Construire des plans avec de la marge pour les résultats hors de votre modèle
Réservez de la capacité pour des événements qui ne sont pas dans votre modèle de risque — car les événements les plus dommageables ne le sont généralement pas.
Why it works
La gestion des risques standard liste les risques connus et alloue des mesures de secours pour eux. Mais l'argument de Taleb — cohérent avec les preuves historiques sur les crises financières, les pandémies, et la disruption technologique — est que les événements causant le plus de dommages se situent typiquement entièrement hors du modèle pré-crise. Construire une marge générale (réserves financières, tampons de calendrier, optionnalité) qui peut être déployée pour des inconnues inconnues plutôt que seulement pour des risques pré-spécifiés est le correctif pratique.
How to do it
- Après avoir listé vos risques connus et mesures de secours, ajoutez un budget séparé pour les événements « inconnu inconnu ».
- Dimensionnez-le comme un pourcentage de la capacité totale, pas comme une réponse à un scénario spécifique.
- Résistez à la pression de spécifier à quoi sert la marge — le but est qu'elle ne peut pas être spécifiée à l'avance.
Données probantes
Cohérent avec la recherche sur le sophisme de planification et l'analyse post-crise des échecs à travers la finance, la médecine, et les infrastructures : les modèles qui ne tiennent compte que des risques connus sous-estiment systématiquement le risque total. Taleb documente cela historiquement dans Le Cygne noir. (observational)
L'ampleur de la marge nécessaire dépend fortement de la volatilité du domaine ; il n'y a pas de pourcentage universel. C'est une direction, pas une formule.
Erreur fréquente
Traiter le budget inconnu-inconnu comme un gaspillage s'il n'est pas utilisé pendant plusieurs années et l'éliminer pour optimiser l'efficacité — exactement quand il est le plus nécessaire.
Pratiquez cela avec IX Coach
More practices for Le sophisme ludique : quand vous confondez la vraie vie avec un jeu
- Vérifier si les règles de votre domaine sont réellement stables
Avant d'appliquer tout modèle de probabilité, demandez si les règles régissant les résultats pourraient changer en cours de partie.
- Tester les plans sous stress au-delà de la fourchette historique
Demandez comment votre plan tient si le pire résultat est deux fois pire que tout cas historiquement observé.
- Préférer les positions offrant de l'optionalité à celles offrant de la précision
Dans les environnements incertains, priorisez les options de pivoter par rapport aux positions fixes optimisées.
- Se méfier de la fausse précision dans les prévisions et modèles
Traitez toute probabilité précise ou prévision quantitative avec une suspicion explicite quant à savoir si le modèle correspond au domaine.
- Questionner si la catégorie depuis laquelle vous raisonnez correspond réellement
Avant d'appliquer un modèle ou un cadre, vérifiez que la catégorie sur laquelle il a été construit correspond réellement à votre situation.
Concepts associés
- Le sophisme narratif : pourquoi nous ne pouvons pas nous empêcher de fabriquer des histoires
How causal stories distort hindsight, forecast, and learning — and how to reduce their pull
- Système 1, Système 2, rendus utilisables
Two systems, the biases they create, and when to slow down
- La négligence du taux de base : pourquoi nous ignorons les probabilités
How to let prior probabilities do their real work in your decisions