, on utilise différentes métaphores associées au thème de la navigation. Chacune d’entre elles représente un aspect du vécu de l’équipe : le vent (ce qui aide à avancer), le soleil (ce qui fait du bien), l’ancre (ce qui empêche d’avancer), le récif (les risques futurs), l’île (la destination). De ce que j’ai pu glaner, ce format serait inspiré d’un des jeux inventés par Luke Hohmann dans son livre Innovation Games. Il s’agirait du Speed boat (vedette) qui aurait été modifié et surtout dénaturé. En effet, le Speed boat évoque un bateau à moteur, ne mentionne que l’ancre et, surtout, n’est pas un format de rétrospective à faire en équipe. C’est plutôt un atelier à faire avec des clients. Cela part du postulat que les clients ont l’espoir que le produit puisse répondre à leurs attentes et avoir du succès, à l’image d’une vedette qui peut avancer très vite, mais qu’il y a des choses qui l’en empêchent, comme des ancres attachées au bateau. Notamment, Luke Hohmann remarque que plus le client a investi dans le produit, plus il a envie que ça marche, faisant référence à l’escalade d’engagement. L’atelier Speed boat est censé donner le moyen aux clients d’exprimer du feedback en utilisant un narratif qui afforde une interprétation constructive des plaintes exprimées. En voulant améliorer cet atelier très intéressant et mûrement réfléchi, on arrive à un résultat aujourd’hui sous la forme de Sailboat qui est moins cohérente avec la psychologie humaine, mais je m’avance sur la partie suivante de cet article.

Au fil des années, des tas de formats différents apparaissent. Une grande partie est dans la famille des rétrospectives à thème : Il y a la rétro Star Wars, Star Trek, Super Mario, Harry Potter, Game of Thrones, Resident Evil, invasion zombie, … il y a vraiment de tout. La majorité de ces thèmes ressemble à start-stop-continue, ou au Sailboat mais avec des métaphores différentes. Il existe également des formats qui changent vraiment, plus que dans la cosmétique. Certains sont des ateliers qui ne sont pas spécialement des formats de rétrospectives, comme les cinq pourquoi, le diagramme d’Ishikawa ou les chapeaux de Bono.

Il est difficile de faire l’histoire des rétrospectives sans parler des contributions de Norman Kerth. Il est l’auteur d’un des livres de référence sur le sujet, Project Retrospectives, qui n’est pas assez lu à mon avis. En effet, de son livre, on ne retient que la Directive première :

Peu importe ce que nous découvrirons, nous devons comprendre et croire sincèrement que chacun et chacune a fait du mieux qu’il ou elle pouvait, étant donné ce qui était connu à l’époque, ses compétences et capacités, les ressources à disposition et la situation rencontrée.

Or il semblerait que ce soit Norman Kerth, avec l’aide de Wayne et Eileen Strider, qui ait sélectionné le terme « rétrospective ». Son livre est une pépite qui démontre une profondeur de préparation bien plus grande que ce qu’on a l’habitude de voir. Dans le même temps, les différents exercices qu’il propose ne sont pas tous cohérents et souffrent de certains des problèmes que j’énumère dans la suite de cet article.

Enfin, je mentionne en vrac d’autres ressources disponibles sur les rétrospectives :

Des livres

• Agile Retrospectives. Esther Derby, Diana Larsen (1re édition 2006, 2e édition 2024)
• Getting Value out of Agile Retrospectives. Ben Linders, Luis Gonçalves (2016)

Des sites

• Retrospectivewiki
• Retromat

Des plateformes

• Les tableaux collaboratifs, comme Miro, Mural et Draft, proposent de nombreuses maquettes.
• Il y a plein de plateformes dédiées aux rétrospectives, comme Neatro, TeamRetro, Easy Retro, Metro Retro …
• Mention spéciale pour le Cookéo à Rétro (code source), créé par des collègues chez Zenika et présenté à Agile en Seine 2024.

Je n’évoquerai pas ici les bilans de santé, humeur de l’équipe, niko-niko et autres outils similaires. Cela mériterait un autre article.

Voilà ma brève histoire personnelle des rétrospectives. Je serais intéressé d’entendre la vôtre à l’occasion. Passons maintenant à ce qui pour moi brouille la vision rétrospective.

Comme à travers un miroir

Dans ma carrière, j’ai organisé pas mal de rétrospectives avec des équipes dans différents contextes et j’ai été participant à des rétrospectives facilitées par d’autres. Je sais que j’ai appris en faisant des erreurs, en lisant différentes ressources et en échangeant avec d’autres agilistes. Je répète que je reste convaincu que la rétrospective est une pratique utile, mais que les théories et pratiques existantes ont d’énormes lacunes sur différents aspects.

La fin de vie

Depuis quelques années, je vois plusieurs signes qui montrent que le concept de rétrospective est en fin de vie, au sens du cycle de diffusion des innovations (cf. Diffusion of Innovations d’Everett Rogers, Crossing the Chasm de Geoffrey Moore, cartes de Wardley, courbes flexueuses de Dave Snowden). La prolifération des plateformes, dont certaines citées plus haut, proposant d’organiser les rétrospectives est le signe par excellence que c’est devenu une commodité.

