C'est à Richard Buckminster Fuller que nous devons la théorie de la Knowledge Doubling Curve, une prédiction dictée en 1980 et qui se vérifie aujourd'hui.

Bucky était le mauvais garçon de la Silicon Valley. Plusieurs fois viré de Harvard, il est devenu une inspiration pour le mouvement cybernétique et un gourou pour la communauté technologique naissante des années 60. Véritable touche-à-tout, architecte, designer, inventeur fou et futurologue, il est le papa de la biosphère de Montréal, et celui d'une théorie : la connaissance collective est exponentielle.

Cette théorie a peu été relayée par les universitaires de l’époque, mais tout s’explique par la réputation académique de Bucky. Or, aujourd’hui, elle résonne comme une véritable prédiction. L’idée : la connaissance collective à vitesse exponentielle. Attention, pas l’intelligence collective, la connaissance collective !

Connaissance exponentielle 

Il fallait 100 ans pour que la connaissance collective double en 1900.

Il fallait 25 ans pour que la connaissance collective double au milieu du siècle dernier.

Il fallait 13 mois pour que la connaissance collective double en 2016.

IBM a même poursuivi ces projections et annonce que le savoir doublera toutes les... douze heures, en 2036.

Vraiment

Pensez au corpus de connaissances de la médecine De Humani Corporis Fabrica (sur la structure du corps humain), qui fut l’œuvre majeure d’André Vésale, et véritable référence pour tous les scientifiques du xvi^e siècle. Tout était là. Toute la connaissance de la médecine rassemblée dans une seule œuvre publiée en 1543. Ce fut un tournant dans l’histoire de la médecine et de l’étude de l’anatomie humaine. Cet ouvrage était si imposant qu’il est souvent confondu avec une encyclopédie en raison de sa vaste couverture du sujet et de sa contribution fondamentale à la compréhension du corps humain. Tout le savoir de l’humanité sur l’humain ! Bon, eh bien De Humani Corporis Fabrica comptait 659 pages illustrées. Imaginez, en moins de 700 pages, on savait tout sur tout, sur la médecine du xvi^e siècle. Imaginez maintenant le volume de connaissances que nous avons sur le corps humain aujourd’hui !

Ou pensez encore à l’effervescence des sciences après la Deuxième Guerre mondiale, en partie produite par la fuite des cerveaux d’Europe centrale vers les universités américaines après l’élection d’Hitler en 1933. Tous les grands campus américains ont hérité de ces exilés allemands, autrichiens, hongrois, polonais expulsés par le régime nazi — notamment grâce à la fondation Rockefeller. Cette dernière mit en place un fonds d’aide spéciale pour les chercheurs destitués (Aid Fund for Deposed Scholars) destiné à financer des universitaires et intellectuels européens contraints de fuir le nazisme. Entre 1933 et 1942, ce programme permit d’aider plusieurs centaines d’intellectuels à trouver refuge sur des campus américains. Sans faire d’angélisme — l’accueil des chercheurs juifs était tout de même timide : il suffit de s’intéresser au parcours d’Einstein pour s’en convaincre —, ces années furent fructueuses sur le plan scientifique.

Les disciplines se croisèrent, les savoirs s’entrechoquèrent, et de nouveaux modes de pensée ont émergé de ces mélanges. C’est la naissance de la hiérarchie des besoins et des motivations de Maslow, c’est le début du design thinking, des focus groups, de l’informatique de Von Neumann en 1945, et bientôt de l’intelligence artificielle en 1955, avec la fine équipe de Dartmouth.

More Moore

Ces inventions, combinées, ont accéléré davantage la production de connaissances, liée depuis à la puissance des ordinateurs. Depuis l’invention de l’ordinateur, la recherche est liée à la puissance des microprocesseurs, avec une loi bien connue (et parfois contestée), la loi de Moore. Gordon Moore était un des cofondateurs d’Intel, et un des papas du microprocesseur. Sa loi n’est pas tant une loi physique qu’une observation empirique, mais elle a fait foi pendant des décennies. Voilà ce qu’elle dit : à coût constant, la vitesse des microprocesseurs double tous les 18 mois. Une prédiction de 1965 — que Buckminster Fuller avait anticipée plusieurs années auparavant — restée vraie jusqu’en 2015, la physique imposant des barrières naturelles à la progression de cette vitesse. Moore avait lui-même prévu la limite de sa propre loi. Une limite physique insurmontable, puisqu’en dessous d’une échelle nanométrique (sous 10 nm), il devient difficile de miniaturiser davantage les microprocesseurs sans faire face à des problèmes complexes : effets quantiques, dissipation thermique, limitations de la lithographie, etc. Dès lors, il a été plus facile de multiplier les processeurs que de miniaturiser les micro­processeurs.

C’était sans compter le génie des équipes de Jensen Huang, grand patron de NVIDIA. En 2019, il déclare la mort de la loi de Moore et qu’il faudra désormais compter sur d’autres types de technologie… Optimisation des architectures, parallélisation des cœurs de processeurs et spécialisation des microprocesseurs (notamment les GPU) ont révolutionné l’approche de l’informatique matérielle. L’accélération des ordinateurs est redevenue possible, accélérant encore et encore la production de connaissances.

Aujourd’hui, les chercheurs ne cherchent plus. Ils ont produit des IA capables de chercher à leur place, donc de plus en plus vite. Par exemple, cette IA nommée M3GNet, développée par l’Université de Californie, a « inventé » une base de données de plus de 31 millions de nouveaux matériaux inexistants, en prédisant également leurs propriétés. Grâce à M3GNet, l’humanité découvre de nouveaux matériaux à une vitesse totalement inédite, vertigineuse.

Fantasme ou réalité 

Alors  Buckminster était-il fou de considérer que la connaissance allait grandir à une vitesse exponentielle  Au-delà de notre ressenti, quelle preuve tangible peut-on produire pour montrer le bien-fondé de son intuition  La réponse est arrivée chez Perrier Jablonski au détour d’un mandat, pour lequel nous avions à creuser le sujet. Nous sommes tombés sur une étude édifiante, celle de l’American Clinical and Climatological Association, publiée en 2011.

Cette étude voulait alerter l’administration Obama sur les défis de la formation des médecins, dans un monde où la connaissance grandit si vite. Et le rapport donne des chiffres. Évidemment, ces chiffres sont faciles à obtenir à une époque où tout se compte (brevets, recherches, mémoires, etc.). Les voici.

Il fallait 50 ans pour que la connaissance médicale double en 1950, 7 ans en 1980, 3 ans et demi en 2010... et... 73 jours en 2020. Un étudiant qui a commencé ses études de médecine en 2010 est devenu médecin en 2017. Dans ce même laps de temps, la connaissance médicale a doublé trois fois.

