Deux fournisseurs sont en compétition pour un composant critique. Le premier est connu et ses délais sont prévisibles, sa qualité documentée et son prix stabilisé. Le second est plus récent, potentiellement meilleur sur le coût et la réactivité, mais avec moins de recul. Le premier est retenu. Non pas parce que l’analyse a conclu en sa faveur, mais plutôt car l’analyse du second n’a pas pu conclure du tout.
Ce mécanisme s’appelle l’effet d’ambiguïté. Face à deux options, on préfère spontanément celle dont les probabilités sont connues à celle dont les probabilités sont floues et ce même quand les deux sont objectivement comparables. Là ou c’est dommage c’est que même quand l’option floue pourrait être meilleure. Ce n’est pas de l’aversion au risque, c’est de l’aversion à l’incertitude elle-même.
Dans une petite structure industrielle, ce biais oriente les arbitrages sans que personne ne le formule. Une technologie émergente est écartée parce que personne ne sait encore bien la qualifier. Un processus alternatif reste sur le papier parce que ses résultats n’ont pas encore été mesurés en conditions réelles. Un profil atypique n’est pas retenu parce que ses performances futures sont moins prévisibles qu’un profil standard quand bien même si le profil standard a déjà montré ses limites.
Ce que ce biais coûte se mesure dans les opportunités qui n’ont jamais été instruites jusqu’au bout, écartées au moment où l’incertitude était encore réductible seulement si quelqu’un avait décidé de la réduire.
Dans vos derniers arbitrages, combien d’options ont été écartées faute d’information suffisante et combien de ces informations manquantes auraient pu être obtenues ?