Mais le deuxième signe est là depuis plus longtemps et m’inquiète beaucoup plus. J’en ai vu les effets quand je voyais de plus en plus d’équipes démotivées par la rétrospective, lassées par les formats habituels et en quête d’autre chose. C’est là que les formats à thème se sont démultipliés. La nouveauté, même si ce n’était que cosmétique, apportait une certaine fraîcheur et une légèreté. De plus, certaines équipes ont apprécié se retrouver autour d’une référence culturelle commune, apportant une touche personnelle dans le milieu professionnel. Cela peut faire écho aux carnavals d’autrefois, un jour dans l’année pour enfreindre les règles et incarner un personnage différent. Malgré ces avantages, les effets s’estompent rapidement, faisant écho à un autre événement historique : les expériences sur la productivité menées dans les usines Hawthorne où on aurait observé une augmentation de la productivité lors de n’importe quel changement, puis un retour à la normale après. L’effet Hawthorne en tant que tel est encore disputé aujourd’hui, mais l’existence d’un biais lié à l’observation ou à l’expérimentation est accepté par beaucoup de scientifiques qui en tiennent compte dans leurs protocoles d’expérimentation. Certains le rapprochent d’autres effets connus, comme l’effet placebo, l’effet demandeur ou l’effet expérimentateur. On voit que la rétrospective, dans les formats usuels, ne produit probablement pas d’effet durable et reproductible, puisque bon nombre d’équipes ressentent le besoin de renouveler le format régulièrement. Je ne pense pas que ce soit lié au fait que les circonstances des équipes changent, parce que la majorité des formats de rétros ne diffèrent que très peu. Ce n’est pas non plus seulement une histoire de mauvaise application de la méthode. Les méthodes elles-mêmes ne tiennent pas compte du problème.

Les biais

D’autres lacunes que j’ai observées sont liées à d’autres biais. Tout d’abord, toute rétrospective souffre du biais de récence. Même si l’on en fait toutes les deux semaines, c’est difficile de se rappeler de ce qu’il s’est passé au début de l’itération. Daniel Kahneman a exhibé une différence entre le soi qui vit l’expérience et le soi qui s’en souvient. Ce biais peut être amplifié par le fait de connaître le résultat de ses décisions. En cas de succès, on se rappelle mieux les bonnes choses et en cas d’échec plutôt les mauvaises. On fait souvent l’erreur fondamentale d’attribution, c’est-à-dire qu’on a tendance à attribuer les succès à ses propres compétences et les échecs à des circonstances atténuantes.

Ensuite, j’ai vu des facilitateur⋅ices, moi compris, vouloir diriger le groupe vers des conclusions prédéterminées, de façon consciente ou inconsciente. Dans les forums et groupes de discussion, on retrouve de nombreuses questions d’agilistes qui ont détecté un problème et qui cherchent un format de rétrospective qui aidera l’équipe à en prendre conscience d’elle-même. Parfois, l’agile master trouve qu’il y a trop de non-dits dans l’équipe et pense qu’il faut libérer la parole. Les intentions sont souvent bonnes, mais ces personnes ne se rendent pas compte de l’effet pervers des injonctions qu’elles veulent imposer à leurs collègues sans leur consentement.

Dans les livres que j’ai mentionnés, les auteur⋅ices encouragent souvent à réfléchir aux objectifs de chaque partie de la rétrospective. Beaucoup trop d'exemples donnés sont orientés et comportent une hypothèse qui n’est pas évidente. Dans Agile Retrospectives on peut lire des exemples comme « découvrir ce que nous faisons bien » ou « réparer des relations brisées ». Ces choses sont utiles, mais ce n’est pas à la personne qui facilite la rétrospective de décider quand et comment le faire. Toute équipe a un rythme, une cadence, une respiration qu’il faut respecter. Il y a des choses qu’on ne peut pas faire à tout moment.

Ceci m’amène au dernier biais que je voudrais pointer du doigt : l’insistance à toujours établir des actions et à les mettre dans le backlog. Il me paraît invraisemblable qu’une équipe ait des choses à changer toutes les deux semaines. C’est donc tout à fait normal que les actions tirées du nez par les facilitateur⋅ices en fin de rétrospective ne soient pas réalisées. Ce n’est pas en mettant les actions dans le backlog que la situation va s’améliorer. Cet acharnement présume que tout est compliqué ou clair et ne tient pas compte des aspects complexes de la situation (voir Cynefin).

L’empirisme incompris

La dernière lacune que je mentionnerai est bien ancrée dans les théories actuelles sur comment mener une bonne rétrospective et plus largement l’amélioration continue. Elle vient d’une grande incompréhension de ce qu’est l’empirisme. L’empirisme est tout d’abord un courant philosophique dont la forme moderne est généralement attribuée à Francis Bacon et constitue un des piliers de la science moderne. Selon l’empirisme, l’expérience au travers des sens est à l’origine de toute connaissance. Cela s’oppose au rationalisme, qui favorise la raison seule, et cela conteste la validité des intuitions et des traditions. Malheureusement, l’agilité en retient une compréhension superficielle : on fait un truc une fois, on observe un résultat et on ajuste en fonction. Or l’histoire ne s’arrête pas là. Dans les siècles après Bacon, les scientifiques et philosophes ont développé des méthodes de plus en plus sophistiquées et robustes parce que faire l’expérience une seule fois génère de la connaissance, mais elle n’est pas généralisable. Je recommande aux acteur⋅ices du changement de s’intéresser plus généralement à l’épistémologie et à la philosophie des sciences. Pour cet article, je me contente de citer trois considérations importantes qui sont souvent oubliées et qui invalident bon nombre de conclusions tirées en rétrospective.

