Pourquoi des dirigeants expérimentés peuvent-ils persister dans des stratégies inadaptées ? Et pourquoi l’intelligence artificielle risque-t-elle parfois d’aggraver le phénomène ?
Dans mon activité de conseil en stratégie sur le marché des seniors, mais aussi à travers les entretiens que je réalise dans l’émission Le Grand Entretien, je rencontre régulièrement des chefs d’entreprise passionnés par leur activité.
Ils connaissent leur produit, leur technologie, leurs équipes. Ils ont souvent investi plusieurs années dans leur projet. Certains ont construit de belles entreprises.
Et pourtant, il m’arrive régulièrement d’entendre des affirmations qui me surprennent.
Des convictions sur les attentes des seniors, sur leur comportement d’achat, sur le potentiel d’un marché ou sur les raisons pour lesquelles une offre ne se vend pas.
Certaines de ces affirmations sont discutables. D’autres sont manifestement inexactes au regard des études disponibles et de l’expérience accumulée sur le marché des seniors.
Ce qui m’intéresse particulièrement, c’est la manière dont ces convictions sont exprimées.
Certains dirigeants semblent absolument certains d’avoir raison.
Ils ne présentent pas une hypothèse, mais une évidence. Ils n’envisagent même pas que leur analyse puisse être remise en question.
Chez d’autres, j’ai parfois une impression différente : celle d’une personne qui cherche aussi à se convaincre elle-même.
Comme si, à force de répéter une explication, celle-ci finissait par devenir une vérité.
Bien sûr, il est impossible de savoir précisément ce qui se passe dans l’esprit de ces dirigeants. Mais ces situations m’interrogent depuis longtemps.
Pourquoi des entrepreneurs intelligents, expérimentés, parfois très compétents, peuvent-ils défendre avec autant d’assurance des raisonnements fragiles ?
Et surtout, quelles conséquences ces convictions peuvent-elles avoir sur leurs décisions stratégiques ?
Je pense qu’une partie de la réponse se trouve dans les sciences cognitives.
Car les dirigeants d’entreprises de la Silver Économie, comme tous les êtres humains, sont soumis à des biais cognitifs.
Et ces biais peuvent contribuer à expliquer certains échecs commerciaux.
Quand l’intelligence artificielle entre dans la réflexion stratégique
Récemment, j’accompagnais une entreprise dont le dirigeant utilisait régulièrement l’intelligence artificielle pour réfléchir à ses orientations stratégiques.
En soi, c’est une excellente démarche.
L’IA permet d’explorer rapidement des scénarios, de structurer des raisonnements, de comparer des options et de formuler des hypothèses.
Mais ce qui m’a frappé dans cette situation, c’était le fonctionnement de la prise de décision.
Le dirigeant utilisait l’intelligence artificielle comme un interlocuteur stratégique. Autour de lui, ses collaborateurs étaient davantage concentrés sur les opérations et l’exécution.
Il disposait donc d’un outil capable de produire des analyses très élaborées, mais pas nécessairement d’un véritable contradicteur capable de remettre en cause ses hypothèses de départ.
Or, dans ce cas particulier, l’utilisation de l’IA ne me semblait pas conduire systématiquement à de meilleures décisions.
Ce constat n’est pas une preuve que l’intelligence artificielle dégrade la stratégie. Il soulève une question beaucoup plus intéressante :
Que se passe-t-il lorsqu’un dirigeant utilise une intelligence artificielle pour analyser une stratégie à laquelle il croit déjà fortement ?
Imaginons qu’il lui demande :
« Voici pourquoi je pense que notre nouvelle solution de prévention peut séduire plusieurs centaines de milliers de seniors. Peux-tu développer cette stratégie ? »
L’intelligence artificielle peut construire une analyse cohérente, proposer une segmentation, élaborer un business model et identifier des arguments de commercialisation.
L’ensemble peut être parfaitement présenté.
