Si le pouvoir ne suit plus seulement le titre, qui mérite d'être entendu ?

Six personnes sont assises dans une salle de réunion.

Un VP.

Un ingénieur senior, vingt ans dans le métier.

Un jeune ingénieur IA, arrivé il y a seulement deux ans.

Un responsable des ventes.

Un responsable finance.

Et un product manager.

Ils doivent trancher quelque chose de très concret : un projet important — faut-il le poursuivre ?

L'argent est déjà dépensé. Le temps est déjà passé. Il y a de la concurrence dehors, et du risque dedans.

Alors une question qui a l'air simple apparaît :

Parmi ces six personnes, de qui les paroles devraient-elles peser davantage ?

L'entreprise traditionnelle a une réponse très bon marché.

Regarder le titre.

Les paroles du VP pèsent le plus. Puis l'ancienneté. Puis ceux qui tiennent le business. Celui qui est arrivé il y a deux ans s'assoit le plus souvent au fond.

Pourquoi ?

Parce que c'est le moins de mal. L'organigramme est déjà dessiné. Qui est plus haut tient déjà plus de pouvoir.

L'essai précédent demandait pourquoi le pouvoir d'une entreprise devrait, pour longtemps, appartenir à un titre.

Ouvrez cette porte, et la question suivante entre tout de suite.

Très bien.

Si un titre ne doit pas décider pour toujours qui a le dernier mot —

alors qui faut-il vraiment écouter ?

La réponse la plus naturelle est peut-être : écouter les experts. Écouter ceux qui savent le plus.

Cela sonne bien plus raisonnable qu'écouter le titre le plus haut.

Posez pourtant une question de plus :

Qui définit l'expert ?

Le problème redevient tout de suite brouillon. Vingt ans dans le poste ? Combien de projets ? Un diplôme d'élite ? La note de performance de l'an dernier ? Combien de victoires passées ? Ou l'IA doit-elle calculer un score pour chacun à partir des données historiques ?

L'ingénieur senior sentira : j'ai vu le plus d'échecs.

Le jeune ingénieur sentira : je suis le plus près de la technique la plus récente.

Les ventes diront : moi seul sais ce que les clients pensent vraiment.

La finance dira : vous racontez tous des histoires. À la fin, ce sont les chiffres qui parlent.

Le product manager croira : je sais le mieux pourquoi les utilisateurs paient.

Le VP a aussi une raison : je vois toute l'entreprise, pas un problème local.

Chacun peut prouver qu'il devrait être, dans la pièce, la personne la plus digne d'être entendue.

« Écouter les experts » ne résout donc pas vraiment le problème. Cela ne fait qu'échanger le titre contre une autre identité — ancienneté, CV, diplôme, résultats passés. Toujours une identité.

Juste un autre costume.

Ensuite, le pas suivant est facile. Les gens ont des biais. Laissez le système calculer.

Jason : 87.4.

Alice : 76.2.

Bob : 61.8.

Qui a le score le plus haut, ses paroles pèsent plus. Qui a le score le plus bas écoute d'abord.

Cela a l'air scientifique. Cela a même l'air bien plus juste qu'un titre, parce que cela ne demande plus si vous êtes VP. Cela demande comment vous avez vraiment performé.

C'est aussi le problème.

Si nous sommes assez honnêtes, nous verrons : échanger le titre contre un Score, et nous n'avons peut-être rien changé.

Avant : VP > Director > Manager.

Après : 92 > 84 > 71.

La hiérarchie est toujours là. Elle a seulement quitté le badge pour entrer dans la base de données.

C'est même peut-être plus dangereux. L'ancien système de titres admettait au moins : ceci est du pouvoir. Un score algorithmique enfile un manteau plus joli.

Ceci n'est pas du pouvoir.

Ceci est de la science.

Une fois que le système écrit quelqu'un comme 61.8, il peut déjà entrer dans la pièce un peu plus petit — même si la question du jour est exactement celle qu'il connaît le mieux.

Je pense donc de plus en plus que la question à poser n'est pas : cette personne juge-t-elle fort ?

C'est : sur le problème concret d'aujourd'hui, pourquoi ce jugement mérite-t-il d'être pris au sérieux ?

Ces deux questions sont très loin l'une de l'autre. La première note la personne. La seconde évalue ce jugement-ci.

