Ma façon de penser
Les bonnes décisions naissent entre récit et mesure. Voici les principes que j’utilise pour repérer les tensions cachées, tester mon intuition et transformer l’analyse en action.
Lors des revues de campagnes mondiales, une scène se répétait. Un concept apparaissait à l’écran, et la conversation tournait autour de deux questions.
Est-ce que cela va toucher les gens ?
Comment le saurons-nous ?
La première question relève du récit. Elle interroge ce qui compte pour les gens, la tension qu’ils reconnaissent et ce qu’ils pourraient croire après avoir entendu quelque chose qu’ils ne croyaient pas auparavant.
La seconde relève de la mesure. Elle demande ce qui a changé, par rapport à quoi, pour qui, et si le signal est assez solide pour justifier une décision.
Le marketing sépare souvent ces questions. L’équipe créative protège le récit ; l’équipe analytics protège les chiffres. Une campagne passe de l’une à l’autre comme si le sens et les preuves étaient deux étapes distinctes d’une chaîne de production.
Je n’ai jamais réussi à les penser séparément. Un récit sans mesure peut devenir une belle explication de quelque chose qui ne se produit pas. Une mesure sans récit peut devenir un compte rendu précis d’un comportement que personne ne comprend.
Ma façon de penser se situe dans le mouvement entre les deux. Le récit donne une cohérence à l’ambiguïté. La mesure lui résiste. Le travail devient utile quand cette tension change une décision.
Le récit révèle la tension
Face à un problème ambigu, je commence rarement par demander plus d’idées. Je cherche la tension que le cadrage évident a masquée.
En travaillant sur des produits de communication dans plusieurs marchés, j’ai appris qu’un même produit ne pouvait pas être expliqué de la même manière partout. Les faits pouvaient voyager. Le sens, lui, ne suivait pas toujours.
Ce qui semblait inspirant dans un pays pouvait paraître lointain dans un autre ; un avantage évident depuis l’intérieur de l’entreprise pouvait être sans intérêt pour la personne qui l’entendait. Une diffusion plus large ne réglait pas ce problème. Un récit plus juste, parfois oui.
Pour moi, le récit est un modèle de travail de la manière dont une personne passe d’une compréhension à une autre, et non la campagne qui habille la stratégie. Il détermine quels faits comptent, ce qui cause quoi, qui agit et pourquoi la conséquence mérite l’attention.
L’essai de Jerome Bruner The Narrative Construction of Reality a mis des mots sur une expérience vécue : les gens ne reçoivent pas simplement la réalité comme une liste d’observations. Ils organisent les événements en récits qui rendent les motivations, l’enchaînement et les conséquences compréhensibles.
Le travail de Karl Weick sur le sensemaking formule une idée proche à l’échelle des organisations. Dans l’ambiguïté, les gens agissent à partir des explications qu’ils peuvent construire, réviser et partager.
Le récit est déjà là, qu’il soit utile ou non. Une équipe qui affirme « les clients veulent de la simplicité » a un récit. Un dashboard organisé autour de la conversion a un récit de ce que signifie progresser. Une roadmap qui donne la priorité à un segment plutôt qu’à un autre a un récit sur l’origine future de la valeur.
Le premier travail consiste à rendre ce récit assez visible pour pouvoir le questionner.
Je cherche des distinctions parce qu’elles exposent le récit caché. Traduction et localisation semblent voisines jusqu’au moment où une traduction techniquement correcte sonne faux pour son lecteur. Activité et apprentissage peuvent partager le même dashboard jusqu’à ce qu’une équipe lance dix expériences sans pouvoir expliquer ce qu’elle sait désormais et ignorait auparavant.
Une distinction utile ne se contente pas de renommer le problème. Elle révèle le choix que l’ancien cadrage dissimulait.
La mesure résiste au récit
Le plus troublant dans un bon récit, c’est la vitesse à laquelle il commence à sembler vrai.
La cohérence est persuasive. Dès que les pièces s’assemblent, les preuves contraires commencent à ressembler à du bruit.
La mesure mérite sa place en résistant au récit, pas en le décorant de pourcentages. Elle doit montrer où l’explication ne tient plus.
Je lisais autrefois le gain global comme la preuve qu’un récit avait trouvé son public.
Les résultats par marché ont changé cette interprétation. La réussite apparente reposait parfois sur l’audience déjà la plus facile à convaincre, tandis que le public dont l’entreprise avait besoin pour la suite restait indifférent.
La mesure était correcte. La conclusion était trop large.
Cette distinction a changé ce que je cherchais. Une campagne pouvait réussir globalement sans faire évoluer le marché, le segment ou le comportement dont dépendait la stratégie.
Le gain était facile à rapporter. La portée stratégique était plus difficile à établir, et plus importante.
Les métriques portent toujours une théorie, même enfouie dans leur implémentation. Un taux de complétion définit où le parcours se termine. Une fenêtre d’attribution décide quelles actions comptent comme des causes. Une moyenne masque la distribution qu’elle résume.
Un dashboard donne aussi une priorité visuelle à certains comportements et rend les autres plus difficiles à remarquer.
Cela ne rend pas la mesure suspecte. Cela rappelle qu’elle est conçue.
Donald Campbell a mis en garde contre l’une des conséquences dans Assessing the Impact of Planned Social Change. Quand un indicateur quantitatif devient important pour la décision, la pression monte pour l’optimiser, souvent au détriment du processus qu’il était censé représenter.
