Les startups font face à l’incertitude, mais apprennent encore les mauvais modèles

Les startups célèbrent souvent les fondateurs qui se lancent avant de regarder, ceux qui improvisent avec des ressources limitées, réagissent vite et racontent ensuite une belle histoire. Mais s’agit-il vraiment de créativité sous pression, ou simplement de la rétrospective déguisée en stratégie ?

C’est l’une des questions soulevées par une nouvelle recherche que j’ai menée avec Frank Fossen et Cédric Gutierrez. Notre analyse des modèles de prise de décision en situation d’incertitude apporte un éclairage nouveau sur l’effectuation, une manière de penser populaire dans l’univers des startups, qui privilégie l’action plutôt que la prédiction.

Plutôt que de tout cartographier à l’avance, l’effectuation encourage les entrepreneurs à partir de ce qu’ils ont déjà et à s’ajuster en cours de route. Cela paraît pragmatique. Mais la recherche met en évidence une distinction importante : certains fondateurs s’adaptent de façon délibérée, tandis que d’autres s’en remettent à l’instinct et ne rationalisent leurs décisions qu’après coup. Dans ce cas, il devient difficile (même pour eux) de savoir s’ils font des choix stratégiques ou s’ils réagissent simplement sous pression. 

Cette ambiguïté devient plus problématique lorsqu’on l’examine à travers le prisme des sciences de la décision. Un cadre très enseigné en école de commerce — la théorie de l’utilité espérée (Expected Utility Theory, EUT) — suppose que les décideurs peuvent lister toutes les issues possibles, attribuer une probabilité à chacune et choisir l’option au meilleur rendement espéré. Or, les fondateurs n’ont généralement pas ces informations : leurs décisions se prennent dans l’incertitude.

Un cadre de décision est largement enseigné en formation en management, mais les fondateurs ne disposent généralement pas des informations nécessaires ; leurs décisions sont donc prises dans l’incertitude.

Quand les entrepreneurs ne peuvent pas s’appuyer sur des probabilités claires, ils retombent souvent sur des raccourcis mentaux pour décider. Ces comportements sont décrits par des modèles comme la théorie du soutien aléatoire (random support theory), qui explique comment les individus estiment des probabilités à partir d’un petit nombre d’exemples marquants ou d’indices saillants, en négligeant souvent des régularités statistiques plus larges. 

Un autre modèle, le raisonnement par cas (case-based reasoning), montre comment les décisions sont façonnées par des expériences passées — réelles ou imaginées — qui ne sont pas forcément pertinentes.

Ces raccourcis sont fréquents, mais ils se retournent souvent contre ceux qui les utilisent.

Nous l’avons observé clairement dans notre analyse de jurys d’évaluation de startups au Canada. Les évaluateurs surestimaient fréquemment les chances de succès d’idées très précoces, en particulier lorsque l’incertitude était forte. Leurs prédictions correspondaient souvent mal à ce qui s’est réellement produit — signe que même des experts ont du mal à juger correctement sans les bons outils ni des boucles de retour d’information.

Une approche émergente — souvent appelée entrepreneuriat bayésien — propose que les fondateurs traitent leurs décisions comme des expériences : tester des idées, apprendre de ce qui se passe et s’ajuster en fonction des résultats.

Mais en pratique, appliquer cette approche est difficile. Les fondateurs font face à la pression du temps, à un retour d’information limité et à un manque de structure — des conditions qui rendent compliquée la conduite d’expériences “propres” et un apprentissage systématique. La plupart ne sont pas formés à formuler des croyances ni à les mettre à jour avec des données. Même ceux qui essaient peuvent peiner à réunir de bonnes preuves ou à les interpréter de façon fiable.

Malgré tout, la piste reste prometteuse. La recherche montre qu’une formation structurée peut aider les entrepreneurs à adopter une démarche plus scientifique : formuler des hypothèses, mener des tests et réviser leurs croyances. Avec de meilleurs systèmes de soutien, comme l’accompagnement par des mentors, il existe un vrai potentiel pour rendre des conseils de haute qualité plus accessibles et améliorer la façon dont les fondateurs apprennent de l’expérience.

Un bon exemple est le distributeur américain Zappos. Au départ, son fondateur Nick Swinmurn croyait au potentiel de la vente de chaussures en ligne, même quand d’autres étaient sceptiques. Cette conviction l’a poussé à poursuivre et tester un modèle économique que d’autres avaient écarté. C’est un cas où la conviction alimente l’expérimentation, exactement comme le prédit la théorie bayésienne. 

L’un des résultats les plus marquants est que même des évaluateurs expérimentés peinent souvent à estimer correctement les chances de succès des startups. Leurs prévisions sont généralement trop confiantes et mal calibrées, surtout comparées à celles d’experts d’autres domaines — par exemple les prévisionnistes météo — qui reçoivent un retour régulier et apprennent à affiner leurs prédictions avec le temps.

Les fondateurs et les investisseurs, eux, s’appuient souvent sur leur intuition, avec peu d’occasions d’apprendre de leurs erreurs. Mais cette différence n’a rien d’inéluctable : avec la bonne formation et un retour d’information adapté, on peut progresser dans les jugements sous incertitude. 

Si la plupart des décisions entrepreneuriales se prennent “dans le noir” — sans probabilités ni issues claires — alors une planification rigide passe à côté de l’essentiel. Une meilleure approche consiste à aider les fondateurs à améliorer leur jugement : affûter leurs instincts, reconnaître des schémas utiles et mieux évaluer les situations à mesure qu’elles évoluent.

Cela peut passer par des retours réguliers, des exercices pratiques de prise de décision, ou même des outils qui simulent des résultats incertains à partir de données réelles de startups. L’objectif n’est pas d’ajouter des tableurs ou des plans statiques, mais de rendre la pensée plus aiguisée — aider les entrepreneurs à apprendre de l’expérience et à porter de meilleurs jugements dans des conditions incertaines. C’est là que l’éducation à l’entrepreneuriat doit aller ensuite.

FormeTraduction assistée par un LLM.