• Confusion entre corrélation et causalité. Ce n’est pas parce que deux événements coïncident qu’il y a forcément un lien de causalité. Sinon, on pourrait conclure plein de choses étranges, comme, par exemple, consommer plus de chocolat permet de remporter plus de prix Nobel (voir d’autres exemples de corrélations trompeuses ici).
• Réfutabilité. C’est une des contributions de Karl Popper qui cherchait à distinguer deux démarches qu’il observait chez ses contemporains, en particulier Einstein et Freud. Popper observait que les théories émises par Einstein étaient risquées, mais pas celles de Freud. Par exemple, si Eddington n’avait pas observé la déviation gravitationnelle de la lumière lors d’une éclipse solaire en 1919, la théorie de la relativité aurait été remise en cause. A contrario, si une psychanalyse de Freud était contestée par sa cliente, il la bafouait en disant qu’elle refoulait son subconscient. Popper considérait alors qu’Einstein faisait de la science parce que ses hypothèses étaient réfutables et Freud faisait de la pseudoscience parce que quand ça ne marchait pas, ça marchait quand même. La démarcation entre les deux reste un sujet de débat entre philosophes, avec la participation de Thomas Kuhn, d’Imre Lakatos et de Paul Feyerabend, entre autres. Néanmoins, il est généralement plus utile de chercher à réfuter une hypothèse plutôt qu’à la confirmer. Dans les retours d’expérience, le plus intéressant se trouve dans les échecs, pas dans les succès.
• Bruit et biais. J’en ai déjà cité plus tôt : effet placebo, effet expérimentateur… Pour pouvoir tirer des conclusions, les protocoles expérimentaux doivent être bien conçus. En médecine, l’étalon d’or c’est l’étude randomisée en double aveugle avec un échantillon représentatif et l’observation d’un effet significatif. Je ne suis pas en train de dire qu’il faut ça systématiquement en entreprise, seulement qu’il faut prendre en compte les biais possibles dans l’analyse des résultats et de ne pas les survendre.

Donc, contrairement à ce que Ken Schwaber et Jeff Sutherland voudraient nous faire croire, les piliers de Scrum — transparence, inspection et adaptation — ne sont pas des bases suffisantes pour l’empirisme. Tenter des trucs de façon ad hoc d’itération en itération n’est pas réellement une démarche empirique.

Redonner la vue rétrospective

Je n’en reste pas sur ces échecs. Depuis quelques années, je cherche, je me documente et j’explore d’autres manières de faire. Dans le reste de l’article, je vous propose quelques pistes.

L’apprentissage continu

Face aux problèmes de biais de récence, je trouve pertinent d’explorer les manières de noter les difficultés et les apprentissages au fur et à mesure. Dave Snowden a longtemps plebiscité une transition de « lessons learned » à « lessons learning ». Il y a différentes manières d’organiser ça, dont voici deux :

• La journalisation : chaque membre de l’équipe tient un journal quotidien de ces observations sur le projet. En arrivant en rétrospective, il n’y a plus qu’à partager et à trier des données qui seront au plus près de la réalité du terrain.
• ACHET : Régulièrement, juste après une prise de décision ou une action, on note ce qui a été utilisé en termes d’Artefacts (documents, tableaux, logiciels…), de Compétences (ce qui peut être enseigné), d’Habitudes (rituels, heuristiques…), d’Expérience et de Talent naturel. On peut ensuite analyser les différents éléments notés pour faire du passage de connaissance ou pour mieux structurer des changements, parce que les outils sont rattachés à des usages.

Pré-mortem

Souvent la rétrospective est faite après la démo. Une idée serait d’inverser les deux et de faire un pré-mortem. L’équipe se pose deux questions : Pourquoi la démo/l’itération suivante sera-t-elle une réussite ? Pourquoi sera-t-elle un échec ? Ensuite on échange autour des réponses de chacun. Quand on ne connaît pas le résultat, ce questionnement donne des résultats moins biaisés.

Futur à l’envers

Dans la même veine, j’ai déjà déroulé plusieurs fois avec des équipes l’atelier Futur à l’envers (à ne pas confondre avec Remember the Future ni avec Solution Focus). Cet atelier amène une équipe ou plusieurs à décrire leur situation présente, les événements clés du passé qui les ont amenés à cette situation, puis à imaginer deux futurs impossibles, une utopie et une dystopie. Après, on peut imaginer les événements qui auraient pu produire chacun de ces deux futurs, si les choses s’étaient passées autrement dans le passé. De façon détournée, cet atelier fait ressortir les appétences et les appréhensions des équipes, sans avoir besoin de beaucoup de sécurité psychologique et sans faire de forcing.

