Toute décision difficile ne présente pas le même type d’inconnu. Il existe parfois des données suffisantes pour estimer la probabilité de différents résultats. D’autres fois, le cas est si nouveau ou singulier que l’attribution de pourcentages précis produirait une apparence de connaissance que nous n’avons pas en réalité.
L’incertitude knightienne désigne cette seconde situation. Frank H. Knight a formulé la distinction dans Risk, Uncertainty, and Profit, publié en 1921 : le risque admet un traitement probabiliste pertinent ; l’incertitude, en revanche, n’offre pas de base défendable pour construire une telle distribution de probabilités.
La différence ne sépare pas le calcul rationnel de l’improvisation. Elle sépare deux problèmes qui exigent des outils différents.
Idée clé : Il y a risque lorsque nous pouvons estimer des probabilités sur une base pertinente. Il y a incertitude knightienne lorsque cette base fait défaut, bien que nous puissions encore raisonner et agir.
Risque et incertitude ne sont pas synonymes
Dans le langage courant, « risque » et « incertitude » sont souvent intervertis. Pour Knight, la distinction est plus précise.
Il existe un risque lorsque les résultats possibles peuvent être regroupés dans une classe suffisamment comparable et que nous disposons d’une base pour estimer leurs fréquences. Il n’est pas nécessaire que la prédiction soit parfaite. Il suffit que la probabilité repose sur un fondement pertinent et puisse orienter la décision.
Un assureur, par exemple, ne sait pas si un logement particulier subira un incendie l’année suivante. Pourtant, il peut réunir de nombreux cas aux caractéristiques comparables, observer des fréquences, ajuster ses estimations et répartir le coût attendu entre de nombreux assurés. L’issue individuelle reste ouverte, mais l’ensemble peut être traité statistiquement.
Il y a incertitude, au sens knightien, lorsqu’un tel procédé n’est pas défendable. Peut-être la décision est-elle unique, les précédents ne sont-ils pas comparables ou les évolutions pertinentes empêchent-elles de construire une classe stable. Les personnes peuvent former des opinions et des estimations, mais celles-ci n’équivalent pas à une probabilité mesurable.
La différence peut se résumer ainsi :
- Dans le cas du risque, les données et une classe de référence permettent d’estimer des probabilités utiles.
- Dans le cas de l’incertitude, la singularité du cas ou l’absence d’éléments comparables rend cette base insuffisante.
- Dans les deux cas, la connaissance est incomplète ; ce qui change, c’est la manière dont la décision peut être justifiée.
Un produit sans précédents proches
Imaginons une entreprise qui évalue le lancement d’un produit véritablement nouveau. Elle peut estimer certains éléments : le coût de fabrication, la capacité de son usine ou le délai de distribution. Elle peut également étudier des produits similaires et interroger des clients potentiels.
Mais les questions décisives n’ont peut-être pas de réponse probabiliste solide. Un usage que personne n’avait prévu apparaîtra-t-il ? Le goût du public changera-t-il ? Un concurrent entrera-t-il sur le marché avec une meilleure proposition ? La comparaison avec des marchés antérieurs sera-t-elle valide ?
Attribuer une probabilité de 60 % au succès ne résout pas le problème s’il n’existe pas une classe de lancements suffisamment comparable dont tirer ce pourcentage. Ce chiffre pourrait exprimer une opinion disciplinée, mais il n’acquiert pas pour autant le même fondement qu’une fréquence calculée sur de nombreux sinistres similaires.
Au sein d’une même décision, les deux domaines peuvent coexister. Les pannes de routine d’une machine sont peut-être assurables ; l’accueil futur du produit peut demeurer incertain. Les catégories de Knight sont des distinctions analytiques, non des compartiments étanches dans lesquels toute décision réelle s’insère sans difficulté.
Avertissement : Un pourcentage ne transforme pas à lui seul l’incertitude en risque. Avant de s’y fier, il faut se demander d’où il provient et si les cas utilisés comme référence sont réellement comparables.
En l’absence de formule suffisante, le jugement intervient
Agir dans l’incertitude ne signifie pas agir à l’aveugle. Cela signifie décider avec une connaissance partielle : expérience, signaux des clients, compréhension du secteur, compétences de l’équipe et arguments sur des avenirs possibles. Aucun de ces éléments n’élimine l’inconnu, mais tous peuvent améliorer le jugement.
