Alors que les prévisions sont si sujettes à l’erreur, pourquoi continuons-nous à nous y fier autant pour prendre des décisions cruciales ? Une hypothèse raisonnable est que pour pouvoir commencer à planifier l’avenir, nous estimons que nos efforts de planification doivent avoir une base. Il serait juste de dire que la plupart des décideurs sont conscients qu’il est impossible de prédire l’avenir avec une précision de 100 %. Il est largement admis que les prévisions comportent une certaine marge d’erreur et que les prévisions à faible marge d’erreur sont celles qui font la différence.
Une approche plus saine consisterait donc à cesser de se demander pourquoi les prévisions sont toujours erronées et à essayer plutôt de minimiser la marge d’erreur. Après tout, dans un monde où les chimpanzés battent les professionnels de Wall Street en matière de compétitivité salariale, une marge d’amélioration doit être possible.
Comment alors maximiser la précision de vos prévisions ? Voici quelques conseils utiles :
Connaître et accepter ses erreurs
Personne n’est Nostradamus. Les erreurs font partie intégrante de vos prévisions. Il s’agit donc de minimiser la marge d’erreur tout en restant fidèle à la qualité globale de vos données – en faisant des hypothèses, en arrondissant les statistiques vers le haut ou vers le bas, etc. – déterminera le succès de votre gestion des erreurs. Vous vous souvenez peut-être d’expériences scientifiques réalisées au lycée, où l’on utilisait une marge d’erreur pour une variable en corrélation directe avec une autre, et où il était utile de s’en tenir à la même marge d’erreur pour les variables interdépendantes.
Une autre règle utile et souvent négligée consiste à se rappeler que plus nous essayons de prédire l’avenir, plus la marge d’erreur est normalement importante. Pensez aux prévisions météorologiques : les prévisions du lendemain sont souvent plus précises que celles de la semaine prochaine.
Améliorez la qualité de vos données
La collecte, l’affinage et l’analyse des données pour les prévisions est un art en soi. À l’heure actuelle, l’utilisation du big data monte en flèche et de plus en plus de données peuvent être suivies, stockées et analysées d’une multitude de façons. Par rapport aux prévisions des années 70 et 80, il n’a jamais été aussi important de trouver les données les plus pertinentes – et pas n’importe lesquelles – et c’est un défi que les professionnels de la prévision doivent relever aujourd’hui.
Le crowdsourcing est un bon moyen d’augmenter votre échantillonnage de données pertinentes. Sports Interactive (SI), le fabricant du jeu numérique Football Manager, a récemment lancé une version B2B destinée aux clubs de football professionnels, qui a utilisé et popularisé avec succès le modèle de crowdsourcing. Contrairement au modèle de recrutement traditionnel qui consiste à envoyer des recruteurs individuels dans différentes ligues nationales, le réseau de crowdsourcing de SI, composé de plus de 1 300 recruteurs (qui reçoivent constamment des commentaires de la part des fans et des joueurs de Football Manager), fournit des données beaucoup plus actualisées et fiables sur les joueurs individuels et élimine les opinions subjectives des recruteurs individuels.
Si vous n’êtes pas en mesure d’externaliser votre collecte de données, une stratégie similaire pourrait consister à externaliser l’analyse des données, c’est-à-dire à confier le processus de prévision à différentes personnes au sein d’une organisation plutôt que de le déléguer à un petit nombre de personnes. Je reviendrai plus en détail sur cet aspect du crowdsourcing dans un prochain blog.
Prévoir plus souvent
“Si vous devez faire des prévisions, faites-les souvent. Cette citation devrait aller de soi. Plus vous effectuez des prévisions fréquemment, plus vous réduisez votre horizon de prévision. Cela vous permet de vérifier la réalité et de réduire votre marge d’erreur.
Former et/ou recruter des “super prévisionnistes”
“L’instinct grégaire des prévisionnistes fait passer les moutons pour des penseurs indépendants” (Edgar R. Fiedler, The Three Rs of Economic Forecasting-Irrational, Irrelevant and Irreverent, juin 1977).
Les super prévisionnistes ne sont pas des extraterrestres ou des personnes exceptionnellement intelligentes. Le talent de prévision peut être enseigné, cultivé ou, si la formation du personnel existant est inabordable, recruté.
Dans un récent livre à succès sur les prévisions, Superforecasting : The Art and Science of Predictionl’auteur Philip Tetlock affirme que la plupart des super-préviseurs ont un QI supérieur à la moyenne (sans être nécessairement des génies), une forte mentalité statistique et le courage d’aller à l’encontre des décisions ou des préjugés préétablis, c’est-à-dire le pouvoir de dire non et de présenter leurs conclusions malgré le fait que la direction générale attende d’eux qu’ils prévoient un scénario particulier qui corrobore leurs propres arguments.
La gamification – c’est-à-dire l’organisation de tournois et de concours de prévision – est essentielle pour faire appel à la foule, améliorer la précision des prévisions et motiver et former de super prévisionnistes.
Le bon logiciel
Vous avez amélioré la qualité de vos données, pris conscience de la marge d’erreur, décidé de la fréquence optimale des prévisions et formé/recruté le personnel adéquat. Quel est le maillon manquant de la chaîne ? Il s’agit d’investir dans le bon logiciel, qui, comme le tapis du Big Lebowski, est l’élément qui relie la pièce. En bref, les quatre principales caractéristiques d’un bon logiciel de prévision sont les suivantes :
- Il utilise le bon langage et le bon algorithme (en fonction de l’expertise scientifique du fournisseur du logiciel).
- Il est stable pour une utilisation continue
- Il offre une bonne interface utilisateur, ce qui est essentiel pour la formation du personnel.
- Il offre de bons outils de reporting (permettant de visualiser les résultats pour l’encadrement supérieur).
Caractère aléatoire inhérent
Vous pouvez avoir fait tout ce qu’il fallait, mais vous devez toujours accepter le caractère aléatoire inhérent à chaque prévision. Certes, le degré d’aléa diffère d’une prévision à l’autre, mais il faut accepter le fait que la chance – c’est-à-dire les cas de force majeure – joue un rôle important dans chaque prévision. Il est donc essentiel de se préparer au pire.
