Un chef de projet met sur la table une estimation de 2,4 millions d'euros pour un remplacement de système qui finira par coûter 3,4 millions — un dépassement de quarante pour cent, plus prévisible que ne le pensent la plupart des commanditaires. Demandez à n'importe quelle équipe projet une estimation et vous obtenez presque toujours la même chose : un chiffre trop bas pour les coûts et trop haut pour les bénéfices. Ce n'est ni le hasard ni une erreur isolée. C'est un schéma structurel, mesuré sur des milliers de projets, l'un des biais les mieux documentés de toute la discipline. Pour qui évalue un plan d'approche, ou en rédige un, ce schéma n'est pas un savoir anecdotique : il détermine si l'on peut faire confiance aux chiffres tels quels.
2 062 projets, un schéma clair
Flyvbjerg a analysé en 2021 un jeu de données de 2 062 projets d'investissement de huit types. Le résultat est dégrisant : les coûts réels étaient en moyenne de 1,39 à 1,43 fois l'estimation, et les bénéfices réels de seulement 0,83 à 0,94 fois ce qui avait été prédit. Les deux avec une valeur p inférieure à 0,0001: ce n'est pas du bruit, c'est une régularité.
Cela devient encore plus tranché sur un sous-ensemble : pour 53 des 62 projets ferroviaires, la demande était surestimée, en moyenne 41 pour cent plus basse que prédit. Flyvbjerg parle de « the planning fallacy writ large »: l'erreur de planification à grande échelle. Les estimations n'échouent pas aléatoirement vers le haut et vers le bas. Elles échouent de façon cohérente dans la direction qui fait paraître le projet plus attrayant qu'il ne l'est.
Deux sources : la méprise et l'intérêt
Deux mécanismes sont à l'œuvre, et la différence entre les deux détermine la manière d'y répondre.
Le premier est le biais cognitif : l'optimisme sincère. Kahneman a montré que les gens adoptent par nature la vue de l'intérieur: ils raisonnent à partir des détails spécifiques de leur plan et sous-estiment systématiquement la fréquence à laquelle les choses tournent mal. C'est sincère ; personne ne ment.
Le second est le biais politique : la présentation stratégiquement déformée. Wachs a décrit en 1989, et Flyvbjerg, Holm et Buhl dans leur étude au titre éloquent « Error or Lie? », que les estimations sont parfois délibérément présentées de façon optimiste pour obtenir une approbation. Qui sait qu'une estimation honnête ferait échouer le projet a une incitation à minorer.
Pour qui évalue un plan, la leçon est dure mais nécessaire : vous ne devez pas présumer qu'une estimation trop optimiste n'est qu'une méprise. Un fondement indépendant compte, précisément parce que, de l'extérieur, vous ne pouvez pas voir si l'optimisme est sincère ou stratégique.
Le remède : la vue de l'extérieur
La bonne nouvelle, c'est qu'il existe un remède, et qu'il est étonnamment simple : la vue de l'extérieur, aussi appelée reference class forecasting (prévision par classe de référence). Au lieu de construire votre estimation à partir des détails de votre propre plan, vous la calez sur les résultats réels d'une classe de projets comparables et achevés.
Non pas : « combien pensons-nous que cela coûte ? » Mais : « combien des projets comme celui-ci ont-ils réellement coûté au final ? » Cette seconde question contourne l'optimisme, car elle part non de l'espoir mais de l'histoire.
Kahneman a qualifié le reference class forecasting de « the single most important piece of advice regarding how to increase accuracy in forecasting ». Ce n'est pas une technique marginale ; c'est, selon le fondateur de la littérature sur les biais, le conseil unique le plus important qui soit. Au Royaume-Uni, il est institutionnalisé dans le UK Green Book, le guide des investissements publics.
La question n'est pas de savoir avec quel soin vous avez chiffré votre projet, mais si vous avez comparé votre chiffre à ce qui s'est réellement passé pour des projets comme le vôtre.
Une nuance honnête
La littérature n'est pas unanime sur la primauté causale du biais d'optimisme. Love et Ahiaga-Dagbui (2018) soulignent qu'une partie des dépassements de coûts tient à des artefacts de base de référence et à des modifications ultérieures de périmètre, non à un biais dans l'estimation initiale. Le tableau est donc plus nuancé que « tout le monde est trop optimiste ».
Mais, et c'est décisif, même les critiques adoptent l'étalonnage empirique. Que la cause soit un biais ou une croissance du périmètre, la réponse reste la même : testez votre estimation par rapport à des données d'expérience et intégrez une marge pour les mauvaises surprises. Sur le remède, il existe un large consensus, même là où la cause fait débat.
Ce que le plus haut niveau exige
L'APM affirme que les analyses de rentabilité (business cases) doivent être « supported by relevant and realistic information »: le réalisme est un critère de qualité explicite, pas seulement la présence de chiffres. La Cour des comptes néerlandaise exige que l'ambition soit « démonstrablement en accord avec les personnes, les moyens et le temps ».
Concrètement, cela signifie : une estimation de haut niveau n'est pas une estimation ponctuelle soigneusement construite. C'est une estimation assortie d'une fourchette, d'une provision pour les mauvaises surprises, et d'un étalonnage sur des données d'expérience de projets comparables. Un chiffre unique et précis sans marge est justement un signal d'alerte: la précision sans fondement est une fausse certitude.
Ce que cela signifie pour vous
Prenez l'estimation la plus importante de votre plan et cherchez-lui un projet de référence : quelque chose de comparable, déjà achevé. Votre chiffre se situe-t-il dans la fourchette de ce qu'a réellement coûté ce projet, ou n'y a-t-il aucun étalon sous votre chiffre ?
Qui peut répondre à cette seule question a déjà désamorcé, avant même de démarrer, le piège le plus prévisible de la gestion de projet.
Sources
- Flyvbjerg, B. (2021), Top Ten Behavioral Biases in Project Management, Project Management Journal.
- Wachs, M. (1989); Flyvbjerg, B., Holm, M.K.S. & Buhl, S.L. (2002), Underestimating Costs in Public Works Projects: Error or Lie?, Journal of the American Planning Association.
- Flyvbjerg, B. (2013), Quality control and due diligence in project management, International Journal of Project Management.
- Love, P.E.D. & Ahiaga-Dagbui, D.D. (2018), zoals aangehaald in de PlanScore Body of Knowledge (kritische kanttekening bij optimism bias).
- APM — eis dat business cases "supported by relevant and realistic information" zijn.
- Algemene Rekenkamer — eis dat ambitie "aantoonbaar in overeenstemming is met mensen, middelen en tijd".