Une information fausse transmise successivement à deux personnes peut être corrigée. La même information partagée simultanément dans un groupe de trois personnes déjà partiellement convaincues se propage différemment, elle se propage plus vite, plus profondément, et avec une dynamique qui résiste au retour en arrière. Des chercheurs en physique statistique ont modélisé ce phénomène : les interactions de groupe ne sont pas la somme des interactions deux à deux. Au-delà d’un seuil, la contagion sociale bascule et ce qui a basculé ne revient pas facilement à son état initial on retrouve l’effet de seuil [].
Dans une chaîne technique industrielle, une donnée erronée se comporte exactement comme ça.
Une côte relevée incorrecte dans un plan, une hypothèse de charge incorrecte dans un calcul, une référence fournisseur obsolète dans une nomenclature : tant que la donnée reste isolée, elle est corrigible. Mais dès qu’elle entre dans un groupe de documents interconnectés (plans dérivés, ordres de fabrication, instructions de contrôle, devis…) alors, elle se propage selon la même logique de contagion. Chaque document qui la reprend devient un nouveau vecteur. Chaque validation qui s’appuie sur elle renforce sa légitimité apparente.
Ce que le modèle de contagion de groupe éclaire particulièrement, c’est la masse critique. En dessous d’un certain seuil de propagation, l’erreur est encore attrapable. Au-delà, les coûts de correction explosent et ce n’est pas car l’erreur s’est aggravée, mais plutôt parce que le nombre de points de contamination rend toute intervention systémique épuisante. Et la perte de confiance dans la donnée elle-même s’installe : on ne sait plus quelle version est fiable, on repart de zéro, on re-vérifie tout manuellement.
Ce que peu d’équipes anticipent, c’est que la vitesse de propagation d’une erreur dans une structure documentaire est rarement linéaire. Elle est passé rapidement des seuils qui agissent comme cliquets et le retour en arrière devient exponentiellement difficile.