Vers la vitesse quantique 

Si vous pensiez que le monde allait certainement ralentir un jour, j’ai une réponse pour vous. Enfin, pas moi, mais le président de Google, Sundar Pichai, qui annonçait en 2019 les premiers tests du premier processeur quantique, le Sycamore 54-qubit. Sycamore a réalisé un calcul complexe en 3 minutes et 20 secondes... alors qu’il faudrait 10 000 ans aux meilleurs super calculateurs du marché. Bien évidemment, il s’agit d’un test réalisé dans des conditions impossibles à reproduire dans le quotidien... Mais ce n’est qu’une question de temps.

Trois minutes contre 10 000 ans. Non, l’accélération n’est pas prête de ralentir...

Vraiment vraiment?!

Ces chiffres donnent le vertige. Mais qui tient le compteur  Dans un éditorial publié en 2020 dans Design for Health, Paul Chamberlain reprend la courbe de Fuller et la projection attribuée à IBM d’un doublement des connaissances toutes les douze heures. Il qualifie toutefois cette dernière d’anecdotique et rappelle que les différents domaines du savoir progressent à des rythmes différents. Son texte témoigne donc de la circulation de cette idée jusque dans les publications universitaires, sans en démontrer les chiffres. D’ailleurs, comment additionner une découverte médicale, un brevet et une nouvelle compréhension du comportement humain  La courbe de Fuller fournit une image saisissante de l’accumulation des savoirs, dont le rythme exact reste difficile à établir. Chamberlain soulève surtout une question qui nous concerne directement : notre capacité à assimiler et à appliquer ces connaissances arrive-t-elle à suivre  Pour nos organisations, voilà un défi bien réel, même sans chronomètre. Source : Paul Chamberlain, « Knowledge is not everything », 2020.

Mobilité ou immobilisme? Deux mille ans plus tard, Galilée viendra départager ces deux écoles de pensée par l'observation du mouvement perpétuel de la Terre sur elle-même, et autour du Soleil. Le match se termine donc en 1610 avec la victoire du changement permanent, donc d'Héraclite.

Or, limiter Parménide et Héraclite au mouvement, c’est se priver d’une pensée beaucoup plus riche, bien plus intéressante, et plus profonde encore. Nous avons eu recours aux lumières de plusieurs philosophes pour éclairer notre chemin. D'abord l'illustre Jean-François Mattéi (1941-2014). Ensuite Barbara Cassin, philosophe spécialiste des philosophes grecs et enfin André Laks, professeur de philosophie ancienne à la Sorbonne.

Évidemment, il convient de mesurer les innombrables altérations de ces textes primitifs à travers l'histoire — des fragments qui nous sont parvenus partiels et transformés. Cependant, ils ont occupé les pensées de Platon, Aristote, Hegel, Heidegger, Nietzsche et bien d'autres... et préoccupent de nombreux philosophes contemporains. Ils ont le mérite de susciter chez le lecteur curieux des questionnements profonds et utiles.

Loin de moi la prétention d'ajouter une pierre à cet édifice. Je propose l'emprunt, la ruse. Je veux aller chercher à la source même, de nouveaux mécanismes, de nouvelles métaphores. Cet article s'adresse aux curieux. À celles qui n'ont pas peur des acrobaties. À ceux qui n'ont pas peur du feu. Bref, à celui ou à celle qui a déjà osé lire jusqu'ici.

Le Tout

D’abord, Parménide était le penseur du Tout, comme Pythagore avant lui. Il y avait l'être... et rien d’autre. Le non-être ne pouvant être amené à notre conscience est inexistant. Le fragment 6 trop simplement traduit par L'être est, le non-être n’est pas a donné beaucoup de travail aux philosophes, aux philologues et aux traducteurs, qui continuent encore aujourd'hui à se contredire sur le sens profond de cette pensée fondatrice.

Pour Parménide, il n'y a que deux voies possibles : est et n'est pas. Mais est — du grec esti — peut prendre plusieurs formes : il existe, il est possible, il y a. Aussi, la tautologie (une formule qui ne peut être que vraie) pose que si A est A, alors A est parfaitement A, et A n'est rien d'autre que A — c'est la naissance des axiomes mathématiques.

Le Tout se définit donc par tout ce qui ne change pas, par ce qui est permanent, immuable. C'est ce qui est vrai et qui restera vrai. C'est l'identité ontologique : ce qui se définit dans l'absolu. Dès lors, ce qui change n'est qu'opinion (doxa), éphémère et sans valeur. Dans le Tout se trouve l'idée d'une Unité de tout l’univers dans tous les temps. Le passé, le présent et l’avenir cohabitent... avec l'impossibilité du devenir.

L'impossibilité du néant.

Si la traduction pose quelques problèmes aux philosophes encore aujourd'hui, on peut aussi retenir que nommer le néant... c'est le détruire, puisque c’est lui donner une consistance. Le néant est donc impossible, impensable. Tout est, et c'est tout. Dès lors, Parménide propose un Tout « tout puissant », immuable, impossible à changer. Rien ne change jamais, donc.

Les opposés

Pour sa part, Héraclite propose l'idée que Tout est composé d'opposés. La route monte et descend en même temps, selon le sens qu’on prend. Le fleuve dans lequel on se baigne change chaque seconde, mais reste le même et unique fleuve qui porte pour cette raison le même et unique nom. Pour Héraclite le monde est tissé de contraires pour mieux affirmer son unité, et Héraclite fustige les hommes incapables de reconnaître ces jeux de contraires logiques, les privant alors du pouvoir de raisonnement.

Héraclite était le philosophe qui pleure, sans cesse effondré par l'attitude des hommes qui ne savaient que faire la guerre. Nietzsche en avait fait le philosophe du combat, en révélant que si Tout contient des contraires, il faut les départager. Une lutte s'enclenche alors entre ces deux possibles, pour que l'un des deux l'emporte. Pour Héraclite, tout est un combat potentiel pour décider d’une voie à prendre plutôt qu'une autre. Tout est alors composé d’un changement à venir, d’un état de transformation permanent. Tout change tout le temps, donc.

Tout devenir naît de la lutte des contraires. Les qualités définies qui nous semblent durables n’expriment que la suprématie momentanée de l’un des combattants, mais la lutte n'en continue pas moins, le combat se poursuit éternellement. C'est en fonction de ce combat que tout ce qui se produit advient et c’est précisément ce combat qui révèle la justice cohérente et sévère, liée à des lois éternelles. — Nietzsche.

C'est l'harmonie des paradoxes. Ce qui est différent de soi-même s’accorde avec soi-même. Et celui qui s'enferme dans son propre raisonnement est un rêveur isolé qui ne participe pas au raisonnement collectif. Ce penseur recroquevillé sur lui-même porte un nom en grec ancien : l'idiot. L'idiot n'est pas l'imbécile. L'idiot est celui qui ne croit que lui-même. Et la langue française a conservé une trace de ce sens, avec l'idiosyncrasie — une disposition à réagir de manière particulière aux agents extérieurs. Ici, particulière doit être pris dans le sens d'individuel.

