📄 other

AI Maturity as a Double-Edged Capability: Planning Fallacy and Firm Performance in Technology Startups

Cette étude révèle que si la maturité de l'IA stimule généralement la performance des start-up technologiques, elle exacerbe paradoxalement l'impact négatif du biais d'optimisme, agissant comme une épée à double tranchant qui nécessite une planification disciplinée pour réaliser son plein potentiel.

Auteurs originaux : Mohammadreza Parsanejad, Mohammadhasan Amiri, Yaser Sobhanifard, Javad Mashayekh

Publié 2026-07-24

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Mohammadreza Parsanejad, Mohammadhasan Amiri, Yaser Sobhanifard, Javad Mashayekh

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes le capitaine d'un vaisseau spatial tentant d'atteindre une nouvelle planète. Vous avez deux préoccupations principales : la qualité de votre moteur et l'exactitude de votre carte. Dans le monde de la science des affaires, cela revient à étudier le fonctionnement de l'intelligence artificielle (IA) dans les nouvelles entreprises. L'IA est comme un moteur surpuissant capable de traiter l'information, d'automatiser les tâches et d'aider à prendre des décisions plus rapidement. Mais posséder un moteur puissant ne garantit pas que vous atteindrez votre destination ; vous avez également besoin d'une bonne carte.

L'article examine une erreur humaine courante appelée l'illusion de planification (ou planning fallacy). Il s'agit du moment où les gens sont excessivement optimistes. Ils pensent qu'un projet prendra moins de temps, coûtera moins d'argent et comportera moins de risques qu'il ne le fera réellement. C'est comme supposer qu'un voyage en voiture durera quatre heures parce que vous n'avez jamais subi de bouchons, ignorant le fait que vous en rencontrez habituellement. Les chercheurs examinent également la maturité de l'IA, qui ne consiste pas seulement à posséder un robot cool. Il s'agit de la manière dont une entreprise a intégré l'IA de manière profonde dans ses habitudes quotidiennes, ses règles et la structure de son équipe. La grande question est la suivante : si une entreprise possède un moteur d'IA super avancé, cela corrige-t-il la mauvaise carte du capitaine ? Ou bien un moteur puissant rend-il le crash pire si la carte est mauvaise ? Cela importe car de nombreuses start-up technologiques misent leur avenir sur l'IA, et elles doivent savoir si leur optimisme les aide ou leur nuit.

Le double tranchant des machines intelligentes

Cette étude plonge dans la vie de 165 start-up technologiques à Téhéran, en Iran, pour voir comment le mélange de la « mauvaise planification » et de l'« IA intelligente » affecte la performance d'une entreprise. Les chercheurs ont interrogé les patrons et les fondateurs de ces entreprises, en les questionnant sur leur tendance à sous-estimer les coûts et à surestimer le succès, ainsi que sur la maturité de leurs systèmes d'IA. Ils ont utilisé un outil mathématique spécial appelé Modélisation par équations structurelles de moindres carrés partiels (pensez-y comme à une calculatrice de haute technologie qui trouve des modèles cachés dans les réponses aux sondages) pour traiter les chiffres.

Voici ce qu'ils ont trouvé, et c'est un peu un revirement par rapport à ce que beaucoup de gens pourraient attendre.

La mauvaise nouvelle : l'optimisme reste dangereux
Premièrement, l'étude a confirmé ce que beaucoup d'experts soupçonnaient : l'illusion de planification est mauvaise pour les affaires. Lorsque les fondateurs supposent systématiquement que les projets seront moins chers et plus rapides qu'ils ne le sont réellement, la performance de l'entreprise en pâtit. C'est comme essayer de cuisiner un gâteau avec une recette qui dit que vous n'avez besoin que d'un œuf alors qu'il en faut en réalité trois ; le résultat est un désastre. Les données ont montré un lien négatif clair : plus les fondateurs sous-estimaient les risques et les coûts, plus la performance de l'entreprise était médiocre.

La bonne nouvelle : l'IA aide généralement
En soi, posséder un système d'IA mature est une bonne chose. L'étude a révélé que les entreprises dotées de capacités d'IA bien intégrées et « matures » avaient tendance à mieux performer. C'est comme avoir un moteur haute performance ; généralement, cela fait avancer la voiture plus vite et plus sereinement.

Le revirement : l'effet à double tranchant
C'est ici que cela devient intéressant. Les chercheurs ont découvert que la maturité de l'IA agit comme une épée à double tranchant. Bien que l'IA soit généralement une bonne chose, elle rend en réalité les dommages causés par une mauvaise planification pires.

