Cette distinction semble simple, mais elle est souvent négligée. Dans notre étreinte des modèles de décision, nous oublions parfois que tant de vie est de faire les choses, ne pas prédire des choses que nous ne pouvons pas contrôler. Considérez une banque qui utilise un modèle de décision pour examiner les demandes de prêt. Le modèle n`a pas d`influence directe sur le comportement d`un emprunteur; il ne peut pas contrôler les habitudes de dépense ou s`assurer que n`importe qui économise assez d`argent chaque mois pour rembourser un prêt. Supposons qu`au lieu de simplement baisser l`application, un banquier rencontre un emprunteur aspirant et explique les raisons de son inquiétude. Une telle intervention pourrait amener le demandeur à se comporter différemment, peut-être en concegeant un budget mensuel ou en demandant un paiement direct par prélèvement sur la paie. Même si le modèle n`avait pas d`influence directe sur le résultat, il pourrait exercer une influence indirecte. Il en va de même pour l`un des exemples les plus impressionnants de modèles décisionnels au cours des dernières années: le modèle électoral. Les modèles n`affectent pas directement le résultat d`une élection — ils n`ont pas voté. Mais si les projections des modèles sont largement communiquées, elles peuvent inciter certains partisans et décourager les autres, et ainsi avoir une influence indirecte. Les partisans de l`analyse statistique ont rejeté Joe Morgan comme refusant d`accepter la vérité, mais en fait, il n`était pas complètement faux. Les modèles sont utiles pour prédire des choses que nous ne pouvons pas contrôler, mais pour les joueurs — sur le terrain et au milieu d`un jeu — la réalité est différente.
Les joueurs ne prévoient pas de performances; ils doivent y parvenir. À cette fin, l`analyse impartiale et dépassionnée est insuffisante. La pensée positive compte aussi. La plupart des dirigeants d`aujourd`hui admettront probablement qu`ils sont submergés par le volume et la complexité des décisions auxquelles ils sont confrontés et sont reconnaissants lorsque les modèles peuvent soulager une partie du fardeau. Mais ils doivent être prudents. Les modèles de décision sont souvent si impressionnants qu`il est facile d`être séduits par eux et de négliger la nécessité de les utiliser judicieusement. Comme l`a observé le professeur agrégé de l`Université de Calgary, Jeremy Fox, la popularité croissante des «approches statistiques techniquement sophistiquées et à forte intensité de calcul» a un effet secondaire malheureux: une philosophie «fermer et calculer les chiffres», plutôt que un qui favorise la pensée critique et stimule les idées sur ce que les chiffres signifient réellement. 7 7. oikos en ligne, “Frequentist vs bayésienne statistiques: ressources pour vous aider à choisir,” blog d`entrée par Jeremy Fox, octobre 11, 2011, oikosjournal.wordpress.com. Avant que les dirigeants et leurs équipes appliquent des modèles, ils devraient prendre du recul et envisager leur capacité à influencer le résultat. Quand il est élevé, la réponse n`est pas d`ignorer les données et de voler aveugle, mais d`établir des priorités pour renverser la balance à travers la force et la confiance qui sont les caractéristiques d`un leadership efficace.