Mais la première question aurait peut-être dû être :
« Qu’est-ce qui nous prouve que ces seniors souhaitent réellement acheter cette solution ? »
Ce n’est pas du tout le même travail.
Dans le premier cas, on développe une conviction.
Dans le second, on la met à l’épreuve.
Et cette différence devient fondamentale lorsqu’on s’intéresse aux biais cognitifs.
1. Le biais de confirmation : chercher des preuves plutôt que tester ses idées
Le biais de confirmation est probablement l’un des plus importants dans la décision stratégique.
Il correspond à notre tendance à privilégier les informations qui confirment nos croyances et à accorder moins d’importance à celles qui les contredisent.
Prenons l’exemple d’une entreprise développant une technologie de prévention des chutes.
Le dirigeant est convaincu que son innovation répond à un besoin considérable.
Il dispose de plusieurs arguments :
- Les chutes représentent un problème de santé publique majeur.
- Le nombre de personnes âgées augmente.
- Sa technologie fonctionne.
- Des professionnels de santé reconnaissent son intérêt.
Tous ces éléments peuvent être exacts.
Le dirigeant en conclut qu’il existe un marché considérable.
Mais c’est précisément à cet endroit que le raisonnement peut devenir fragile.
L’existence d’un problème ne démontre pas l’existence d’une intention d’achat.
Une personne peut reconnaître son risque de chute sans vouloir porter un dispositif qui lui rappelle sa vulnérabilité.
Elle peut comprendre l’intérêt d’un équipement sans considérer que le moment est venu de l’acheter.
Elle peut même refuser une solution précisément parce qu’elle lui paraît destinée à des personnes plus dépendantes qu’elle.
Le dirigeant risque alors de privilégier les études qui démontrent l’importance du problème, tout en négligeant celles qui éclairent les résistances à l’adoption.
Il ne cherche plus vraiment à savoir si son hypothèse est juste.
Il cherche à démontrer qu’elle l’est.
2. Le biais de projection : croire que les seniors raisonnent comme nous
Le deuxième biais est particulièrement fréquent dans les démarches d’innovation.
Le vieillissement crée des besoins. Pas forcément des clients.
Sur le marché des 50+, une partie des prospects reconnaît l’intérêt d’une offre… sans passer à l’achat. Le Modèle STS aide à comprendre ces blocages décisionnels et à identifier de nouveaux leviers de développement.
Découvrir le Modèle STSNous avons tendance à projeter nos propres perceptions, attentes et raisonnements sur les autres.
Dans la Silver Économie, cela peut conduire à une erreur fondamentale : supposer qu’une solution que nous jugeons utile sera également perçue comme désirable par ses utilisateurs.
Un entrepreneur développe un système qui permet de surveiller à distance certains comportements d’une personne âgée.
Pour lui, les avantages sont évidents : davantage de sécurité, une meilleure réactivité et un soulagement pour les proches.
Il raisonne à partir des fonctionnalités et des bénéfices objectifs.
Mais le senior peut raisonner autrement.
Il peut y voir une intrusion dans sa vie privée, un contrôle exercé par ses enfants ou une remise en question de sa capacité à vivre seul.
L’entreprise et le consommateur n’évaluent pas nécessairement le même objet psychologique.
L’entreprise vend de la sécurité. Le consommateur peut avoir l’impression d’acheter une perte d’autonomie.
C’est l’une des raisons pour lesquelles le Modèle STS distingue les besoins objectifs des mécanismes de décision.
Un besoin peut exister sans déclencher une décision favorable.
Et une offre peut être techniquement excellente tout en étant psychologiquement difficile à accepter.
3. Le biais d’optimisme : confondre potentiel démographique et marché accessible
C’est un grand classique de la Silver Économie.
Combien de présentations commencent par une démonstration de la croissance du nombre de seniors ?
On projette les données démographiques, on identifie une population importante, puis on applique un taux de pénétration supposé raisonnable.