J’aime beaucoup faire cet atelier avec une équipe qui est passée ou qui va passer par une nouvelle étape de son existence. Cet atelier ne peut pas être répété trop fréquemment. Une à deux fois par an, pas plus.

Sensemaking

L’apprentissage et l’amélioration continue chez les humains s’appuient sur la faculté de sensemaking, c’est-à-dire le fait que nous cherchons continuellement à donner un sens à nos expériences pour pouvoir décider comment agir. Le cadre Cynefin est particulièrement utile pour améliorer le sensemaking d’une équipe. Il n’est pas obligatoire que toute l’équipe maîtrise toute la théorie derrière.

Avant de réfléchir aux actions à mener, si la situation n’est pas évidente, je conseille de faire une contextualisation à 3 points pour que les actions soient réalistes et adaptées au contexte.

Cartographie estuarienne

La cartographie estuarienne est le cadre conceptuel le plus récent de Dave Snowden. Je ferai un article plus tard dessus et probablement un meetup. Pour résumer, il s’agit d’une méthode qui aide à gérer la complexité d’une situation et à la dérisquer. Elle invite les équipes à décrire la situation présente, à la décomposer, à faire la part entre ce qui est possible et ce qui ne l’est pas, et à initier plein de micro-actions plutôt qu’une ou trois grandes actions. Ces micro-actions ont plus de chance d’être faites, de générer des apprentissages et de préparer le terrain pour d’autres changements.

Pour l’instant, je n’ai fait que des cartes unitaires avec des équipes, mais il y a le potentiel de mettre à jour une carte déjà faite en fonction des changements et des apprentissages. On ne sait pas encore ce que ça peut faire, mais c’est une idée que j’ai envie d’explorer.

Exercices, katas, veille

Je sais que certaines équipes font de la veille et de la montée en compétences. Mais j’ai l’impression que les formats de rétrospective habituels ne suggèrent pas suffisamment ce type d’action. Les équipes sont souvent focalisées sur des changements de processus et sur des idées déjà connues. Il est rare d’entendre une personne suggérer de faire un peu de veille sur une problématique rencontrée. C’est encore plus rare de voir une équipe explorer des changements sur des petits périmètres de projet de façon jetable ou sur des katas.

Semer l’émergence

Les plantes ne poussent pas plus vite quand on les tire. Il vaut mieux préparer la terre, arroser, respecter la saisonnalité et plus généralement rendre l’environnement propice à l’épanouissement de la plante. Il en va de même pour une équipe d’humains. Il ne faut pas aller plus vite que la musique. Les agent⋅es du changement ne doivent pas dicter un changement précis, plutôt rendre le terrain fertile.

Conclusion

Je pense que la rétrospective est une activité stérile telle qu’elle est menée aujourd’hui. Elle ne sait produire que des effets temporaires (effet Hawthorne). Les conclusions tirées en rétrospective sont biaisées par la personne qui les facilite et par les théories du changement utilisées. C’est l’occasion d’aller creuser des théories moins fausses et d’explorer d’autres pistes, notamment en s’appuyant sur les sciences de la complexité. N’hésitons pas à partager nos apprentissages au fur et à mesure, surtout les erreurs faites.

Il était une fois trois parents, chacun ayant un enfant. Ces trois enfants allaient bientôt fêter leur dixième anniversaire et souhaitaient marquer l’occasion avec leurs amis. Les parents se mirent donc à réfléchir à l’organisation des festivités. Tous commirent la même première erreur : décider de célébrer la fête à la maison. Or, les salles polyvalentes sont bien plus adaptées, notamment grâce à leur équipement comme les bouches d’incendie, qui facilitent le nettoyage post-fête et, dans des cas extrêmes, permettent même de calmer d’éventuelles révoltes enfantines.

Le premier parent croyait fermement que son enfant était un esprit libre dont la créativité devait s’exprimer sans contrainte. Il décida donc d’acheter de l’alcool et des substances illicites, laissant les enfants explorer leurs « pleines consciences » sans limites. Malheureusement, le canapé prit feu et de nombreux objets furent cassés. Mais le parent ne s’en souciait guère, convaincu que la propriété n’était qu’une construction sociale et que tout n’était que convention.

Le deuxième parent, quant à lui, était un fervent adepte de l’ordre et de la discipline. Sa priorité était de faire de son enfant un citoyen modèle, bien intégré dans la société. Avant la fête, il avait élaboré une liste d’objectifs pédagogiques soigneusement alignés avec les valeurs de son environnement social. Des affiches inspirantes, où figuraient des aigles en plein vol ou des gouttes d’eau créant des vagues dans un lac, ornaient les murs du salon pour renforcer ces objectifs. Le jour de la fête, il fit asseoir les enfants en rang et leur expliqua son plan méthodique. Il considérait que perdre du temps avec des jeux non alignés avec ses objectifs était un gaspillage. Grâce à une présentation PowerPoint, il démontra son engagement personnel et précisa qu’il avait convenu avec les autres parents de lier l’argent de poche à la réalisation de ces objectifs. À la fin de la fête, il réalisa un sondage pour obtenir le Net Promoter Score et mesurer le Return On Time Invested. Pour conclure, des experts en développement personnel chantèrent des comptines gestuelles afin d’implanter chez les enfants des modèles mentaux de satisfaction.