Imaginez que vous conduisez une voiture. Si vous avez une voiture lente et vieille et que vous supposez que le trajet durera 30 minutes alors qu'il dure en réalité une heure, vous serez peut-être juste un peu en retard. Vous pourrez probablement gérer la situation. Mais si vous conduisez une voiture propulsée par une fusée qui va à 200 miles par heure, et que vous faites la même erreur de calcul, vous ne serez pas seulement en retard ; vous pourriez percuter une montagne.

L'étude a révélé que pour les start-up ayant une haute maturité en IA, l'impact négatif de l'illusion de planification était beaucoup plus fort. En d'autres termes, plus l'IA d'une entreprise était avancée et intégrée, plus les dommages causés par leurs plans excessivement optimistes étaient importants. L'IA n'a pas corrigé la mauvaise carte ; au contraire, elle a aidé l'entreprise à exécuter le mauvais plan plus rapidement et plus efficacement, menant à des problèmes plus graves.

Ce que l'étude écarte
Le document argumente explicitement contre l'idée que l'IA soit un remède miracle. Il suggère que le simple fait d'acheter ou de construire une IA avancée ne stoppe pas automatiquement les gestionnaires de leur excès de confiance. L'IA ne « pense » pas par elle-même pour corriger les erreurs du patron ; elle suit simplement les instructions qui lui sont données. Si les instructions sont basées sur un fantasme, une IA super intelligente vous aidera simplement à construire ce fantasme plus rapidement.

Quelle est notre certitude ?
Les chercheurs sont assez confiants dans ces associations basées sur leurs données provenant de 165 start-up. Ils ont constaté que le lien entre la mauvaise planification et la faible performance était statistiquement significatif, et que l'effet d'« aggravation » de l'IA était également un résultat clair et mesurable. Cependant, comme l'étude a été réalisée à un moment précis (un instantané) et repose sur les propres opinions des patrons concernant leurs projets passés, les auteurs suggèrent que ce sont des associations fortes plutôt que des preuves absolues de cause à effet. Ils ont également noté que l'effet d'« aggravation », bien que réel, était un « petit » effet statistique, ce qui signifie qu'il s'agit d'une nuance subtile mais importante dans le monde complexe des affaires.

La conclusion
La principale leçon pour toute start-up technologique est simple : ne laissez pas votre moteur d'IA dépasser votre carte. Posséder un système d'IA sophistiqué est un avantage énorme, mais il ne fonctionne que si les personnes qui le dirigent sont réalistes quant au temps, à l'argent et aux risques. Si vous avez un moteur puissant mais une terrible carte, plus le moteur sera puissant, plus l'impact contre le mur sera violent. L'étude suggère que pour tirer le meilleur parti de l'IA, les entreprises doivent coupler leur technologie avec des routines de planification disciplinées et réalistes qui remettent en question leur propre optimisme.

Résumé Technique : La maturité de l'IA comme capacité à double tranchant

Problématique
Bien que la maturité de l'intelligence artificielle (IA) soit largement considérée comme un atout stratégique pour les startups technologiques, son impact sur la performance de l'entreprise n'est pas systématiquement positif. La littérature existante traite souvent la capacité d'IA comme un moteur de succès autonome ou examine les biais cognitifs entrepreneuriaux (tels que le biais de planification) de manière isolée. Cependant, il existe une lacune critique dans la compréhension de la manière dont l'institutionnalisation des capacités d'IA interagit avec les biais cognitifs des gestionnaires. Plus précisément, il reste incertain de savoir si les systèmes d'IA matures corrigent automatiquement les hypothèses de planification irréalistes ou si, au contraire, ils amplifient les conséquences négatives de ces biais en accélérant et en intensifiant l'exécution de stratégies erronées. Cette étude examine si la maturité de l'IA modère la relation entre le biais de planification et la performance de l'entreprise dans les startups technologiques aux ressources limitées.

Méthodologie
L'étude emploie un plan d'enquête transversale ciblant 165 startups technologiques à Téhéran, en Iran. L'unité d'analyse est la startup, les répondants étant des fondateurs, des PDG ou des directeurs généraux (postes de la haute direction) directement impliqués dans la planification stratégique et les décisions relatives à l'IA.