Les modèles conservent également leur utilité. Une analyse de scénarios peut montrer ce qui se passerait si la demande était forte, moyenne ou faible. Une analyse de sensibilité peut révéler quelle hypothèse affecte le plus le résultat. Ce que le modèle ne peut pas faire, c’est créer une distribution connue là où il n’existe aucune base pour la soutenir.
C’est pourquoi le jugement n’est pas une autorisation d’ignorer les faits. Il consiste à interpréter des éléments empiriques incomplets, à comparer des explications et à engager des ressources sans disposer d’une règle qui détermine la réponse correcte. La décision demeure raisonnable, critiquable et révisable, mais elle ne se réduit pas à l’application d’un calcul.
Il s’agit d’une dimension centrale du jugement entrepreneurial. Celui qui décide doit découvrir quelle information mérite attention, quelles analogies sont trompeuses et quand une opportunité justifie de prendre des engagements. Ensuite, l’expérience permet d’apprendre, même si elle ne garantit jamais que la situation suivante appartiendra à la même classe.
Profit et perte : le résultat peut aller dans les deux sens
Knight a relié l’incertitude à l’organisation entrepreneuriale ainsi qu’à l’apparition de profits et de pertes. Avant de connaître la demande effective, quelqu’un doit embaucher, produire, fixer des prix ou investir. Ces engagements reposent sur des anticipations faillibles.
Si le résultat dépasse les coûts et les engagements pris, il peut subsister un revenu résiduel positif. Si l’anticipation échoue, la perte apparaît. Dans ce schéma, le profit n’est pas une récompense automatique pour s’être exposé à l’inconnu, et tout gain ne peut pas non plus s’expliquer uniquement par l’incertitude. Il constitue l’un des résultats possibles du fait d’avoir décidé avant d’en connaître l’issue.
Cette relation aide à comprendre la fonction entrepreneuriale : différentes personnes mettent à l’épreuve des plans, corrigent des erreurs et réaffectent des ressources. Dans une perspective libérale classique, ce processus importe parce que la coordination économique ne débute pas avec une information complète. Cependant, l’incertitude ne démontre pas à elle seule la supériorité d’une institution. Pour comparer des arrangements institutionnels, il faut encore examiner les incitations, la responsabilité, les droits et la capacité d’apprentissage.
Idée clé : Dans l’incertitude, il n’y a pas de profits garantis. Le même jugement qui ouvre une opportunité peut engendrer une perte, et ces deux signaux permettent de réviser les plans.
Quels concepts convient-il de ne pas confondre
L’incertitude knightienne ne signifie pas ignorance absolue. Une entreprise peut en savoir beaucoup sur sa technologie et ses clients, tout en manquant d’une distribution défendable pour le résultat qui lui importe le plus.
Elle n’est pas non plus synonyme de volatilité. Un prix peut varier fortement tout en disposant d’un historique utile pour certains modèles. À l’inverse, une décision peut présenter peu d’issues visibles et demeurer profondément incertaine s’il n’existe pas de précédents comparables.
Des concepts postérieurs tels que l’ambiguïté, le paradoxe d’Ellsberg ou les « cygnes noirs » dialoguent avec des problèmes voisins, mais ils ne doivent pas être présentés comme équivalents ni attribués rétrospectivement à Knight. Il en va de même pour la connaissance dispersée : le rapprochement est utile pour penser les limites de la connaissance économique, mais il relève d’un développement distinct.
Une question pratique avant de calculer
L’utilité de la distinction apparaît avant d’ouvrir un tableur : qu’est-ce qui justifie les probabilités que nous utilisons ? S’il existe de nombreux cas pertinents et relativement comparables, l’analyse du risque peut structurer la décision, bien qu’elle conserve des marges d’erreur. Si le cas est singulier et que les comparaisons sont fragiles, il convient de reconnaître les limites du calcul.
Cela n’oblige pas à la paralysie. Cela oblige à combiner des scénarios, de petites expériences, l’apprentissage et la responsabilité avec une affirmation modeste : certaines conséquences peuvent être estimées ; d’autres exigent du jugement. L’incertitude knightienne importe parce qu’elle évite de confondre précision numérique et connaissance, et rappelle que décider consiste également à agir raisonnablement lorsque l’avenir ne peut pas encore être converti en une table de probabilités.
Sources
- Frank H. Knight, Risk, Uncertainty, and Profit (1921), en particulier les chapitres VII et IX.
- G. Townsend, R. Hunt et J. Rady, « Chance, probability, and uncertainty at the edge of human reasoning » (2024).
- Ross B. Emmett, « Uncertainty and the social organization of economic activity » (2021).
Partager