Quelqu'un peut exceller à juger pourquoi un produit va échouer, et ne pas savoir si les consommateurs aimeront un nouveau goût. Il peut lire le risque de moule chez un fournisseur avec une précision saisissante, et sur la macroéconomie se contenter de lire les infos. Il peut être très bon sur les arbitrages d'ingénierie, et sur la politique de régulation encore en train de deviner.

Une personne ne devrait pas avoir à porter un Judgment Score universel, comme un score de crédit, dans chaque problème qu'elle croise.

C'est aussi un principe dont je pense que les entreprises futures auront besoin :

Notez ce jugement. Ne donnez pas à une personne un score total.

Score predictions, not people.

Que veut dire, alors, noter un jugement ?

Commencez par un changement très simple. Ne demandez pas seulement à l'entreprise : ce projet va-t-il réussir ?

Cette question est trop facile à feindre de connaître. Oui. Non. Ça dépend. N'importe qui peut dire ça.

Demandez autrement : quelle est la probabilité que ce projet soit lancé avec succès avant le 1er décembre ?

Alice : 70%.

Bob : 40%.

Jason : 55%.

Soudain, les trois jugements peuvent être enregistrés. Ce qui vaut d'être regardé n'est plus qui parle avec plus de force, ni qui tient le titre le plus haut. C'est ceci :

Quand Alice dit 70%, les choses de ce genre arrivent-elles ensuite environ sept fois sur dix ?

Quand Bob répète 40%, voit-il vraiment le risque plus tôt que les autres — ou est-il pessimiste par habitude ?

C'est un concept qui compte beaucoup dans la recherche sur la prévision : Calibration, le calibrage.

Il ne demande pas si vous êtes intelligent. Il demande si la confiance que vous revendiquez correspond à ce qui s'est ensuite produit.

Deviner juste trois fois de suite peut n'être que de la chance. Mais si quelqu'un a porté beaucoup de jugements semblables, et que les choses qu'il appelle 70% arrivent vraiment, sur le long terme, environ sept fois sur dix, et que celles qu'il appelle 40% arrivent environ quatre fois sur dix — cela commence à moins ressembler à de la chance. C'est plus proche d'une capacité de jugement qui a été vérifiée.

Remarquez, pourtant. Cela ne veut toujours pas dire qu'Alice est une personne à 87 points. Cela veut seulement dire : sur cette classe de problèmes, les prévisions d'Alice méritent un regard plus sérieux.

Les problèmes auxquels une entreprise fait vraiment face sont rarement aussi nets. Beaucoup de décisions mettent un an avant que quiconque connaisse le résultat. Certaines n'ont jamais de vrai ou de faux clair. Certains problèmes, les êtres humains ne les ont jamais rencontrés.

Alors si quelqu'un vous dit que nous savons déjà calculer avec précision la capacité de jugement de chaque salarié, je deviens plus méfiant. Un système honnête ne vous tendra souvent pas une jolie note. Il continuera à poser quelques questions simples.

Combien de problèmes semblables cette personne a-t-elle vraiment traités ? Pas : combien d'années a-t-elle passées dans l'entreprise. Mais : a-t-elle traité un incident fournisseur semblable ? Un risque de régulation semblable ? Un lancement produit semblable ?

Et d'où vient le jugement ? Des données mesurées directement ? Des traces système ? Des cas qui reviennent ? Une expérience de première main ? Le récit de quelqu'un d'autre ? Ou une intuition à peine explicable, formée seulement après avoir fait le travail beaucoup de fois ?

Un point ici me paraît surtout important. L'intuition ne devrait pas être traitée automatiquement comme une preuve de mauvaise qualité. Les gens qui ont vraiment fait cela pendant des décennies forment une sorte de jugement très difficile à mettre sur une slide. Ils ne peuvent pas écrire la formule complète. Ils sentent seulement : ça ne sent pas bon.

Cela aussi devrait entrer dans le système. Le système a seulement besoin de savoir sur quel type de preuve ce jugement repose — pas de faire semblant, pour avoir l'air scientifique, que chaque jugement est la même sorte de chose.

Il y a aussi un problème plus pratique.

Cette phrase est-elle même leur propre jugement ?

Supposez que le VP ouvre : personnellement, je pense que ce projet a au moins 80% de chances de réussir.

Puis les cinq autres commencent à parler.

82%.

75%.

78%.

80%.

85%.

Est-ce vraiment six jugements ?

Pas forcément. Ce n'est peut-être qu'un jugement, plus cinq échos.

