TL;DR
“Fiez-vous à votre instinct” et “ignorez votre instinct” ont tort tous les deux, car la question de savoir si l’intuition fonctionne n’est pas un fait vous concernant. C’est un fait concernant l’environnement dans lequel vous avez appris. Deux chercheurs qui ont passé leur carrière à s’opposer sur l’intuition, Daniel Kahneman et Gary Klein, se sont assis ensemble et se sont accordés sur la frontière : l’intuition experte exige un environnement assez régulier pour contenir de vrais indices, plus une pratique prolongée avec un retour d’information assez bon pour les apprendre. Là où les deux conditions tiennent, les experts sont excellents. Là où l’une manque, l’expérience produit de l’assurance sans exactitude, et cette assurance ne vous avertit pas dans quel cas vous êtes. Vous trouverez ci-dessous les données vérifiées, une grille pour noter votre propre domaine sur quatre dimensions, et le parcours de développement pour les domaines qui échouent au test, c’est-à-dire l’essentiel du travail intellectuel. Dirigez comme une PDG qui sait à quelles décisions se fier, apprenez comme un étudiant qui vérifie la réponse.
Demandez à une salle pleine de gens accomplis comment ils tranchent leurs décisions les plus difficiles, et la plupart diront une version de la même chose : l’expérience, la reconnaissance de schémas, un flair. Demandez-leur comment ils savent que leur flair est calibré, et la salle se tait. Ce silence est le sujet de cet article.
La question compte plus qu’il y a cinq ans. À mesure qu’analyse et exécution basculent vers les machines, ce qui reste du côté humain est le jugement : savoir quel problème résoudre, à quel résultat se fier, quand la réponse assurée devant vous est fausse. Nous en avons exposé l’argument économique dans L’économie du jugement. Cet article-ci porte sur le développement. Si le jugement est l’actif, comment se construit-il réellement, et que dit la recherche sur ceux qui croient l’avoir construit sans l’avoir fait ?
L’accord qui a tranché la question
Pendant des décennies, deux traditions de recherche se sont affrontées sur l’intuition. L’école des heuristiques et biais, associée à Daniel Kahneman, a documenté l’erreur systématique dans le jugement expert. L’école de la décision naturaliste, associée à Gary Klein, a documenté des chefs d’intervention et des infirmières prenant en une fraction de seconde des décisions superbes qu’aucune analyse formelle n’égalait.
En 2009, ils ont publié dans American Psychologist le résultat d’une collaboration contradictoire, intitulé “Conditions for Intuitive Expertise: A Failure to Disagree”. Le constat : chacun avait raison pour des environnements différents, et la frontière entre eux peut être spécifiée. Évaluer si un jugement intuitif mérite confiance exige d’apprécier deux choses : la prévisibilité de l’environnement et le fait que la personne ait eu ou non l’occasion d’en apprendre les régularités.
Dit simplement, l’intuition experte exige deux conditions, et les deux :
Première condition : l’environnement contient des indices valides. Il doit y avoir une régularité réelle à détecter. Les positions d’échecs, les systèmes météorologiques et la physique d’un bâtiment en feu contiennent une structure réelle et répétée. Le marché du prochain trimestre et la trajectoire d’une jeune pousse donnée en contiennent bien moins.
Deuxième condition : vous avez eu la possibilité d’apprendre ces indices. Une pratique prolongée, assortie d’un retour d’information assez bon et assez rapide pour rattacher les résultats aux décisions qui les ont produits.
Sans la première condition, aucune expérience n’aide, car il n’y a rien de stable à apprendre. Sans la seconde, la régularité existe mais vous n’avez jamais reçu le signal qui vous l’aurait enseignée.
Ce que montre réellement le corpus
Ce qui suit correspond à des résultats publiés, rapportés tels que leurs auteurs les ont rapportés.