Et l’on obtient rapidement un marché potentiel de plusieurs centaines de milliers, voire de millions de consommateurs.
Le problème n’est pas l’utilisation des données démographiques.
Elles sont indispensables.
Le problème commence lorsqu’on confond population concernée, population intéressée, population disposée à acheter et marché commercialement accessible.
Ces populations peuvent être très différentes.
Le biais d’optimisme peut conduire un dirigeant à surestimer les chances de succès de son offre, à minimiser les difficultés de conversion ou à sous-estimer les coûts d’acquisition.
Par exemple, une entreprise peut considérer que sa solution concerne un million de personnes, puis prévoir une pénétration de 2 %.
Vingt mille clients peuvent sembler un objectif modeste.
Mais pourquoi ces 2 % achèteraient-ils ?
À quel moment ?
À la suite de quel événement ?
Par quel canal ?
Et avec quels freins psychologiques ?
Sans réponses à ces questions, le taux de pénétration reste essentiellement une hypothèse.
En Silver Économie, le nombre de personnes qui pourraient avoir besoin d’un produit est rarement une mesure suffisante du nombre de personnes qui décideront de l’acheter.
4. Le biais du survivant : écouter ceux qui ont acheté et oublier ceux qui ont refusé
Voici un autre mécanisme particulièrement intéressant pour comprendre les difficultés commerciales.
Les entreprises connaissent généralement beaucoup mieux leurs clients que leurs non-clients.
Elles disposent d’enquêtes de satisfaction, d’avis, de retours d’expérience et de témoignages.
Mais que savent-elles réellement des personnes qui n’ont pas acheté ?
De celles qui ont demandé une documentation sans donner suite ?
De celles qui ont visité une résidence services seniors, puis renoncé ?
De celles qui ont commencé une démarche d’installation de téléassistance avant de l’abandonner ?
Et surtout, de celles qui n’ont jamais envisagé de contacter l’entreprise ?
Lorsqu’on analyse uniquement les clients acquis, on risque de construire sa stratégie à partir d’une population particulière : celle qui a déjà franchi les obstacles à la décision.
Or ces clients ne sont pas nécessairement représentatifs de l’ensemble du marché.
Une entreprise de résidences services seniors peut interroger ses résidents sur les raisons de leur installation.
Elle découvrira probablement des motivations intéressantes : confort, sécurité, convivialité, proximité des services.
Mais ces réponses ne lui expliquent pas directement pourquoi d’autres personnes, présentant pourtant des besoins comparables, refusent de déménager.
Les clients expliquent en partie pourquoi une offre fonctionne. Les non-clients peuvent aider à comprendre pourquoi elle ne se développe pas davantage.
C’est particulièrement important pour étudier le marché réfractaire.
5. L’escalade d’engagement : pourquoi persister malgré les résultats ?
Un entrepreneur investit dans une innovation.
Il mobilise son équipe, consacre plusieurs années au développement et engage des ressources financières importantes.
Puis arrive la commercialisation.
Les ventes sont inférieures aux prévisions.
Les décisions d’achat prennent plus de temps qu’anticipé.
Les coûts d’acquisition augmentent.
Les distributeurs ne s’engagent pas suffisamment.
Face à ces difficultés, plusieurs explications sont possibles.
Le produit peut nécessiter des améliorations, la stratégie commerciale peut être inadaptée ou le marché peut simplement avoir besoin de temps.
Mais une autre hypothèse doit être envisagée : le marché accessible est peut-être beaucoup plus restreint que prévu.
C’est ici qu’intervient l’escalade d’engagement.
Ce mécanisme conduit parfois les décideurs à poursuivre un investissement malgré des signaux défavorables, notamment parce qu’ils ont déjà consacré beaucoup de ressources au projet.
La décision n’est alors plus uniquement économique.
Elle devient personnelle.
