Vous entendez souvent les termes "compliqué" et "complexe" utilisés de manière interchangeable ? 🤔
Si la nuance peut paraître subtile, elle est en réalité fondamentale pour aborder les défis professionnels. cette distinction, au cœur du modèle Cynefin, n'a que peu à voir avec la "complexité" au sens mathématique.
Démystifions ensemble ces concepts pour une prise de décision plus éclairée !
Le Cadre Cynefin : Une affaire de prévisibilité
Développé par Dave Snowden, le modèle Cynefin est un outil d'aide à la décision qui distingue cinq contextes différents.[1][2][3] Penchons-nous sur deux d'entre eux :
Le Compliqué : Pensez à un moteur d'avion. C'est un système avec d'innombrables pièces, mais ses mécanismes, bien qu'intriqués, sont connus et analysables.[4] Avec l'expertise adéquate, on peut le démonter et le remonter. La relation de cause à effet est claire, même si elle demande une analyse approfondie.[5] Il s'agit de "connus inconnus" : nous savons ce que nous ne savons pas.[6] L'approche est donc : Sentir - Analyser - Répondre.
Le Complexe : Imaginez maintenant un écosystème forestier ou la culture d'une entreprise. Les éléments sont interconnectés de manière imprévisible.[4] La même action peut produire des résultats totalement différents selon le contexte.[4] La relation de cause à effet n'est visible qu'après coup.[5][7] Ce sont les "inconnus inconnus". On ne peut pas prédire l'issue, il faut donc expérimenter. L'approche est : Sonder - Sentir - Répondre.[1]
La Complexité Mathématique : Une question de ressources
La complexité mathématique, ou plus précisément la complexité algorithmique en informatique, se situe sur un tout autre plan. Elle ne s'intéresse pas à la nature prévisible ou non d'un système, mais à la quantité de ressources (temps de calcul, mémoire) nécessaire pour qu'un algorithme résolve un problème en fonction de la taille de ses données.[8][9]
Compliqué vs. Complexe vs. Complexité Mathématique : Ne mélangeons plus !
➡️ Un problème peut être compliqué (nécessitant une grande expertise pour être résolu) mais avoir une faible complexité mathématique (une fois la solution trouvée, son exécution est rapide). Exemple : réparer une montre suisse.
➡️ Un problème peut être complexe (imprévisible, nécessitant une approche par essais et erreurs) sans pour autant avoir une complexité mathématique élevée dans ses solutions partielles. Exemple : faire évoluer une culture d'équipe.
➡️ Un problème peut être simple à comprendre (ni compliqué, ni complexe au sens de Cynefin) mais avoir une très haute complexité mathématique. Exemple : la factorisation de très grands nombres, base de la cryptographie.
En tant que leaders et professionnels, distinguer ces notions nous permet d'adopter la bonne stratégie : faire appel à des experts pour le compliqué, expérimenter et s'adapter pour le complexe, et allouer la bonne puissance de calcul pour ce qui est mathématiquement complexe.
Et vous, comment gérez-vous ces différentes facettes de la complexité dans vos projets ?
Aucun commentaire:
Enregistrer un commentaire