Résultats vérifiés issus de la littérature sur l’expertise et le jugement
| Source | Objet de l’étude | Ce qui a été établi |
|---|---|---|
| Kahneman et Klein (2009), American Psychologist, 64(6), 515-526 | Conditions limites d’une intuition digne de confiance | Deux conditions nécessaires : un environnement suffisamment régulier et la possibilité d’en apprendre les régularités par une pratique prolongée avec un retour d’information de qualité |
| Shanteau (1992), Organizational Behavior and Human Decision Processes | Quelles professions montrent un jugement expert exact et lesquelles non | Bonne performance : prévisionnistes météo, juges de bétail, pilotes d’essai, pédologues, maîtres d’échecs, comptables, astronomes, physiciens, mathématiciens, inspecteurs des grains, photo-interprètes, analystes en assurance |
| Shanteau (1992), même étude | La liste opposée | Faible performance, souvent à peine meilleure que celle de novices : psychologues cliniciens, psychiatres, responsables d’admission, juges, chercheurs en comportement, agents de probation ; également relevée en courtage, en recrutement et en analyse du renseignement |
| Macnamara, Hambrick et Oswald (2014), Psychological Science | Méta-analyse de la part expliquée par la pratique délibérée | Variance expliquée : jeux 26 %, musique 21 %, sport 18 %, éducation 4 %, professions moins de 1 % |
| Hogarth, Lejarraga et Soyer (2015), Current Directions in Psychological Science | Environnements d’apprentissage cléments contre retors | Dans les environnements cléments, le retour relie fidèlement les résultats aux actions qui les ont causés ; dans les retors, il est absent, différé ou trompeur, et l’assurance ne distingue pas les deux |
| Tetlock, Expert Political Judgment (2005) | Étude au long cours sur la prévision experte | 284 experts, environ 28 000 prévisions ; les “renards” puisant à de nombreux cadres ont devancé les “hérissons” attachés à un seul, surtout sur les horizons longs |
| Good Judgment Project, tournoi de prévision IARPA (2011-2015) | Compétition ouverte de prévision géopolitique | Le projet a remporté le tournoi ; ses meilleurs prévisionnistes amateurs ont devancé des analystes professionnels, montrant que l’exactitude prévisionnelle s’entraîne et se mesure |
Lisez côte à côte les deux listes de Shanteau et le motif saute aux yeux. La liste forte est pleine de domaines à retour rapide, non ambigu et répété : le temps s’est produit ou non, l’appareil a volé ou non, la position était gagnée ou perdue. La liste faible est pleine de domaines où le résultat arrive des années plus tard, se trouve contaminé par cent autres causes, ou n’arrive jamais sous une forme que quiconque consigne. Les décisions de libération conditionnelle et les pronostics psychiatriques ne s’accompagnent pas d’un tableau d’affichage.
Lisez maintenant la ligne Macnamara en regard. La pratique délibérée expliquait 26 % de la variance de performance dans les jeux et moins de 1 % dans les professions. L’interprétation habituelle est que le talent compte davantage que ne le suggérait le récit des dix mille heures. Une seconde lecture découle directement de Kahneman et Klein : les jeux sont l’archétype de l’environnement à forte validité et retour rapide, et “professions” est un fourre-tout dominé par des environnements à faible validité. La pratique paie là où l’environnement enseigne. Ce rapprochement est notre inférence éditoriale entre deux littératures, non une affirmation de l’une ou l’autre étude, mais c’est la lecture qui transforme le résultat en conseil.
Le résultat le plus dérangeant de l’ensemble est celui de Hogarth. L’assurance ne suit pas la qualité de l’environnement. Ceux qui ont appris dans des environnements retors se sentent exactement aussi sûrs que ceux qui ont appris dans des environnements cléments. Votre certitude n’est pas une preuve de votre exactitude, et c’est pourquoi la question ne se règle pas par introspection mais réclame une grille.
La grille de validité du jugement
Ce qui suit est un diagnostic pour une décision récurrente précise, non pour votre carrière entière. Le jugement est spécifique à la décision : un même dirigeant peut avoir une intuition superbe sur l’ingénieur qui réussira et exécrable sur le marché qui s’ouvrira.