Je pense donc que les décisions qui compteront vraiment à l'avenir devraient peut-être commencer par quelque chose que beaucoup d'entreprises n'ont pas l'habitude de faire.

Ne parlez pas d'abord. Chacun écrit son jugement de façon indépendante. On le verrouille. Puis on discute. On échange les preuves. On entend la contradiction. Puis on autorise une révision.

L'entreprise peut laisser quatre choses : le jugement initial, la nouvelle preuve, le jugement révisé, et le résultat final.

Si rien de cela n'est laissé, ce dont l'entreprise se souvient des années plus tard, c'est en général seulement ce qu'a dit, à ce moment-là, la personne la plus puissante dans la pièce.

Et autre chose, dans la réunion, s'efface particulièrement facilement.

L'avis minoritaire.

Supposez que six personnes jugent la probabilité que le projet réussisse. Cinq d'entre elles disent :

75%.

78%.

80%.

72%.

77%.

Alice dit :

30%.

Que fait probablement une réunion traditionnelle ? Cinq personnes sont à peu près alignées. Alice est plus conservatrice. On continue.

Si on laisse l'IA calculer une moyenne pondérée simple, la situation n'est peut-être pas bien meilleure. Ce qui apparaît, c'est 68.7%. Cela a l'air extrêmement précis. Les gens peuvent même avoir le sentiment que le système a déjà tout compris.

La chose de valeur a pu être lessivée par cette moyenne.

Parce que l'IA peut continuer à regarder. Alice a traité cinq échecs très semblables. Sur cette classe de problèmes, ses prévisions passées n'étaient pas des cris au hasard. Elle a donné 30% avant d'entendre les réponses des autres. Et elle a pointé un risque de régulation que les cinq autres n'ont jamais mentionné.

À ce moment, la sortie utile de l'IA ne devrait pas être seulement Final Probability : 68.7%. Elle devrait être : il y a ici un désaccord qui mérite d'être rouvert.

C'est un principe dont je pense que les systèmes de jugement futurs auront besoin. Le but de l'agrégation n'est pas seulement de moyenner les avis en un chiffre. Ce qui compte, c'est de faire apparaître le désaccord qui mérite d'être vu.

Où les gens sont-ils vraiment d'accord ? Quel est le vrai désaccord ? Y a-t-il un avis minoritaire assis sur une expérience ou une preuve que les autres n'ont pas ? Le travail passé de qui est vraiment pertinent pour le problème d'aujourd'hui ? Et que ne savons-nous, en fait, pas ?

Ces questions valent souvent plus qu'un score total mystérieux. Parce que ce qu'une entreprise devrait vraiment craindre, ce n'est jamais que quelqu'un dans la pièce ne soit pas d'accord.

C'est que la « différence » la plus digne d'être entendue se fasse moyenner, lisser par politesse, et recouvrir légèrement par le titre.

Ici, il faut tracer une ligne très nette.

Même si la prévision d'Alice mérite un poids sérieux, cela ne veut pas dire qu'Alice détient automatiquement la décision finale.

Prediction n'est pas Decision.

La prévision demande : qu'est-ce qui a le plus de chances d'arriver ? La décision demande : connaissant ces possibilités, que faisons-nous vraiment ?

Beaucoup de choses s'intercalent. La stratégie. L'appétit pour le risque. Le droit. Les valeurs. Le cash. Le coût d'opportunité. Et le plus important : si c'est faux, qui rattrape le résultat ?

Une équipe peut juger correctement que la chance de livrer à temps n'est que de 32%. Cela ne veut pas automatiquement dire : annuler. L'entreprise peut vouloir acheter ces 32%. Ce peut être la seule fenêtre encore ouverte. Ne pas le faire peut coûter plus. L'entreprise peut même savoir que le taux de succès est bas et devoir le faire quand même, pour la stratégie.

Un système de jugement peut donc influencer le pouvoir. Il ne peut pas automatiquement devenir le pouvoir.

Savoir ce qui pourrait arriver, et décider quel avenir nous voulons porter, restent deux choses différentes.

Si l'essai s'arrêtait ici, le système pourrait déjà sembler beau.

Bien sûr, ce n'est pas si simple. Lui aussi tombe malade.

Le premier coup tombe sur les nouveaux.

Supposez que le jugement historique commence à influer sur le fait de savoir si quelqu'un mérite d'être entendu maintenant. Que se passe-t-il pour celui qui vient d'arriver ? Il n'a pas de dossier. Pas d'historique. Le système ne sait pas s'il est bon.