Le troisième parent, quant à lui, ne savait pas à l’avance ce qui plairait aux enfants ni comment ils réagiraient. Il s’assura donc d’avoir un large éventail d’activités à disposition. Lorsque les enfants arrivèrent, il traça une ligne au sol et les regarda droit dans les yeux.

— Franchissez cette ligne et ça va barder ! déclara-t-il d’un ton sérieux.

Ensuite, il introduisit progressivement différentes activités (appelées attracteurs en théorie de la complexité), observant lesquelles favorisaient l’émergence de comportements positifs au sein du groupe. Si une activité semblait bien fonctionner, il l’encourageait. Si elle dérapait, il n’hésitait pas à utiliser un tuyau d’arrosage pour remettre les choses en ordre. En d’autres termes, le troisième parent géra l’émergence d’une cohérence bénéfique, canalisée par des attracteurs et encadrée par des limites.

Quelques idées à retenir :

• Tout humain sait déjà plutôt bien gérer la complexité, puisque cela arrive au quotidien. Pour une raison méconnue, nous oublions cette capacité lorsque nous arrivons sur notre lieu de travail.
• Les trois parents ont supposé être dans différents domaines de Cynefin. Aucun domaine n’est meilleur qu’un autre. L’erreur est de se tromper de domaine, ce qui peut produire des résultats catastrophiques.
• L’approche complexe (du troisième parent) est simple.

Dans un article précédent, j’ai fait une introduction à Cynefin, un des cadres de sense-making créés par Dave Snowden. J’avais également donné un exemple simple d’utilisation. Dans cet article je vais décrire une autre utilisation que j’applique fréquemment. Il s’agit de la contextualisation à trois points.

Cette méthode aide une équipe à donner du sens à leur contexte afin que les actions qui seront envisagées soient plus appropriées.

Pour démarrer il faut avoir une liste de sujets. Ça peut être des récits utilisateur, des éléments partagés en rétrospective, des observations, des problèmes, des solutions, des capacités Accelerate… Peu importe comment cette liste a été obtenue.

Étape 1 : Trouver les trois extrémités

D’abord, l’équipe se met d’accord sur trois sujets témoins de trois extrêmes différents :

• Le sujet qui est le plus prévisible, c’est-à-dire pour lequel l’équipe sait ce qu’il faut faire ou sait à quels experts faire appel.
• Le sujet qui est le plus incertain, c’est-à-dire que l’équipe ne sait pas par quel bout le prendre.
• Le sujet qui est le plus urgent, c’est-à-dire que l’équipe doit agir rapidement pour mettre en sécurité et sauver les meubles.

Dans la liste des sujets, il n’y aura pas toujours des choses qui sont très urgentes (respectivement incertaines, prévisibles). L’exercice est d’identifier le sujet qui est le plus urgent (respectivement incertain, prévisible) de la liste.

Étape 2 : Placer les autres sujets

Ces trois sujets sont placés pour former les trois extrémités d’un grand triangle. Puisque ce sont les cas extrêmes, les autres sujets sont des mélanges de prédictibilité, d’incertitude et d’urgence. L’équipe les place à l’intérieur du triangle en utilisant les trois témoins et les sujets déjà placés comme repères. Le positionnement doit faire l’unanimité. En cas de désaccord sur un sujet, l’équipe le scinde en deux ou plus jusqu’à pouvoir se mettre d’accord sur le placement.

Étape 3 : Identifier les frontières

Une fois tous les sujets placés, l’équipe trace trois frontières qui se rencontrent quelque part au milieu du triangle. Si un sujet est jugé être à cheval sur une frontière, l’équipe le scinde en deux.

Étape 4 : Identifier les prochaines étapes

Les sujets sont désormais répartis en trois domaines. Le domaine indique comment l’aborder :

• Les sujets prévisibles sont à planifier. Quelles ressources ? Quel temps ? Qui est responsable ?
• Les sujets incertains sont à explorer. Quelles questions sont en suspens ? Quels risques ? Quelles contraintes ? Quelles actions aideront à répondre aux questions ? Quelles actions réversibles peuvent être tentées ? (voir canevas)
• Les sujets urgents sont à stabiliser. Quelle action pour écarter le danger ? Ce n’est qu’après la stabilisation que l’équipe se soucie de résoudre la cause.

Exemples d’utilisation

Pour donner quelques exemples de contexte où je me suis servi de cette méthode récemment :

• Lors d’un post-mortem, je recommande de contextualiser les symptômes. En effet, une analyse de cause racine (5 pourquoi, Diagramme d’Ishikawa…) n’a de sens que sur les sujets prévisibles. Les sujets incertains et urgents sont à traiter autrement.
• Lors de l’affinage d’une épopée ou d’une opportunité, on peut contextualiser les récits de l’épopée afin de concevoir des actions plus appropriées.
• Lors d’une rétrospective, l’équipe peut contextualiser les sujets partagés avant d’envisager des actions.

