Jakouille la fripouille

Où en sont les applications de modèles de prise de décision sur ordinateur dans les entreprises ?
Certains scientifiques sont convaincus que les systèmes d’IA sont plus cohérents et plus précis que l’homme dans les prises de décision de routine. D’autres sont beaucoup plus réservés et rappellent des échecs retentissants. Le NY Times fait le point (A lire : « Homme et Machines » sur le blog de Bernard Salanié)…

Le Professeur Chris Snijders de l’Université de Technologie d’Eindhoven, au Pays-Bas, a étudié les décisions de routine prises par les managers, et est convaincu qu’un modèle sur ordinateur peut faire un meilleur travail.
« Dès que vous disposez de quelque historique et de données quantifiées d’expériences passées, » déclare Snijders, un simple algorithme prendra vite de meilleures décisions qu’un professionnel.
Certaines des expériences de Snijders au cours des deux dernières années ont examiné les résultats que des managers de services achats de plus de 300 organisations ont obtenus en passant des commandes d’équipements en ordinateurs et logiciels. Les modèles sur ordinateurs ont, pour les mêmes tâches, obtenu de meilleurs résultats en terme de respect de délai de livraison, cohérence avec le budget et exactitude des spécifications.
L’assureur Hollandais Interpolis, dont le département juridique s’est développé rapidement, a fait appel à Snijders pour évaluer un modèle qu’il a conçu pour automatiser le traitement des nouveaux dossiers, un job auparavant exécuté manuellement par le personnel juridique maison.
Le manager en charge du projet, Ludo Smulders, estime que le modèle a été plus rapide et plus précis que l’ancien système.

La principale raison de l’avantage des ordinateurs est leur cohérence, ou plutôt l’incohérence humaine, dans l’application du savoir.
« Les gens ont une foi mal placée dans le pouvoir du jugement et de l’expertise, » dit Greg Forsythe, senior vice président chez Schwab Equity Ratings, qui utilise des modèles sur ordinateurs pour évaluer les actions boursières.
Les algorithmes derrière de tels quant funds, dit-il, réagissent avec « beaucoup plus de profondeur de données que ne le peut le cerveau humain. Et dans les moments critiques n’ont pas d’émotion. »

De nombreuses qualités présumées des managers, comme l’expérience et l’intuition, serait en fait largement illusoire. Dans les expériences de Sniders, par exemple, non seulement la machine performe généralement mieux que les managers, mais certaines managers performent plus mal avec le temps, en développant de mauvaises habitudes qui restent sans correction par manque de feedback.

Les modèles ont d’autres avantages, à côté de leur précision et de leur cohérence. Ils permettent à leurs organisations de centraliser et codifier le savoir chèrement acquis sous une forme concrète et facilement transférable, et il reste là quand l’expert s’en va. Ils sont aussi plus rapide que les personnes, insensible à la fatigue et permettent à l’expert humain de consacrer plus de temps à d’autres tâches, hors du scope actuel de l’ordinateur.
 

Mais s’ils sont si bons, pourquoi ne sont-ils pas utilisés partout ?

Tout le monde n’est pas convaincu que les managers sont d’incorrigibles myopes.

« Je pense qu’il y a un tas de gens avec une forte orientation technologique qui pensent que la vie serait beaucoup plus simple si elle n’était faite pour les humains. Mais la réalité est que les organisations ont en elles un tas de problèmes humains très intenses et compliqués, » dit Laura Empson, directeur du Clifford Chance Center of the Said Business School à l’Université d’Oxford.

Max H. Bazerman, professeur à la Harvard Business School, se demande combien de décisions managériales peuvent actuellement être modélisées. « La grande majorité des décisions que nous prenons dans notre vie professionnelle n’ont pas cette qualité, » dit-il.
Il est d’accord que les modèles peuvent prendre de meilleurs décisions pour les demandes de cartes de crédit ou les admissions à l’Université, « mais il y a nombre de décisions qui sont beaucoup plus uniques, où il n’y a pas de base de donnée. Je suis aussi sceptique que ces gens [les tenants des modèles] sur l’intuition humaine, mais ce n’est pas un modèle sur ordinateur qui la remplacera. Parfois c’est penser plus clairement, » dit-il.

Beaucoup se réfèrent toujours à la débâcle de Long Term Capital Management, un hedge fund de haut vol qui a compté plusieurs lauréats Nobel parmi ses fondateurs. Ses algorithmes ont, au début, maîtrisé l’univers obscur de l’arbitrage et des produits dérivés avec un talent remarquable, jusqu’à ce que la dévaluation du rouble Russe en 1998 ne mette le fond en vrille.
Aussi longtemps que les conditions de l’environnement correspondaient à celles du programme, tout a bien fonctionné. Mais quant les hypothèses qui ont présidé à l’élaboration du modèle ont été violées, il a conduit à d’énormes pertes d’argent et à un effondrement potentiel du système financier mondial.

Néanmoins, certains considèrent que la montée des modèles est inévitable.  Mark E. Nissen, professeur à la Naval Postgraduate School de Monterey, Calif., qui a étudié les systèmes d’approvisionnement computer-vs.-humain, voit un changement fondamental en cours, avec les humains devenant de plus en plus périphériques dans les prises de décision de routine, se concentrant sur le développement de modèles toujours plus performants.
« Le nouvel espace, celui qui est le plus excitant, est celui ou les ordinateurs traitent les problèmes mais ont un système suffisamment sophistiqué pour appeler une personne à l’aide quand ils sont coincés, » dit-il.

(Source : DOUGLAS HEINGARTNER, The NY Times du 18.07.2006)