Choisissez une décision que vous prenez de façon répétée. Notez chaque dimension 0, 1 ou 2.
Grille de validité du jugement CEOtudent (cadre éditorial, bâti sur les conditions de Kahneman-Klein et les critères de retour de Hogarth)
| Dimension | 0 point | 1 point | 2 points |
|---|---|---|---|
| Régularité. La situation se répète-t-elle avec une structure stable ? | Chaque cas est presque unique ; les règles changent d’une occurrence à l’autre | De grands schémas reviennent mais les détails bougent beaucoup | Les situations se répètent avec une structure reconnaissable |
| Rapidité du retour. Combien de temps avant de connaître le résultat ? | Des années, ou jamais | Des mois | Des jours ou moins |
| Clarté du retour. Pouvez-vous attribuer le résultat à votre décision ? | Le résultat est dominé par d’autres causes et par le bruit | Partiellement attribuable au prix d’un effort | Attribution nette et sans ambiguïté |
| Volume. Combien de fois avez-vous pris exactement cette décision avec un résultat connu ? | Moins de 20 | Des dizaines | Des centaines ou plus |
Additionnez les quatre notes pour un total sur 8.
| Total | Verdict | Que faire de votre instinct |
|---|---|---|
| 6 à 8 | Décision à forte validité | Fiez-vous à l’intuition entraînée, surtout sous contrainte de temps. Votre jugement rapide porte probablement une information réelle |
| 3 à 5 | Mixte | Utilisez l’intuition pour produire des options et une liste de contrôle ou un modèle pour choisir entre elles. Ne laissez jamais le sentiment de certitude clore la décision |
| 0 à 2 | Décision retorse | Ne vous fiez pas à l’instinct, aussi expérimenté soyez-vous. Utilisez des taux de base, des critères explicites fixés avant de regarder, et des avis extérieurs. C’est là que les gens sûrs d’eux se trompent le plus souvent |
Le résultat inconfortable pour la plupart des lecteurs : leurs décisions les plus lourdes obtiennent les notes les plus basses. Recruter un dirigeant, entrer sur un nouveau marché, choisir un pari stratégique : faible volume, retour lent, attribution contaminée. Ce sont précisément les décisions que l’on prend le plus souvent à l’instinct et que l’on défend le plus souvent par l’expérience.
La grille appliquée à des décisions modernes courantes
Le tableau ci-dessous présente notre propre notation, offerte comme exemple travaillé et non comme mesure. Notez votre propre version ; les conditions locales changent les chiffres.
| Décision récurrente | Régularité | Rapidité du retour | Clarté du retour | Volume | Total | Verdict |
|---|---|---|---|---|---|---|
| Juger si un texte est bon | 2 | 2 | 1 | 2 | 7 | Forte validité |
| Estimer la durée d’une tâche familière | 2 | 2 | 2 | 2 | 8 | Forte validité |
| Déboguer un système que vous avez bâti et maintenez | 2 | 2 | 2 | 2 | 8 | Forte validité |
| Contrôler une sortie d’IA dans votre domaine d’expertise | 2 | 1 | 1 | 2 | 6 | Forte validité |
| Décider quel candidat recruter pour un poste de direction | 1 | 0 | 0 | 0 | 1 | Retorse |
| Prédire quelle fonctionnalité les clients adopteront | 1 | 1 | 1 | 1 | 4 | Mixte |
| Choisir un changement de carrière | 0 | 0 | 0 | 0 | 0 | Retorse |
| Juger si un nouveau marché vaut la peine | 0 | 0 | 0 | 0 | 0 | Retorse |
Observez la forme du résultat. Les décisions où votre instinct est réellement excellent sont celles, artisanales, que vous accomplissez sans cesse avec des résultats visibles. Les décisions que le monde récompense le plus sont celles où l’instinct vaut le moins. Cet écart est tout l’argument en faveur d’une construction délibérée du jugement plutôt que d’une accumulation d’années.
