p-1-hiring-the-best-doesnt-always-mean-hiring-the-right-people.jpg

Vous souhaitez embaucher la meilleure équipe? N’embauchez pas les «meilleures» personnes


Pendant mes études supérieures en mathématiques à l’Université du Wisconsin-Madison, j’ai suivi un cours de logique de David Griffeath. La classe était amusante. Griffeath a apporté un aspect ludique et ouvert aux problèmes. À ma grande joie, environ une décennie plus tard, je l’ai rencontré lors d’une conférence sur les modèles de trafic. Lors d’une présentation sur les modèles informatiques d’embouteillages, sa main s’est levée. Je me demandais ce que Griffeath – un logicien mathématique – aurait à dire sur les embouteillages. Il n’a pas déçu. Sans même un soupçon d’excitation dans sa voix, il a déclaré: “Si vous modélisez un embouteillage, vous devez simplement garder une trace des non-voitures.”

La réponse collective a suivi le modèle familier lorsque quelqu’un laisse tomber une idée inattendue, mais une fois énoncée, évidente: un silence perplexe, laissant la place à une salle remplie de têtes et de sourires. Il n’y avait rien d’autre à dire.

Griffeath avait fait une brillante observation. Lors d’un embouteillage, la plupart des espaces sur la route sont remplis de voitures. La modélisation de chaque voiture prend énormément de mémoire. À la place, le suivi des espaces vides consomme moins de mémoire, en fait presque aucun. De plus, la dynamique des non-voitures pourrait être plus facilement analysable.

Des versions de cette histoire se produisent régulièrement lors de conférences universitaires, dans des laboratoires de recherche ou des réunions politiques, au sein de groupes de conception et lors de séances de réflexion stratégique. Ils partagent trois caractéristiques. Premièrement, les problèmes sont complexe: elles concernent des contextes de grande dimension difficiles à expliquer, à concevoir, à faire évoluer ou à prévoir. Deuxièmement, les idées révolutionnaires ne surgissent pas par magie, ni ne sont à nouveau construites à partir de tissu entier. Ils prennent une idée existante, un aperçu, une astuce ou une règle, et l’appliquent d’une manière nouvelle, ou ils combinent des idées, comme la percée révolutionnaire d’Apple de la technologie de l’écran tactile. Dans le cas de Griffeath, il a appliqué un concept de la théorie de l’information: longueur minimale de description. Il faut moins de mots pour dire «non-L» que pour énumérer «ABCDEFGHIJKMNOPQRSTUVWXYZ». Je dois ajouter que ces nouvelles idées produisent généralement des gains modestes. Mais, collectivement, ils peuvent avoir de grands effets. Le progrès se fait autant par des séquences de petits pas que par des bonds géants.

Troisièmement, ces idées naissent en groupe. Une personne présente son point de vue sur un problème, décrit une approche pour trouver une solution ou identifie un point d’achoppement, et une deuxième personne fait une suggestion ou connaît une solution de contournement. Le regretté informaticien John Holland a souvent demandé: “Avez-vous pensé à cela comme un processus de Markov, avec un ensemble d’états et une transition entre ces états?” Cette requête obligerait le présentateur à définir des états. Ce simple acte conduirait souvent à un aperçu.

L’effervescence des équipes – la plupart des recherches académiques se font désormais en équipe, tout comme la plupart des investissements et même la plupart des chansons (du moins pour les bonnes chansons) – suit la complexité croissante de notre monde. Nous avions l’habitude de construire des routes de A à B. Maintenant, nous construisons des infrastructures de transport ayant des impacts environnementaux, sociaux, économiques et politiques.

La complexité des problèmes modernes empêche souvent quiconque de les comprendre pleinement. Les facteurs contribuant à l’augmentation des niveaux d’obésité, par exemple, comprennent les systèmes et infrastructures de transport, les médias, les plats cuisinés, l’évolution des normes sociales, la biologie humaine et les facteurs psychologiques. La conception d’un porte-avions, pour prendre un autre exemple, nécessite des connaissances en génie nucléaire, en architecture navale, en métallurgie, en hydrodynamique, en systèmes d’information, en protocoles militaires, en exercice de guerre moderne et, compte tenu du long temps de construction, la capacité de prévoir les tendances des systèmes d’armes .