On reprend généralement cet avertissement comme une raison de se méfier des objectifs chiffrés. J’y vois une raison d’examiner la relation entre l’objectif et le récit qui l’entoure.
Que faudrait-il vérifier pour que cette métrique signifie ce que nous lui faisons dire ? Qui disparaît dans l’agrégat ? Quel comportement pourrait améliorer le chiffre tout en affaiblissant le résultat réel ? Que remarquerions-nous dans une conversation, une observation ou un retour qualitatif avant que cela n’apparaisse dans les données ?
Les données ont le plus de valeur lorsqu’elles créent de la friction, pas de la certitude. Elles doivent obliger l’explication favorite à faire ses preuves.
Le test fait le lien
Quand intuition et données s’opposent, les équipes choisissent souvent un camp. La personne expérimentée défend le contexte ; l’analyste défend l’instrument. La réunion devient un vote sur la manière de savoir qui mérite le plus de considération.
Je préfère transformer le désaccord en test.
Un bon test commence par le mécanisme au cœur du récit. Si partir de la motivation d’un utilisateur doit améliorer la complétion parce que l’expérience lui paraît plus pertinente, le test doit mesurer la complétion.
Il doit aussi protéger le résultat que cette nouvelle étape pourrait dégrader : qualification, rétention, confiance ou tout autre effet en aval.
Ce garde-fou compte, car la plupart des récits sont convaincants à leur échelle. Ils expliquent l’effet recherché et ignorent le système autour.
Une meilleure conversion peut réduire la qualité des leads. Un coût d’acquisition plus bas peut masquer une rétention plus faible. Un message peut fonctionner auprès du public le plus facile tout en rendant le produit moins compréhensible pour l’audience dont l’entreprise a besoin ensuite.
La règle de décision compte pour une autre raison. Sans elle, un test peut produire des données indéfiniment.
Les équipes examinent les segments, débattent de la significativité, demandent une semaine de plus et conservent le désaccord initial dans un tableur plus grand. L’analyse s’étoffe, la décision reste intacte.
Je veux donc savoir à l’avance : quel résultat renforcerait notre confiance ? Lequel l’affaiblirait ? Quel effet négatif rendrait la réussite apparente inacceptable ? Quand s’arrête-t-on ?
Toutes les questions importantes ne peuvent pas être tranchées par une expérience. Les responsables expérimentés décident régulièrement avec une instrumentation incomplète, de petits échantillons, des retours lents ou des conséquences impossibles à isoler proprement.
Le jugement doit toujours prendre en charge ce qui reste. Je ne suis pas sûr que ce reste puisse être entièrement formalisé sans devenir une nouvelle métrique à détourner.
Même quand un test parfait est impossible, la discipline reste valable : énoncer la conviction et les preuves, puis identifier ce qui ferait changer d’avis. L’incertitude doit entrer dans la décision plutôt que se cacher derrière un ton assuré.
La réflexion aboutit à une décision
La mesure marketing est souvent la plus convaincante juste avant de devenir insuffisante.
J’ai construit des modèles de mix marketing pour comprendre quels investissements étaient associés à la croissance. Le résultat pouvait classer les canaux, estimer leur contribution et donner un langage commun aux discussions budgétaires. Il ne pouvait pas décider ce que l’entreprise cherchait à devenir.
Un canal peut paraître efficace parce qu’il capte une demande déjà présente. Un autre peut sembler plus faible à court terme tout en développant la notoriété auprès des personnes dont l’entreprise aura besoin ensuite.
Si la décision repose uniquement sur le rendement immédiat, le modèle fait plus que mesurer la stratégie. Il devient discrètement la stratégie.
C’est là que commence la réflexion stratégique. L’objectif est-il de tirer davantage de l’audience actuelle, d’entrer dans une nouvelle catégorie, de changer les personnes qui envisagent le produit ou d’identifier le message capable de porter la prochaine phase de croissance ?
La même analyse peut soutenir des choix différents, car l’objectif change ce qui constitue une preuve utile. Renforcer le mix actuel peut être pertinent quand l’efficacité est la contrainte. Rééquilibrer vers un canal moins éprouvé peut être pertinent quand l’entreprise doit créer la demande plutôt que la capter.
Aucun de ces choix n’est contenu dans le modèle. Le modèle éclaire le compromis ; le jugement attribue une valeur à chaque option.
Le travail est terminé quand quelqu’un peut décider où investir, quoi ne pas financer, quel risque accepter et quelles preuves justifieraient de reconsidérer ce choix. Une analyse incapable de modifier une allocation, une audience, un message ou une priorité de marché reste inachevée.
L’IA rend cette limite plus visible, car l’exécution peut dépasser l’interprétation. Les équipes peuvent produire davantage de messages, d’analyses et d’expériences avant de décider quel marché mérite leurs efforts ou quelle croissance vaut son coût. La compétence rare se déplace vers le cadrage de la question, le choix des preuves pertinentes et la capacité à reconnaître un résultat assez fiable pour agir.
Le récit donne du sens à la décision. La mesure lui oppose une résistance. Le jugement est ce qui reste après que les deux ont eu l’occasion de faire évoluer ton point de vue.
Sources
- Jerome Bruner, "The Narrative Construction of Reality", Critical Inquiry, 1991.
- Karl E. Weick, Sensemaking in Organizations, SAGE, 1995.
- Donald T. Campbell, "Assessing the Impact of Planned Social Change", publié initialement en 1976.