Biais de jugement et qualité des décisions

Cette publication est l’épisode 4 sur 9 de la série « De la preuve à l’action — L’agilité incarnée ». Elle conserve la distinction de la source entre références établies, retours d’expérience anonymisés et cas pédagogiques simulés.

Introduction — Organiser la contradiction

Cas pédagogique — données simulées. My Little Old Cie adopte le vocabulaire et les événements Scrum, mais conserve des décisions centralisées, des silos et des contrôles tardifs. Les indicateurs ne s’améliorent pas. Le scénario illustre un défaut de diagnostic, pas une déficience individuelle.

Les biais cognitifs sont des régularités de jugement qui peuvent affecter toute personne, quel que soit son niveau d’expertise. Leur existence ne permet pas d’expliquer rétrospectivement chaque échec ni d’étiqueter une équipe.

Une organisation professionnelle ne cherche pas à supprimer les biais — objectif irréaliste — mais à concevoir des mécanismes qui rendent les hypothèses discutables et les décisions révisables.

Les chapitres suivants traitent successivement de la calibration, du biais de confirmation et de plusieurs mécanismes d’ancrage ou de sélection de l’information. Les pratiques proposées doivent être évaluées par leur capacité à améliorer une décision réelle.

Chapitre 11 — Calibration du jugement et illusion de maîtrise

Ce que décrit réellement l’effet Dunning-Kruger

L’étude fondatrice de 1999 porte sur la capacité d’individus à évaluer leur propre performance dans plusieurs domaines. Elle montre que de faibles compétences peuvent aussi limiter la capacité à reconnaître ses erreurs, ce qui favorise des auto-évaluations mal calibrées [5].

Ce résultat ne justifie ni la courbe populaire en quatre étapes souvent diffusée en ligne, ni l’idée qu’une organisation entière « souffre » mécaniquement du même biais. Dans ce document, l’effet est utilisé comme une grille de lecture prudente de la calibration, et non comme un diagnostic psychologique.

Le risque organisationnel : confondre conformité et compétence

Une organisation peut conclure qu’elle maîtrise Scrum parce que les événements sont planifiés, que les rôles sont nommés et que les outils sont configurés. Ces signaux décrivent une adoption visible ; ils ne démontrent ni la qualité de l’empirisme ni la capacité à produire un résultat utile.

Le problème n’est pas l’ignorance supposée des personnes. Il réside dans l’absence de mécanismes capables de comparer les perceptions aux résultats.

Cas pédagogique — données simulées. Chez My Little Old Cie, les équipes évaluent favorablement leur maturité parce que les cérémonies sont tenues. Les données de flux, de qualité et de satisfaction montrent pourtant une dégradation. Le scénario illustre un défaut de calibration, pas une mesure psychologique des personnes.

Signaux de mauvaise calibration

Mécanismes de recalibration

Mesurer avant de conclure. Associer aux pratiques des indicateurs de résultat : défauts échappés, Cycle Time, adoption, satisfaction, délai de décision ou stabilité des objectifs.

Faire évaluer un échantillon de travail. Une revue de backlog, d’Increment ou de décisions réelles apporte davantage d’information qu’un questionnaire de maturité isolé.

Demander une prévision. Avant une action, expliciter le résultat attendu, le délai et le niveau d’incertitude. Comparer ensuite la prévision à l’observation.

Créer une contradiction constructive. Confier à une personne ou à un groupe la responsabilité de rechercher les éléments qui pourraient invalider l’hypothèse dominante.

Protéger la dignité des personnes

Qualifier une équipe d’« incompétente » ferme la discussion et transforme une question de système en jugement identitaire. Une posture professionnelle décrit plutôt les écarts observés, les informations manquantes et les conditions qui empêchent l’apprentissage.

L’objectif n’est pas de diminuer la confiance. Il est d’améliorer sa calibration : savoir ce que l’on maîtrise, ce qui reste incertain et quelle expérience permettra de progresser.

Chapitre 12 — Biais de confirmation : rechercher ce qui pourrait nous donner tort

Mécanisme

Le biais de confirmation désigne la tendance à chercher, interpréter et mémoriser plus facilement les informations compatibles avec une croyance existante [17]. Il n’implique pas une manipulation consciente.

Dans une transformation, il peut conduire à sélectionner les signes d’adoption — cérémonies tenues, personnes formées, outil déployé — tout en minimisant les signaux contraires : délais inchangés, qualité dégradée ou décisions toujours centralisées.

Cas pédagogique — données simulées. Chez My Little Old Cie, le management interprète une hausse de vélocité comme une preuve de progrès, mais n’examine ni la modification de l’échelle d’estimation ni l’évolution de l’adoption et des défauts.

Quatre manifestations

Pratiques de défense

Définir le critère d’invalidation avant l’action. L’équipe précise les observations qui l’amèneraient à arrêter ou modifier l’intervention.