Reconnaître une erreur stratégique peut signifier accepter que plusieurs années de travail n’ont pas produit les résultats espérés.
Cela peut également fragiliser l’image du dirigeant auprès de ses associés, investisseurs ou collaborateurs.
Attention : persévérer n’est pas nécessairement irrationnel. De nombreuses innovations ont besoin de temps pour atteindre leur marché.
Mais la persévérance devient problématique lorsque l’entreprise refuse de réexaminer les hypothèses qui justifient ses investissements.
La véritable question n’est pas de savoir combien nous avons déjà investi, mais si les éléments disponibles aujourd’hui justifient de continuer.
6. Le faux consensus : quand tout le monde finit par être d’accord
Dans certaines entreprises, les équipes partagent progressivement une même vision du marché.
Le dirigeant est convaincu de la pertinence du produit.
Les équipes techniques en connaissent les qualités.
Les commerciaux répètent les arguments de vente.
Les partenaires confirment l’intérêt de la solution.
Progressivement, un consensus peut se former.
Mais ce consensus ne démontre pas que le marché partage cette conviction.
Il peut même masquer des divergences importantes entre les représentations internes et les comportements réels des consommateurs.
La situation devient particulièrement délicate lorsque les collaborateurs hésitent à contredire un dirigeant très engagé dans son projet.
Ce phénomène peut relever de plusieurs mécanismes distincts : faux consensus, conformisme, pression hiérarchique ou pensée de groupe.
Le risque est le même : les objections disparaissent progressivement des discussions stratégiques.
Non pas parce qu’elles ont été résolues, mais parce qu’elles ne sont plus exprimées.
Et une entreprise qui n’entend plus de contradictions peut finir par confondre l’adhésion de ses équipes avec la validation de son marché.
7. L’intelligence artificielle : un nouvel amplificateur possible des biais cognitifs
C’est probablement l’un des sujets les plus importants pour les années à venir.
L’intelligence artificielle peut être un outil remarquable pour améliorer les décisions.
Mais plusieurs recherches montrent qu’elle peut également produire des effets contraires.
Quand l’IA confirme les convictions de son utilisateur
Les chercheurs parlent notamment de sycophancy, que l’on pourrait traduire par une tendance excessive à l’approbation ou à la complaisance.
Certains modèles d’IA ont tendance, dans certaines situations, à adapter leurs réponses aux convictions exprimées par leur interlocuteur.
Cela signifie qu’une question fortement orientée peut favoriser une réponse qui conforte l’hypothèse initiale.
Une recherche publiée en 2025 dans les actes de la conférence EMNLP montre notamment que certains modèles peuvent se laisser davantage influencer lorsqu’un utilisateur conteste leur première réponse, même si sa contestation repose sur un raisonnement incorrect.
Une autre étude publiée dans Science en 2026, portant notamment sur 2 405 participants, montre que des réponses excessivement complaisantes peuvent renforcer la conviction des utilisateurs d’avoir raison.
Ces résultats ne portent pas directement sur les dirigeants de la Silver Économie. Mais ils identifient un risque pertinent pour toute utilisation de l’IA comme outil d’aide au jugement.
Le danger est de transformer progressivement l’intelligence artificielle en un interlocuteur qui aide surtout à consolider une conviction déjà présente.
Des résultats parfois moins bons avec l’IA
Une étude menée auprès de 758 consultants du Boston Consulting Group, avec des chercheurs notamment associés à Harvard, avait déjà mis en évidence un résultat intéressant.
Pour certaines tâches, l’intelligence artificielle améliorait sensiblement la performance.
Mais pour une tâche de résolution de problème située en dehors de ses capacités maîtrisées dans les conditions de l’expérience, les participants utilisant l’IA obtenaient des résultats inférieurs de 23 % à ceux qui travaillaient sans elle.
Ce résultat ne signifie évidemment pas que l’IA dégrade généralement les décisions stratégiques.