Déjà à l'époque, jeu de dualités n'était pas nouveau. Sans rien ôter à ces deux fondateurs de la pensée, il convient tout de même de rendre à Pythagore ce qui lui revient. Sur le fronton de l'École qu'il créa à Crotone, on pouvait lire "Dieu a tiré la Terre du néant comme il a créé le Un du rien pour créer la multitude". Au-delà de l'incroyable poésie de cette sentence, on y perçoit toute la richesse philosophique qu'elle porte en elle. C'est le début du Tout, de l'unité, du rien et de tout ce qu'il y a entre eux.

Tout devenir naît de la lutte des contraires.

Nietzsche

Ces questionnements du rien et du tout, de l'unité et du multiple, du vrai et du possible, de l'harmonie et des opposés, ont forgé à la fois notre vision du monde, notre raisonnement, notre langage et nos mathématiques. Ils sont la source de tout. Par exemple, puisqu’il existe une frontière entre quelque chose et rien, que se passe-t-il précisément à cet endroit Le calcul infinitésimal d’Archimède, Newton et Leibnitz répondra à cette question. Et puisqu’il existe plusieurs possibilités d’un présent à venir, comment s'organise ce choix Ce sont ici les bases des mondes possibles de Leibnitz...

Pour finir, il est cocasse de souligner que l'unité (le Tout) est composée d'unités (les objets) qui se mesurent... avec des unités (poids, taille, etc.) Les unités des unités de l'unité. Un seul mot pour décrire l'infiniment grand et l'infiniment petit, le pourquoi, le quoi et le comment. Voilà une pensée parfaitement parmédienne, héraclitéenne... et pythagoricienne.

L'idiot n'est pas l'imbécile. L'idiot est celui qui ne croit que lui-même.

Gaëtan Namouric

SAAQclic devait coûter 638 millions de dollars. La facture dépasse aujourd'hui le milliard. Le système a été lancé en février 2023 alors que les tests n'étaient même pas terminés. Des concessionnaires ne pouvaient plus livrer de véhicules. Des citoyens ne pouvaient plus renouveler leur permis. La vérificatrice générale a été limpide : coûts trois fois plus élevés, tests non complétés, informations cachées au conseil d'administration. Et le nouveau système s'est révélé moins performant que l'ancien.

Un échec sur toute la ligne. Et pourtant, personne ne s'en étonne vraiment.

On reconnaît le scénario parce qu'on l'a déjà vu. En 2016, le gouvernement fédéral lançait Phénix, un système de paie censé remplacer d'un seul coup des dizaines de systèmes pour 309 millions de dollars. Neuf ans et quatre milliards plus tard, il reste 300 000 erreurs de paie non résolues. Le vérificateur général du Canada a qualifié le projet d'« échec incompréhensible ». Et le système s'est révélé moins efficace que celui de quarante ans qu'il venait remplacer.

Et si on sort de l'informatique, le pattern tient toujours. En santé, le Québec en est à sa quatrième restructuration majeure en vingt ans. Chaque fois, on refond les structures, on centralise, on fusionne. Chaque fois, les mêmes critiques reviennent. Santé Québec regroupe aujourd'hui 330 000 employés sous un seul employeur. Après un an, les syndicats parlent de « chaos ». Un responsable syndical résumait : « Ça fait des décennies qu'on répète les mêmes erreurs. Centraliser toujours plus et consulter toujours moins. »

Et ce n'est pas un phénomène québécois. Le privé international accumule les mêmes débris. Nike a investi 400 millions de dollars pour refondre sa chaîne d'approvisionnement d'un coup : 100 millions en ventes perdues, chute de 20 % de l'action en bourse, cinq ans supplémentaires pour remettre le système debout. Lidl, le géant allemand du rabais, a travaillé sept ans sur un système SAP à 580 millions de dollars pour remplacer ses 90 solutions internes par une seule — avant de tout abandonner et de revenir à l'ancien système. Hershey's a raté Halloween 1999 — 100 millions en commandes impossibles à traiter — parce que son nouveau système n'était pas prêt. Revlon n'arrivait plus à fabriquer ni à livrer ses produits après sa migration SAP. Haribo a vu ses tablettes vides et ses ventes chuter de 25 % pour les mêmes raisons. La U.S. Navy a dépensé un milliard de dollars en quatre tentatives de systèmes de paie, sans jamais réussir. Chaque fois, le même réflexe : on jette l'ancien, on conçoit du neuf, on déploie massivement. Chaque fois, le même résultat.

Bref, les virages à 90° vont droit dans le mur. Mais pourquoi donc

Le pédiatre qui a tout compris

En 1975, un pédiatre américain du nom de John Gall a publié General Systemantics: An Essay on How Systems Work, and Especially How They Fail. Refusé par trente éditeurs, auto-publié, puis réédité trois fois — la dernière sous le titre The Systems Bible. Au cœur du livre, une phrase devenue célèbre sous le nom de « loi de Gall » :

Un système complexe qui fonctionne s'est invariablement développé à partir d'un système simple qui fonctionnait. Un système complexe conçu à partir de zéro ne fonctionne jamais, et on ne peut pas le rafistoler pour qu'il fonctionne. Il faut recommencer avec un système simple qui marche.

Gall — qui était pédiatre, pas consultant en management — avait observé ce phénomène dans les hôpitaux, les administrations, les programmes gouvernementaux. Son exemple le plus savoureux : le hangar de préparation des fusées à Cap Canaveral est si grand qu'il génère son propre climat, incluant des nuages et de la pluie. La structure censée protéger les fusées les arrose.

Sa conclusion : les systèmes complexes ne peuvent pas être « fabriqués ». Ceux qui fonctionnent ont tous évolué à partir de quelque chose de simple qui tenait debout.

Le contre-exemple que tout le monde oublie

À la même époque où SAAQclic s'enfonçait, un autre projet d'État réussissait sous le radar. La SQDC a été mise sur pied en moins d'un an et fonctionnait dès le jour de la légalisation du cannabis en octobre 2018. Réseau de succursales opérationnel, site de vente en ligne fonctionnel, approvisionnement sécurisé. Jean-François Bergeron, responsable de la mise sur pied, a parlé d'un « tour de force ».

Comment En ne repartant pas de zéro.

La SQDC a été créée comme filiale de la SAQ. Même infrastructure logistique, même expertise en commerce de détail, mêmes réflexes opérationnels. On a greffé un nouveau mandat sur un système qui fonctionnait déjà. Simple d'abord : une vingtaine de succursales, une centaine de produits. Puis on a construit dessus.