TLe caractère multidimensionnel ou en couches de problèmes complexes sape également le principe de la méritocratie: l’idée que la «meilleure personne» devrait être embauchée. Il n’y a pas de meilleure personne. Lors de la constitution d’une équipe de recherche en oncologie, une entreprise de biotechnologie telle que Gilead ou Genentech ne construirait pas de test à choix multiples et n’embaucherait pas les meilleurs marqueurs, ni n’embaucherait des personnes dont le curriculum vitae obtiendrait le meilleur score selon certains critères de performance. Au lieu de cela, ils rechercheraient la diversité. Ils constitueraient une équipe de personnes qui apporteraient diverses bases de connaissances, outils et compétences analytiques. Cette équipe comprendrait probablement des mathématiciens (mais pas des logiciens comme Griffeath). Et les mathématiciens étudieraient probablement les systèmes dynamiques et les équations différentielles.

Les croyants d’une méritocratie pourraient admettre que les équipes devraient être diversifiées, mais soutiennent ensuite que les principes méritocratiques devraient s’appliquer dans chaque catégorie. Ainsi, l’équipe devrait être composée des «meilleurs» mathématiciens, des «meilleurs» oncologues et des «meilleurs» biostatisticiens de la réserve.

Cette position souffre d’un défaut similaire. Même avec un domaine de connaissances, aucun test ou critère appliqué aux individus ne produira la meilleure équipe. Chacun de ces domaines possède une profondeur et une ampleur telles qu’aucun test ne peut exister. Prenons le domaine des neurosciences. Plus de 50 000 articles ont été publiés l’année dernière couvrant diverses techniques, domaines d’enquête et niveaux d’analyse, allant des molécules aux synapses en passant par les réseaux de neurones. Compte tenu de cette complexité, toute tentative de classer une collection de neuroscientifiques du meilleur au pire, comme s’ils étaient des concurrents dans le papillon de 50 mètres, doit échouer. Ce qui pourrait être vrai, c’est qu’étant donné une tâche spécifique et la composition d’une équipe particulière, un scientifique serait plus susceptible de contribuer qu’un autre. L’embauche optimale dépend du contexte. Les équipes optimales seront diverses.

Les preuves de cette affirmation peuvent être vues dans la façon dont les articles et les brevets qui combinent des idées diverses ont tendance à avoir un impact élevé. Il se retrouve également dans la structure de la forêt dite à décision aléatoire, un algorithme d’apprentissage automatique à la pointe de la technologie. Les forêts aléatoires sont constituées d’ensembles d’arbres de décision. En classant les images, chaque arbre fait un vote: est-ce une image d’un renard ou d’un chien? Une règle de majorité pondérée. Les forêts aléatoires peuvent servir à de nombreuses fins. Ils peuvent identifier la fraude bancaire et les maladies, recommander des ventilateurs de plafond et prédire le comportement des rencontres en ligne.

Lors de la construction d’une forêt, vous ne sélectionnez pas les meilleurs arbres car ils ont tendance à faire des classifications similaires. Vous voulez de la diversité. Les programmeurs atteignent cette diversité en entraînant chaque arbre sur différentes données, une technique connue sous le nom de ensachage. Ils aussi renforcer la forêt «cognitivement» en entraînant les arbres sur les cas les plus difficiles – ceux que la forêt actuelle se trompe. Cela garantit encore plus de diversité et des forêts précises.

Pourtant, l’erreur de la méritocratie persiste. Les entreprises, les organisations à but non lucratif, les gouvernements, les universités et même les écoles maternelles testent, notent et embauchent les «meilleurs». Tout cela, mais garantit de ne pas créer la meilleure équipe. Le classement des personnes selon des critères communs produit une homogénéité. Et lorsque des préjugés s’infiltrent, il en résulte des gens qui ressemblent à ceux qui prennent les décisions. Cela ne devrait pas conduire à des percées. Comme Astro Teller, PDG de X, la «fabrique de poussins de lune» d’Alphabet, la société mère de Google, l’a déclaré: «Il est important d’avoir des personnes qui ont des perspectives mentales différentes. Si vous voulez explorer des choses que vous n’avez pas explorées, avoir des gens qui vous ressemblent et pensent comme vous n’est pas la meilleure façon. ” Il faut voir la forêt.

Leave a Reply

Your email address will not be published. Required fields are marked *

Share this post

Share on facebook
Share on google
Share on twitter
Share on linkedin
Share on pinterest
Share on print
Share on email

Articles similaires

Autres Articles