Il montre surtout qu’une technologie capable de produire des réponses convaincantes peut aussi conduire ses utilisateurs à accorder trop de confiance à des analyses erronées.
Plus récemment, une recherche publiée en mai 2026 dans le Strategic Organization a étudié les relations entre intelligence artificielle générative et biais cognitifs dans la décision stratégique.
À partir d’une expérimentation impliquant 273 professionnels, les chercheurs observent une relation non linéaire : des niveaux intermédiaires d’utilisation de l’IA sont associés à une réduction de certains biais, tandis qu’une utilisation faible ou très intensive produit des résultats moins favorables dans les conditions étudiées.
Autrement dit, utiliser davantage l’intelligence artificielle ne garantit pas de mieux décider.
La manière de l’utiliser peut être plus importante que la fréquence d’utilisation.
Le problème du dirigeant qui n’a plus de contradicteur
Revenons à mon expérience de conseil.
Un dirigeant utilise l’IA pour élaborer sa stratégie. Ses collaborateurs travaillent principalement sur les opérations.
Il peut alors se retrouver dans une situation paradoxale.
Il dispose d’une capacité d’analyse et de production d’idées considérablement augmentée.
Mais si personne ne questionne ses hypothèses de départ, et si ses échanges avec l’IA sont essentiellement orientés vers leur validation, il risque également d’augmenter sa capacité à construire des justifications convaincantes.
Une mauvaise hypothèse peut ainsi devenir une stratégie parfaitement structurée.
Le vieillissement crée des besoins. Pas forcément des clients.
Sur le marché des 50+, une partie des prospects reconnaît l’intérêt d’une offre… sans passer à l’achat. Le Modèle STS aide à comprendre ces blocages décisionnels et à identifier de nouveaux leviers de développement.
Découvrir le Modèle STSAvec des tableaux.
Des prévisions financières.
Des segments de clientèle.
Des arguments commerciaux.
Et une présentation très professionnelle.
Mais une stratégie bien présentée n’est pas nécessairement une stratégie juste.
Le risque n’est pas seulement que l’IA se trompe. C’est qu’elle nous aide à mieux défendre nos propres erreurs.
8. Comment limiter les biais cognitifs dans les décisions stratégiques ?
Il serait illusoire de vouloir supprimer complètement les biais cognitifs.
Ils font partie du fonctionnement de notre esprit.
En revanche, il est possible de construire des méthodes de décision qui réduisent leur influence.
Je retiendrais cinq pratiques particulièrement importantes pour les entreprises de la Silver Économie.
Premièrement : distinguer les faits, les hypothèses et les convictions
Une étude montrant que les seniors sont préoccupés par leur sécurité ne prouve pas qu’ils souhaitent acheter un dispositif particulier.
Une croissance démographique ne prouve pas une croissance équivalente de la demande commerciale.
Une satisfaction élevée chez les clients ne démontre pas que les non-clients souhaitent devenir clients.
Ces distinctions devraient être systématiques dans les réflexions stratégiques.
Deuxièmement : étudier les refus autant que les achats
Les raisons pour lesquelles une personne renonce à un achat sont parfois plus instructives que celles qui motivent les clients existants.
Il faut donc explorer les abandons, les reports et les refus, en particulier lorsque les solutions concernent l’autonomie, la dépendance ou l’image de soi.
Il ne suffit pas de demander aux seniors ce qu’ils pensent d’une innovation.
Il faut comprendre ce qui pourrait les empêcher de l’adopter.
Troisièmement : rechercher volontairement les informations contradictoires
Une bonne réflexion stratégique ne devrait pas chercher uniquement à démontrer pourquoi une idée pourrait fonctionner.
Elle devrait également examiner pourquoi elle pourrait échouer.
Quels éléments contredisent notre vision ?
Quelles hypothèses sont insuffisamment démontrées ?