Collecte de données : Un questionnaire structuré en ligne a été administré. Pour atténuer le biais de méthode commune, les mesures des prédicteurs et des résultats ont été placées dans des sections distinctes, utilisant des cadres temporels différents (écarts de projets passés vs performance actuelle) et une formulation neutre.
Variables :
- Biais de planification : Mesuré comme une susceptibilité perçue à sous-estimer les calendriers, les coûts et les risques tout en surestimant les bénéfices, basé sur la conceptualisation de Flyvbjerg (2021).
- Maturité de l'IA : Mesurée comme le degré d'institutionnalisation des capacités d'IA à travers quatre domaines : stratégie/gouvernance, données/infrastructure, talents/pratiques, et gestion du cycle de vie des modèles (adapté de Khan et al., 2025).
- Performance de l'entreprise : Évaluée via dix items comparatifs par rapport aux principaux concurrents selon des dimensions de croissance, financières, de marché, d'innovation et de clientèle (adapté de Stam et Elfring, 2008).
Stratégie analytique : Les données ont été analysées par la modélisation d'équations structurelles par les moindres carrés partiels (PLS-SEM) via SmartPLS 3. L'étude a utilisé un modèle de mesure réflexif et a testé les relations structurelles, incluant un effet de modération, en utilisant le bootstrapping (5 000 sous-échantillons). La performance prédictive hors échantillon a été validée à l'aide de PLSpredict.

Résultats Clés
Le modèle structurel a expliqué 30,3 % de la variance de la performance de l'entreprise ( $R^2 = ,303$ ). L'analyse a produit trois conclusions principales :

Effet direct du biais de planification : Le biais de planification est négativement associé à la performance de l'entreprise ( $\beta = -0,249, p < ,001$ ). Cela soutient l'hypothèse selon laquelle les hypothèses de planification irréalistes faussent l'allocation des ressources et affaiblissent les résultats opérationnels.
Effet direct de la maturité de l'IA : La maturité de l'IA est positivement associée à la performance de l'entreprise ( $\beta = 0,430, p < ,001$ ). Cela indique que, en moyenne, des niveaux plus élevés de capacité d'IA institutionnalisée sont corrélés à une meilleure performance.
Effet de modération : L'interaction entre le biais de planification et la maturité de l'IA est négative et significative ( $\beta = -0,232, p < ,001$ ). L'analyse de la pente simple révèle que la relation négative entre le biais de planification et la performance devient plus abrupte à mesure que la maturité de l'IA augmente. En d'autres termes, bien que la maturité de l'IA aide généralement la performance, elle exacerbe l'impact délétère du biais de planification.

Contributions Clés
L'article apporte trois contributions spécifiques à la littérature :

Cognition entrepreneuriale : Il étend la recherche en identifiant le biais de planification comme un biais pertinent pour la performance dans les startups technologiques, démontrant que ses conséquences ne sont pas uniformes mais dépendent du contexte organisationnel.
Entrepreneuriat numérique et capacité d'IA : Il positionne la maturité de l'IA non pas simplement comme un atout technique, mais comme une « capacité contingente à double tranchant ». L'étude identifie la maturité de l'IA comme une condition limite qui altère la force de la relation biais de planification–performance, contestant l'idée que l'adoption de l'IA neutralise automatiquement le biais managérial.
Intégration théorique : Il intègre la théorie des systèmes socio-techniques et la vue basée sur l'attention (Attention-Based View) de l'entreprise. Cette intégration explique que la maturité de l'IA représente une configuration interdépendante d'arrangements techniques et sociaux ; sa valeur est contingente sur l'alignement de ces capacités avec la qualité de la planification et de l'attention des gestionnaires.

Signification et Revendications
Les auteurs soutiennent que l'argument central de l'étude est que la maturité de l'IA ne fonctionne pas indépendamment de la cognition managériale. Plutôt, une intégration plus profonde de l'IA augmente la portée et la vitesse de la prise de décision, amplifiant ainsi les conséquences de performance des hypothèses qui guident ces décisions.

L'article affirme modestement que la maturité de l'IA n'est pas intrinsèquement délétère ; plutôt, ses implications sur la performance dépendent de l'alignement entre les capacités d'IA, l'attention des gestionnaires et les routines de planification des entreprises. Les résultats suggèrent que, dans les startups, où l'excédent de ressources est limité, la nature « à double tranchant » de la maturité de l'IA signifie que sans une planification disciplinée et réaliste (spécifiquement en évitant le biais de planification), les bénéfices de la maturité de l'IA peuvent être compromis ou même inversés. L'étude conclut que la valeur de la maturité de l'IA dépend non seulement de la préparation technologique, mais aussi de la qualité des jugements de planification qui dirigent son utilisation.

Limites
Les auteurs reconnaissent plusieurs limites : le design transversal empêche l'inférence causale ; le recours à la perception de la susceptibilité plutôt qu'aux erreurs de prévision objectives ; l'utilisation d'un informateur clé unique ; et le contexte spécifique de Téhéran, en Iran, qui peut limiter la généralisation à d'autres environnements institutionnels. L'étude ne prétend pas avoir mesuré directement les mécanismes attentionnels ou socio-techniques spécifiques, les traitant comme des voies théoriquement plausibles.

Le double tranchant des machines intelligentes

Articles similaires