Construire son jugement là où l’environnement refuse d’enseigner
Si vos décisions importantes obtiennent des notes faibles, la réponse n’est pas la résignation. C’est de fabriquer les conditions que l’environnement ne fournit pas. Chacun des points suivants existe pour rendre une décision retorse un peu plus clémente.
Écrivez la prévision avant le résultat. L’habitude au meilleur rendement disponible. Avant une décision conséquente, notez ce que vous attendez, pour quand, et avec quelle confiance en pourcentage. Les environnements retors corrompent l’apprentissage surtout par le biais rétrospectif : sans trace écrite, vous vous souviendrez d’avoir attendu ce qui est arrivé. Un journal de prévisions est l’instrument minimal qui rend le retour honnête. C’est exactement la discipline qu’a employée le Good Judgment Project pour transformer des volontaires ordinaires en prévisionnistes surpassant des analystes professionnels.
Consignez les raisons, pas seulement la décision. Notez pourquoi vous avez tranché ainsi. Quand le résultat arrive, vous devez savoir si vous aviez raison pour la bonne raison, car avoir raison pour une mauvaise raison vous enseigne un faux indice et vaut moins que d’avoir eu tort.
Raccourcissez la boucle artificiellement. Si le résultat réel prend trois ans, définissez un marqueur intermédiaire vérifiable en trois mois. C’est un signal plus faible que le vrai, et infiniment meilleur que rien.
Partez des taux de base. Dans les domaines à faible validité, la vue extérieure bat le récit intérieur. Quelle proportion d’acquisitions de ce type réussit ? Combien de temps prennent réellement des projets comme celui-ci ? Commencez par la classe de référence, puis ajustez aux spécificités, plutôt que de bâtir à partir des détails saillants devant vous.
Fixez vos critères avant de regarder. Décidez de ce qui ferait la qualité d’un candidat ou d’une occasion avant de rencontrer le candidat ou de voir l’occasion. C’est la défense pratique contre une impression cohérente qui se forme d’abord et des raisons qui s’assemblent ensuite.
Soyez un renard. Le constat de Tetlock est que les prévisionnistes puisant à de nombreux cadres et révisant volontiers battent ceux qui s’attachent à une seule grande idée. En pratique : tenez plusieurs explications à la fois et traitez le changement d’avis comme une méthode de travail, non comme un aveu de faiblesse.
Cherchez la contradiction chez des gens qui ne vous doivent rien. Le jugement défaille en silence quand tous les consultés partagent les mêmes informations et les mêmes intérêts.
Le pli propre à l’ère de l’IA
Deux choses changent quand un modèle performant s’installe dans votre flux de travail, et elles tirent en sens contraire.
La première est franchement bonne. L’IA raccourcit les boucles de retour. Un travail qui demandait une semaine à produire et un mois à évaluer se rédige, se teste et se révise désormais en un après-midi. Davantage d’itérations à résultats visibles, c’est exactement ce qui rend un environnement retors plus clément : certains domaines deviennent donc plus apprenables qu’ils ne l’étaient.
La seconde est un nouveau mode de défaillance : l’assurance empruntée. Une réponse fluide, bien organisée, superbement argumentée produit le même sentiment de certitude qu’une véritable expertise, sans la validité sous-jacente. C’est le problème de Hogarth doté d’un nouveau canal de distribution. Votre grille est la défense. Sur une décision à forte validité dans votre propre métier, votre réaction à une sortie de machine est informative et vous devriez vous fier à votre gêne. Sur une décision retorse, votre confort face à une réponse assurée ne vous apprend rien, et la bonne réaction consiste à la confronter aux taux de base et aux avis extérieurs plutôt qu’à votre sentiment de justesse.
C’est aussi pourquoi le goût et le discernement sont devenus des actifs compétitifs qui se travaillent plutôt que de vagues qualités, argument développé dans La pile du goût. Pour la couche opérationnelle, la grille présentée ici s’emboîte directement dans la logique d’aiguillage de La pile de décision personnelle, et les cadres à avoir chargés avant de trancher sont recensés dans Les modèles mentaux qui comptent vraiment en 2026.