Et la SAQ elle-même est un cas d'école. Quand Gaétan Frigon en prend la présidence en 1998, la société d'État souffre de ce qu'il appellera « la maladie du monopole ». Aucune croissance depuis dix ans. Des succursales fermées le dimanche dans des centres commerciaux où les trente autres commerces sont ouverts.

Frigon n'a pas commandé un grand plan stratégique à une firme de consultation. Il a fait le tour des succursales en Gaspésie, a compté les magasins ouverts le dimanche — trente sur trente et un, le seul fermé étant la SAQ — et il les a ouverts. Six cents emplois de plus. Le dimanche est devenu la deuxième journée de ventes en moins d'un an.

Puis il a enchaîné : circulaires, promotions, paiement par carte de crédit, trois bannières (Classique, Express, Sélection), transformation des vendeurs en « conseillers en vin ». Chaque geste simple, greffé sur ce qui fonctionnait déjà. En quatre ans, la SAQ est passée de hors palmarès à troisième entreprise la plus admirée des Québécois.

Son message aux troupes : « Si on veut que nos clients n'appellent pas à la privatisation, soyons les meilleurs. »

Le privé québécois connaît le même principe, même s'il ne cite pas Gall. Desjardins perdait 80 000 membres en cinq ans et traînait au huitième rang en satisfaction client parmi les institutions financières canadiennes. La réponse classique aurait été une refonte technologique massive. Desjardins a plutôt choisi vingt produits prioritaires — ouverture de compte, carte de crédit, renouvellement hypothécaire — et les a numérisés un par un. Cinq ans plus tard : les ventes en ligne sont passées de 25 % à 40 %, quatorze points devant la moyenne canadienne, et le NPS a bondi de onze points. Du huitième rang au deuxième. Nathalie Larue, première vice-présidente, résume l'approche : « Ne jamais isoler le chantier numérique. »

Couche-Tard a suivi la même logique pendant quarante ans. Un seul dépanneur à Laval en 1980. Puis des acquisitions ciblées, digérées une à une — d'abord au Québec, puis au Canada, puis aux États-Unis, puis en Scandinavie, puis en Asie. Chaque marché absorbé avant de passer au suivant. Aujourd'hui : 16 700 magasins dans 27 pays, l'action multipliée par mille. Alain Bouchard n'a jamais tenté de devenir un géant mondial d'un seul coup. Il a construit sur ce qui marchait, encore et encore.

Et Bombardier est peut-être l'exemple le plus spectaculaire. En 2020, l'entreprise frôlait l'écrasement : endettement massif, divisions vendues les unes après les autres, flux de trésorerie négatifs. Éric Martel a pris les commandes avec un plan de redressement sur cinq ans — pas une refonte totale, mais un recentrage progressif : aviation d'affaires d'abord, puis services après-vente, puis défense. Chaque étape construite sur la précédente. En 2025, Bombardier a dépassé tous les objectifs de son plan : 9,55 milliards de revenus, cinquième année consécutive de croissance, un carnet de commandes de 17,5 milliards. Le cas fait désormais l'objet d'études à Harvard et à Columbia. Martel résume : « Nous avons transformé l'entreprise. » Mais il l'a fait morceau par morceau.

Ce que Gall dirait à McKinsey

La loi de Gall est contre-intuitive pour quiconque vend de la transformation. L'ambition dit : « On voit le problème, on a les ressources, on y va. » La loi de Gall répond : « Plus vous concevez grand d'emblée, plus vous avez de chances d'échouer. »

C'est un problème pour les grandes firmes de consultation, dont le modèle d'affaires repose sur la refonte totale. On diagnostique, on recommande un plan en 200 diapositives, on facture des millions, et on laisse le client avec un système complexe conçu à partir de zéro. Exactement ce que Gall dit de ne jamais faire.

Les organisations qui changent vraiment commencent plus petit que ce qui semble confortable. Une habitude. Une réunion. Une décision qui tient. Puis elles construisent dessus. Non pas parce qu'elles manquent d'ambition — mais parce qu'un système qui fonctionne gagne le droit de grandir. Un système qui ne fonctionne pas s'effondre sous son propre poids.

La question que Gall poserait à n'importe quel comité de direction : Quelle est la version la plus simple du changement que vous essayez de faire

Si la réponse prend plus de deux phrases, c'est qu'on n'a pas encore trouvé le système simple.

‍

Apprendre à s'écraser.

Imaginez un pilote de ligne. Il est aux commandes d'un avion rempli de passagers. Soudain, un moteur tombe en panne. Puis le deuxième. Les alarmes se déclenchent, l'appareil perd de l'altitude et le sol se rapproche dangereusement. Le pilote doit réagir. Vite.

Bonne nouvelle, personne ne va mourir. Nous sommes dans un simulateur de vol.

Les pilotes s'entraînent régulièrement à affronter des situations catastrophiques. Des pannes, des incendies, des conditions météorologiques extrêmes. On leur apprend à gérer des événements qu'ils espèrent ne jamais rencontrer dans leur carrière. Et personne ne trouve ça particulièrement inquiétant. Au contraire, c'est rassurant de savoir que le pilote qui nous emmène en vacances a déjà appris à gérer le pire.

Alors pourquoi, lorsqu'il s'agit d'intelligence artificielle, imaginer une catastrophe devrait-il nécessairement nous empêcher d'avancer? Peut-être parce que nous confondons deux choses : imaginer le pire et le croire inévitable.

On va tous mourir. Encore.

En janvier 2026, une grande enquête Ipsos réalisée pour Google confirmait quelque chose d'assez spectaculaire. Au Canada, nous avons peur de l'intelligence artificielle. Nous sommes particulièrement pessimistes, anxieux, méfiants et réfractaires à son adoption. Et tout ça alors que notre pays traîne depuis vingt-cinq ans un sérieux problème de productivité.

Il y a quelque chose de fascinant dans ce paradoxe. Une technologie pourrait nous aider à rattraper une partie de notre retard économique, mais nous sommes parmi les plus inquiets à son sujet.

Cette peur a quelque chose de familier. L'historien Luc Mary, dans Le Mythe de la fin du monde, a recensé 183 annonces de fin du monde depuis la chute de l'Empire romain. Et nous sommes toujours là.

Et si notre capacité à imaginer le pire était justement l'une de nos meilleures façons de préparer l'avenir?

Il y a quelques jours, je suis tombé sur une vidéo d'une jeune philosophe qui publie sous le pseudonyme PhiloSophia. Elle étudie la philosophie contemporaine à l'École normale supérieure, à Paris. Et franchement, j'ai trouvé son raisonnement brillant.

Elle rapproche deux philosophes allemands du siècle dernier, Günther Anders et Hans Jonas, pour expliquer quelque chose qui me travaille depuis un moment : pourquoi avons-nous aussi peur de l'avenir, et surtout, à quel moment cette peur cesse-t-elle de nous être utile?

