Modèle de rationalité limitée – Herbert A. Simon

L’analyse des processus de décision constitue l’un des carrefours théoriques les plus féconds des sciences sociales contemporaines. Durant la majeure partie du vingtième siècle, la pensée économique dominante s’est articulée autour d’une fiction théorique élégante mais réductrice : celle d’un agent économique omniscient, doté d’une puissance calculatoire infinie et capable d’ordonner l’ensemble des futurs possibles selon une échelle de préférences immuable. Cette vision axiomatique, cristallisée dans la théorie du choix rationnel et les théorèmes d’utilité espérée, postulait que décider revenait invariablement à résoudre une équation d’optimisation sous contraintes. Pourtant, confronté à la réalité phénoménologique des choix humains, ce modèle révélait des failles béantes, incapable d’expliquer pourquoi les organisations commettent des erreurs systématiques, pourquoi les marchés échouent à converger vers l’équilibre parfait, ou comment les êtres humains parviennent à naviguer avec succès dans des environnements d’une complexité vertigineuse.

C’est au cœur de cette dissonance épistémologique qu’intervient l’œuvre révolutionnaire de Herbert A. Simon. En forgeant le concept de rationalité limitée (bounded rationality), Simon ne s’est pas contenté d’amender marginalement le paradigme néoclassique ; il en a opéré une refondation anthropologique et méthodologique radicale. Rejetant l’illusion d’une optimisation globale inaccessible à l’esprit humain, il a déplacé la focale théorique de la rationalité substantive — qui ne s’intéresse qu’au résultat optimal de l’action — vers la rationalité procédurale, attentive aux opérations cognitives, aux contraintes temporelles et aux dispositifs institutionnels qui rendent la décision effectivement possible. Ce changement de regard a permis d’arracher la théorie du choix à l’abstraction pure pour la réancrer dans la réalité empirique des architectures mentales et des dynamiques sociales.

Le modèle de la rationalité limitée s’érige ainsi en une matrice interdisciplinaire majeure, irriguant l’économie comportementale, la sociologie des organisations, les sciences de gestion, l’intelligence artificielle symbolique et la psychologie cognitive. Comprendre la rationalité limitée, c’est explorer la façon dont des agents faillibles, aux ressources computationnelles finies et plongés dans un brouillard d’incertitude radicale, parviennent néanmoins à agir de manière sensée en substituant à l’impératif impossible de l’optimisation le principe pragmatique du satisficing — la recherche d’une solution satisfaisante et suffisante. Ce traité propose une exploration approfondie de ce modèle séminal, depuis ses fondements philosophiques et ses mécanismes cognitifs jusqu’à ses prolongements contemporains à l’ère de l’intelligence artificielle générative.

1. Introduction et fondements conceptuels de la rationalité limitée

1.1 Rupture avec le paradigme néoclassique de l’Homo Oeconomicus

Le paradigme néoclassique a bâti son édifice sur la figure conceptuelle de l’Homo oeconomicus, un être fictif caractérisé par une rationalité substantive absolue. Dans ce cadre axiomatique, formalisé notamment par Léon Walras, Vilfredo Pareto, puis perfectionné par John von Neumann et Oskar Morgenstern à travers la théorie de l’utilité espérée, le décideur est supposé posséder une connaissance exhaustive de l’espace des choix possibles. Face à un problème décisionnel, cet agent évalue instantanément et sans coût l’ensemble des alternatives, assigne à chaque issue une probabilité d’occurrence objective ou subjective, et maximise une fonction d’utilité continue et transitive. Cette construction purement normative ne visait pas initialement à décrire le comportement psychologique réel des individus, mais à fournir un cadre déductif rigoureux permettant de dériver les conditions mathématiques de l’équilibre général sur les marchés concurrentiels.

Herbert A. Simon engage une critique frontale et sans concession de ce postulat d’omniscience. Il démontre que l’hypothèse d’une information parfaite, immédiatement accessible et traitable sans friction, relève d’une illusion métaphysique contredite par l’observation empirique. Dans le monde réel, l’accès à l’information est coûteux, asymétrique et inévitablement parcellaire. En outre, la capacité de calcul requise pour maximiser l’utilité dans des contextes multidimensionnels dépasse de plusieurs ordres de grandeur la puissance computationnelle du cerveau biologique, et excède même celle des supercalculateurs les plus avancés dès lors que l’on se heurte à l’explosion combinatoire. L’approche néoclassique commet une erreur catégorielle fondamentale en confondant l’analyse logique d’un problème dans un environnement fermé avec l’écologie cognitive de la décision dans un monde ouvert et dynamique.

Cette déconstruction théorique entraîne un basculement épistémologique d’une portée incalculable : le passage d’une vision normative de la décision — ce que le décideur devrait faire s’il disposait de capacités divines — à une démarche résolument descriptive et positive — comment les êtres humains procèdent réellement lorsqu’ils délibèrent et agissent. Simon invite ainsi les économistes à renoncer au confort des théorèmes mathématiques déconnectés de la réalité pour embrasser les données issues de la psychologie expérimentale et des observations de terrain. La rationalité ne peut plus être décrétée a priori depuis un olympe théorique ; elle doit être redéfinie à partir de l’observation concrète des opérations mentales et des dispositifs pratiques mobilisés par les agents pour surmonter leurs limites intrinsèques.

1.2 Biographie intellectuelle et trajectoire académique de Herbert A. Simon

L’émergence du modèle de la rationalité limitée ne peut être dissociée de la trajectoire intellectuelle exceptionnelle de son auteur. Né en 1916 à Milwaukee dans le Wisconsin, Herbert Alexander Simon manifeste très tôt une insatiable curiosité intellectuelle qui refuse les frontières disciplinaires traditionnelles. Formé à l’Université de Chicago durant les années 1930, il y étudie les sciences politiques et l’économie sous l’égide de maîtres tels que Charles Merriam et Harold Lasswell, tout en s’imprégnant de logique mathématique, de philosophie des sciences et de sociologie. C’est en observant le fonctionnement concret de l’administration municipale de Milwaukee et les processus de gestion des finances publiques que Simon forge ses premières intuitions : les administrateurs ne maximisent rien ; ils cherchent péniblement des compromis viables au milieu d’un flux ininterrompu de contraintes contradictoires et de données lacunaires.

Cette intuition de jeunesse trouve son accomplissement théorique en 1947 avec la publication de son ouvrage séminal, Administrative Behavior: A Study of Decision-Making Processes in Administrative Organization. Issu de sa thèse de doctorat, ce livre monumental jette les bases de ce qui deviendra la théorie moderne des organisations. Simon y affirme avec force que l’administration est avant tout un ensemble de processus de décision, et que la tâche primordiale de la théorie organisationnelle consiste à analyser les limites de la rationalité humaine ainsi que les mécanismes institutionnels conçus pour y suppléer. L’ouvrage fait l’effet d’une déflagration dans le champ des sciences administratives et commence à ébranler les certitudes de l’économie orthodoxe, bien que cette dernière oppose une résistance tenace à ses propositions iconoclastes.

Au cours des décennies suivantes, installé à l’Université Carnegie Mellon de Pittsburgh, Simon déploie son génie sur de multiples fronts, devenant l’un des pères fondateurs de la psychologie cognitive moderne et des sciences computationnelles naissantes. Son œuvre magistrale est consacrée en 1978 par l’obtention du prix de la Banque de Suède en sciences économiques en mémoire d’Alfred Nobel, « pour ses recherches pionnières sur les processus de décision au sein des organisations économiques ». Fait rarissime pour un théoricien des sciences sociales, il reçoit également en 1975, conjointement avec son collaborateur de longue date Allen Newell, le prestigieux prix Turing, la plus haute distinction en informatique, pour leurs contributions pionnières à l’intelligence artificielle et à l’analyse de la cognition humaine. Ce polymathisme assume une cohérence interne parfaite : qu’il s’agisse de modéliser une organisation bureaucratique, d’écrire un programme informatique démontrant des théorèmes logiques ou d’analyser le regard d’un joueur d’échecs, Simon a poursuivi une seule et même interrogation épistémologique : comment un système d’information physique fini parvient-il à penser et à décider dans un univers complexe ?

1.3 Définition et principes directeurs de la rationalité limitée

La rationalité limitée ne doit en aucun cas être interprétée comme un plaidoyer pour l’irrationalité ou le fatalisme cognitif. Simon récuse vigoureusement l’idée selon laquelle les êtres humains agiraient de manière absurde, chaotique ou purement pulsionnelle. Au contraire, les agents sont intentionnellement rationnels : ils déploient des trésors d’ingéniosité pour atteindre leurs objectifs, élaborent des plans, pondèrent des arguments et tentent de faire les choix les plus judicieux possible. Cependant, cette rationalité est intrinsèquement limitée (ou bornée) car elle se heurte à des contraintes insurmontables tenant à la fois à l’architecture neurobiologique de l’esprit humain et à la structure informationnelle de l’environnement au sein duquel il évolue.

Le premier principe directeur du modèle réside dans la distinction fondamentale entre rationalité absolue (ou substantive) et rationalité située (ou procédurale). La rationalité substantive suppose que l’action est déterminée exclusivement par les caractéristiques objectives du problème à résoudre, indépendamment de l’appareil cognitif qui traite ce problème. À l’inverse, la rationalité limitée est une rationalité située : elle s’enracine dans le contexte matériel, social et temporel de l’action. L’agent ne réagit pas au monde réel dans sa plénitude objective inaccessible, mais à un modèle simplifié de la réalité qu’il construit activement à travers ses filtres perceptifs, ses schémas culturels et ses souvenirs préalables. L’objet d’étude n’est donc plus l’adéquation logique abstraite entre des fins et des moyens dans l’absolu, mais la mécanique psychologique et computationnelle par laquelle ce modèle réduit est échafaudé puis manipulé.

Le second principe directeur consacre le rôle central de l’adaptation comportementale dans les contextes institutionnels. Incapables d’embrasser l’immensité du réel, les êtres humains conçoivent des prothèses intellectuelles et organisationnelles destinées à compenser leurs fragilités cognitives. Les règles formelles, les conventions tacites, la hiérarchie bureaucratique et les routines opérationnelles ne sont pas des entraves au déploiement d’une pensée pure ; elles constituent la condition même de possibilité de la rationalité en action. L’intelligence humaine n’est pas un attribut solitaire et abstrait, mais une propriété émergente de l’interaction constante entre un organisme aux facultés de traitement restreintes et un environnement physique et social richement outillé. La rationalité limitée se présente ainsi comme une écologie de l’esprit incarné et distribué.

2. Les contraintes cognitives et environnementales de l’agent décideur

2.1 Limites de la mémoire de travail et traitement séquentiel de l’information

Pour appréhender les fondements de la rationalité limitée, il est indispensable de disséquer l’infrastructure neurocognitive de l’agent décideur. Le goulot d’étranglement le plus critique de l’esprit humain se situe au niveau de la mémoire de travail. Comme l’a mis en lumière le psychologue George A. Miller dans son article fondateur de 1956 sur le nombre magique sept (plus ou moins deux), la capacité d’un être humain à retenir et manipuler simultanément des éléments d’information indépendants (chunks) dans son foyer d’attention consciente est dramatiquement restreinte. Nous ne disposons pas d’un espace de calcul mental extensible à l’infini ; notre canal attentionnel est étroit, sélectif et rapidement saturé dès lors que le nombre de variables en interaction s’accroît.

