Le baseball a toujours fonctionné sur l'instinct viscéral et la tradition… jusqu'au jour où Billy Beane a prouvé que les chiffres pouvaient l'emporter.
Dans l’épisode 62 de The AI Forecast, Comment Billy Beane de Moneyball a changé le baseball à jamais grâce à l’analyse de données, Billy Beane rejoint l’animateur Paul Muller pour discuter de la manière dont les décisions fondées sur des preuves ont remis en cause le baseball traditionnel. Il explique comment les contraintes encouragent l'innovation, pourquoi remettre en question les hypothèses est essentiel, et comment les données aident les organisations à réinventer leur prise de décision.
De l’évaluation des talents à la gestion des ressources, Billy affirme que le succès dépend de la création de systèmes qui privilégient les preuves au détriment de l’ego. Vous trouverez ci-dessous les principaux moments de la fascinante discussion entre Paul et Billy.
Reformulation du risque
Paul : Est-ce difficile de traverser ce point où l’on est confiant dans l’idée, mais où les résultats n’apparaissent pas assez vite ?
Billy: C’est une excellente question, et je me suis appuyé sur mon assistant. Il disait toujours que si vous deviez passer un test de maths et que quelqu’un vous donnait les réponses, vous ne les prendriez pas ? Nous avions l’impression que l’utilisation des données était de cet ordre. Ils vous donnaient la réponse au test. Nous souhaitions désormais exploiter les données et prendre de nombreuses décisions. Nous savions que nous n’aurions pas raison à chaque fois ; nous n’allions pas gagner à tous les coups, mais si nous étions rigoureux avec les données, impitoyables avec les chiffres et cohérents dans notre prise de décision, au fil du temps, nous aurions raison.
Je pense qu'il y avait beaucoup de suppositions lorsque nous faisions des choses dont nous étions nerveux quant au résultat, mais nous avons ressenti complètement le contraire. Nous avions le sentiment que l'utilisation des données constituait pour nous une sorte de feuille de route et de phare antibrouillard. Et encore une fois, nous n'allions pas avoir raison sur chaque décision, mais si nous étions cohérents dans la façon dont nous prenions les décisions au fil du temps, nous finirions par arriver là où nous voulions être, et c'était cette discipline qui allait nous porter.
Si vous avez raison trois fois de suite, tout le monde est d’accord. Ensuite, la quatrième fois, si vous vous trompez, tout le monde dit : « Ah bon, je vous l’avais bien dit que les chiffres ne disent pas tout. » Et ils reviennent en quelque sorte à une position de prise de décision émotionnelle, mais ils ne considèrent pas les décisions émotionnelles selon le même standard. L'une des choses pour lesquelles nous sommes complimentés, ce que je trouve un peu à tort, c'est que nous étions des preneurs de risques. Nous étions en réalité tout le contraire. Nous voulions gérer les risques, devenir des actuaires, et nous pensions que ce qui était risqué, c'était d'avoir des informations pour prendre des décisions prédictives sans les utiliser. C’était, pour nous, le risque.
Les données avant l'orthodoxie
Paul : La bonne nouvelle, c'est que vous êtes devenu célèbre, et la mauvaise nouvelle, c'est que vous êtes devenu célèbre. Lorsque les autres équipes ont compris ce que vous faisiez, comment avez-vous trouvé un nouvel avantage ? Comment avez-vous réussi à rester dynamique ?
Billy : Je pense que la véritable révolution a eu lieu lorsque d'autres équipes ont commencé à prendre conscience de l'importance des données, à collecter leurs propres données et à les utiliser pour élaborer des modèles plus prédictifs. Lorsque nous avons commencé à prendre des décisions, nous nous appuyions sur des statistiques. Les statistiques sont un résultat. Ce que les équipes ont commencé à découvrir, c'est qu'il existait une meilleure façon de mesurer le processus, qui était un meilleur prédicteur de compétence, et que la collecte de données était importante. Et très franchement, il ne s'agissait pas seulement de collecter des données, mais de faire entrer dans notre entreprise des personnes vraiment, vraiment brillantes et passionnées qui n'y travaillaient pas auparavant.
Le truc avec le livre Moneyball, c'est que tout ce qu'il contenait était de l'information publique. Pour être honnête, on a volé les idées de Bill James. La culture nous a permis de le faire car personne n'a vraiment essayé les idées de Bill James ou ce dont il parlait dans ses pamphlets pendant des années après cela. Au cours des 20 années suivantes, cependant, et alors que nous sommes ici aujourd’hui, les équipes sont devenues très privées. Ils embauchent et disposent de très grandes équipes d'analystes composées de jeunes hommes et femmes talentueux qui les aident à construire ces modèles en utilisant la biométrie pour améliorer les performances des joueurs. C'est devenu très, très sophistiqué, bien au-delà de ce que je comprends, pour être tout à fait franche.
Tout le monde se dit expert en données… jusqu’à ce que les données les contredisent
Paul : D'après mon expérience, le défi maintenant est que vous pouvez vous trouver dans une situation—particulièrement pour les personnes vraiment brillantes et expérimentées—qui diront : « Je suis une personne qui suit les données », et ils pointeront vers des données, et ils seront d'accord avec celles-ci. Mais dès qu'ils trouvent quelque chose qui ne confirme pas leur expérience, ils peuvent dire : « Eh bien, ces données ne sont pas correctes, et je ne vais pas les utiliser ». En bref, sélectionner les données de manière sélective est quelque chose que j'ai vu se produire, et cela renvoie à la déclaration que j'ai faite selon laquelle tout le monde est une personne axée sur les données jusqu'à ce que cela ne confirme pas leur opinion.
Billy : Pour moi, c’est la vraie opportunité. Les expériences d’un PDG vraiment performant à long terme dans une entreprise sont des données, et s’appuyer sur ces expériences pour l’aider à prendre des décisions est aussi une forme de données. Mais je pense que dans de nombreux cas, lorsque vous êtes avec des personnes expérimentées, nous avons tendance à nous plier lorsqu'elles disent : « Hé, ces données ne sont pas correctes. » Eh bien, ma réponse est généralement que vous ne pouvez pas être en désaccord avec les données, car ce n'est pas une opinion. C'est un fait. Dans le monde actuel, avec toutes les données auxquelles nous sommes exposés, la véritable opportunité se présente lorsque les données vous disent une chose et que vos propres expériences vous en disent une autre. Personnellement, je préfère toujours m'appuyer sur les données et ignorer mes propres expériences lorsque je prends des décisions. Encore une fois, je sais que beaucoup de personnes ne seront pas d’accord à ce sujet. Pour moi, l’opportunité, c’est lorsque des personnes vraiment intelligentes voient la même chose et que les données leur disent quelque chose, car vous devez partir du principe que votre concurrent va voir la même chose que vous et prendre une décision en ce sens.
Suivez la conversation complète avec Billy Beane sur The AI Forecast sur Spotify, Apple Podcasts, et YouTube.