Je lui dois l'architecture de cette réflexion. Le rapprochement entre ces deux penseurs, son application à l'intelligence artificielle et cette idée d'un point de bascule entre prudence et fatalisme viennent de son travail.

J'aimerais reprendre son raisonnement, y ajouter quelques histoires et voir ce qu'il peut nous apprendre sur notre façon de prendre des décisions.

Le jour où nous avons découvert notre propre puissance.

En 1956, le philosophe Günther Anders publie L'Obsolescence de l'homme. Onze ans auparavant, deux bombes atomiques avaient détruit Hiroshima et Nagasaki. Pour la première fois, l'humanité avait démontré qu'elle possédait les moyens techniques de provoquer sa propre destruction.

Anders développe deux idées particulièrement troublantes. La première est la honte prométhéenne. Nous fabriquons des machines dont les performances dépassent certaines de nos capacités. Elles calculent plus vite, travaillent sans fatigue, exécutent des opérations avec une précision qui nous échappe. Face à nos créations, nous découvrons nos limites. Nous sommes lents, imparfaits et, détail assez contrariant, mortels.

La seconde est le décalage prométhéen. Notre capacité à fabriquer des choses extraordinaires progresse plus rapidement que notre capacité à en imaginer les conséquences.

Pensez à la bombe atomique. Des scientifiques sont parvenus à maîtriser les réactions nucléaires, à calculer leur puissance et à fabriquer une arme. Mais comment se représenter véritablement la destruction d'une ville entière en quelques secondes? Comment imaginer les conséquences politiques, morales et humaines d'une technologie pareille?

Nous étions capables de fabriquer quelque chose que nous avions beaucoup de difficulté à nous représenter.

Soixante-dix ans plus tard, l'IA nous place devant une difficulté comparable, même si les technologies et leurs risques sont très différents. Nous développons des outils capables de produire des textes, des images, des analyses et d'accomplir des tâches de plus en plus complexes. Et nous avons parfois bien du mal à imaginer ce que tout cela changera dans cinq ou dix ans.

Alors notre imagination fait ce qu'elle sait faire. Elle remplit les blancs. Et elle ne les remplit pas toujours avec des scénarios optimistes.

Avoir peur, c'est déjà commencer à travailler.

En 1979, un autre philosophe, Hans Jonas, publie Le Principe responsabilité. Il propose une idée que je trouve absolument brillante : l'heuristique de la peur.

Le mot est compliqué, mais le principe est assez simple. Lorsque nous développons une technologie susceptible d'avoir des conséquences graves ou irréversibles, nous avons la responsabilité d'imaginer ce qui pourrait mal tourner. Pourquoi? Pour éviter que cela arrive.

C'est exactement ce que font les pilotes dans leurs simulateurs de vol. On imagine une catastrophe, on la reproduit dans un environnement contrôlé, puis on apprend à la prévenir ou à y réagir. La peur devient un outil de préparation.

Pensez à l'énergie nucléaire. Après Hiroshima et Nagasaki, puis avec la multiplication des puissances nucléaires, les États ont progressivement élaboré des mécanismes de contrôle, des accords internationaux et des règles de non-prolifération. Le Traité sur la non-prolifération des armes nucléaires, ouvert à la signature en 1968, est entré en vigueur en 1970.

Ces mécanismes ne font pas disparaître le danger. Ils témoignent néanmoins d'une capacité remarquable : transformer la conscience d'un risque en règles collectives. Et si nous faisions la même chose avec l'intelligence artificielle?

Un tout petit changement de conjugaison.

PhiloSophia met surtout le doigt sur le moment où cette peur change de nature. Tout se joue dans une différence grammaticale.

« Ça va mal aller. »

« Ça pourrait mal aller. »

Vous voyez la nuance? Dans la première phrase, le futur est déjà écrit. La catastrophe est certaine. Nous pouvons nous indigner, protester, dénoncer, mais au fond, à quoi bon faire des efforts? Si tout est perdu, autant attendre la fin.

Dans la deuxième, le futur est encore ouvert. Il existe un risque, peut-être même important. Mais il existe aussi des moyens de l'éviter, de le réduire ou d'en limiter les conséquences.

Le conditionnel nous oblige à réfléchir. Le futur catégorique risque de nous dispenser d'agir. C'est là que la peur devient intéressante pour les dirigeants et les gestionnaires : une inquiétude peut être parfaitement légitime sans constituer une raison suffisante pour immobiliser toute une organisation.

Et si on faisait nos propres simulateurs?

Imaginez une réunion de direction. Quelqu'un affirme que l'IA pourrait provoquer des fuites de données confidentielles. C'est vrai. Elle pourrait. Quelqu'un d'autre s'inquiète des erreurs produites par les outils. C'est également vrai. Un troisième craint que les compétences de ses équipes s'affaiblissent à force de déléguer certaines tâches à des machines. Encore une inquiétude parfaitement recevable.

Et maintenant?

Vous remarquerez quelque chose. Aucune de ces décisions ne garantit que le risque disparaîtra complètement. Mais chacune transforme une inquiétude en travail concret. C'est là que commence la responsabilité.

Dans une organisation, on peut facilement confondre prudence et immobilisme. Un projet soulève des questions, alors on demande davantage d'analyses. Puis un comité supplémentaire. Puis une politique plus complète. Puis une nouvelle évaluation. Et pendant ce temps, la technologie évolue, les employés expérimentent parfois de leur côté et les occasions d'apprendre nous passent sous le nez.

Il faut évidemment des mécanismes de contrôle. Mais ceux-ci devraient nous permettre d'avancer de façon responsable, pas devenir une méthode sophistiquée pour ne jamais décider.

Il va falloir faire décoller les avions.

Je reviens à notre pilote. Imaginez qu'après avoir passé des heures dans un simulateur à affronter des pannes, des incendies et des turbulences, il annonce qu'il refuse désormais de décoller. Trop dangereux. Il connaît tous les scénarios possibles, et certains sont franchement terrifiants.

Ce serait quand même un drôle de résultat pour une formation censée améliorer la sécurité aérienne.

Nous faisons parfois exactement la même chose avec l'IA. Nous imaginons les risques avec une précision remarquable. Nous multiplions les scénarios catastrophes. Nous documentons les erreurs. Puis nous en concluons qu'il serait plus prudent d'attendre.

Attendre quoi, exactement? Que la technologie ne présente plus aucun risque? Que nous connaissions toutes ses conséquences? Que quelqu'un d'autre ait pris toutes les décisions difficiles à notre place?

Nous n'aurons probablement jamais ce luxe. Et ce serait dommage, parce que nos inquiétudes ont une véritable valeur. Elles nous obligent à poser de meilleures questions, à concevoir des protections, à anticiper des problèmes et à prendre nos responsabilités.