Cette contrainte structurelle impose à la pensée humaine un mode de traitement fondamentalement séquentiel et non massivement parallèle. Alors que les algorithmes théoriques de l’optimisation substantive exigent d’évaluer de front des milliers d’alternatives et d’en calculer instantanément les utilités croisées, le cerveau est contraint d’examiner les données les unes après les autres, pas à pas. Ce traitement linéaire engendre une vulnérabilité extrême face à la surcharge informationnelle (information overload). Dans les environnements contemporains, hyper-connectés et dynamiques, la rareté critique n’est plus l’information elle-même — disponible en abondance pléthorique —, mais l’attention humaine requise pour la filtrer, la contextualiser et l’assimiler. Face à un flux massif de signaux hétérogènes, le décideur se trouve submergé, incapable de séparer le signal pertinent du bruit de fond sans recourir à des mécanismes d’éviction drastiques.

Il en découle l’impossibilité physiologique et cognitive d’examiner l’arbre complet des conséquences d’une action. Dans un jeu aussi circonscrit que les échecs, le nombre d’états possibles du plateau dépasse le nombre d’atomes dans l’univers observable (le célèbre nombre de Shannon, de l’ordre de $10^{120}$). Tenter une exploration exhaustive mènerait à une paralysie motrice et cognitive immédiate. L’esprit humain doit impérativement interrompre l’exploration arborescente, élaguer la quasi-totalité des branches décisionnelles sans même les explorer, et focaliser son faisceau attentionnel sur un sous-ensemble infime d’options immédiates, renonçant par là même à toute prétention à la complétude algorithmique.

2.2 Incertitude radicale et incomplétude structurelle des données

Aux limites internes de l’appareil cognitif s’ajoutent les propriétés intrinsèques de l’environnement décisionnel, dominé par ce que l’économiste Frank Knight a conceptualisé en 1921 sous le terme d’incertitude radicale, par opposition au simple risque probabilisable. Dans une situation de risque (comme le tirage d’une roulette de casino ou le lancer d’un dé non pipé), l’espace de tous les états futurs possibles de la nature est parfaitement répertorié, et des probabilités mathématiques objectives peuvent être associées à chaque événement. L’optimisation y conserve une validité logique formelle. Dans le monde social, politique et économique réel en revanche, nous faisons face à une incertitude fondamentale : la liste même des événements futurs possibles demeure inconnue et impossible à dresser ex ante.

Cette incertitude se double d’une incomplétude structurelle des données disponibles au moment d’agir. L’acquisition d’informations supplémentaires n’est jamais un acte purement intellectuel et gratuit ; elle consomme du temps, de l’énergie physique, des ressources financières substantielles et mobilise une attention précieuse. Comme George Stigler l’a souligné dans ses travaux sur l’économie de l’information, la quête d’information obéit elle-même à une loi de rendements décroissants. Cependant, Herbert Simon pousse l’analyse bien plus loin que Stigler : le problème n’est pas seulement de savoir combien d’argent dépenser pour obtenir une décimale supplémentaire de précision, mais de réaliser que l’information n’existe tout simplement pas encore pour les événements émergents nés de l’interaction stratégique entre des millions d’acteurs interdépendants.

De surcroît, les signaux émis par l’environnement ne se présentent pas sous la forme de données quantitatives nettes et univoques prêtes à être injectées dans un modèle bayésien. Ils sont intrinsèquement équivoques, bruyants, fragmentaires et susceptibles d’interprétations contradictoires. L’agent décideur est perpétuellement confronté à l’ambiguïté des signaux faibles et à la possibilité permanente de désinformation stratégique de la part de ses rivaux. Chercher à fonder la décision sur une certitude absolue ou une objectivité mathématique totale dans un tel cadre relève d’une aporie épistémologique qui condamne l’acteur à l’inaction stérile.

2.3 Coûts de calcul et compromis délibératif

L’acte délibératif n’est pas un processus instantané et immatériel ; c’est un travail physique et computationnel coûteux. Chaque opération mentale, chaque simulation d’un scénario prospectif, chaque mise en relation de variables concurrentes mobilise l’infrastructure biologique du système nerveux central, consommatrice d’oxygène et de glucose, et s’inscrit dans une temporalité incompressible. Dans la plupart des situations pratiques — qu’il s’agisse d’un dirigeant d’entreprise devant réagir à une manœuvre hostile d’un concurrent, d’un médecin urgentiste face à un arrêt cardiaque ou d’un pilote d’avion traversant une zone de turbulences critiques —, le temps alloué à la réflexion constitue la ressource la plus dramatiquement contrainte.

Face à ces coûts de calcul prohibitifs, l’agent rationnel au sens simonien est contraint de recourir à des modélisations mentales simplifiées de son espace d’action. L’esprit ne reproduit pas le réel à l’échelle 1:1, ce qui serait absurde et paralysant, mais en construit des caricatures opératoires qui ne retiennent qu’un nombre dérisoire de dimensions jugées saillantes. Ces abstractions permettent de manipuler mentalement des concepts complexes à moindre coût énergétique. Le décideur navigue ainsi dans son univers à l’aide de représentations stylisées, de métaphores conceptuelles et d’analogies historiques qui réduisent la texture infiniment dense du monde à quelques lignes directrices manipulables.

Il émerge dès lors un arbitrage permanent et inéluctable entre la précision de l’analyse et la célérité de la décision, formalisé en sciences cognitives sous le nom de compromis vitesse-précision (speed-accuracy trade-off). Pousser la délibération jusqu’à ses limites logiques ultimes afin d’éliminer la dernière marge d’erreur engendre des coûts d’opportunité astronomiques : pendant que l’analyste affine ses projections, la fenêtre d’opportunité stratégique s’est refermée, les concurrents ont agi, ou le patient est décédé. Décider sous rationalité limitée, c’est assumer délibérément un niveau d’imperfection analytique comme le prix incompressible à payer pour conserver une capacité d’action opératoire dans un monde qui n’attend pas la fin des délibérations.

3. Le principe de satisfaction (« Satisficing ») versus optimisation

3.1 Du calcul optimal au critère d’adéquation suffisante

Pour formaliser la rupture avec la mécanique néoclassique de la maximisation, Simon forge un néologisme devenu célèbre dans l’histoire des sciences sociales : le concept de satisficing. Forgé par la contraction des verbes anglais to satisfy (satisfaire) et to suffice (suffire), ce mot-valise condense à lui seul une révolution paradigmatique. Alors que l’optimisation postule la recherche de la meilleure solution possible parmi l’ensemble exhaustif des solutions concevables (la maximisation absolue d’une fonction d’utilité ou de profit), le satisficing théorise la recherche d’une solution qui franchit avec succès un seuil d’acceptabilité prédéterminé.

Simon illustre cette bascule par une métaphore saisissante : là où l’économiste néoclassique cherche l’aiguille la plus tranchante et la plus parfaite dissimulée au fond d’une meule de foin infinie (une entreprise impliquant d’inspecter chaque brin de paille sans exception), le décideur simonien explore la meule jusqu’à ce qu’il déniche une aiguille suffisamment pointue pour recoudre le vêtement déchiré, interrompant sur-le-champ sa quête laborieuse. Le critère d’adéquation suffisante remplace ainsi l’impératif d’optimalité globale. L’agent ne vise pas la perfection céleste, mais une viabilité pratique immédiate. Ce renoncement à l’optimum mathématique n’est pas un aveu d’échec ou de paresse intellectuelle, mais la seule réponse méthodologiquement adaptée à un univers où les coûts de recherche dépassent très vite les gains marginaux procurés par une amélioration infinitésimale de la solution.

Ce basculement modifie en profondeur la nature même de la rationalité. Dans le cadre du satisficing, le décideur n’a plus besoin d’établir une fonction d’utilité complète capable de classer par ordre de préférence des millions d’options mutuellement exclusives. Il lui suffit de disposer d’une règle d’évaluation binaire ou ordinale simple : l’alternative examinée est-elle « acceptable » ou « inacceptable » ? Remplit-elle les critères minimaux requis pour débloquer la situation problématique ? Dès lors qu’une option franchit ce seuil de tolérance, le processus délibératif s’achève et laisse place à la phase d’exécution, garantissant une économie colossale d’efforts psychologiques et matériels.

3.2 Dynamique psychologique des niveaux d’aspiration

Le modèle du satisficing ne serait qu’un mécanisme figé et vulnérable à la médiocrité s’il n’était articulé à un moteur adaptatif puissant : la théorie des niveaux d’aspiration (aspiration levels). Empruntant ce concept aux travaux pionniers de la psychologie sociale allemande et américaine, notamment à Kurt Lewin, Simon postule que le seuil de ce qui est jugé « satisfaisant » n’est pas une constante immuable gravée dans le marbre biologique de l’agent. Il s’agit d’une variable dynamique, éminemment plastique, qui s’ajuste continuellement en fonction des flux de rétroaction provenant de l’environnement et de l’histoire cumulative de l’acteur.

Le niveau d’aspiration se forme initialement à partir des expériences passées, des points de référence socioculturels et des comparaisons interpersonnelles. Lorsqu’un individu ou une organisation évolue dans un environnement particulièrement généreux ou facile d’accès, où les options satisfaisantes sont découvertes presque instantanément et sans heurt, une dynamique psychologique d’ajustement à la hausse s’enclenche automatiquement. Enhardi par ses succès répétés, le décideur élève ses exigences : ce qui était considéré hier comme un résultat acceptable devient insuffisant aujourd’hui. L’aspiration augmente, incitant l’agent à intensifier ses critères de sélection et à ne tolérer que des solutions d’une qualité nettement supérieure. Ce mécanisme protège le décideur contre la stagnation complaisante.

Inversement, lorsque l’environnement devient hostile, rare ou imprévisible, et que les recherches séquentielles se soldent par des échecs prolongés sans qu’aucune option ne parvienne à égaler le seuil d’exigence initial, le processus psychologique opère en sens inverse. La frustration cognitive et la pression temporelle contraignent l’agent à une révision à la baisse de son niveau d’aspiration. Le décideur consent à des compromis, élargit son périmètre de tolérance et redéfinit à la baisse ce qu’il qualifie de « suffisant ». Grâce à cette rétroaction négative stabilisatrice, le système décisionnel ne s’enferme jamais durablement dans une impasse insolub耿te ; il conserve sa capacité à déboucher sur une action pragmatique en adaptant ses prétentions intérieures à la résistance objective du milieu extérieur.

3.3 Processus d’exploration séquentielle et règles d’arrêt

La mise en œuvre concrète du satisficing repose sur une cinématique exploratoire spécifique : la recherche séquentielle des alternatives. Contrairement au modèle néoclassique qui postule que l’éventail complet des options est offert simultanément sous le regard du décideur à l’instant zéro (choix synchrone), Simon modélise la décision comme une marche exploratoire diachronique à travers un paysage d’informations. Les solutions possibles ne sont pas données a priori par la nature ; elles doivent être péniblement générées, découvertes ou construites l’une après l’autre grâce à des opérations heuristiques.

Ce caractère séquentiel confère une importance capitale à l’ordre d’énumération ou de découverte des alternatives. L’ordre dans lequel les pistes sont explorées n’est pas neutre sur l’issue finale : deux décideurs partageant exactement le même niveau d’aspiration et les mêmes préférences fondamentales adopteront des solutions totalement divergentes si le hasard ou leurs routines de recherche les conduisent à examiner l’espace des solutions selon des parcours différents. Dès qu’une première option croisant ou dépassant le niveau d’aspiration est identifiée, le mécanisme d’interruption s’active sans délai. L’exploration prend fin, et toutes les autres options potentielles — y compris celles qui auraient pu s’avérer infiniment plus brillantes si l’on avait poursuivi la prospection — sont purement et simplement ignorées.

