Introduction au biais d'optimisme et à la planning fallacy

L'histoire qui révèle le bug

Daniel Kahneman, futur prix Nobel d'économie, travaille avec Amos Tversky sur un manuel scolaire à propos de la prise de décision. Au bout d'un an, l'équipe estime collectivement le temps restant pour terminer : dix-huit mois à deux ans. Kahneman se tourne alors vers Seymour Fox, leur expert curriculum, et lui pose une question stratégique :

« Seymour, combien de temps prennent en moyenne les équipes comparables pour finir un manuel similaire à partir du même stade ? »

Réponse de Seymour, après réflexion : sept à dix ans. Et 40 % des équipes n'arrivent jamais au bout.

L'équipe a refusé de croire la base rate. Elle a estimé qu'elle ferait mieux. Le livre a finalement été publié huit ans plus tard — et Tversky était décédé entre-temps.

« Nous avions toutes les informations dont nous avions besoin pour anticiper la durée réelle. Et nous les avons ignorées. » — Daniel Kahneman, Thinking, Fast and Slow (2011).

C'est cela, la planning fallacy.

Une définition simple

Le biais d'optimisme (optimism bias) est la tendance systématique à surestimer la probabilité d'événements favorables et à sous-estimer la probabilité d'événements défavorables, dans son propre cas.

La planning fallacy est son application aux projets : sous-estimer temps, coût et risque d'une tâche, tout en sachant que des projets similaires ont historiquement dépassé ces estimations.

graph LR
    A[Estimation initiale<br/>du projet] -->|+ 30 à 70 % en temps<br/>+ 50 à 200 % en coût| B[Durée et coût réels]
    A -->|Probabilité de succès<br/>annoncée: 80 %| C[Probabilité réelle<br/>de succès: 30-50 %]
    style A fill:#fde047
    style B fill:#ef4444,color:#fff
    style C fill:#ef4444,color:#fff

Le piège : les deux biais cohabitent. L'optimisme général fournit le carburant émotionnel ; la planning fallacy fournit l'erreur de calcul. Ensemble, ils saccagent vos forecasts.

Pourquoi ça vous concerne (énormément)

Vous prenez des décisions tous les jours en sous-estimant la difficulté :

« Le deal Acme se signera fin du trimestre. » (Trois quarters plus tard, il est toujours en pipe.)
« On lance le MVP dans six semaines. » (Six mois plus tard, on est en bêta privée.)
« Je vais lever 500 K€ en trois mois. » (Neuf mois et 80 NO plus tard, on touche le bottom.)
« On va doubler le chiffre cette année. » (On fait +15 %, et on appelle ça un « succès stratégique ».)
« Cette intégration ChatGPT prendra deux semaines. » (Quatre mois, et l'équipe data refuse de signer le go-live.)

Chaque ligne ci-dessus est un artefact de planning fallacy. La majorité des forecasts commerciaux, des roadmaps produit, des budgets et des plans business sont systématiquement trop optimistes — au point que le Project Management Institute recommande désormais d'appliquer un coefficient de réalisme par défaut.

Quelques chiffres qui frappent

Domaine	Observation
Grands projets d'infrastructure	90 % des projets > 1 Md€ dépassent leur budget initial de 28 % en moyenne (Flyvbjerg, 2003 ; revu 2014)
Tunnel de la Manche	Estimé à 5,5 Md£, coût final 9 Md£ — soit +64 % (Flyvbjerg & Bruzelius, 2003)
Aéroport de Berlin BER	Estimé pour 2011, ouvert en 2020 — neuf ans de retard, coût ×3
Forecasts SaaS B2B (annual)	67 % des CRO atteignent < 90 % de leur forecast initial (Pavilion, 2023)
Roadmap logicielle individuelle	Les développeurs sous-estiment le temps de tâche de 25 à 40 % en moyenne (Buehler et al., 1994 ; replications 2010-2020)
Plans business solo founders	75 % des entrepreneurs estiment leur probabilité de succès > 70 %, contre une base rate réelle de 20-25 % (Cooper, Woo, Dunkelberg, 1988)
Travaux de rénovation maison	Coût final moyen +40 % vs. budget initial (Buehler et al., 2002)
Forecasts météo « subjectifs » d'individus	80 % surestiment leur exactitude future, écart de 12 points avec le réel

L'optimisme n'est pas qu'un défaut

Avertissement important — sinon la formation devient un exercice de pessimisme : l'optimisme est un trait évolutif utile.

Tali Sharot, neuroscientifique à UCL et autrice de The Optimism Bias (2011), démontre que :

L'optimisme protège la santé mentale (corrélation positive avec longévité, moindre dépression).
L'optimisme déclenche l'action : sans biais d'optimisme, personne ne lance de startup, n'écrit de livre, n'a d'enfants.
L'optimisme est neurobiologique : le cortex frontal inférieur droit traite les bonnes nouvelles différemment des mauvaises (Sharot et al., 2011, Nature Neuroscience).

« Nous sommes optimistes parce que sans optimisme, l'évolution nous aurait éliminés. Le problème n'est pas l'optimisme — c'est l'optimisme non calibré sur des questions où la précision compte. »

L'objectif de cette formation n'est pas d'éteindre l'optimisme. C'est de le localiser : optimiste pour décider de lancer, pessimiste pour planifier.

