Analyse

Le théorème du no free lunch et l’intelligence économique

Le 18 février 2021 par Pierre-Guive Yazdani

Selon le théorème du “no free lunch”, lorsque la solution à un problème est totalement inconnue, toutes les méthodes pour la trouver se valent. Cela explique pourquoi l’imagination humaine peut permettre d’obtenir des résultats. Un bref retour sur diverses expériences sur le marchés des titres boursiers est un exemple de l'intérêt d’utiliser des modèles issus des sciences “dures”, ou au moins tenter de calculer le retour sur investissement (ROI). Une telle approche serait utile pour pousser les grands décideurs, possédant une grille de lecture scientifique, à adopter l’intelligence économique (IE).

Dans les années 2000, la société Barclays Stockbrokers associée à la British Association's National Science et Richard Wiseman, psychologue, ont réalisé une étude fort intéressante. Ils ont demandé à un trader aguerri, un astrologue et une jeune fille de 5 ans de se constituer un portefeuille d’actions. Résultat: la fillette obtient de loin les meilleurs résultats, suivie par le trader et l’astrologue. L’expérience a été réitérée plusieurs fois avec un singe qui, surprise, a battu les meilleurs fonds. Ces résultats peuvent s’expliquer grâce au recours au théorème du no free lunch.

Le théorème du no free lunch devrait être la base de l’intelligence économique

Le théorème du no free lunch tire son nom de l’expression anglo-saxonne: “There ain't no such thing as a free lunch” que l’on peut traduire par ‘on a rien sans rien’. Dans le contexte de la recherche de solutions cela signifie que : puisque le futur est par définition aléatoire, toutes les méthodes pour trouver la solution ont la même probabilité d’être la plus optimale. Avant de poser le bien-fondé d’une méthode il faut donc prouver qu’elle a des résultats significativement supérieurs à une méthode aléatoire, c'est-à-dire laisser une fillette ou un singe choisir.

L’IE est un carrefour de savoirs mais elle reste cependant imperméable aux modèles mathématiques ou à l’analyse du ROI. L’immense majorité de ces modèles n’a pas la prétention de prévoir l’avenir ou d’expliquer à 100% les choses. Cependant, les modèles, même les plus simples permettent de penser clairement et d’éviter les biais de pensée et d’observation comme a pu l’observer Robyn M. Dawes dans son célèbre article de recherche “The robust beauty of improper linear models in Decision Making”. Exceptée la thèse de Thierry Lafon (“La rationalité de la décision d'investissement dans l'intelligence économique et stratégique: Le cas de l'entreprise familiale et patrimoniale non cotée”), aucune étude comparative n’existe sur les performances d’un expert en IE par rapport à tout autre méthode aléatoire, ce qui fait qu’en l’état actuel de la recherche, l’IE n’a pas prouvé sa valeur intrinsèque aux yeux des décideurs qui comptent: les industriels et les financiers. Cela implique donc que leur grille de lecture n’est pas la même que celle du décideur lambda. Ils sont également soumis au jugement de l’actionnaire qui juge sur les résultats et pas sur le bien-fondé ou non d’une stratégie. En conséquence, l’IE en tant que méthode de recherche de solution constitue un risque et non une solution du point de vue du stratège dans le sens où le recours à la méthode ne se justifie ni par la recherche ni par le ROI.