Alors continuons d'imaginer le pire. C'est utile. Mais une fois le scénario catastrophe terminé, il faut sortir du simulateur. Et faire décoller l'avion.

Entre le déploiement et l’habitude

Selon l’enquête AI at Work 2025 du Boston Consulting Group (2025), menée auprès de plus de 10 600 employés dans 11 pays, 36 % seulement s’estiment suffisamment formés à l’IA, et 54 % utiliseraient des outils non autorisés si les bons venaient à manquer. L’IA clandestine est déjà dans vos murs. Et selon le sondage How to implement transformations for long-term impact de McKinsey (2023), 12 % des répondants seulement ont maintenu leurs gains plus de trois ans. Les transformations trébuchent presque toutes au même moment : quand l’essai doit devenir un réflexe.

Ce que révèlent les entrevues

Avant de recommander quoi que ce soit, nous allons écouter. Des entrevues individuelles, longues, confidentielles, menées par nos ethnographes auprès d’employés de tous les étages. Nous y entrons avec le moins d’hypothèses possible : aucune grille par génération, par niveau hiérarchique ou par département. Bien nous en prend, car ces catégories n’expliquent presque rien. Le « jeune forcément à l’aise » et le « vétéran forcément réfractaire » sont des raccourcis que le terrain dément à chaque mandat.

Deux variables, quatre profils

Au fil de nos mandats nous avons découvert deux variables fondamentales qui permettent de réellement cerner le profil de vos employés : leur tolérance aux risques et leur tolérance à la délégation IA. La première mesure la capacité d’accepter un résultat imparfait, de se tromper devant les autres et d’être jugé par ses pairs. La seconde mesure la disposition à confier à un outil une part de sa rédaction, de son analyse, voire de son jugement. Ces deux variables traversent les générations, les titres et les services.

Elles touchent directement aux trois besoins psychologiques que l’IA vient bousculer, selon Erik Hermann, Stefano Puntoni et Carey Morewedge dans Why Gen AI Feels So Threatening to Workers (Harvard Business Review, 2026) : la compétence, l’autonomie et l’appartenance. Confier une part de son travail à un outil remet en jeu sa compétence et son autonomie; accepter le risque expose au jugement des pairs, donc à l’appartenance. Croisées, ces deux variables dessinent quatre profils. Aucun profil ne vaut mieux qu’un autre; la grille sert à parler un langage commun. Chacun a son besoin en souffrance, et mérite donc son parcours.

A — L’explorateur assumé

Forte tolérance au risque, forte tolérance à la délégation. Dans nos entrevues, il se reconnaît à sa confiance double : en lui-même et en l’outil. Il teste par lui-même sans attendre qu’on lui montre la voie, et les ratés médiatisés de l’IA ne le freinent pas; il préfère se faire sa propre idée. Il a déplacé sa valeur professionnelle : elle réside dans l’analyse et le jugement, et l’effort de production compte peu à ses yeux. « C’est moi le cerveau de l’affaire, ça raccourcit juste le temps. » Il parle de l’IA avec aisance, montre ce qu’il fait, partage ses trouvailles. C’est précisément ce qui peut l’isoler : son enthousiasme avance plus vite que celui de son équipe, et il finit parfois par explorer seul.

Avec lui, le risque s’appelle la solitude, puis le désengagement. Everett Rogers l’avait décrit dès 1962 dans Diffusion of Innovations : les premiers à adopter une nouveauté sont souvent perçus comme marginaux par leur groupe, et l’innovation se propage réellement quand des leaders d’opinion respectés s’en emparent. Donnez-lui donc une place reconnue : un mandat officiel de compagnon IA, du temps protégé dans sa description de poste, des « prompt parties » à animer. Seul critère : la curiosité. Un adjoint administratif passionné fait un meilleur compagnon qu’un cadre compétent et indifférent.

B — Le gardien vigilant

Forte tolérance au risque, faible tolérance à la délégation. Confiant en lui-même, méfiant envers l’outil, il explore volontiers et garde la main sur ce qui compte. Nous l’avons vu tracer une frontière nette : pour la recherche et la synthèse, aucun problème; pour le raisonnement et la création professionnelle, blocage. Il relit tout, refait tout, et ce travail en double lui coûte un temps qu’il juge nécessaire. Sa méfiance a une source : les défaillances de l’IA rapportées dans les médias, qu’il cite volontiers en entrevue et qui confirment ses réserves. Sa rigueur protège la qualité du travail. Elle a aussi un coût caché : tant qu’il ne délègue rien de substantiel, les gains promis par l’IA restent théoriques pour lui.

La recherche montre comment l’amener plus loin. Dans Overcoming Algorithm Aversion (Management Science, 2018), Berkeley Dietvorst, Joseph Simmons et Cade Massey ont constaté que les gens délaissent un algorithme dès qu’ils le voient se tromper, mais l’utilisent bien plus volontiers lorsqu’ils peuvent en modifier les résultats, même légèrement, et obtiennent alors de meilleurs résultats. Offrez-lui des ateliers de prompting sur des cas réels, en petits groupes, et des listes de vérification par métier, construites avec lui. Puis trois paliers sur son cœur d’expertise : l’IA prépare et il décide; l’IA propose et il arbitre; l’IA exécute et il valide. Il passe de relecteur à arbitre, sans rien céder sur la qualité.

C — Le délégateur anxieux

Faible tolérance au risque, forte tolérance à la délégation. C’est le profil le plus paradoxal de la matrice : méfiant envers lui-même, confiant dans l’outil. Il utilise l’IA sous la pression de la charge de travail davantage que par conviction, produit beaucoup avec elle, et en parle peu. En entrevue, la gêne affleure vite. Déléguer à l’IA ressemble pour lui à tricher, comme si l’effort fourni faisait la valeur du travail : « C’est comme si c’était pas toi qui avais fait l’examen. » Il craint le regard des collègues et des gestionnaires plus que l’outil lui-même. Il a déjà trouvé les gains; il lui manque la permission de les assumer au grand jour.

Sa crainte est fondée. Dans Evidence of a social evaluation penalty for using AI (PNAS, 2025), Jessica Reif, Richard Larrick et Jack Soll ont établi, auprès de plus de 4 400 participants, que ceux qui utilisent l’IA au travail sont jugés moins compétents et moins motivés. La réponse est collective : une charte du droit à l’erreur signée par la direction, des cercles de pratique sans gestionnaire dans la salle, le rituel du « meilleur ratage IA de la semaine ». Amy Edmondson appelait cela la sécurité psychologique dès 1999 (Psychological Safety and Learning Behavior in Work Teams, Administrative Science Quarterly).