Conclusion

Cette méthode peut aider une équipe à mieux comprendre leur contexte et à se poser les bonnes questions. Elle tient compte du fait qu’il n’y a pas de méthode universelle pour résoudre tout problème.

On peut utiliser cette méthode avec une seule équipe de 7 personnes maximum. On peut également l’utiliser avec plusieurs équipes ou groupes qui travaillent en parallèle sur la même situation. Plus ces groupes sont diverses entre eux, plus les résultats seront intéressants.

Un grand merci à toutes les personnes qui ont relu cet article.

En tant que leader, mais pas seulement, il peut être difficile de savoir quand faire preuve d’assertivité et quand ouvrir à l’intelligence collective. Encore aujourd’hui, on peut se sentir pressé par l’attente sociale de prendre les décisions, surtout difficiles. Il est vrai que l’indécision peut paralyser une organisation. Heureusement, il n’y a pas qu’une seule manière de prendre des décisions. Et il n’y a pas que deux manières de prendre des décisions collectives : le consensus ou le vote majoritaire.

Dans un article précédent, j’ai fait une introduction à Cynefin. Dans cet article, je vais montrer comment ce cadre conceptuel peut donner des intuitions pour décider comment décider en fonction de critères pragmatiques.

Pour rappel, Cynefin divise les contextes ou systèmes en cinq domaines différents.

Ce n’est pas un hasard que chaque domaine nécessite une manière différente d’animer la prise de décision et nécessite une posture différente de la part des leaders.

Assertivité :

• Clair : Quand tout le monde connaît la meilleure pratique et que tout le monde est d’accord, il faut parfois que les leaders affirment à haute voix ce que tout le monde pense. Attention tout de même à surveiller si l’équipe ou l’organisation ne tombe pas dans la complaisance qui rend vulnérable à une chute catastrophique dans le chaos.
• Chaotique : Face à une urgence imprévisible, le système a besoin de leadership pour imposer et coordonner l’évacuation et la sécurisation. En revanche, ce n’est pas le moment de résoudre le problème de fond. Une fois le pire évité, les leaders peuvent passer le relais au reste de l’organisation.

Intelligence collective :

• Confus / Aporétique : Les leaders impliquent le plus grand nombre en posant des questions et en laissant des avis différents s’exprimer. Lors d’un désaccord, on cherche à décomposer le sujet jusqu’à trouver un consensus sur les sous-parties. Par exemple, une personne peut penser qu’un certain système est complexe alors qu’une autre personne pense que c’est compliqué. Il est fort probable que les deux aient raison, mais sur des aspects différents. En explicitant ces aspects, un accord peut être trouvé.
• Complexe : Les leaders stimulent l’exploration et la sérendipité en changeant ce qui peut être changé (l’allocation de ressources, les rôles, les interactions…) et observent les changements produits (habitudes, culture, récits… voir la liste de ce qui peut être géré vs observé). Les idées proposées sont évaluées selon deux critères, la cohérence et la réversibilité. La cohérence, c’est un lien plausible entre l’action proposée et les résultats escomptés. C’est aussi l’absence de contre-indication. Par exemple, une idée peut être incohérente parce qu’elle suppose que la terre est plate. La réversibilité signifie que l’échec ne met pas en danger. L’échec permet d’apprendre, mais un échec à mille euros ce n’est pas la même chose qu’un échec à un milliard. Toutes les idées cohérentes et réversibles sont menées en parallèle et on voit ce que ça fait émerger. On éteint celles qui dérapent et on amplifie celles qui sont prometteuses.

Délégation :

• Compliqué : Les leaders servent juste à coordonner l’intervention des bons experts selon la partie du problème.

Exemple : les Architecture Decision Records

De plus en plus d’équipes adoptent le formalisme d’Architecture Decision Records (ou Any Decision Record, lorsqu’il ne s’agit pas d’un choix d’architecture), proposé par Michael Nygard, pour animer et documenter leurs décisions. Il arrive qu’une ou plusieurs personnes travaillent sur un ADR puis le proposent à l’équipe pour prise de décision. Parfois, l’équipe fait rapidement consensus autour d’une option et la décision est vite prise sans contestation. Mais j’ai déjà rencontré deux situations problématiques.

Dans la première situation, aucun consensus ne se crée et beaucoup d’aspects sont critiqués. La frustration monte de tous les côtés. Les personnes à l’initiative de l’ADR poussent à ce qu’une décision soit prise avant la fin de la séance, mais il y a une impasse. Cynefin offre ici un échappatoire. En proposant l’ADR, il ne faut pas s’attendre à un consensus mais plutôt être preneur de critiques. La présence d’avis divergents ne pouvant pas être départagés par les données connues est le signe par excellence que la situation est complexe. On peut alors changer d’approche et ne plus exiger le consensus mais plutôt demander quelles options sont cohérentes et peuvent faire l’objet d’une preuve de concept réversible. Si aucune option n’est cohérente, alors on note les retours critiques et revoit sa copie pour plus tard. On peut également abandonner l’idée. Le temps n’aura pas forcément été perdu puisqu’on aura appris quelque chose.

La deuxième situation concerne une décision sur quelque chose qui devrait être évidente, mais visiblement l’équipe n’a pas été chercher les bonnes pratiques. On essaie de réinventer la roue, ce qui complexifie la vie pour rien. Pour éviter ce cas, il faut stimuler la veille et montrer qu’on a fait une recherche de solutions existantes dans l’ADR. Le cas échéant, on explique pourquoi les bonnes pratiques existantes ne sont pas adaptées, pourquoi notre situation est complexe. Il faut également que les experts et expertes se fassent reconnaître comme telles sur leurs domaines, sans s’imposer et sans faire appel à des arguments d’autorité, mais plutôt en faisant preuve de pédagogie.

Conclusion

Grâce au cadre conceptuel Cynefin, on peut mieux comprendre les situations dans lesquelles on évolue et agir en cohérence avec le contexte. Ce n’est jamais évident en tant que leader alors cet outil est précieux. Un des avantages de cette approche est qu’on n’a pas forcément besoin d’expliquer toute la théorie de Cynefin aux autres.

N’hésitez pas à faire des petits pas en tentant cela. Notez vos apprentissages au fur et à mesure et prenez quelques minutes pour réfléchir à comment cela change votre perception des choses.

Et pourquoi ne pas bénéficier du passage de Dave Snowden à Paris pour une masterclass sur ce sujet et plus encore les 3 et 4 décembre 2024 ? Détails et inscriptions ici.

Un grand merci à toutes les personnes qui ont relu cet article.

• Cynefin ne demande pas aux humains de faire ce qu’ils ne peuvent pas faire. Les humains disposent d’informations plus ou moins partielles lors de la prise de décision. Ils ont également des biais cognitifs qui peuvent avoir un impact ou non selon la manière de prendre une décision. Cynefin se sert de différents résultats scientifiques (physique, biologie, neurosciences, anthropologie…) pour mettre les humains dans des situations où leur cognition s’applique le mieux et leurs biais s’expriment le moins possible.
• Cynefin revendique qu’il n’existe aucune méthode universelle qui fonctionne partout. Ça dépend. Cynefin va au-delà de cette affirmation vague et donne des intuitions, ou plutôt des heuristiques, qui aident à répondre à la question, « de quoi ça dépend ? » Pour cela, on différencie les contextes en fonction du type de système auquel on a affaire.

Cynefin distingue 5 domaines (ou types de système) :

• Clair : Le lien de cause à effet est prévisible et connu de tout le monde. Si on fait A, tout le monde sait qu’il se produira toujours B. Si on appuie sur l’interrupteur, l’ampoule s’allume. Si on appuie à nouveau, l’ampoule s’éteint. Le système est contraint de fonctionner ainsi. Si l’ampoule ne s’allume pas, la liste des causes potentielles est restreinte : ampoule grillée, fil ou interrupteur dégradé, disjoncteur sauté.
• Compliqué : Le lien entre cause et effet est également prévisible mais n’est connu que de certaines personnes, souvent appelées expertes. Par exemple, une voiture est compliquée. Certes je peux faire une partie de l’entretien moi-même, mais en cas de panne j’ai besoin de confier mon véhicule à des experts, des garagistes en l’occurrence.
• Complexe : Il y a tellement de liens entre les différents éléments que personne ne peut les connaître tous. La seule certitude dans un système complexe est que toute action aura des effets secondaires imprévisibles. Alicia Juarrero, philosophe et autrice de Dynamics in Action et Context Changes Everything, compare ça avec « les ronces dans un buisson » où différentes espèces sont enchevêtrées. Si l’on tire sur une ronce, on ne sait pas quelles autres branches cela va entraîner.
• Chaotique : Il n’y a aucune contrainte sur les éléments du système. Son évolution est aléatoire. Les exemples typiques sont les incendies ou le début de la crise COVID. L’événement déclencheur est souvent inimaginable et la réaction des gens est imprévisible. Par nature, le chaos est une phase transitoire. Les humains n’aiment pas le chaos et cherchent très vite à imposer l’ordre. L’événement déclencheur finit par s’épuiser. Il faut beaucoup d’énergie pour maintenir une situation chaotique.
• Confus / Aporétique : Lorsqu’on ne sait pas à quel type de système on a affaire, on dit qu’on est dans une situation aporétique. Le terme « aporie » vient du grec et désigne une question ou un problème qui semble insoluble.

A chaque domaine est associé un mode opératoire différent. Dans un contexte clair, il suffit de catégoriser le problème et d’appliquer la meilleure pratique. Dans un contexte compliqué, on identifie les experts compétents et on leur demande leur avis. Ou bien on analyse le système soi-même en le décomposant pour apprendre et déduire la marche à suivre.

Dans un contexte complexe, il n’y a pas de prédictibilité. Il faut plutôt procéder par tâtonnement. On lance différentes explorations en parallèle pour glaner plus d’informations et pour découvrir quelles pistes sont les plus prometteuses. C’est comme une compagnie militaire qui envoie plusieurs éclaireurs dans des directions différentes du camp afin de détecter la présence de l’ennemi. En complexité, on limite le risque de deux manières différentes : en explorant en parallèle et de façon réversible, c’est-à-dire que l’échec ne met pas en danger. C’est comme pour la gestion d’un fonds d’investissement de capital-risque : on sait que bon nombre des investissements vont échouer et qu’on ne peut pas prédire lesquels, mais on est confiant que les pertes seront largement compensées par quelques succès.

Dans une situation chaotique, la priorité est donnée à l’action. D’abord on stoppe l’hémorragie et on se met à l’abri du danger, en imposant des mesures draconiennes. On ne cherche pas à résoudre le problème de fond mais à racheter le temps et à préserver le plus d’options possibles pour la suite. Une fois que la situation se stabilise, elle devient aporétique. On doit alors discerner à quel système on a maintenant affaire, généralement complexe, compliqué, clair ou un mélange de tout cela.

Une erreur de stratégie fréquemment rencontrée est de confondre le complexe avec le compliqué. Certaines personnes font comme si tout était compliqué et cherchent à analyser toute situation avec précision avant d’agir et s’étonnent que le monde ait changé entre temps et que leurs actions changent le monde. D’autres personnes pensent que tout est complexe et n’arrivent pas à industrialiser. Dans les deux cas, l’erreur est coûteuse.

Pour illustrer la distinction, je prends souvent l’exemple d’une voiture et d’une grenouille. Une voiture est compliquée. Elle peut être démontée en pièces complètement détachées, une pièce défectueuse remplacée, puis le tout remonté à l’identique pour devenir une voiture fonctionnelle. Essayez de faire la même chose avec une grenouille.

Application pratique : vérifier l’adéquation de sa méthode

Il y a beaucoup de façons de mettre Cynefin en pratique. Dans cet article, je me contente d’en donner une qui me semble facile à mettre en œuvre, surtout parce qu’elle ne nécessite ni de demander la permission à d’autres personnes ni de leur expliquer Cynefin.

L’idée est de prendre une décision comme vous l’avez toujours fait, puis, avant de passer à l’action ou du moins avant de connaître le résultat de vos actions, de faire trois choses :

• Donnez du sens à votre contexte avec Cynefin. Dans quels domaines sont les différentes parties du système ? Quelles décisions avez-vous prises ? Ces décisions sont-elles cohérentes avec ce que préconise Cynefin ?
• Imaginez que demain vous découvrez que vos actions ont échoué. Énumérez les raisons de cet échec hypothétique. Utilisez les différents domaines pour vous aider. Par exemple : « J’ai suivi l’avis d’un correspondant métier et je me suis focalisé sur une fonctionnalité, ce qui revenait à supposer que la situation était compliquée. Il s’avère qu’elle était complexe. Les utilisateurs se sont moqués de la nouvelle fonctionnalité ce qui a nui à la réputation de l’application. J’aurais dû explorer plusieurs options contradictoires. »
  Autre exemple : « J’ai décidé d’ajouter encore d’autres options dans l’application. La gestion du support devient infernale parce qu’il y a des interactions entre les options qui n’ont pas été testées. Je suis resté trop longtemps dans la complexité. J’aurais dû élaguer les options les moins utiles et focaliser l’équipe sur l’opportunité qui était devenue la plus prometteuse. »
• Quelles questions pouvez-vous poser à vos collègues pour aider à donner du sens à votre situation commune ? Quels risques avez-vous identifiés qu’il faudrait partager avec les autres ?

Après ce petit questionnement, vous pourrez mieux observer ce qu’il se passe réellement, comparer avec vos attentes et avec les scénarios d’échec, afin d’apprendre à mieux naviguer dans ce genre de situation à l’avenir.

Ce n’est encore que le début du voyage

Il y a encore beaucoup de choses à découvrir dans Cynefin, tant sur le plan théorique que pratique. Les articles suivants aborderont tour à tour différents sujets. D’ici-là n’hésitez pas à prendre quelques instants pour réfléchir à votre cynefin. Quels aspects sont complexes ou compliqués ? Vos réactions sont-elles cohérentes ? Quelles questions pouvez-vous poser aux autres ? Quels petits ajustements pouvez-vous tenter demain ?

N’hésitez pas à noter par écrit vos apprentissages au fur et à mesure et à partager vos premiers pas.

Et pourquoi ne pas bénéficier du passage de Dave Snowden à Paris pour une masterclass sur ce sujet et plus encore les 3 et 4 décembre 2024 ? Détails et inscriptions ici.

Un grand merci à toutes les personnes qui ont relu cet article.

Ressources

Article sur Cynefin du wiki officiel.

2024. Beth Smith. Enhancing Decision-Making with the Cynefin Framework and Applying Complexity Science Informed Strategy with Estuarine Mapping.
2021. Dave Snowden, Alessandro Rancati. Managing complexity (and chaos) in times of crisis. Publications Office of the European Union.
2020. Dave Snowden et al. Cynefin — weaving sense-making into the fabric of our world.
2016. Dave Snowden. How Leaders Change Culture Through Small Actions.
2015. Greg Brougham. Le Mini-Book Cynefin. Traduction en français par Olivier My et Stéphane Wojewoda.