L’intelligence économique et le ROI

Comme tous les croyants, les partisans de l’astrologie mettent en exergue l'âge de la croyance, son nombre d’adhérents et quelques miracles. En effet, comme le prouve l’expérience suscitée, un astrologue a souvent raison. Cependant il a nettement moins raison que l’expert dans son domaine, et encore moins raison que la fillette ou le singe. Où situer l’expert en IE? Bien trop souvent, l’intelligence économique est un fourre-tout qui nuit à la reconnaissance de la matière. Dans le milieu de l’IE se côtoient l’historien, l’ingénieur, le militaire, le communicant et bien d'autres encore; des méthodes reconnues de résolution des problèmes (la recherche en sources ouvertes, la cybersécurité, etc…) partagent l’affiche avec des matières qui relèvent du domaine de l’art plutôt que du scientifique. Or plutôt que de s’ignorer, l’art et la recherche de profit peuvent faire bon ménage lorsque la méthode de l’un permet de canaliser le génie créatif de l’autre; en somme concentrer les efforts plutôt que de compter sur la chance. Thierry Lafon propose ainsi une heuristique qui fait ses preuves notamment dans le cas de la crise Covid au travers de l'utilisation d’une méthode systématique et du benchmarking régulier.

L'absence de recours à des modèles mathématiques dans les démarches d’intelligence économique

Premier exemple: cartographier un réseau, identifier des acteurs constitue une plus-value que peut apporter l’intelligence économique. Cependant, sur quelle méthode se base un expert en IE pour assurer la meilleure efficacité d’une opération d’influence au sein d’un réseau? Jusqu'à preuve du contraire et après sondage de quelques praticiens faisant autorité dans le domaine, aucun expert ne s’appuie sur un modèle reconnu comme l'algorithme de  Pinto-Thiran-Vetterli, le modèle de contagion SIS qui s’applique aussi bien au virus qu’aux rumeurs et aux informations ou encore le modèle de diffusion d’un feu de forêt qui peut aussi être utile. Quel expert en IE est aujourd’hui capable de déterminer la fluidité/vitesse de circulation d’un message au sein d’un réseau qu’il a lui-même identifié? Pour aller au bout du raisonnement, pourquoi un décideur devrait-il immobiliser du capital au-delà de la cartographie sur la seule confiance que renvoie le praticien? Si le monde n’est pas linéaire, si l’imagination a sa place, il ne faudrait pas oublier qu’une fonction non-linéaire n’est qu’un ensemble de fonctions linéaires: le génie humain a ses limites. Il faut un pilote pour piloter un avion, mais également un ensemble d'instruments sophistiqués sur lesquels compter; à moins que le pilote veuille continuer à voler dans un biplace. Les sciences dures peuvent justement permettre de fournir à l’indispensable pilote (le praticien de l’IE) ces moyens.

Deuxième exemple : Après avoir cartographié le réseau, identifié les acteurs, obtenu un résultat, quel expert en IE est capable d’estimer rationnellement l’efficacité de son opération? C'est-à-dire, comment peut-il prétendre savoir si son action sera pérenne ou pas? Jusqu'à preuve du contraire, aucun expert en IE n’utilise par exemple les modèles de convergence de Markov qui permettent de déterminer quel est l’état stationnaire d’un système, ainsi que son point d’équilibre. In fine comment prouver que son opération d’influence ne sera pas un coup dans l’eau avant que le réseau retrouve son équilibre “naturel”? Par ailleurs, les modèles de Markov peuvent aussi être utilisés dans le cadre de la recherche de l’auteur d’un texte, donc d’un communiqué ou même un site internet..

Ces modèles ne sont que quelques exemples qui interrogent sur les méthodes utilisées par le monde de l’IE qui obtient certes des résultats à l’image du trader dans l’expérience suscitée. Rappelons que même des décideurs de haut-niveau comme François Mitterrand ont utilisé des conseillers “disruptifs” et que le recours par des grandes entreprises à l’IE ne justifie pas de son utilité intrinsèque tant que le débat sur son ROI ne sera pas tranché. D’ailleurs, pourquoi le monde de l'entreprise fait-il appel à l’IE? Si l’on se base sur les modèles mathématiques de recombinaison et de diversité, il apparaît que l’IE pourrait ne pas être utilisée en tant que méthode à part entière mais comme la méthode pour obtenir un heuristique différent, à l’image du recours à l’écriture par l’armée française.

 

Pierre-Guive Yazdani

 

Pour aller plus loin:

Partenaires