D — Le sceptique ancré

Faible tolérance au risque, faible tolérance à la délégation. C’est le profil le plus résistant de la matrice, et le plus argumenté. Sa résistance est active : il questionne, objecte, documente. Il voit dans l’IA une double menace, pour l’intégrité professionnelle et pour la sécurité des données, et ses objections sur la fiabilité sont souvent fondées. En entrevue, il cite des cas précis d’erreurs, de fuites, de réponses inventées. Comme il ne délègue pas encore, il n’a pas connu l’inconfort de la délégation; son jugement repose sur ce qu’il observe autour de lui. Dans une organisation, il joue un rôle précieux : c’est souvent lui qui pose la question que personne n’ose poser.

Ses objections méritent mieux qu’un argumentaire : un siège au comité de veille qui examine chaque cas d’usage avant déploiement, un rôle de relecteur officiel, un registre public des objections. Sa vigilance solitaire devient une fonction reconnue. La science lui donne en partie raison : dans Navigating the Jagged Technological Frontier (Harvard Business School, 2023), Fabrizio Dell’Acqua et ses collègues ont observé 758 consultants; dès que la tâche sortait du champ de compétence de l’outil, ceux qui utilisaient l’IA se trompaient davantage.

Comment réconcilier tout le monde?

Au contraire. Les parcours peuvent être différents sans créer quatre transformations parallèles. Le sceptique ancré, le gardien vigilant, le délégateur anxieux et l’explorateur assumé doivent tous comprendre la même chose : où l’organisation veut aller, ce qui est permis, ce qui ne l’est pas et vers qui se tourner quand ils hésitent. On peut adapter le rythme, les exercices et le degré de délégation à chacun, mais pas le cadre. Dans nos mandats, ce socle commun repose sur quatre conditions très concrètes : une direction qui parle d’une seule voix, des messages simples et répétés, des compagnons accessibles dans les équipes et une formation qui travaille autant les outils que les croyances. Les voici en détail.

Une direction qui parle d’une seule voix. Quand un vice-président dit « IA générative », qu’un autre parle d’« agents autonomes » et qu’un troisième évoque « l’automatisation », chacun croit défendre le même projet. Les équipes, elles, entendent trois projets différents, et le message se dilue dès le premier étage. Avant de former qui que ce soit, la direction doit s’entendre sur ses mots : ce qu’on appelle IA chez nous, ce qu’on attend d’elle, ce qu’on refuse de lui confier.

Des messages clés, peu nombreux et répétés. Trois ou quatre idées simples suffisent : pourquoi on s’y met, ce qui est permis, ce qui ne l’est pas, ce qu’on gagne. Elles doivent revenir dans chaque réunion, chaque communication, chaque formation, jusqu’à ce que n’importe quel employé puisse les réciter. Un message entendu une fois reste une annonce; répété cent fois, il devient une norme.

Des compagnons dans tous les services. L’adoption se joue à côté du poste de travail, au moment précis où quelqu’un bloque et se tourne vers un collègue. D’où l’importance d’avoir, dans chaque équipe, une personne curieuse, disponible et reconnue pour ce rôle. Les explorateurs assumés en sont les candidats naturels.

Une formation à deux étages. Le premier étage est visible : les outils, le prompting, les cas d’usage. Il s’apprend en atelier, en quelques heures. Le second est souterrain : les croyances, la peur d’être jugé, l’estime de soi professionnelle, le sentiment de tricher. Aucun atelier ne le règle. Il se travaille lentement, dans les rituels d’équipe, les tête-à-tête avec un gestionnaire, les petites victoires partagées.

Ces quatre conditions reposent sur le modèle COM-B de Susan Michie, Maartje van Stralen et Robert West (The behaviour change wheel, Implementation Science, 2011), selon lequel un comportement n’apparaît que lorsque trois éléments sont réunis : la capacité, l’occasion et la motivation. La capacité, c’est le premier étage de la formation : savoir se servir des outils. L’occasion, ce sont les compagnons à proximité et une direction dont le langage clair rend l’usage permis et visible. La motivation, c’est le second étage : des croyances apaisées, une estime de soi préservée, et des messages répétés qui donnent un sens à l’effort. La plupart des programmes IA financent la capacité et espèrent que l’occasion et la motivation suivront d’elles-mêmes. Elles suivent rarement.

Reste à mesurer. Un questionnaire court et anonyme, repris tous les six mois, montre si les gens se déplacent dans la matrice : combien de gardiens vigilants commencent à déléguer, combien de délégateurs anxieux osent en parler, combien de sceptiques ancrés acceptent un premier cas d’usage.

Une conversation à la fois

On a beau parler de transformation technologique, de licences et de feuilles de route, ce qui reste à la fin, ce sont des habitudes : le réflexe d’ouvrir l’outil devant un document à résumer, l’aisance d’en parler à un collègue, la confiance de montrer son travail sans craindre d’être jugé. Ces habitudes naissent profil par profil, au rythme de chacun.

L’IA devient une culture le jour où le sceptique ancré siège au comité qui encadre les usages, où le gardien vigilant dispose de protocoles qui lui laissent le dernier mot, où le délégateur anxieux reçoit la permission d’assumer ce qu’il fait déjà, et où l’explorateur assumé trouve un rôle à la mesure de sa curiosité. Ce jour-là, l’outil se fond dans la manière de travailler.

Rien de tout cela ne se devine depuis un bureau de direction. Chaque organisation a ses propres croyances, ses propres peurs et ses propres façons d’apprivoiser l’IA. Tout cela se découvre sur le terrain, une conversation à la fois. C’est notre métier. Et si on allait écouter vos équipes

Nous l'avons vu dans un précédent article, les nudges — coups de pouce — sont un moyen puissant de contrôle du comportement des humains. Ça paraît gros dit comme ça, mais c'est tout petit, au contraire. Un nudge est une incitation au passage à l'acte quasiment imperceptible, et qui repose sur une prémisse universelle : les humains sont paresseux.

L'idée de Thaler et Sunstein (les papas des nudges), c'est qu'il est préférable d'aider l'usager à prendre la bonne décision — éthiquement, c'est aussi la décision que ce dernier aurait prise sans nous, mais il a besoin d'un coup de pouce pour se lancer. Nous avons vu qu'il existait plusieurs types de nudges et qu'ils étaient souvent utilisés dans la santé, dans les services publics, mais aussi en économie (dans les services bancaires, les levées de fonds, etc.) Bref, aucun domaine n'échappe aux nudges. Pourquoi un tel succès? Parce que la plupart du temps, un nudge ne coûte (presque) rien. Tester un nudge est donc peu risqué et très tentant... Il était donc tout naturel que la politique s'empare de cet outil tactique puissant.