Cette règle d’arrêt précoce garantit une formidable économie d’effort cognitif et de temps. Elle permet à des organismes biologiques dont l’espérance de vie et l’énergie sont comptées de survivre dans des biotopes impitoyables. En formalisant ces règles d’arrêt (stopping rules), Simon démontre avec éclat que la rationalité humaine ne réside pas dans la perfection statique du résultat atteint, mais dans l’élégance pragmatique du protocole de régulation qui équilibre le coût de l’investigation supplémentaire et la valeur fonctionnelle de la réponse trouvée.

4. Heuristiques de jugement et stratégies de simplification

4.1 Fonction adaptative des règles empiriques

Pour guider cette exploration séquentielle sans sombrer dans l’errance aveugle du tâtonnement aléatoire, l’esprit humain mobilise ce que Simon désigne sous le terme d’heuristiques (du grec heuriskein, trouver). Une heuristique est une règle empirique, une méthode de simplification pratique — ou un « raccourci mental » — qui permet de naviguer dans des espaces de problèmes gigantesques en éludant la nécessité d’un calcul exhaustif. Loin d’être des dysfonctionnements de la machinerie cérébrale, les heuristiques incarnent l’intelligence adaptative fondamentale forgée par l’évolution biologique et l’apprentissage culturel pour opérer dans l’urgence et avec des moyens restreints.

La fonction première des heuristiques consiste à restreindre drastiquement la topologie de l’espace du problème à des sous-ensembles traitables. Par exemple, au lieu de calculer toutes les trajectoires physiques théoriquement possibles d’un projectile, un prédateur ou un joueur de baseball utilise l’heuristique du regard (gaze heuristic) : ajuster sa vitesse de course de manière à maintenir constant l’angle visuel formé avec la trajectoire de l’objet. Ce calcul géométrique implicite et non formalisé court-circuite la résolution d’équations différentielles complexes tout en garantissant une interception quasi parfaite de la cible. Les heuristiques exploitent la structure informationnelle régulière de l’environnement pour produire des décisions d’une remarquable efficacité avec une dépense d’énergie cérébrale minimale.

L’expérience cumulée et l’acquisition progressive d’une expertise dans un domaine donné se traduisent précisément par la sédimentation d’un répertoire sophistiqué d’heuristiques spécialisées. Le professionnel aguerri — qu’il s’agisse d’un chef d’entreprise chevronné, d’un maître artisan ou d’un détective — ne réfléchit pas davantage qu’un profane au sens où il déploierait une logique formelle plus lourde. Au contraire, il réfléchit « moins » mais infiniment mieux : son répertoire de raccourcis empiriques lui permet d’éliminer d’emblée quatre-vingt-dix-neuf pour cent des pistes non viables pour focaliser instantanément son diagnostic sur les rares paramètres porteurs de sens véritable.

4.2 Décomposition modulaire des problèmes décisionnels

L’une des stratégies de simplification les plus universelles théorisées par Simon réside dans la décomposition modulaire de la complexité. Dans son célèbre essai sur l’architecture de la complexité, Simon formalise le concept de « systèmes presque décomposables » (nearly decomposable systems). Face à un problème massif, interconnecté et opaque, l’esprit humain est incapable d’en appréhender la globalité d’un seul bloc. L’intelligence consiste à découper artificiellement ce macro-problème en une série de sous-problèmes emboîtés, relativement autonomes les uns par rapport aux autres, qui peuvent être analysés et résolus de manière quasi séquentielle et indépendante.

Cette approche trouve son incarnation méthodologique dans l’analyse moyens-fins (means-ends analysis), formalisée par Newell et Simon au sein du programme General Problem Solver. Cette stratégie heuristique repose sur une logique récursive limpide : l’agent compare son état actuel à l’état final désiré (le but) et identifie la différence majeure qui les sépare. Il recherche ensuite dans son répertoire d’actions un opérateur ou un outil spécifiquement conçu pour réduire ou abolir cette différence. Si cet opérateur ne peut être appliqué immédiatement en raison de conditions préalables non remplies, l’agent suspend temporairement son objectif principal pour ériger la satisfaction de cette condition préalable en sous-but intermédiaire (un moyen en vue de la fin future).

Par ce procédé d’arborescence récursive en sous-buts successifs, le gouffre d’un défi insoluble est fragmenté en une chaîne de petites marches faciles à gravir. L’esprit n’a plus à embrasser le sommet lointain de la montagne ; il concentre la totalité de sa bande passante cognitive sur l’obstacle modulaire immédiat. Cette gestion de la complexité par la hiérarchisation pyramidale des micro-tâches constitue le principe directeur non seulement de la pensée humaine individuelle, mais également de toute l’ingénierie moderne et des organigrammes d’entreprises, qui ne sont rien d’autre que la spatialisation institutionnelle de l’analyse moyens-fins.

4.3 Articulation avec les biais cognitifs identifiés par la psychologie moderne

Les intuitions matricielles de Simon ont préparé le terrain à la révolution scientifique déclenchée dans les années 1970 par Daniel Kahneman et Amos Tversky à travers leur célèbre programme sur les heuristiques et biais. Il existe une filiation conceptuelle directe entre la rationalité limitée simonienne et les travaux expérimentaux de Kahneman et Tversky : tous partagent le postulat inamovible selon lequel la cognition humaine ne se conforme pas aux règles axiomatiques du calcul des probabilités et de la logique déductive pure.

Cependant, une distinction épistémique majeure sépare les deux approches. Pour Kahneman et Tversky, l’accent est massivement mis sur la mise en évidence des biais cognitifs, c’est-à-dire les déviations systématiques, prévisibles et sous-optimales de la pensée humaine par rapport aux normes idéales de la statistique classique. Des heuristiques fondamentales comme la représentativité (juger de la probabilité d’un événement par sa ressemblance stéréotypique avec une classe d’objets), la disponibilité (évaluer un risque en fonction de la facilité avec laquelle des exemples surgissent en mémoire) ou l’ancrage (ajuster son estimation à partir d’un chiffre aléatoire initial) sont prioritairement présentées comme les sources de bévues analytiques, de distorsions perceptuelles et d’erreurs de jugement dommageables.

À l’inverse, dans la vision originelle de Herbert Simon — tout comme dans ses prolongements ultérieurs par des chercheurs comme Gerd Gigerenzer —, l’heuristique est abordée sous un angle résolument positif, fonctionnel et adaptatif. Simon ne considérait pas les raccourcis mentaux comme des tares ou des aberrations d’un esprit défaillant, mais comme des triomphes de l’économie computationnelle sans lesquels aucune survie biologique ne serait envisageable. Les représentations mentales incomplètes et les distorsions locales sont le tribut indispensable que la pensée rationnelle doit payer pour préserver sa faculté fondamentale d’arbitrage et d’action au sein d’un univers où l’omniscience équivaudrait à la mort par sidération cognitive.

5. La dimension organisationnelle : Décision collective et structure institutionnelle

5.1 L’organisation formelle comme prothèse cognitive collective

L’un des apports les plus profonds de Simon à la sociologie et aux sciences de gestion réside dans sa théorisation de l’organisation formelle. Loin d’être un simple agrégat mécanique d’intérêts individuels négociant des contrats sur un marché, l’organisation — qu’il s’agisse d’une firme multinationale, d’une armée ou d’un ministère — est définie par Simon comme une prothèse cognitive collective destinée à compenser les déficiences structurelles de la rationalité humaine individuelle. Si les agents humains étaient dotés d’une rationalité substantive infinie, les organisations complexes n’auraient aucune raison d’exister : les individus coordonneraient leurs actions instantanément par le jeu parfait des prix de marché sans jamais nécessiter de hiérarchies managériales.

C’est précisément parce que l’esprit humain est borné que l’institution devient indispensable. L’organisation formelle fournit à l’acteur individuel un cadre de référence stable, prévisible et considérablement simplifié, délimitant artificiellement son horizon d’action. En entrant dans une organisation, le salarié ou le fonctionnaire n’a pas à redéfinir chaque matin le sens de son existence ni à reconstruire de toutes pièces la totalité des paramètres économiques du monde. L’institution absorbe l’incertitude du milieu extérieur pour lui présenter un univers balisé : elle lui assigne des buts généraux précis, lui impose des critères d’évaluation sectoriels et met à sa disposition des prémisses de décision stabilisées qui bornent son champ d’investigation.

De surcroît, la structure organisationnelle opère comme un filtre informationnel gigantesque. Elle érige des canaux de communication formels rigoureusement compartimentés qui canalisent, trient, élaguent et synthétisent les flots démesurés de données brutes issues de l’environnement. Ces circuits évitent que le sommet stratégique ne soit submergé par l’infobésité opérationnelle tout en garantissant que les exécutants à la base reçoivent des instructions claires et contextualisées. L’institution transforme ainsi une poussière d’agents cognitivement faillibles en un macro-système capable d’accomplir des prouesses collectives d’une complexité titanesque — comme envoyer des êtres humains sur la Lune ou concevoir des microprocesseurs gravés au nanomètre —, prouesses qu’aucun cerveau individuel ne pourrait concevoir ou piloter isolément.

5.2 Routines organisationnelles, spécialisation et division du travail mental

Au cœur de cette prothèse organisationnelle se déploient les routines organisationnelles et les procédures opérationnelles standardisées (Standard Operating Procedures). Tout comme le cerveau biologique automatise certains gestes moteurs sous forme de réflexes et d’habitudes neuronales pour libérer sa mémoire de travail consciente, l’organisation automatise la résolution de ses problèmes récurrents par le biais de manuels de procédures, de règlements intérieurs et de protocoles stricts. Face à un problème d’approvisionnement, à une plainte client ou à un incident technique, les agents n’ont pas à délibérer ex nihilo : ils appliquent un programme comportemental préétabli, éprouvé par les expériences antérieures de la firme.

Cette standardisation permet une gestion rationnelle de l’attention managériale, ressource ultime et la plus rare de l’entreprise. Simon opère une dichotomie fondamentale entre deux classes de décisions :

• Les décisions programmées : Ce sont les arbitrages répétitifs, routiniers, pour lesquels l’organisation a élaboré des séquences d’action prédéterminées garantissant un traitement rapide et peu coûteux.
• Les décisions non programmées : Ce sont les choix hautement stratégiques, inédits, surgissant face à des ruptures brutales de l’environnement, pour lesquels il n’existe aucun précédent documenté et qui requièrent une mobilisation intense de la délibération créative et du diagnostic heuristique.

En codifiant massivement les décisions programmées sous la forme de routines impersonnelles, l’organisation libère la capacité cognitive de ses dirigeants, qui peuvent alors concentrer toute leur attention sur les choix non programmés vitaux pour la survie à long terme du collectif.

Cette dynamique s’articule intimement avec le principe taylorien de la division du travail, que Simon enrichit d’une dimension purement cognitive : la division du travail mental. Dans une structure complexe, la spécialisation fonctionnelle (finance, marketing, recherche et développement, ressources humaines) permet à chaque compartiment de développer une expertise locale très poussée. Le directeur financier n’a nul besoin de comprendre les équations de chimie moléculaire des polymères synthétisés par le laboratoire de l’entreprise ; le chercheur n’a pas à maîtriser la mécanique fiscale des dérivés de couverture de change. La rationalité limitée des acteurs est ainsi compartimentée et optimisée localement au sein de micro-domaines maîtrisables, la coordination globale étant assurée par l’architecture des flux hiérarchiques et des objectifs intermédiaires.

5.3 Prolongements théoriques : Les apports de James G. March et Richard Cyert

Les intuitions organisationnelles de Simon ont été magnifiquement prolongées et approfondies dans les années 1950 et 1960 par ses illustres collaborateurs de la Carnegie School, principalement James G. March et Richard Cyert. Dans leur classique indépassable publié en 1963, A Behavioral Theory of the Firm, Cyert et March dynamitent la fiction économique de l’entreprise conçue comme un acteur unitaire monolithique maximisant une fonction de profit unique. Ils démontrent que la firme est en réalité une coalition d’intérêts hétérogènes — actionnaires, cadres dirigeants, syndicats, ouvriers, clients —, chacun porteur d’objectifs divergents et de niveaux d’aspiration propres.

Au sein d’une telle coalition, la prise de décision relève d’une négociation politique permanente marquée par des conflits d’objectifs latents. L’organisation ne résout pas ces conflits par un consensus philosophique absolu ou une optimisation globale introuvable, mais par ce que Cyert et March appellent la quasi-résolution du conflit. Les buts contradictoires sont découplés et traités de manière séquentielle plutôt que simultanée : l’entreprise s’occupe de la rentabilité financière au trimestre T1, des conditions de travail et du climat social au trimestre T2, et de la part de marché au trimestre T3. De plus, la coalition est stabilisée par des « paiements latéraux » (primes, privilèges symboliques, allocations de budgets autonomes) et par l’existence d’un slack organisationnel (un matelas de ressources excédentaires non allouées de manière ultra-rigide) qui absorbe les frictions internes et adoucit les chocs environnementaux imprévus.

Ce courant comportementaliste atteint son paroxysme conceptuel en 1972 lorsque Michael Cohen, James March et Johan Olsen théorisent le célèbre modèle de la corbeille de papier (Garbage Can Model). Appliqué aux « anarchies organisées » que sont souvent les universités, les hôpitaux ou les assemblées politiques, ce modèle inverse totalement la causalité décisionnelle classique. Alors que le bon sens suggère qu’un problème suscite la recherche délibérée d’une solution, March et ses pairs montrent que l’organisation est un réceptacle où s’accumulent indépendamment quatre flux déconnectés : des flux de problèmes, des flux de solutions (des réponses à la recherche de questions pour se justifier !), des flux de participants (dont la présence varie selon leurs agendas) et des opportunités de choix. La décision finale ne résulte pas d’une analyse causale rigoureuse, mais d’une rencontre accidentelle et temporelle entre ces quatre flux dans la corbeille organisationnelle au gré des circonstances historiques.

6. Rationalité substantive versus rationalité procédurale

6.1 Fondements de la rationalité substantive en économie théorique

Pour clarifier définitivement le fossé infranchissable qui sépare l’orthodoxie économique de son approche comportementale, Herbert Simon formalise dans une série d’articles magistraux au cours des années 1970 la distinction épistémologique capitale entre rationalité substantive et rationalité procédurale. La rationalité substantive renvoie à la conception standard de l’économie néoclassique. Elle se focalise exclusivement sur le résultat de l’action, sur l’état final du système une fois la décision prise et exécutée, sans jamais se soucier des méandres psychologiques ou des mécanismes computationnels qui ont présidé à sa genèse.

Dans la perspective substantive, un comportement est qualifié de rationnel s’il constitue la réponse optimale et objectivement appropriée à la poursuite d’objectifs donnés dans le cadre des contraintes imposées par l’environnement extérieur. L’accent est mis sur l’adéquation parfaite entre les fins et les moyens au regard des lois physiques, logiques ou marchandes. Dès lors que l’on connaît la structure des préférences de l’agent et la matrice des contraintes objectives du système externe (prix, technologies, ressources budgétaires), le comportement de l’agent se déduit de façon mathématiquement nécessaire par une opération de maximisation sous contrainte. L’agent décisionnel s’efface totalement derrière la géométrie du problème : son cerveau n’est qu’une lentille transparente, sans réfraction ni texture propre, qui répercute mécaniquement les incitations de son environnement.

Cette approche présente une séduction formelle indéniable pour les bâtisseurs de modèles mathématiques, car elle élimine toute contingence humaine et permet de prédire les équilibres macroéconomiques avec une élégance déductive souveraine. Cependant, Simon dénonce la stérilité descriptive de ce critère : dans le monde réel, nous ne rencontrons jamais d’environnements d’une simplicité et d’une clarté telles que le comportement optimal objectif puisse être déduit sans ambiguïté. En traitant l’esprit humain comme une boîte noire instantanée et immaculée, l’économie substantive s’interdit d’expliquer pourquoi des agents placés dans des conditions matérielles strictement identiques optent pour des stratégies fondamentalement divergentes, et se condamne à imputer toute anomalie empirique à des « chocs exogènes » ou à une « irrationalité » inexplicable.

6.2 Primauté et caractérisation de la rationalité procédurale

Face à cette impasse, Simon proclame la primauté méthodologique et ontologique de la rationalité procédurale. Un comportement est dit procéduralement rationnel si et seulement si le résultat de l’action est le produit d’un travail de délibération approprié, c’est-à-dire fondé sur un processus de recherche, d’apprentissage et de calcul qui apparaît judicieux au vu des capacités cognitives effectives de l’organisme et des ressources computationnelles dont il dispose. L’évaluation ne porte plus sur la perfection intrinsèque du choix final par rapport à un étalon divin d’optimalité, mais sur la qualité, la cohérence et l’intelligence de la démarche méthodologique déployée pour naviguer dans l’espace du problème.

La rationalité procédurale déplace l’attention de l’analyste de l’« être » vers le « faire ». Elle explore minutieusement :

• Comment le problème a été initialement perçu, problématisé et traduit sous la forme d’un modèle mental opératoire ;
• Par quelles règles heuristiques les alternatives ont été explorées de manière séquentielle dans la mémoire à long terme ou dans l’environnement documentaire ;
• De quelle manière les critères d’évaluation et les niveaux d’aspiration ont été élaborés et révisés au fil du traitement ;
• Comment les arbitrages temporels entre coût de la recherche et risque d’interruption prématurée ont été gérés en cours d’action.

Un joueur d’échecs qui calcule quatre coups à l’avance et sélectionne une réplique solide en cinq minutes agit de manière hautement rationnelle au plan procédural, même si un superordinateur disposant de dix millions de fois plus de temps prouverait par analyse combinatoire qu’un autre coup, ignoré par le joueur, était substantiellement supérieur.

Cette bascule vers la rationalité procédurale transforme l’économie en une science empirique expérimentale. Elle exige que les chercheurs cessent de spéculer sur la façon dont un agent abstrait maximiserait son utilité sur une feuille blanche, pour observer au microscope la manière dont de vrais ingénieurs, de vrais courtiers ou de vrais consommateurs procèdent pour collecter l’information, gérer leur anxiété, débattre avec leurs pairs et trancher les dilemmes pratiques. La rationalité cesse d’être une propriété absolue et binaire pour devenir un gradient continu d’efficacité procédurale situé dans un contexte historique et technologique donné.

6.3 Implications méthodologiques pour l’évaluation décisionnelle

L’adoption de la rationalité procédurale entraîne des bouleversements profonds dans la façon d’évaluer la qualité d’une décision, qu’il s’agisse de juger un choix managérial au sein d’un conseil d’administration ou une politique publique au sommet de l’État. Dans le cadre substantif classique, l’évaluation est rétrospective et tyrannisée par le résultat : si le choix a débouché sur des pertes financières ou une dégradation politique, il est automatiquement étiqueté comme « mauvais » ou « irrationnel » (succombant ainsi au biais de rétrospection). À l’inverse, si un pari absurde et hasardeux produit un coup d’éclat par un coup de dés favorable du hasard, l’orthodoxie aura tendance à célébrer le génie substantif du décideur.

Le cadre simonien rétablit une éthique et une épistémologie de la rigueur délibérative. Une décision doit être jugée strictement à l’aune de la solidité procédurale qui a prévalu au moment de son élaboration :

• Les décideurs ont-ils mobilisé le meilleur de l’information accessible dans les délais impartis sans céder à la paresse intellectuelle ?
• Ont-ils mis en œuvre des règles d’évaluation équilibrées, indépendantes et documentées pour tester leurs hypothèses de travail ?
• Ont-ils pris la précaution d’écouter des voix contradictoires pour éviter l’enfermement dogmatique ?
• Ont-ils explicité les seuils d’acceptabilité à partir desquels une option serait déclarée satisfaisante ?

Si ces conditions méthodologiques sont scrupuleusement respectées, la décision est irréprochable au plan de la rationalité procédurale, quand bien même la survenue d’un cygne noir probabiliste viendrait ultérieurement en ruiner les fruits matériels.

Cette distinction a des conséquences fondamentales sur la conception des politiques et des systèmes de gouvernance. Au lieu de chercher vainement à prescrire des « solutions optimales universelles » que les agents ne peuvent pas comprendre ou appliquer faute de ressources cognitives, les concepteurs de politiques publiques doivent façonner des environnements d’apprentissage procédural. L’enjeu est d’assister les acteurs réels en leur fournissant des outils méthodologiques, des protocoles de concertation transparents et des dispositifs de cadrage informationnel qui améliorent la qualité intrinsèque de leurs délibérations collectives, garantissant ainsi une plus grande résilience systémique face aux aléas de l’histoire.

7. Apports aux sciences cognitives et à l’intelligence artificielle symbolique

7.1 Le Logic Theorist et le General Problem Solver (GPS)

Il est impossible de dissocier la théorisation de la rationalité limitée chez Herbert Simon de son statut de pionnier de l’intelligence artificielle. Simon était intimement convaincu que la seule façon de prouver la validité scientifique de ses intuitions psychologiques consistait à les matérialiser sous forme de programmes informatiques capables de simuler le raisonnement humain. Dès l’hiver 1955-1956, en collaboration étroite avec le logicien Allen Newell et le programmeur Clifford Shaw, Simon donne naissance au Logic Theorist (Le Théoricien Logique), universellement considéré comme le tout premier programme opérationnel d’intelligence artificielle au monde, présenté lors de la conférence historique de Dartmouth en 1956.

Le Logic Theorist avait pour vocation de démontrer des théorèmes de logique formelle issus des célèbres Principia Mathematica de Bertrand Russell et Alfred North Whitehead. Contrairement aux calculateurs numériques de l’époque qui broyaient des nombres par pure force brute calculatoire, le programme de Newell et Simon ne testait pas toutes les combinaisons possibles (ce qui aurait généré une explosion combinatoire insolub耿te). Il imitait les démarches intuitives d’un mathématicien humain en utilisant des heuristiques pour dériver des preuves formelles étape par étape. Pour le théorème 2.85, le Logic Theorist découvrit même une preuve infiniment plus élégante et économique que celle consignée par Russell et Whitehead eux-mêmes, démontrant ainsi de façon spectaculaire qu’un système mécanique fini pouvait faire preuve d’inventivité en manipulant des symboles sous contrainte de rationalité limitée.

Forts de ce triomphe, Newell et Simon s’attellent à un projet encore plus ambitieux : le General Problem Solver (GPS), conçu dès 1957. L’objectif du GPS était de modéliser une architecture universelle de résolution de problèmes applicables à des domaines hétérogènes (jeux d’échecs, énigmes de la tour de Hanoï, cryptarithmétique, intégration symbolique). Le moteur central du GPS reposait précisément sur l’heuristique de l’analyse moyens-fins : identifier la distance cognitive entre le présent et l’objectif, puis activer séquentiellement des opérateurs de réduction des écarts. Bien que le GPS ait rencontré des limites d’échelle face à des contextes mal structurés, il apporta la preuve empirique définitive que des problèmes immensément complexes pouvaient être résolus sans recours à l’exhaustivité calculatoire, en s’appuyant uniquement sur des règles d’exploration intelligentes calquées sur la frugalité cognitive de l’esprit humain.

7.2 Architecture cognitive et systèmes de règles de production

Ces expérimentations computationnelles ont servi de socle à Simon et Newell pour formuler l’une des théories les plus influentes de la philosophie de l’esprit contemporaine : l’hypothèse des systèmes de symboles physiques (Physical Symbol System Hypothesis), articulée avec éclat lors de leur conférence de remise du prix Turing en 1976. Selon ce postulat, un système de symboles physiques (comme un ordinateur numérique ou un cerveau biologique fait de neurones et de synapses) possède les moyens nécessaires et suffisants pour générer une action intelligente générale. Penser consiste à stocker, modifier, copier et recombiner des symboles matériels représentatifs de réalités externes selon une syntaxe définie par des règles logiques.

Sur le plan de la modélisation psychologique, Simon formalise cette architecture cognitive sous la forme des systèmes de règles de production. L’esprit est décrit comme un assemblage coordonné de deux composantes fondamentales :

• Une mémoire de travail à très faible capacité, qui héberge les quelques symboles actifs dans le champ immédiat de l’attention consciente ;
• Une mémoire à long terme de capacité quasi illimitée, constituée d’une myriade de règles conditionnelles de type « SI condition, ALORS action » (les productions).

Lorsqu’un stimulus environnemental ou une pensée interne fait concorder le contenu de la mémoire de travail avec la partie « SI » d’une règle stockée en mémoire à long terme, la production est activée : la partie « ALORS » s’exécute immédiatement, modifiant les symboles de la mémoire de travail ou déclenchant une action motrice.

Ce paradigme a profondément révolutionné la psychologie cognitive du traitement de l’information (information processing psychology). Il a fourni le squelette formel sur lequel des générations ultérieures de chercheurs, à l’instar de John R. Anderson avec l’architecture ACT-R ou de John Laird avec Soar, ont bâti des modèles unifiés de la cognition. En démontrant que la fluidité de la conscience humaine résulte du déclenchement automatique et séquentiel de milliers de micro-règles conditionnelles frugales, Simon a désenchanté les mystères de l’intellect tout en confortant la thèse centrale de sa carrière : la pensée est un travail algorithmique contraint, dont la beauté réside dans sa capacité à produire de la haute rationalité avec une machinerie physique fondamentalement austère.

7.3 L’expertise humaine : Reconnaissance de motifs et intuition rationnelle

L’une des applications les plus éclatantes du modèle simonien concerne la déconstruction scientifique de l’expertise de haut niveau. Dans les années 1960 et 1970, en collaboration avec le psychologue William G. Chase, Simon mène une série d’études devenues canoniques sur la cognition des joueurs d’échecs, synthétisées dans leur célèbre article de 1973, Perception in Chess. Depuis des siècles, les observateurs attribuaient le génie des grands maîtres à une puissance mentale surnaturelle, supposant qu’ils étaient capables de calculer mentalement vingt ou trente coups à l’avance avec une lucidité absolue — une incarnation pure du fantasme néoclassique de l’optimisation substantive.

Les expériences rigoureuses de Simon et Chase pulvérisent cette légende. En mesurant les mouvements oculaires et en utilisant des protocoles de rappel mémoriel, ils démontrent qu’un grand maître d’échecs ne calcule pas davantage de coups en profondeur qu’un joueur débutant ou amateur (généralement entre trois et cinq coups dans une arborescence très resserrée). La différence phénoménale de niveau de jeu réside dans la nature de leur perception immédiate de l’échiquier. Lorsqu’on présente pendant cinq secondes une position issue d’une vraie partie à un maître et à un amateur, le maître est capable de la reconstituer sur un échiquier vierge avec une précision de plus de quatre-vingt-dix pour cent, là où l’amateur n’en replace que quelques pièces éparses. En revanche, si les pièces sont disposées sur l’échiquier de manière totalement aléatoire et chaotique, le maître échoue lamentablement et fait jeu égal avec l’amateur !

Simon et Chase révèlent ainsi que l’expertise repose sur l’accumulation patiente en mémoire à long terme d’un répertoire colossal de configurations familières d’éléments, qu’ils baptisent des chunks (blocs d’information perceptuelle). Simon estime qu’un grand maître a mémorisé entre cinquante mille et cent mille de ces configurations typiques au cours d’au moins dix ans de pratique intensive (la célèbre « règle des dix ans », popularisée plus tard comme la règle des dix mille heures). Face à un échiquier, le maître ne calcule pas : il reconnaît instantanément un motif familier. Cette reconnaissance passive et foudroyante rappelle immédiatement en mémoire de travail deux ou trois coups candidats plausibles et élimine d’emblée la quasi-totalité des options aberrantes.

Cette percée théorique permet à Simon de réaliser l’un de ses plus beaux tours de force épistémologiques : la démystification de l’intuition. Loin d’être une illumination mystique, un sixième sens irrationnel ou une faculté métaphysique inaccessible à l’analyse scientifique, l’intuition n’est rien d’autre qu’une reconnaissance accélérée de motifs (pattern recognition) par un système sous rationalité limitée. Le médecin chevronné qui diagnostique une maladie rare en franchissant la porte de la chambre du patient, ou le pompier qui ordonne soudainement à ses hommes d’évacuer un bâtiment en flammes quelques secondes avant qu’il ne s’effondre sans pouvoir expliciter pourquoi sur le moment, ne font qu’activer de manière non consciente des règles de production indicées par des motifs environnementaux subtils qu’ils ont encodés au cours de milliers d’heures de confrontation au réel. L’intuition n’est pas le contraire de la raison ; elle est la quintessence procédurale de la rationalité limitée au sommet de son efficacité adaptative.

8. L’héritage de Simon dans l’économie comportementale contemporaine

8.1 Transition vers la théorie des perspectives et l’analyse des anomalies

Bien que les travaux de Herbert Simon aient été initialement accueillis avec circonspection par les bastions les plus conservateurs de l’orthodoxie néoclassique, ils ont constitué le terreau nourricier indispensable sans lequel l’économie comportementale (behavioral economics) contemporaine n’aurait jamais pu éclore. En brisant le tabou de la rationalité absolue et en démontrant la légitimité théorique des modèles descriptifs, Simon a ouvert une brèche dans laquelle s’est engouffrée la deuxième génération de contestataires hétérodoxes à la fin des années 1970, emmenée par Daniel Kahneman, Amos Tversky et l’économiste Richard Thaler.

L’aboutissement le plus célèbre de cette transition est la formulation par Kahneman et Tversky en 1979 de la théorie des perspectives (Prospect Theory), une modélisation alternative du choix en univers risqué qui supplante la théorie de l’utilité espérée de von Neumann-Morgenstern. La théorie des perspectives valide empiriquement l’un des postulats majeurs de Simon : les individus n’évaluent pas leur situation à partir de leur richesse absolue finale (un calcul substantif global hors de leur portée), mais en mesurant des écarts locaux — des gains ou des pertes — par rapport à un point de référence psychologique contingent. Cette architecture théorique intègre formellement le phénomène d’aversion aux pertes (la souffrance subjective causée par une perte financière est environ deux fois plus intense que la satisfaction procurée par un gain de même magnitude) et met en relief les puissants effets de cadrage (framing effects), où une simple reformulation linguistique d’un dilemme inverse spectaculairement le choix de l’agent sans que les paramètres mathématiques sous-jacents n’aient varié d’un iota.

À partir des années 1980, l’économie comportementale se structure autour du catalogage minutieux des « anomalies de marché », c’est-à-dire les comportements récurrents qui violent systématiquement les prédictions des modèles d’équilibre néoclassiques. Richard Thaler documente l’effet de dotation (la surévaluation irrationnelle d’un bien par le simple fait de le posséder), la comptabilité mentale (la tendance à compartimenter arbitrairement son argent dans des tiroirs cognitifs distincts au lieu de le considérer comme fongible) et l’aversion à l’iniquité. Toutes ces découvertes expérimentales, aujourd’hui célébrées par de multiples prix Nobel, plongent leurs racines intellectuelles directes dans le principe simonien originel : l’action humaine découle de modèles mentaux simplifiés et non de déductions logiques parfaites.

8.2 Impact sur la microéconomie appliquée et la théorie des incitations

L’influence du modèle de la rationalité limitée ne s’est pas cantonnée aux laboratoires de psychologie expérimentale ; elle a profondément fécondé la microéconomie institutionnelle appliquée, notamment à travers l’essor fulgurant de la théorie des coûts de transaction forgée par Oliver E. Williamson (lauréat du prix Nobel en 2009). Williamson a toujours revendiqué Simon comme sa source d’inspiration majeure, déclarant que la théorie des coûts de transaction repose sur l’accouplement tragique de deux traits indissociables de la nature humaine : la rationalité limitée d’un côté, et l’opportunisme de l’autre.

Dans la réalité industrielle et financière, la rationalité limitée empêche les parties prenantes de concevoir des « contrats complets ». Il est matériellement et cognitivement impossible pour deux co-contractants de prévoir à l’avance, dans les clauses d’un texte juridique, l’intégralité des millions de circonstances contingentes susceptibles de survenir au cours des dix prochaines années (innovations de rupture, faillites, pandémies, variations monétaires). Les contrats sont inévitablement incomplets en raison des contraintes computationnelles des juristes. Dès lors que le contrat est troué de silences et d’ambiguïtés, la porte est grande ouverte pour qu’un partenaire opportuniste abuse de la situation et rançonne l’autre (le problème du hold-up contractuel). Williamson démontre que c’est précisément pour remédier à cette incomplétude cognitive des contrats que les acteurs économiques choisissent d’internaliser leurs transactions au sein de hiérarchies d’entreprises plutôt que de recourir au libre marché. La rationalité limitée devient le moteur explicatif central de l’architecture institutionnelle du capitalisme.

Cette prise de conscience a également ébranlé la théorie des incitations et l’hypothèse d’efficience des marchés financiers formalisée par Eugene Fama. Si les investisseurs sur les marchés boursiers sont des êtres à rationalité limitée sujets à l’attention sélective, aux dynamiques d’imitation mimétique et à des paniques collectives, le prix des actifs ne reflète pas à tout instant leur valeur fondamentale objective. Les bulles spéculatives dévastatrices et les krachs soudains cessent d’être des mystères insondables pour devenir les manifestations macroéconomiques prévisibles d’agents myopes naviguant dans un brouillard informationnel dense à l’aide d’heuristiques de suivi de tendance. L’ingénierie contractuelle et la régulation prudentielle des marchés ont été contraintes d’abandonner l’hypothèse de l’autorégulation magique pour intégrer des garde-fous limitant l’impact systémique de nos failles cognitives.

8.3 L’architecture du choix et la théorie du Nudge

L’application la plus retentissante et médiatisée de l’héritage de Simon dans la gouvernance contemporaine est indéniablement la théorie du Nudge (ou théorie du « coup de pouce »), théorisée en 2008 par l’économiste Richard Thaler et le juriste Cass Sunstein dans leur ouvrage Nudge: Improving Decisions About Health, Wealth, and Happiness. Face au constat sans appel que les citoyens disposent d’un temps, d’une énergie et d’une capacité de calcul trop limités pour décortiquer les formulaires fiscaux, arbitrer entre des plans de retraite par capitalisation complexes ou calculer l’empreinte calorique de leurs aliments, les politiques publiques traditionnelles se trouvaient dans une impasse.

La théorie du Nudge propose d’utiliser les faiblesses mêmes de la rationalité limitée pour orienter positivement les comportements individuels vers le bien-être commun, sans jamais recourir à la coercition réglementaire ou à l’interdiction péremptoire. C’est le paradigme de l’architecture du choix. Puisque l’esprit humain est paresseux, averse à l’effort et tributaire des règles heuristiques de commodité immédiate, la façon dont les choix sont présentés dans l’environnement physique ou numérique détermine massivement l’issue finale. L’outil emblématique de cette ingénierie décisionnelle est la modification de l’option par défaut (default option). Par exemple, en passant d’un régime où le citoyen doit expressément s’inscrire pour devenir donneur d’organes (régime d’adhésion volontaire, ou opt-in) à un système où chaque individu est considéré comme donneur par défaut sauf démarche explicite de refus de sa part (régime du consentement présumé, ou opt-out), le taux de donneurs dans la population bascule spectaculairement de quinze pour cent à plus de quatre-vingt-dix pour cent.

Cette doctrine, revendiquée sous l’oxymore philosophique de paternalisme libertarien, a été institutionnalisée au plus haut sommet de l’appareil étatique de nombreuses puissances à travers le déploiement des Nudge Units (au Royaume-Uni sous David Cameron, aux États-Unis sous Barack Obama, puis en France avec les missions de modernisation de l’action publique). Cependant, cette instrumentalisation institutionnelle de la rationalité limitée suscite d’intenses controverses éthiques et démocratiques :

• En exploitant délibérément la myopie et l’inattention des citoyens pour les guider à leur insu, l’État ne verse-t-il pas dans une forme pernicieuse de manipulation comportementale paternaliste ?
• Qui décide souverainement de ce qui constitue le « bien » ou l’option « préférable » pour un individu, si ce n’est une technocratie autoproclamée ?
• Ne risque-t-on pas de déresponsabiliser le citoyen au lieu de développer ses capacités délibératives autonomes ?

Ces débats témoignent avec acuité que la rationalité limitée a définitivement quitté le champ des abstractions académiques pour devenir un instrument de pouvoir éminemment politique.

9. La perspective de la rationalité écologique : Le prolongement par Gerd Gigerenzer

9.1 La métaphore des ciseaux de Simon : Esprit et environnement

Pour contrer les lectures réductrices qui tendaient à enfermer la rationalité limitée dans une simple étude des défaillances de l’esprit, le psychologue allemand Gerd Gigerenzer, directeur de l’Institut Max Planck pour le développement humain à Berlin, a initié une refondation théorique magistrale connue sous le nom de programme de la rationalité écologique. Gigerenzer ancre son programme dans l’une des métaphores épistémologiques les plus fulgurantes et poétiques forgées par Herbert Simon dans les années 1950 : la métaphore des ciseaux.

Simon affirmait que le comportement rationnel humain est façonné par une paire de ciseaux dont les deux lames s’ajustent mutuellement avec une précision millimétrée :

• La première lame représente la structure cognitive de l’acteur (ses capacités attentionnelles, la structure de sa mémoire de travail, ses règles de production) ;
• La seconde lame représente la structure de l’environnement physique, social et informationnel dans lequel l’acteur évolue.

Si l’on observe uniquement la première lame (l’esprit) en faisant abstraction du milieu, il est strictement impossible de comprendre comment le ciseau parvient à couper quoi que ce soit. On ne verra que des limites, des faiblesses, des raccourcis et des lacunes. De la même façon, une étude du milieu isolée des contraintes de l’organisme est purement aveugle.

Gigerenzer reproche vertement à la tradition dominante des « biais cognitifs » (incarnée par l’école de Kahneman et Tversky) d’avoir tordu la pensée de Simon en cassant les ciseaux pour ne braquer son projecteur que sur la seule lame cognitive, qualifiant toute divergence par rapport aux lois formelles des mathématiques de « biais » ou d’« anomalie pathologique ». Pour la rationalité écologique, la rationalité ne réside pas dans la cohérence logique interne d’un système de croyances isolé du monde, mais dans la congruence adaptative (le fit) entre l’heuristique mentale employée et la topologie statistique de l’environnement extérieur. Une règle de jugement n’est jamais bonne ou mauvaise dans l’absolu ; elle est écologiquement rationnelle si elle parvient à exploiter avec brio les régularités structurelles du milieu pour résoudre un problème vital de survie ou d’adaptation.

9.2 Les heuristiques rapides et frugales (« Fast and Frugal Heuristics »)

Pour donner une consistance expérimentale et algorithmique à cette rationalité écologique, le groupe ABC (Adaptive Behavior and Cognition) dirigé par Gigerenzer s’est attelé à formaliser les heuristiques rapides et frugales (fast and frugal heuristics). Il s’agit de modèles informatiques rigoureux de prise de décision qui n’exigent que très peu d’informations (frugalité) et n’effectuent que des opérations mathématiques triviales d’addition ou de comparaison ordinale sans jamais calculer de pondérations statistiques complexes (rapidité).

L’exemple paradigmatique de ces algorithmes est l’heuristique Prendre-le-Meilleur (Take-the-Best), conçue pour arbitrer entre deux options sur la base de critères multiples :

1. L’agent ordonne les indices disponibles selon leur validité prédictive générale (une hiérarchie souvent héritée de la culture ou d’un apprentissage simple) ;
2. Il examine l’indice le plus discriminant ;
3. Si cet indice permet de trancher entre les deux options (l’une possède la caractéristique, l’autre non), l’agent interrompt immédiatement son analyse et choisit l’option favorisée par cet unique indice ;
4. Ce n’est que si le premier indice ne discrimine pas que l’agent consent à examiner le deuxième indice le plus valide, et ainsi de suite.

Dans cette heuristique non-compensatoire, aucun calcul d’utilité globale n’est opéré : le meilleur indice écrase purement et simplement tous les autres, sans qu’une accumulation d’indices secondaires ne puisse jamais compenser la défaillance sur l’indice principal.

La découverte la plus stupéfiante des recherches de Gigerenzer réside dans la mise en évidence empirique et mathématique de l’effet « Moins c’est plus » (Less-is-more effect). Soumises à des tests de compétition prédictive contre des modèles statistiques sophistiqués (comme la régression linéaire multiple, les réseaux de neurones artificiels ou les arbres d’estimation bayésienne) sur des données du monde réel (prédire le taux de récidive criminelle, les cours des actions ou les précipitations météorologiques), les heuristiques rapides et frugales font jeu égal et surpassent très fréquemment les algorithmes complexes ! Comment expliquer un tel paradoxe ? Dans les environnements hautement incertains et bruyants, les algorithmes mathématiques complexes souffrent de surapprentissage statistique (overfitting) : ils capturent trop de paramètres, prennent le bruit aléatoire des données passées pour des signaux durables et s’avèrent incapables de généraliser leurs prédictions aux données futures inédites. En ignorant délibérément une vaste portion de l’information disponible, l’heuristique frugale fait preuve d’une robustesse exceptionnelle face à l’imprévu. La simplicité cognitive s’avère objectivement plus performante que la sophistication mathématique.

9.3 Dépassement de la vision déficitaire de la cognition humaine

Les conclusions épistémologiques tirées par l’école de la rationalité écologique invitent à un renversement complet de perspective sur la condition humaine : il est urgent d’abandonner définitivement la vision déficitaire de notre machinerie cognitive. L’être humain n’est pas un système sous-développé, un ordinateur déficient criblé d’irrationalités honteuses qu’il faudrait sans cesse « corriger » par des algorithmes externes ou des nudges étatiques condescendants. Notre cerveau est le dépositaire d’une extraordinaire boîte à outils adaptative (adaptive toolbox), forgée par des millions d’années de sélection naturelle et des millénaires d’évolution socioculturelle pour résoudre des problèmes concrets dans des environnements sauvages et changeants.

Gigerenzer démontre que la majorité des prétendues « erreurs de jugement » et « illusions cognitives » identifiées dans les expériences de laboratoire de l’économie comportementale orthodoxe ne sont que des artefacts méthodologiques. Elles résultent du fait que les expérimentateurs soumettent les sujets humains à des problèmes artificiels, déconnectés de leur écologie naturelle, formulés sous la forme de probabilités abstraites à événement unique (un formalisme inventé au dix-huitième siècle auquel l’esprit humain n’a jamais été confronté au cours de son évolution) plutôt que sous forme de fréquences naturelles (la façon dont les chasseurs-cueilleurs et les praticiens de terrain ont toujours encodé l’expérience statistique du monde). Dès lors que l’on reformule les problèmes probabilistes en fréquences concrètes, les « biais cognitifs » s’évanouissent spontanément et les profanes se révèlent être d’admirables calculateurs intuitifs.

La rationalité limitée, réinterprétée à travers le prisme écologique de Simon et Gigerenzer, cesse d’être une théorie de la pénurie pour s’affirmer comme une théorie de l’intelligence pratique. Le succès d’une décision ne s’évalue pas à l’aune d’une soumission fétichiste aux axiomes de la logique formelle fermée, mais à sa capacité éprouvée à guider l’organisme vers des issues vitales viables dans un monde ouvert où l’incertitude ne sera jamais apprivoisée par des théorèmes mathématiques.

10. Méthodologies d’investigation empirique de la rationalité limitée

10.1 Protocoles de verbalisation continue (« Think-Aloud Protocols »)

Le refus viscéral de Herbert Simon de considérer l’esprit humain comme une « boîte noire » inaccessible l’a contraint, tout au long de sa carrière, à concevoir des protocoles expérimentaux d’une rigueur clinique inédite pour cartographier pas à pas la dynamique interne des délibérations décisionnelles. La technique reine mise au point par Simon et le psychologue suédois K. Anders Ericsson est celle des protocoles de verbalisation continue (Think-Aloud Protocols), formalisée dans leur ouvrage fondamental de 1984, Protocol Analysis: Verbal Reports as Data.

Cette méthodologie consiste à placer un sujet devant une tâche complexe (résoudre un problème de géométrie, jouer un coup d’échecs, auditer un bilan comptable) en lui demandant de verbaliser à voix haute, de manière brute, spontanée et ininterrompue, l’intégralité du flux de pensées qui traverse son esprit durant l’action. Contrairement aux entretiens introspectifs traditionnels où l’acteur tente d’analyser après coup les raisons supposées de son comportement — s’exposant ainsi inévitablement à des rationalisations rétrospectives mensongères et à des biais de valorisation sociale —, le protocole de verbalisation simultanée saisit la pensée dans son jaillissement direct :

• Les enregistrements audio et vidéo sont transcrits avec une fidélité maniaque, incluant les silences, les hésitations, les exclamations et les bégaiements ;
• Ces données brutes sont encodées sous forme d’arbres d’états de problème (Problem Behavior Graphs), retraçant méticuleusement chaque hypothèse formulée, chaque sous-but exploré, chaque impasse heurtée et chaque retour en arrière opéré par l’esprit ;
• L’analyste dispose ainsi d’un film exhaustif de l’exploration séquentielle en temps réel.