En bref
Le jugement n’est ni un trait de caractère ni une récompense d’ancienneté. C’est ce qu’on obtient quand un environnement apprenable rencontre un retour délibéré, et cela reste local aux décisions où ces conditions tenaient. Pour toutes les autres, le geste honnête consiste à cesser d’interroger son instinct et à bâtir l’échafaudage qui rend possible une bonne décision sans lui. Ceux qui y parviennent ne sont pas les plus expérimentés. Ce sont ceux qui savent exactement quelle part de leur expérience compte.
FAQ
L’intuition est-elle donc fiable ou non ?
Cela dépend entièrement de l’endroit où elle a été entraînée. Kahneman et Klein ont conclu qu’une intuition digne de confiance exige un environnement régulier plus une pratique prolongée avec un bon retour. Si les deux sont réunis, l’intuition experte est excellente, souvent supérieure à l’analyse formelle sous contrainte de temps. S’il en manque une, elle est assurance sans exactitude.
J’ai vingt ans de métier. La grille s’applique-t-elle vraiment à moi ?
Vingt ans dans un domaine à forte validité, c’est précisément ce qui bâtit une intuition réelle. Vingt ans dans un domaine retors bâtissent surtout de la certitude. C’est pourquoi Shanteau a trouvé des cliniciens et des agents de probation chevronnés à peine meilleurs que des novices, tandis que les prévisionnistes météo et les maîtres d’échecs excellaient. Les années sont un intrant, pas un résultat.
Cela signifie-t-il que je ne dois plus me faire confiance sur les grandes décisions ?
Cela signifie que plus la décision est grande, moins il faut s’appuyer sur le sentiment de savoir et plus il faut s’appuyer sur la structure : prévisions consignées, taux de base, critères fixés à l’avance, contradiction recherchée. Servez-vous de votre intuition pour engendrer des réponses candidates. N’en faites pas le juge.
Quel est le moyen le plus rapide de progresser ?
Tenez un journal de décision. Avant chaque décision importante, écrivez votre prévision, votre confiance en pourcentage et vos raisons. Relisez chaque trimestre. Cela coûte quelques minutes par décision et c’est le seul moyen fiable de découvrir si votre jugement est calibré dans un domaine qui ne vous le dira pas de lui-même.
L’IA peut-elle améliorer mon jugement ou ne fait-elle que l’externaliser ?
Les deux sont possibles et c’est vous qui choisissez. Employée à produire des contre-arguments, faire remonter des taux de base et éprouver une prévision que vous avez déjà couchée par écrit, elle améliore la calibration. Employée à vous tendre une conclusion assurée que vous adoptez parce qu’elle se lit bien, elle dégrade votre jugement tout en élevant votre assurance, ce qui est la pire combinaison disponible.
Sources et lectures complémentaires
- Kahneman, D. et Klein, G. (2009). Conditions for Intuitive Expertise: A Failure to Disagree. American Psychologist, 64(6), 515-526.
- Shanteau, J. (1992). Competence in Experts: The Role of Task Characteristics. Organizational Behavior and Human Decision Processes, 53(2).
- Macnamara, B. N., Hambrick, D. Z. et Oswald, F. L. (2014). Deliberate Practice and Performance in Music, Games, Sports, Education, and Professions: A Meta-Analysis. Psychological Science.
- Hogarth, R. M., Lejarraga, T. et Soyer, E. (2015). The Two Settings of Kind and Wicked Learning Environments. Current Directions in Psychological Science.
- Hogarth, R. M. Educating Intuition, University of Chicago Press.
- Tetlock, P. E. (2005). Expert Political Judgment: How Good Is It? How Can We Know? Princeton University Press.
- Tetlock, P. E. et Gardner, D. Superforecasting: The Art and Science of Prediction, sur le Good Judgment Project et le tournoi de prévision IARPA.
- Klein, G. Sources of Power: How People Make Decisions, MIT Press, pour le programme de recherche sur la décision naturaliste.
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
This post is also available in:
