Pourquoi les modèles théoriques expliquent mal les décisions des start-up

Source: The Conversation – France (in French) – By Thomas Astebro, Professeur économie et science de la décision, HEC Paris Business School

L’ESSENTIEL

La plupart des entrepreneurs évoluent dans une incertitude totale, et non dans un risque mesurable.
Les outils classiques de décision supposent que l’on peut connaître des probabilités. C’est rarement le cas pour les fondateurs de start-up.
Il est possible d’apprendre à mieux décider – grâce aux retours d’informations et d’expérience, à la pratique et à des outils qui aident les fondateurs d’entreprise à ajuster leur raisonnement au fil de l’action.

Le storytelling des start-up célèbre souvent leurs fondateurs présentés comme des personnalités qui se sont lancé alors même que le risque pouvait paraître trop grand, qui ont su improviser avec des ressources limitées et réagir vite. Ces dernières années ont vu ce genre de belle histoire se multiplier. Mais qu’en est-il vraiment ? S’agit-il d’une vraie créativité sous pression ?

C’est l’une des questions soulevées par une recherche que j’ai menée avec Frank Fossen et Cédric Gutierrez. Notre analyse des modèles de prise de décision en situation d’incertitude apporte un éclairage nouveau sur le concept d’« effectuation », une manière de penser populaire dans l’univers des start-up, qui privilégie l’action plutôt que la prédiction.

Plutôt que de tout cartographier à l’avance, l’effectuation encourage les entrepreneurs à partir de ce qu’ils ont déjà, puis à s’ajuster en cours de route. Cela paraît pragmatique. Mais la recherche met en évidence une distinction importante : certains fondateurs s’adaptent de façon délibérée, quand d’autres s’en remettent à l’instinct et ne rationalisent leurs décisions qu’après coup. Dans ce cas, il devient difficile (même pour eux) de savoir s’ils font des choix stratégiques ou s’ils réagissent simplement sous pression.

Du rôle des raccourcis mentaux

Cette ambiguïté apparaît encore plus problématique quand on l’examine au prisme des sciences de la décision. Par exemple, la théorie de l’utilité espérée (Expected Utility Theory, EUT), très enseignée dans les écoles de commerce, postule que les décideurs peuvent faire a priori la liste de toutes les issues possibles, leur attribuer une probabilité, puis choisir l’option présentant le meilleur rendement espéré. Dans les faits, les fondateurs d’entreprises ne disposent généralement pas des informations nécessaires, de sorte que leurs décisions sont prises dans l’incertitude.

Quand les entrepreneurs ne peuvent pas s’appuyer sur des probabilités claires, ils retombent souvent sur des raccourcis mentaux pour décider. Ces comportements sont décrits par des modèles comme la théorie du soutien aléatoire (Random Support Theory). Elle explique comment les individus estiment des probabilités à partir d’un petit nombre d’exemples marquants ou d’indices saillants, en négligeant souvent des régularités statistiques plus larges.

Un autre modèle, le raisonnement par cas (Case-Based Reasoning), montre comment les décisions sont façonnées par des expériences passées – réelles ou imaginées – qui ne sont pas forcément pertinentes dans la nouvelle situation. Fréquent, le recours à ce type de raccourcis se retourne souvent contre ceux qui les utilisent.

Des chances de succès souvent surestimées

Nous l’avons observé clairement dans notre analyse de jurys d’évaluation de start-up au Canada. Les évaluateurs surestimaient fréquemment les chances de succès d’idées à un stade très précoce, en particulier en situation de forte incertitude. Leurs anticipations correspondaient souvent mal à ce qui s’est réellement produit – signe que même des experts ont du mal à juger correctement, quand ils ne disposent ni des bons outils ni des boucles de retour d’information.

Une approche émergente – souvent appelée « entrepreneuriat bayésien »– suppose que les fondateurs traitent leurs décisions comme des expériences : tester des idées, apprendre de ce qui se passe et s’ajuster en fonction des résultats.

Un bon exemple de cette démarche est celui du distributeur états-unien Zappos. Au départ, son fondateur Nick Swinmurn croyait au potentiel de la vente de chaussures en ligne, même quand d’autres étaient sceptiques. Cette conviction l’a poussé à poursuivre et à tester un modèle économique que d’autres avaient écarté. C’est un cas où la conviction alimente l’expérimentation, exactement comme le prédit la théorie bayésienne.

Pression du temps

Cette piste paraît très prometteuse. Une formation structurée peut aider les entrepreneurs à adopter une démarche plus scientifique : formuler des hypothèses, mener des tests et réviser leurs croyances. Avec de meilleurs systèmes de soutien, comme l’accompagnement par des mentors, il existe un vrai potentiel pour rendre des conseils de haute qualité plus accessibles et améliorer la façon dont les fondateurs apprennent de l’expérience.

Mais, là encore, appliquer cette approche est difficile en pratique. Les fondateurs font face à la pression du temps, à un retour d’informations limité et à un manque de structure – des conditions qui rendent compliqués la conduite d’expériences « propres » et un apprentissage systématique. La plupart ne sont pas formés à formuler des croyances ni à les mettre à jour avec des données. Même ceux qui essaient risquent de peiner à réunir les bonnes données ou à les interpréter de façon fiable.

Chaire ISEO, 2017.

L’un des résultats les plus marquants de notre recherche est que même des évaluateurs expérimentés s’escriment souvent à estimer correctement les chances de succès des start-up. Leurs prévisions sont généralement trop confiantes et mal calibrées, surtout comparées à celles d’experts d’autres domaines, par exemple les prévisionnistes météo, qui reçoivent un retour régulier et apprennent à affiner leurs prédictions avec le temps.

Les fondateurs et les investisseurs, eux, s’appuient souvent sur leur intuition et ont finalement peu d’occasions d’apprendre de leurs erreurs. Mais cela n’est en rien inéluctable : avec la bonne formation et un retour d’informations adapté, on peut progresser dans ses jugements en situation d’incertitude.

Ce que les fondateurs ont vraiment besoin d’apprendre

Quand la plupart des décisions entrepreneuriales se prennent « dans le noir », la planification rigide passe à côté de l’essentiel. Une meilleure approche consiste à aider les fondateurs à améliorer leur jugement.

Cela requiert des retours d’expérience réguliers, des exercices pratiques de prise de décision ou même la mobilisation d’outils qui simulent des résultats incertains à partir de données réelles de start-up. L’objectif n’est pas d’ajouter des tableurs ou des plans statiques, mais d’aiguiser davantage la pensée afin d’aider les entrepreneurs à apprendre de l’expérience et à porter de meilleurs jugements dans des conditions incertaines. C’est cette direction que la formation à l’entrepreneuriat devrait suivre.

Thomas Astebro ne travaille pas, ne conseille pas, ne possède pas de parts, ne reçoit pas de fonds d’une organisation qui pourrait tirer profit de cet article, et n’a déclaré aucune autre affiliation que son organisme de recherche.

– ref. Pourquoi les modèles théoriques expliquent mal les décisions des start-up – https://theconversation.com/pourquoi-les-modeles-theoriques-expliquent-mal-les-decisions-des-start-up-285175

MIL OSI – Global Reports –