Pour préserver la pureté de ces traces cognitives, Ericsson et Simon ont édicté des règles de recueil méthodologique drastiques. L’expérimentateur a l’interdiction formelle de poser des questions suggestives ou d’inviter le sujet à une réflexion métacognitive (« Pourquoi avez-vous fait cela ? »), car une telle sollicitation obligerait le cerveau à fabriquer des explications secondaires parasites au lieu de documenter son état d’attention primaire. Cette technique pionnière a permis d’arracher l’étude de la rationalité procédurale aux conjectures philosophiques pour la transformer en une science dure reposant sur des corpus de données empiriques vérifiables et reproductibles.

10.2 Simulation computationnelle des processus décisionnels

L’autre pilier méthodologique forgé par Simon pour ausculter la rationalité limitée est la simulation computationnelle des mécanismes décisionnels. Pour Simon, une théorie psychologique ou organisationnelle n’atteint son statut de maturité scientifique que lorsqu’elle est capable d’être traduite sous la forme d’un code informatique exécutable dont la dynamique interne génère des comportements indiscernables de ceux observés chez les agents humains réels. C’est l’approche de la modélisation in silico.

Dans ce cadre méthodologique, l’ordinateur n’est pas utilisé comme une simple calculatrice géante destinée à traiter des statistiques macro-économiques, mais comme une plateforme ontologique d’émulation des processus mentaux. Le chercheur modélise une architecture cognitive artificielle en intégrant explicitement les contraintes physiques déduites de la biologie : une taille finie pour la mémoire de travail (contenant un nombre restreint de structures symboliques), des vitesses de lecture et d’écriture calibrées sur les millisecondes neuronales, et un magasin de règles conditionnelles heuristiques de type « SI-ALORS ». Le programme est ensuite confronté exactement aux mêmes tâches et aux mêmes problèmes que les sujets humains soumis aux protocoles de verbalisation.

La validation scientifique de la théorie s’opère par la comparaison directe des traces d’exécution (trace-matching). Il ne suffit pas que le programme informatique parvienne au même résultat ou à la même solution finale que l’être humain (ce qui relèverait d’un simple mimétisme substantif trivial) ; il est impératif que le programme traverse les mêmes étapes délibératives intermédiaires, explore les mêmes fausses pistes, commette les mêmes erreurs prévisibles et mette un temps proportionnellement équivalent à buter sur les mêmes goulets d’étranglement que le décideur biologique. Si le logiciel reproduit fidèlement la cinématique humaine du satisficing et les bifurcations heuristiques du sujet, l’hypothèse théorique sur la nature procédurale de la rationalité limitée est considérée comme validée. Simon a ainsi offert aux sciences sociales un outil de preuve d’une puissance épistémologique inédite, mariant l’expérimentation comportementale et la rigueur algorithmique.

10.3 Observations ethnographiques et études de terrain en organisation

Conscient que la modélisation informatique et les expériences de laboratoire risquaient de s’étioler si elles n’étaient pas constamment abreuvées par la sève brute du monde social, Simon a toujours ardemment défendu l’immersion empirique directe sur le terrain des organisations réelles. Son travail pionnier sur les mécanismes budgétaires de l’administration municipale de Milwaukee a inauguré une riche tradition de recherches ethnographiques au cœur de l’intimité managériale.

L’investigation de la rationalité limitée en milieu naturel exige du chercheur qu’il s’infiltre au sein des comités exécutifs, des salles de marché, des postes de commandement militaire ou des ateliers d’usine. Il s’agit d’observer les acteurs en chair et en os au moment même où les dilemmes surgissent :

• Comment les rapports d’expertise sont-ils lus, ignorés ou caviardés ?
• Quels critères informels régissent l’attribution des enveloppes budgétaires lors des marchandages politiques en coulisses ?
• De quelle manière les coalitions se nouent-elles à la machine à café pour contourner les blocages de la hiérarchie formelle ?

L’ethnographe de la décision traque méthodiquement les traces écrites et orales du travail managérial (comptes rendus de réunions, brouillons de notes d’orientation, échanges de courriers électroniques informels) pour reconstituer l’écologie concrète du choix organisationnel.

Ces études de terrain documentent de manière éclatante le gouffre vertigineux qui sépare invariablement les manuels de procédure formels (qui décrivent ce que l’organisation prétend faire sur le papier selon les canons d’une rationalité substantive idéale) et les pratiques effectives de travail (qui révèlent le bricolage héroïque, les arbitrages approximatifs et les compromis satisfaisants par lesquels les salariés parviennent à maintenir le système en état de marche au quotidien). En dévoilant cette réalité masquée, l’approche empirique simonienne a déniaisé les sciences de gestion en substituant à l’hagiographie managériale naïve une anatomie sociologique lucide des institutions humaines confrontées au tragique de leurs limites intellectuelles.

11. Critiques épistémologiques, controverses et limites du modèle

11.1 Réticences et tentatives de réintégration par l’école néoclassique

L’assaut mené par Herbert Simon contre les citadelles de l’orthodoxie néoclassique n’est évidemment pas resté sans riposte. Tout au long des années 1960 à 1980, le courant économique dominant a déployé des trésors de dialectique pour disqualifier le modèle de la rationalité limitée ou pour tenter de le réincorporer de manière subreptice au sein de son propre paradigme maximisateur. La stratégie de riposte la plus retorse a consisté à affirmer que la rationalité limitée n’était rien d’autre qu’une optimisation sous contrainte de coût d’information.

Menée par des figures de proue telles que George Stigler, cette offensive théorique argumentait que si un décideur s’arrête en chemin au lieu de chercher la perfection absolue, ce n’est pas parce que sa rationalité est « bornée » ou « défaillante », mais parce qu’il calcule rationnellement le coût marginal de l’acquisition d’une information supplémentaire par rapport à son gain marginal espéré. Dès lors que le coût de l’enquête dépasse le bénéfice prévisionnel, l’arrêt de la recherche constitue, au sens le plus pur et le plus substantif du terme, un comportement d’optimisation mathématique ! Simon a fustigé cette pirouette rhétorique avec une ironie cinglante, soulignant que cette régression à l’infini (calculer le coût de chercher le coût pour savoir s’il faut chercher l’information) exigeait des agents une puissance de calcul encore plus titanesque et absurde que dans le modèle néoclassique originel sans coût de transaction.

La seconde ligne de défense épistémologique majeure a été dressée par Milton Friedman dans son célèbre essai méthodologique de 1953 sur l’économie positive. Friedman y soutient que le réalisme empirique des hypothèses psychologiques d’une théorie économique n’a rigoureusement aucune importance scientifique : seule compte la capacité prédictive des modèles. Selon son célèbre argument du « as if » (comme si), peu importe que les hommes d’affaires réels ne sachent pas résoudre des équations de dérivées partielles pour égaliser le coût marginal et le revenu marginal ; le système économique concurrentiel fonctionne comme s’ils maximisaient parfaitement leurs profits. Friedman s’appuie sur la thèse de la sélection naturelle marchande articulée par Armen Alchian : les entreprises qui prennent des décisions véritablement sous-optimales ou « satisfaisantes » finissent inéluctablement par faire faillite et sont éliminées du marché par le jeu impitoyable de la concurrence pure. Seules survivent, par un mécanisme darwinien économique, celles qui ont adopté des comportements optimaux, que ce soit par hasard, par instinct ou par calcul. Les marchés seraient donc substantiellement rationnels, rendant l’étude simonienne des heuristiques internes superflue pour la science économique globale.

11.2 Difficultés de formalisation mathématique universelle

L’une des vulnérabilités méthodologiques indéniables du paradigme de la rationalité limitée, qui explique en partie sa pénétration plus lente au sein des revues d’économie théorique prestigieuses, réside dans son immense difficulté à se couler dans un cadre axiomatique unifié équivalent à la théorie de l’utilité espérée de von Neumann-Morgenstern ou au modèle d’équilibre général d’Arrow-Debreu. L’élégance suprême du paradigme néoclassique tenait à son universalité mathématique : une seule équation d’optimisation gouvernait l’univers des choix humains, quelles que soient les civilisations, les époques ou les contextes matériels.

À l’opposé, le modèle de la rationalité limitée ouvre la boîte de Pandore de la contingence contextuelle. Il n’existe pas une manière d’être procéduralement rationnel sous contrainte cognitive, mais une prolifération potentiellement infinie de manières différentes d’adapter ses calculs aux textures locales de l’environnement. Le théoricien se trouve confronté à une « faune sauvage » d’heuristiques hétéroclites, chacune dépendante du domaine (la médecine, la finance, la politique militaire, la consommation courante), rendant l’entreprise de généralisation théorique particulièrement acrobatique. L’économie comportementale a souvent été la cible de critiques acerbes lui reprochant d’être un inventaire à la Prévert d’anomalies expérimentales et de biais idiosyncratiques, dépourvu d’une théorie générale englobante capable de concurrencer la pureté architecturale de l’édifice orthodoxe.

De surcroît, l’intégration formelle des niveaux d’aspiration mouvants au sein de modèles mathématiques dynamiques pose des défis techniques redoutables. Dès lors que l’on abandonne les fonctions d’utilité concaves, continues, statiques et dérivables au profit de seuils discontinus qui montent et descendent selon l’historique psychologique subjectif de l’agent, les équations différentielles débouchent rapidement sur des équations hautement non linéaires, chaotiques ou indéterminées. Longtemps, les outils mathématiques traditionnels de l’économiste se sont avérés impuissants à formaliser rigoureusement cette cinématique floue, contraignant Simon et ses disciples à se réfugier dans la simulation informatique, un langage que les départements d’économie standard ont longtemps regardé avec un mépris corporatiste teinté d’incompréhension.

11.3 La sous-estimation originelle des affects et des émotions

Une critique interne majeure adressée à l’architecture théorique originelle de Simon concerne son caractère excessivement intellectualiste, computationnel et « froid ». Ayant bâti son modèle en symbiose avec l’informatique naissante et l’analogie de l’esprit conçu comme un manipulateur de symboles physiques, le premier Simon a largement évacué le rôle des émotions, des pulsions inconscientes, de la chair biologique et des affects dans la mécanique de la décision. Son décideur sous rationalité limitée ressemblait parfois à un ordinateur miniature fatigué, dont les puces chauffaient sous la surcharge de données, mais qui demeurait insensible à la peur, à l’angoisse de la mort, à l’empathie, au désir sexuel ou à la fierté narcissique.

Conscient de cette lacune flagrante, Simon tente lui-même de rectifier le tir dès 1967 dans un article visionnaire intitulé Motivational and Emotional Controls of Cognition. Il y propose une théorisation novatrice où l’émotion se voit assigner une fonction computationnelle précise : celle de mécanisme d’interruption prioritaire. Dans un système cognitif séquentiel absorbé par la résolution patiente d’une tâche de longue haleine, l’irruption soudaine d’un danger vital immédiat (la vision d’un prédateur ou l’odeur de fumée) déclenche une décharge émotionnelle (la peur) qui court-circuite violemment le programme délibératif en cours pour réorienter instantanément la totalité des ressources attentionnelles vers la survie immédiate (la fuite ou le combat). L’émotion est réhabilitée non comme le parasite de la raison, mais comme son système d’alarme adaptatif d’urgence.