Quels concurrents ou quelles offres alternatives pourraient limiter notre développement ?
Quels comportements réels des clients ne correspondent pas à nos prévisions ?
Quatrièmement : utiliser l’IA comme contradicteur plutôt que comme simple conseiller
Au lieu de demander à l’IA de développer une stratégie, pourquoi ne pas lui demander de la critiquer ?
Par exemple :
« Voici notre stratégie de développement. Identifie les dix hypothèses les plus fragiles. Pour chacune, explique comment nous pourrions vérifier si elle est fausse. Distingue les faits vérifiés des suppositions et indique les données manquantes. »
Cette manière de travailler ne garantit pas une réponse juste, mais elle oblige à envisager d’autres interprétations.
L’IA doit également être confrontée à des données terrain, à des sources vérifiables et à des analyses indépendantes.
Cinquièmement : organiser une véritable contradiction stratégique
Une entreprise a besoin de personnes capables de questionner ses choix sans chercher systématiquement à rassurer le dirigeant.
Cela suppose de créer les conditions permettant d’exprimer des objections, y compris lorsqu’elles remettent en question des décisions importantes.
Un second regard stratégique, indépendant des investissements passés et des convictions internes, peut contribuer à faire émerger des hypothèses qui n’étaient plus discutées.
Mais ce contradicteur doit lui-même accepter que ses analyses soient remises en question.
L’objectif n’est pas de remplacer une certitude par une autre.
Il est d’améliorer la qualité des décisions.
Conclusion : le véritable risque est peut-être de ne plus douter
Au fil de mes années de conseil dans la Silver Économie, j’ai constaté que les difficultés commerciales ne provenaient pas toujours d’un manque d’informations.
Certaines entreprises disposent de nombreuses études, de données démographiques, de retours clients et d’analyses de marché.
Elles peuvent néanmoins prendre des décisions discutables.
Pourquoi ?
Parce que disposer d’informations et savoir les interpréter sont deux choses différentes.
Nos convictions influencent les questions que nous posons, les données que nous retenons et les explications que nous jugeons crédibles.
Et plus nous avons investi personnellement dans une stratégie, plus il peut devenir difficile de la remettre en question.
L’arrivée de l’intelligence artificielle ajoute une dimension nouvelle à ce phénomène.
Elle nous permet de réfléchir plus rapidement, de produire davantage d’analyses et d’explorer un grand nombre de scénarios.
Mais elle peut également nous donner l’illusion qu’une idée est solide parce qu’elle a été longuement développée, argumentée et présentée.
Dans la Silver Économie, où l’écart entre besoin objectif et décision d’achat est parfois considérable, cette difficulté mérite une attention particulière.
Les entreprises ont évidemment besoin de dirigeants convaincus, capables de défendre une vision et de prendre des risques.
Mais elles ont aussi besoin de dirigeants capables de reconnaître qu’une conviction, même ancienne et profondément ancrée, n’est pas une preuve.
Le problème n’est pas d’avoir des convictions fortes. C’est de ne plus savoir dans quelles conditions nous accepterions de les abandonner.
Frédéric Serrière
Références scientifiques
- A review of cognitive biases in strategic decision making. Long Range Planning, 2025, vol. 58, n° 3. DOI : 10.1016/j.lrp.2025.102529.
- Cristofaro, M., Giardino, P. L. et Augier, M.-S. (2026). Generative AI and cognitive biases in strategic decision-making. Strategic Organization. DOI : 10.1177/14761270261457350.
- Dell’Acqua et al. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 2026. Étude.
- Kim, S. W. et Khashabi, D. (2025). Challenging the Evaluator: LLM Sycophancy Under User Rebuttal. Findings of EMNLP 2025. DOI : 10.18653/v1/2025.findings-emnlp.1222.
- Cheng et al. (2026). Sycophantic AI decreases prosocial intentions and promotes dependence. Science. DOI : 10.1126/science.aec8352.