Il faut ici un principe très important :

Unknown n'est pas Bad.

Pas d'historique ne veut pas dire faible capacité. Les organisations réelles font facilement cette erreur. Pas de dossier devient une note basse, parce qu'un blanc est ce qui donne le moins de sécurité aux dirigeants. Les jeunes, ou quiconque est nouveau, s'assoient alors naturellement au fond — non parce qu'ils avaient tort, mais parce que le système ne les a pas encore vus.

L'avenir pourra laisser les nouveaux construire d'abord un dossier de jugement sur des problèmes à faible risque, avec un retour rapide. Il pourra les laisser faire des prévisions-ombres : laisser leur jugement, sans encore le laisser peser sur la décision formelle. Ces choses peuvent encore se concevoir.

Ce n'est pas encore la réponse. Cet essai n'a besoin que de bloquer un geste :

Ne jamais écrire « pas encore vérifié » comme « pas digne d'être entendu ».

Le deuxième coup, c'est le gaming.

Dès qu'un dossier de jugement commence à peser sur l'influence de quelqu'un, les gens commencent à gérer ce dossier. C'est humain.

Ils choisiront les questions faciles à prévoir. Ils éviteront les décisions à vraie incertitude. Ils rendront un peu plus tard. Ils verront d'abord ce que pensent les autres. Ils cacheront à quel point ils sont incertains. Après coup, ils réinterpréteront ce qu'ils voulaient dire. Ils feront joli le score, au lieu de rendre l'entreprise meilleure.

Ce n'est pas forcément que les salariés sont mauvais. C'est que le système a commencé à distribuer des récompenses. Une fois qu'un indicateur passe de « aider à comprendre » à « décider de l'avenir de quelqu'un », les gens commencent à vivre autour de l'indicateur.

Cette distinction doit donc rester en place :

Measurement.

Et :

Governance.

Vous pouvez enregistrer les prévisions de quelqu'un. Cela ne veut pas dire que vous avez déjà le droit de décider de sa carrière à partir de ce dossier.

Vous pouvez concevoir quelques protections. Verrouiller d'abord le jugement initial. Regarder les domaines séparément. Laisser les vieux dossiers perdre du poids. Autoriser la contestation. Distinguer ceux qui touchent les problèmes difficiles de ceux qui ne cultivent que les faciles.

Rien de tout cela ne tue le gaming. Cela le rend seulement plus dur. Tout système qui vous dit qu'il a complètement résolu le farming de score des salariés est celui qu'il faut le plus surveiller.

Le troisième coup est peut-être le plus dangereux.

Supposez qu'Alice ait vraiment été juste longtemps. Alors l'organisation l'écoute davantage. Plus elle l'écoute, plus il lui est facile d'entrer dans des projets plus importants. Plus de projets importants amènent plus d'information, de ressources et d'expérience. Puis son dossier se renforce encore.

Que se passe-t-il à la fin ?

Nous avons peut-être refait un VP permanent. Seulement, cette fois, le titre a disparu, et la hiérarchie habite la base de données.

C'est le résultat que tout le système de jugement doit empêcher. On ne peut pas tuer le VP permanent pour en refaire un dans la base de données.

Les gens qui ont déjà de la reconnaissance la reçoivent plus facilement encore. Ce n'est pas un phénomène nouveau. Les entreprises fonctionnent ainsi. L'université fonctionne ainsi. Les plateformes sociales aussi.

Si une chose appelée poids du jugement existe vraiment, elle doit au moins concerner ce problème, ce domaine, pouvoir expirer, pouvoir être contestée, et pouvoir admettre : cette fois, je ne sais pas.

Elle ne doit jamais devenir une nouvelle identité permanente.

Puis il y a un quatrième coup. À l'ère de l'IA, il est particulièrement embrouillé.

Les problèmes nouveaux.

Le calibrage historique échoue le plus facilement exactement quand l'entreprise a le plus besoin de jugement : des choses que personne n'a vues. L'ère de l'IA en produira davantage. Il y a trois ans, elles n'existaient pas. Les dossiers passés ne sont pas comparables. Les gagnants d'hier peuvent ne plus être justes.

À ce moment, le système doit accepter de dire : We don’t know.

Il ne peut pas fabriquer de l'autorité parce que l'histoire manque. Il ne peut pas supposer que, parce qu'Alice était particulièrement juste sur les vieux problèmes, elle doive encore peser le plus sur un problème tout neuf.