Cependant, c’est au cours des années 1990 que cette réconciliation prend une ampleur décisive grâce aux apports des neurosciences affectives menées par le neurologue Antonio Damasio. Dans son ouvrage magistral L’Erreur de Descartes (1994), Damasio étudie des patients souffrant de lésions cérébrales spécifiques au niveau du cortex préfrontal ventromédian (à l’instar du célèbre cas historique de Phineas Gage). Ces patients conservent une intelligence logique formelle intacte, obtiennent des scores brillants aux tests de quotient intellectuel et déploient une rationalité substantive apparente parfaite. Pourtant, privés de l’accès à leurs signaux émotionnels corporels (ce que Damasio nomme les marqueurs somatiques), ces individus s’avèrent totalement incapables de prendre la moindre décision rationnelle dans leur vie quotidienne ! Confrontés au choix anodin de la date d’un prochain rendez-vous médical, ils se perdent pendant des heures dans une analyse combinatoire infinie des avantages et des inconvénients de chaque minute disponible, incapables de trancher faute d’une intuition viscérale émotionnelle leur indiquant qu’une solution est « satisfaisante ». Damasio prouve expérimentalement ce que Simon avait pressenti : la raison pure est une illusion paralysante. Les émotions et les affects corporels ne sont pas les ennemis de la rationalité limitée ; ils sont les instruments biologiques indispensables qui permettent au processus de satisficing d’interrompre l’analyse et de basculer vers l’action salvatrice.

12. Applications contemporaines et pertinence à l’ère numérique

12.1 Conception des systèmes d’aide à la décision managériale

À l’ère contemporaine, marquée par le raz-de-marée des données massives (Big Data) et la complexité exponentielle des chaînes de valeur mondialisées, les intuitions de Herbert Simon n’ont jamais été aussi brûlantes d’actualité. Le défi managérial suprême du vingt-et-unième siècle ne réside plus dans l’accès aux données — autrefois rares et chères —, mais dans la préservation de la capacité attentionnelle des dirigeants face au péril de l’infobésité toxique. Comme Simon le formulait prophétiquement dès 1971 : « Une richesse d’informations crée une pauvreté d’attention et le besoin d’allouer efficacement cette attention parmi la surabondance de sources d’information qui peuvent la consommer ».

Dans ce contexte, la conception des systèmes d’aide à la décision (SIAD) et des interfaces de pilotage managérial a été entièrement repensée à l’aune de la théorie de la rationalité procédurale et de la charge cognitive (Cognitive Load Theory) théorisée par John Sweller. Les développeurs de logiciels d’entreprise et les architectes de tableaux de bord exécutifs s’efforcent désormais de bannir la prolifération désordonnée d’indicateurs quantitatifs au profit d’outils d’élagage intelligent :

• Filtrage sémantique avancé pour éliminer le bruit statistique et extraire les anomalies opérationnelles critiques ;
• Mise en scène visuelle intuitive de l’information (Data Visualization) conçue pour mobiliser la reconnaissance rapide de motifs perceptuels plutôt que le calcul mental arithmétique lourd ;
• Décomposition modulaire des informations stratégiques en paliers hiérarchisés consultables à la demande (drill-down) pour préserver la bande passante de la mémoire de travail managériale.

L’objectif de l’outillage technologique contemporain n’est pas de transformer les cadres en optimiseurs algorithmiques chimériques, mais de leur fournir une ergonomie cognitive qui protège leur lucidité procédurale, facilite la formulation de niveaux d’aspiration réalistes et autorise des arbitrages pragmatiques efficients dans le tumulte des affaires.

12.2 Élaboration des politiques publiques en contexte d’incertitude extrême

La gouvernance des États modernes se heurte de manière récurrente à ce que les politologues qualifient de « problèmes pernicieux » (wicked problems) : changement climatique planétaire, transitions énergétiques, effondrements de la biodiversité, crises pandémiques émergentes ou instabilités financières systémiques. Dans ces scénarios dominés par une incertitude knightienne absolue, l’approche technocratique traditionnelle — qui prétendait élaborer la « politique optimale » à partir de projections mathématiques certaines sur trente ans — a sombré dans un discrédit retentissant.

Le paradigme de la rationalité limitée impose une refonte complète de l’ingénierie des politiques publiques vers des réglementations adaptatives et expérimentales. Puisqu’il est impossible d’anticiper avec précision les rétroactions complexes d’un système socio-écologique, l’action publique doit impérativement adopter une démarche procédurale modeste, itérative et apprenante :

• Mise en œuvre d’expérimentations territoriales pilotes à échelle réduite permettant de tester la viabilité pratique des mesures sur le terrain ;
• Institutionnalisation de clauses de révision périodique obligatoire (sunset clauses) contraignant les législateurs à réévaluer les niveaux d’aspiration des lois à l’aune des résultats observables ;
• Recours à des stratégies de robustesse minimale plutôt qu’à des politiques d’efficience fragile : choisir des mesures qui garantissent des résultats satisfaisants dans un très large spectre de futurs possibles, plutôt qu’une mesure qui ne serait parfaite que dans l’unique scénario d’un futur idéalisé.

De surcroît, la prise de conscience des limites cognitives individuelles des experts a redonné une légitimité démocratique éclatante aux démarches de concertation citoyenne (conventions citoyennes, jurys populaires, conférences de consensus). La pluralité des perspectives et l’hybridation des savoirs d’expérience au sein de collectifs délibératifs deviennent le seul moyen procéduralement solide de déjouer les angles morts inhérents à toute expertise technocratique unilatérale.

12.3 L’interaction homme-machine face à l’intelligence artificielle générative

L’irruption fulgurante dans le débat public et l’espace professionnel des modèles de langage géants (LLM) et de l’intelligence artificielle générative contemporaine réactualise magistralement le dialogue séculaire initié par Herbert Simon entre l’homme et la machine. Pour la première fois dans l’histoire des technologies intellectuelles, l’agent décideur dispose d’un collaborateur numérique capable de prendre en charge la quasi-totalité de la phase d’exploration séquentielle des espaces de problèmes : rédiger une première ébauche de texte juridique, synthétiser des milliers de pages de littérature scientifique, générer des architectures logicielles ou proposer des scénarios prospectifs en quelques fractions de seconde.

Cependant, cette puissance d’investigation déléguée ne signe en aucun cas l’obsolescence du modèle de Simon ; elle en déplace simplement la frontière avec une acuité dramatique. L’agent humain se heurte aujourd’hui à un risque d’un type nouveau : le biais d’automatisation (automation bias) et la surconfiance béate accordée à des synthèses algorithmiques produites par des boîtes noires opaques sujettes aux hallucinations statistiques. Déléguer la recherche séquentielle à une machine ne garantit nullement la rationalité substantielle du résultat si les données d’entraînement reproduisent les angles morts et les distorsions du passé sans contexte ni discernement.

Dans cette nouvelle écologie symbiotique homme-machine, le rôle de l’humain est plus que jamais recentré sur le cœur vibrant de la rationalité procédurale :

1. La formulation rigoureuse et critique des prémisses de départ (l’art du prompt engineering et de la problématisation conceptuelle) ;
2. La fixation délibérée et la révision dynamique des niveaux d’exigence et de satisfaction critique (décider si la réponse algorithmique franchit le seuil d’adéquation éthique, logique et contextuelle requis) ;
3. La responsabilité ultime de l’interruption du processus et de l’arbitrage éthique en dernier ressort.

Herbert Simon nous a appris que l’intelligence ne consiste pas à rivaliser stérilement avec la puissance brute de calcul des machines, mais à orchestrer harmonieusement les règles frugales de l’esprit avec les instruments de son époque pour bâtir des choix sensés dans un monde à jamais imparfait. Près d’un demi-siècle après la consécration nobéliaire de ses travaux, le modèle de la rationalité limitée demeure la boussole épistémologique indispensable pour tout esprit désireux de penser avec lucidité l’humaine condition face à l’immensité de l’inconnu.

Références

• Chase, W. G., & Simon, H. A. (1973). Perception in chess. Cognitive Psychology, 4(1), 55-81. https://doi.org/10.1016/0010-0285(73)90004-2
• Cohen, M. D., March, J. G., & Olsen, J. P. (1972). A garbage can model of organizational choice. Administrative Science Quarterly, 17(1), 1-25. https://doi.org/10.2307/2392088
• Cyert, R. M., & March, J. G. (1963). A behavioral theory of the firm. Prentice-Hall.
• Damasio, A. R. (1994). Descartes’ error: Emotion, reason, and the human brain. G.P. Putnam’s Sons.
• Ericsson, K. A., & Simon, H. A. (1984). Protocol analysis: Verbal reports as data. MIT Press.
• Friedman, M. (1953). Essays in positive economics. University of Chicago Press.
• Gigerenzer, G., & Gaissmaier, W. (2011). Heuristic decision making. Annual Review of Psychology, 62, 451-482. https://doi.org/10.1146/annurev-psych-120709-145341
• Gigerenzer, G., & Todd, P. M. (1999). Simple heuristics that make us smart. Oxford University Press.
• Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.
• Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263-291. https://doi.org/10.2307/1914185
• Knight, F. H. (1921). Risk, uncertainty and profit. Houghton Mifflin.
• March, J. G., & Simon, H. A. (1958). Organizations. John Wiley & Sons.
• Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological Review, 63(2), 81-97. https://doi.org/10.1037/h0043158
• Newell, A., & Simon, H. A. (1956). The logic theory machine: A complex information processing system. IRE Transactions on Information Theory, 2(3), 61-79. https://doi.org/10.1109/TIT.1956.1056797
• Newell, A., & Simon, H. A. (1972). Human problem solving. Prentice-Hall.
• Newell, A., & Simon, H. A. (1976). Computer science as empirical inquiry: Symbols and search. Communications of the ACM, 19(3), 113-126. https://doi.org/10.1145/360018.360022
• Simon, H. A. (1947). Administrative behavior: A study of decision-making processes in administrative organization. Macmillan.
• Simon, H. A. (1955). A behavioral model of rational choice. The Quarterly Journal of Economics, 69(1), 99-118. https://doi.org/10.2307/1884852
• Simon, H. A. (1956). Rational choice and the structure of the environment. Psychological Review, 63(2), 129-138. https://doi.org/10.1037/h0042769
• Simon, H. A. (1962). The architecture of complexity. Proceedings of the American Philosophical Society, 106(6), 467-482. https://www.jstor.org/stable/985254
• Simon, H. A. (1967). Motivational and emotional controls of cognition. Psychological Review, 74(1), 29-39. https://doi.org/10.1037/h0024127
• Simon, H. A. (1971). Designing organizations for an information-rich world. In M. Greenberger (Ed.), Computers, communications, and the public interest (pp. 37-72). Johns Hopkins Press.
• Simon, H. A. (1976). From substantive to procedural rationality. In S. J. Latsis (Ed.), Method and appraisal in economics (pp. 129-148). Cambridge University Press. https://doi.org/10.1017/CBO9780511561085.008
• Simon, H. A. (1978). Rational decision-making in business organizations (Nobel Memorial Lecture). The American Economic Review, 69(4), 493-513. https://www.jstor.org/stable/1808698
• Simon, H. A. (1983). Reason in human affairs. Stanford University Press.
• Simon, H. A. (1991). Models of my life. Basic Books.
• Stigler, G. J. (1961). The economics of information. Journal of Political Economy, 69(3), 213-225. https://doi.org/10.1086/258464
• Thaler, R. H. (2015). Misbehaving: The making of behavioral economics. W. W. Norton & Company.
• Thaler, R. H., & Sunstein, C. R. (2008). Nudge: Improving decisions about health, wealth, and happiness. Yale University Press.
• Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124-1131. https://doi.org/10.1126/science.185.4157.1124
• von Neumann, J., & Morgenstern, O. (1944). Theory of games and economic behavior. Princeton University Press.
• Williamson, O. E. (1975). Markets and hierarchies: Analysis and antitrust implications. Free Press.
• Williamson, O. E. (1985). The economic institutions of capitalism. Free Press.