La triade trompeuse : optimisme, surconfiance, illusion de contrôle

Ces trois biais sont cousins et se renforcent mutuellement :

Biais	Définition	Lien avec planning fallacy
Optimisme	Évaluer favorablement son futur perso	Sous-estimer probabilité d'événement négatif
Surconfiance	Sur-évaluer sa propre compétence et précision	Croire que SES estimations sont meilleures que la moyenne
Illusion de contrôle	Croire pouvoir influencer un résultat aléatoire	Croire que la volonté individuelle compense la base rate

Ensemble, ces trois biais expliquent pourquoi un forecast trimestriel commercial devrait être réaliste — mais ne l'est jamais.

Le piège vente : le pipeline gonflé

graph TD
    A[Pipeline déclaré:<br/>1.2 M€] --> B[Win rate optimiste<br/>50%]
    B --> C[Forecast: 600 K€]
    A --> D[Win rate réel<br/>22%]
    D --> E[Closing réel: 264 K€]
    C --> F[Déception N+1<br/>+ tension trésorerie<br/>+ pression équipe]
    style C fill:#fde047
    style E fill:#ef4444,color:#fff
    style F fill:#ef4444,color:#fff

L'écart entre forecast et réel est la dette de planning fallacy. Sur 12 mois, accumulée trimestre après trimestre, cette dette tue la trésorerie d'une startup.

L'IA : amplificateur d'optimisme par défaut

Les LLM modernes (GPT-4, Claude, Gemini) sont structurellement biaisés optimisme. Trois raisons :

Training set survivant, déjà étudié dans la formation Biais du Survivant — les success stories dominent.
RLHF (Reinforcement Learning from Human Feedback) : les évaluateurs humains préfèrent les réponses chaleureuses, encourageantes, ambitieuses. Le modèle apprend à plaire — donc à inflater l'optimisme.
Génération par fluence : un plan ambitieux et lisse est plus fluent qu'un plan accidenté avec des si-alors. Le modèle préfère le fluent.

Posez à votre LLM : « Combien de temps prend le développement d'un MVP SaaS avec 2 développeurs ? »

Réponse spontanée : « Environ 8 à 12 semaines pour un MVP de base. »

C'est une réponse optimiste-survivante. Pas une réponse statistique. La base rate réelle (Cooper, 2018 ; Y Combinator data 2020) tourne autour de 6 à 9 mois, et 40 % des équipes pivotent avant.

Ce que vous allez apprendre

À la fin de cette formation, vous saurez :

✅ Détecter la planning fallacy dans n'importe quel forecast, roadmap ou business plan
✅ Calibrer vos propres estimations en intégrant systématiquement la base rate (Kahneman : « outside view »)
✅ Construire un forecast commercial réaliste qui réduit l'écart vs. réel à < 10 %
✅ Vendre mieux en utilisant la calibration comme arme de différenciation
✅ Concevoir des prompts IA qui forcent le LLM à pessimiser ses prévisions par cohorte
✅ Installer la routine du pre-mortem (Gary Klein) : « Imaginons que le projet ait échoué dans 12 mois — pourquoi ? »
✅ Mettre en place le reference class forecasting (Flyvbjerg) sur vos projets

Le mythe à déboulonner d'entrée

« Je connais la planning fallacy, donc je l'évite intuitivement. »

Faux. Comme pour le biais du survivant, la conscience verbale du biais ne suffit pas. Les chercheurs qui enseignent la planning fallacy en cours de Master tombent eux-mêmes dans le panneau quand ils estiment la durée de leur prochain article (Buehler et al., 1994). Le biais opère depuis le système 1 (Kahneman).

Il faut des dispositifs externes : checklists, base rates obligatoires, premortem, prompts IA forcés. C'est exactement ce qu'on va construire.

Mini-exercice de démarrage

Avant de continuer, faites cet exercice à l'écrit (5 minutes) :

Listez trois projets en cours dans votre travail / vie perso (deal, lancement, rénovation, étude, etc.)
Pour chacun, écrivez la date butoir estimée
Pour chacun, listez 2 projets similaires déjà finis dans votre passé et leur durée réelle
Comparez : votre estimation actuelle est-elle à l'intérieur ou à l'extérieur de la fourchette historique ?

Si votre estimation est à l'extérieur (plus courte que les précédents), vous êtes en train de répéter la planning fallacy en temps réel. Notez-la : on y reviendra au chapitre 7 avec la méthode de correction.

Résumé

Le biais d'optimisme : surestimer favorablement son futur personnel.
La planning fallacy : sous-estimer temps, coût et risque d'un projet — malgré l'expérience historique contraire.
Origine théorique : Kahneman & Tversky (1979), prolongée par Sharot (neuro), Flyvbjerg (méga-projets), Buehler (psychologie expérimentale).
Manifestations : forecasts commerciaux, roadmaps produit, business plans, levées de fonds, projets de rénovation.
Antidote opérationnel : outside view (cohorte historique) + premortem + reference class forecasting.
L'IA aggrave l'optimisme (training set + RLHF) si on ne la pilote pas.
L'optimisme général est utile (lancer, persister) ; c'est l'optimisme en chiffrage qui détruit la valeur.

Dans le chapitre suivant, on plonge dans les mécanismes cognitifs, neurobiologiques et statistiques : pourquoi le cerveau est câblé pour ce biais, comment Sharot l'observe en IRMf, et comment Buehler l'a mesuré expérimentalement chez des centaines d'étudiants.