Parfois, le poids le plus honnête est : cette fois, personne n'a de privilège.

Alors, que devrait vraiment faire l'IA ici ?

Je pense maintenant que la réponse s'éclaircit. D'abord, ce qu'elle ne devrait pas faire.

L'IA ne devrait pas devenir un Management God. Elle ne devrait pas dire à l'entreprise qu'Alice devrait recevoir 37% du pouvoir. Le pouvoir ne se calcule pas ainsi.

Ce à quoi l'IA convient vraiment est assez concret. Trouver les décisions passées vraiment semblables. Regarder l'historique des jugements de probabilité de différentes personnes. Faire apparaître les preuves qui se contredisent. Remarquer quels avis ne sont que des copies les uns des autres. Marquer l'avis minoritaire. Garder le premier jugement et la révision plus tardive. Pointer quelle preuve manque encore. Clarifier le contexte d'une décision compliquée.

Autrement dit, le travail le plus important de l'IA n'est peut-être pas d'aider l'entreprise à décider directement. Il est d'abord d'aider l'entreprise à décider où regarder avec soin maintenant. Qui mérite encore une écoute. Quel risque ne doit pas glisser. Quelle preuve n'est pas encore entrée dans la pièce.

C'est une distinction que j'aime. L'IA peut aider à allouer l'attention. Elle ne devrait pas allouer automatiquement la souveraineté.

L'IA peut aider le pouvoir à trouver un meilleur jugement. Le pouvoir formel final devrait encore aboutir sur des personnes et des règles que l'on peut expliquer, contester, et tenir pour responsables.

Sinon, nous n'avons fait qu'externaliser une sorte de jugement pour une autre : donner le jugement au modèle, et laisser la responsabilité à l'air.

Après le premier tour de recherche, je pense que cinq principes tiennent encore, pour l'instant.

Ce ne sont pas des lois. Ce ne sont pas des vérités que Future Lab a déjà prouvées. Jusqu'ici, nous ne les avons pas percés nous-mêmes.

Premier :

Notez ce jugement. Ne donnez pas à une personne un score total.

Score predictions, not people.

Deuxième :

Pondérez cet avis. Ne pondérez pas une identité de façon permanente.

Weight judgments, not identities.

Troisième :

Enregistrez la contribution. Ne classez pas la valeur d'un être humain.

Record contribution, don’t rank human worth.

Quatrième :

Faites apparaître le désaccord qui mérite d'être vu. Ne le moyennez pas jusqu'à le faire disparaître.

Surface disagreement, don’t average it away.

Cinquième :

Laissez l'IA aider le pouvoir à trouver un meilleur jugement. Ne laissez pas l'IA elle-même devenir la source du pouvoir.

Let AI inform authority, never automatically become authority.

Le plus facile à rater est le premier. Noter le jugement glisse trop facilement vers noter la personne. Le système voudra un classement. Les dirigeants voudront une liste. Les salariés voudront un chiffre qu'ils peuvent cultiver.

À la fin, la prévision redevient identité.

Cet essai n'a donc toujours pas résolu l'entreprise du futur. Il a seulement répondu à la question laissée par l'essai précédent.

Si un titre ne doit pas décider de façon permanente qui a le dernier mot, nous ne devrions probablement pas trouver tout de suite une autre façon de classer les personnes.

Ce qu'il faut d'abord apprendre, c'est à juger : sur le problème concret d'aujourd'hui, quel jugement, et pourquoi, mérite d'être pris au sérieux ?

Mais dès que nous commençons à enregistrer ces jugements, la porte suivante apparaît.

Supposez que nous voulions vraiment savoir quelle information cette personne avait à ce moment-là. Ce qu'elle croyait. Quelle probabilité elle a donnée. Pourquoi elle a jugé ainsi. Si elle a ensuite changé d'avis à cause d'une nouvelle preuve. Et ce qui s'est finalement passé.

Alors l'entreprise doit résoudre un autre problème : comment une entreprise devrait-elle se souvenir d'une décision ?

Une fois le résultat sorti, la mémoire commence à réécrire l'histoire en silence. Sur les projets réussis, tout le monde se souvient d'avoir été pour. Sur les projets ratés, tout le monde se souvient d'avoir « eu des réserves tôt ».

Si le dossier de jugement d'une personne va vraiment influer sur qui mérite davantage d'être entendu, l'organisation doit laisser le jugement de ce moment-là avant que le résultat apparaisse.