L'utilisation des nudges en politique est un terrain éthique miné, qu'il s'agit d'observer avec un regard critique. Un article du Guardian signé Andrew Sparrow^➊ sur le conservateur David Cameron, architecte conservateur du Brexit — et de la crise économique traversée par la Grande-Bretagne depuis — a révélé l'importance des nudges dans les décisions politiques. En quelques définitions (parfois un peu cyniques), Sparrow récapitule le travail de Thaler et Sunstein en se lançant dans un exercice que je n'ai pas hésité à personnaliser.

Pourquoi vous intéresser aux nudges

Parce que les mécanismes des nudges peuvent vous aider à comprendre bien des choses en matière de psychologie comportementale. Associé à l'économie, cette discipline s'appelle l'économie comportementale. Elle est riche d'enseignement et évite les raccourcis souvent pris par les organisations, qui se terminent en voie sans issue. Normal : l'humain est complexe... mais passionnant. Cela va vous aider à mieux comprendre la complexité de vos employés, de vos clients, des citoyens de votre municipalité ou de votre province. Mieux comprendre la mécanique de ces coups de pouce, c'est vous préparer à être de meilleurs stratèges du changement.

Les racines neuroscientifiques du nudge

Daniel Kahneman avait lui-même pavé la voie de la psychologie comportementale en remportant le prix Nobel d'économie en 2002, cinq ans avant Thaler. Ils ont d'ailleurs collaboré, et les recherches de Kahneman expliquent bien des choses^➋ . Il a démontré que le cerveau humain fonctionnait à deux vitesses. Le système 1, rapide et intuitif. Le système 2, rationnel, délibéré. Biologiquement, le système 1 ne demande pas beaucoup d'énergie. Le système 2 est plus énergivore, donc plus fatigant. Le nudge est donc un stimulus qui va privilégier le système 1. Il va provoquer une action rapide, qui demande peu d'effort... et notre cerveau adore ça!

→ Misez sur l'instinct. En politique, mieux vaut être sympathique et rassurant que stratégique et brillant. Pourquoi? Parce que la plupart des électeurs ne se rendent pas jusque-là dans leurs réflexions. Cela explique beaucoup de scrutins de ces dernières années, partout dans le monde. Si vous voulez réussir, pensez sans cesse au Système 1. Il faut parler à l'instinct des gens.

Architecte du choix

‍Deuxième idée de Thaler et Sunstein, il existe toujours un architecte du choix, assumé ou pas. La personne qui va écrire le menu du jour sur l'ardoise au restaurant, celui ou celle qui va décider de l'emplacement des étals à l'épicerie, ou bien les gens qui ont choisi les photos sur les murs de votre coiffeur... Il y a toujours quelqu'un qui a décidé quelque chose à votre place... et c'est bien normal. L'idée est d'assumer ce rôle et d'en profiter pour influencer ce choix. L'économiste prend l'exemple d'une cafétéria, où l'on peut décider de mettre les salades avant les burgers pour influencer le choix des gourmands, qui savent que la salade est un meilleur choix. En politique, on pourrait parler de "manipuler les questions" si on voulait être cynique ou brutal. Mais si les politiciens sont aussi des architectes des choix, certains d'entre eux ne s'en rendent probablement pas compte. Thaler et Sunstein pensent même que s'ils comprenaient cela, ils feraient mieux leur travail.

Depuis la naissance des nudges, les cabinets-conseils en politique n'ont pas lésiné sur l'usage intensif des coups de pouce pour demander aux citoyennes et citoyens de faire... la bonne chose. Le premier ministre britannique David Cameron, le président Obama, le président Macron ont tous créé des cellules spécialisées dans les nudges, les nudges units^➍➎➏. Il s'agit d'un groupe de spécialistes des biais psychologiques. Ces experts font des recommandations de nudges à leurs clients (ici des cabinets présidentiels ou ministériels), afin d'atteindre des objectifs définis. Avec un regard critique, on peut parler de manipulation de masse. Avec un regard pragmatique, il s'agit d'assumer que tout choix est l'oeuvre d'un architecte. Et lui convient aussi d'assumer ce rôle d'architecte.

Le Canada n'est pas en reste. Le gouvernement fédéral s'est doté d'une nudges unit pour gérer la crise du COVID^❼. Au Québec, les journalistes se sont peu penchés sur la question, même si on a pu observer les nudges dans la promotion de bonnes habitudes environnementales^❽. Bref, les nudges sont vraiment partout!

Paternalisme libéral?!

Par définition, le nudge — l'architecte du choix qui a choisi le nudge — est paternaliste. C'est un terme qu'assument Thaler et Sunstein. L'idée, c'est d'améliorer la vie des gens... même contre leur gré. L'expression originale est "Libertarian paternalism", ce qui ressemble à un oxymore géant. On pourrait la traduire par paternalisme bienveillant, libéral, libertarien (ultra-libéral), ou intrusif et condescendant selon qu'on soit pour ou contre. La cause n'est pas entendue et fait encore débat entre les philosophes et les économistes.

Econs et Humains

‍Les économistes (et certains décideurs politiques) ont tendance à travailler sur l'hypothèse que les gens agissent rationnellement et qu'ils font toujours ce qui est le mieux pour eux. Cette hypothèse est fausse. Thaler et Sunstein appellent les gens qui se comportent réellement de cette manière des Econs^❼, des sortes de "robots comportementaux" agissant de la bonne manière et toujours de la même façon. Thaler et Sunstein ont démontré que "les vraies personnes" n'agissent pas toujours de manière rationnelle. Elles sont sans cesse influencées par des biais et des émotions qui les empêchent d'être conformes à une norme imaginée par les instituts de sondage, les chercheurs, les économistes et les politiciens. On appelle ces gens imparfaits et irrationnels... des humains.

Statu quo et conservatisme.

‍Thaler et Sunstein ont démontré que l'humain (en tant qu'individu) n'aime pas le changement, et qu'il a tendance à accepter ce qui est proposé. Ce biais de statu quo s'applique aussi collectivement. On parle alors de conservatisme collectif.

Effet de simple mesure

Dernier fait intéressant, lorsque les gens sont interrogés sur ce qu'ils ont l'intention de faire dans une enquête, ils sont plus susceptibles de le faire. Si un partisan vient cogner à votre porte, ou si un sondeur vous appelle pour savoir si vous allez voter demain... La probabilité que vous alliez vraiment voter augmente de 25%. Les instituts de sondages ont de beaux jours devant eux!

Vers les "nudges plus"

Des petits malins planchent déjà sur la suite de la saga. En 2021, Cambridge University Press a publié un article^➓ sur ces supers coups de pouce, les nudges plus qui incorporent un élément de réflexion dans le nudge, une sorte de nudge "System 1 + 2", donc. Ce sont des études qui valent la peine qu'on surveille leur évolution, même si cette réflexion semble un peu contre-intuitive au regard de la pensée originelle de Thaler et Sunstein.