Présenter un tableau de bord équilibré. Chaque mesure de vitesse est accompagnée d’un signal de qualité, de résultat et de soutenabilité.

Attribuer un rôle contradictoire. Une personne ou un groupe recherche les causes alternatives et les éléments absents du raisonnement.

Séparer observation et interprétation. « Le Cycle Time médian a augmenté » est une observation ; « l’équipe résiste au changement » est une interprétation qui demande des éléments supplémentaires.

Inviter des utilisateurs et parties prenantes à l’inspection. Le feedback direct réduit le risque de construire une explication uniquement interne.

Question de contrôle

La question la plus utile n’est pas « quelles données prouvent que nous avons raison ? », mais « quelle observation crédible modifierait notre décision ? ».

Chapitre 13 — Ancrage, sélection et persistance des décisions

Plusieurs biais, un même enjeu

Les décisions organisationnelles combinent souvent une information incomplète, une pression temporelle et des intérêts divergents. Plusieurs biais peuvent alors renforcer une décision initiale même lorsque le contexte change [17].

Ancrage

Une date, un budget ou une estimation prononcés tôt peuvent devenir une référence implicite, même lorsqu’ils reposent sur peu d’informations. La discussion s’organise alors autour de l’écart à l’ancre plutôt qu’autour de la distribution des résultats possibles.

Une approche plus robuste produit plusieurs estimations indépendantes, explicite les hypothèses et exprime l’incertitude. Pour le travail récurrent, les données de débit et de Cycle Time peuvent compléter le jugement ; elles ne suppriment pas l’incertitude.

Biais du survivant

Observer seulement les équipes, produits ou transformations encore visibles surestime les chances de succès. Une analyse professionnelle inclut les initiatives arrêtées, les contextes où la pratique n’a pas fonctionné et les coûts nécessaires à son maintien.

Lorsqu’un exemple est présenté, il faut donc préciser sa nature : cas pédagogique, retour d’expérience, étude de cas publiée ou résultat de recherche.

Biais de récence

Un incident récent peut provoquer un contrôle disproportionné ; un succès récent peut faire sous-estimer un risque durable. La parade consiste à convenir de la période et des seuils avant d’observer le résultat.

Les métriques de tendance doivent être accompagnées d’événements qualitatifs : changement d’équipe, incident exceptionnel, nouvelle classe de travail ou modification du produit.

Coût irrécupérable

Le temps et l’argent déjà dépensés ne peuvent pas être récupérés. Ils expliquent l’histoire de la décision, mais ne suffisent pas à justifier sa poursuite.

Une revue utile compare trois options : poursuivre, adapter ou arrêter. Elle examine les coûts futurs, la valeur encore accessible, le risque et la meilleure utilisation alternative des capacités.

Un protocole de décision révisable

1. Décrire le problème et l’objectif.
2. Lister les hypothèses et informations manquantes.
3. Produire plusieurs scénarios, dont l’arrêt.
4. Définir des critères de succès, d’échec et de réexamen.
5. Enregistrer la décision et la date de revue.
6. Comparer le résultat à la prévision sans réécrire l’histoire.

Ce protocole ne garantit pas une décision correcte. Il rend le raisonnement explicite, contestable et améliorable.

Sources

1. Manifesto for Agile Software Development, Kent Beck et al., 2001.

2. Le Guide Scrum, Ken Schwaber et Jeff Sutherland, version française, novembre 2020.

3. The Kanban Guide, Kanban Guides, mai 2025.

4. Evidence-Based Management Guide, Scrum.org, 2024.

5. Unskilled and unaware of it, Justin Kruger et David Dunning, Journal of Personality and Social Psychology, 1999.

6. Psychological Safety and Learning Behavior in Work Teams, Amy C. Edmondson, Administrative Science Quarterly, 1999.

7. Certified Tester Foundation Level — CTFL v4.0, ISTQB, page et syllabus officiels.

8. DORA metrics, DORA, guide officiel des indicateurs de performance de livraison logicielle.

9. Shape Up, Basecamp, ressource officielle en ligne.

10. Org Topologies — Mapping, Org Topologies, ressource officielle de cartographie.

11. The Kanban Guide for Scrum Teams, Scrum.org, guide officiel.

12. Turn the Ship Around!, L. David Marquet, page officielle de l’ouvrage.

13. Managing the Development of Large Software Systems, Winston W. Royce, actes IEEE WESCON, 1970.

14. Problems of Monetary Management: The U.K. Experience, Charles A. E. Goodhart, 1975.

15. Theory in Practice: Increasing Professional Effectiveness, Chris Argyris et Donald A. Schön, 1974.

16. Agile Testing: A Practical Guide for Testers and Agile Teams, Lisa Crispin et Janet Gregory, Addison-Wesley, 2009.

17. Thinking, Fast and Slow, Daniel Kahneman, Farrar, Straus and Giroux, 2011.