Le Quotient de Madness

Pendant trente ans, la transformation numérique a récompensé la vitesse. Amazon a doublé les libraires, Uber les taxis, et Kodak, qui a mal négocié le virage, est devenu un cas d'école célèbre de l'innovation manquée. 

Avec l'IA, la nature de la vitesse change. La vitesse d'exécution brute, écrire un texte, produire un visuel, traiter des données en masse, devient une commodité accessible à tous et cesse de différencier. La vitesse d'adaptation, celle qui consiste à intégrer l'IA dans ses processus avant ses concurrents, reste un facteur déterminant, mais elle devient une condition nécessaire, non plus un avantage suffisant. 

Le stratège de 2026 ne peut plus raisonner comme celui de 2016. Plus troublant encore, les modèles tendent à converger. À mesure que les IA s'entraînent sur des contenus déjà générés par des IA, la diversité sémantique s'érode, un phénomène que les chercheurs nomment l'effondrement des modèles (Model Collapse). Quand la production se nivelle, ce qui n'est pas prévisible reprend de la valeur.

Le terrain, lui, n'est pas prêt. Selon le Work Trend Index 2026 de Microsoft, 20 % des utilisateurs français estiment que leur direction dispose d'une vision claire et alignée sur l'IA, contre 26 % au niveau mondial. Ce déficit de vision a une conséquence directe. Quand la gouvernance ne crée pas d'espace pour décider autrement, l'organisation reste prisonnière d'une logique d'exécution, et l'aversion au risque devient un facteur structurel de déclin. Mais la compétition ne se joue déjà plus sur la seule vitesse d'exécution. Elle se déplace vers ce que la machine ne sait pas anticiper.

Le Quotient de Madness, troisième pilier de la décision

Le Quotient de Madness (QM), concept forgé par Charles-Édouard Bouée, complète le QI et le QE. Le QM n'est pas la créativité, encore moins le goût du risque. C'est la capacité à prendre une décision pertinente quand aucun précédent ne permet de la justifier pleinement. Le QI raisonne, le QE relie, le QM tranche là où le modèle s'arrête. C'est la ressource rare de l'ère IA, celle qui sépare ceux qui décident de ceux qui se contentent d'exécuter plus vite. Les mad skillers, ces profils à fort QM, décident sans modèle, naviguent dans l'incertitude et déplacent les lignes sans toujours attendre l'aval de la hiérarchie.

Un exemple récent l'illustre mieux qu'un long discours. Le réalisateur sud-coréen Hwang Dong-hyuk a promené pendant près de dix ans le scénario de Squid Game, une fable sombre où des laissés-pour-compte jouent leur vie dans des jeux d'enfants devenus mortels. Toute l'industrie coréenne l'avait refusé, jugé trop noir, trop étrange. Aucune donnée ne plaidait pour le succès planétaire d'une série coréenne, violente, sous-titrée, portant une critique sociale frontale. L'équipe locale de Netflix tranche pourtant, sur la conviction et non sur la statistique. Sa directrice du contenu, Bela Bajaria, l'a résumé sans détour. Chez Netflix, les séries se valident sur l'instinct et le jugement humain, pas sur l'algorithme.

Résultat, 1,65 milliard d'heures vues en vingt-huit jours, le plus grand lancement de l'histoire de Netflix à l'époque, pour une série produite à 21 millions de dollars. Une décision que la seule analyse des succès passés ne pouvait pas dicter, là où l'intuition humaine a devancé la tendance. C'est exactement ce que mesure le Quotient de Madness.

Ce pari date d'avant la vague générative, et c'est précisément le point. Plus l'IA optimise à partir du passé, plus ce type de décision devient l'exception qui crée la valeur. Toutes ne finissent pas en record d'audience. Certaines échouent, c'est le prix du risque assumé. Mais sans cette capacité à sortir du modèle, aucune rupture n'émerge.

Comment faire émerger les mad skillers

Le premier levier n'est pas le diplôme, contrairement à une idée répandue. La scène IA française, Mistral en tête, est portée par des profils issus de nos meilleures écoles scientifiques, et le monde entier s'arrache cette rigueur. Le talent n'est donc pas le problème. La gouvernance l'est. Dans beaucoup de grands groupes, l'aversion au risque et le réflexe hiérarchique étouffent le QM avant même qu'il ne s'exprime. La vraie question n'est pas qui l'on recrute, mais à qui l'on laisse l'autorité de décider. Le cas Squid Game est limpide, le pari n'a été tranché ni par un algorithme ni par un comité, mais par une équipe locale à qui l'on avait confié ce droit.

Le second levier est culturel. Faire émerger le QM suppose de renoncer au confort du consensus, d'encourager la contradiction constructive et de protéger les profils atypiques plutôt que de les lisser. C'est aussi le rôle d'une méthode, celle de l'avocat du diable, qui consiste à demander d'office pourquoi une décision pourrait échouer. La friction n'est pas un défaut d'organisation, c'est la condition de la lucidité.

L'IA démocratise la compétence technique. Elle ne démocratise pas le discernement. À l'ère où la machine exécute, l'avantage n'ira pas à ceux qui produisent plus vite, mais à ceux qui osent décider ce que la probabilité ne sait pas anticiper. Cette audace engage celui qui l'exerce, on peut déléguer l'exécution, jamais la responsabilité du choix. C'est tout l'enjeu de l'intelligence hybride, une IA qui exécute, un humain qui décide et qui en répond.