Un proverbe africain dit qu’une bibliothèque brûle à chaque fois qu’une personne âgée meurt. Dan Maccarone le cite au début d’un essai sur ce qu’il appelle « productiser une personne » : prendre la manière dont une personne traverse une décision difficile — les instincts, le goût, la méthode bâtie sur une carrière — et l’emballer pour que d’autres puissent l’utiliser sans cette personne dans la pièce.1
Sa thèse est que l’IA est le premier outil qui rend l’entreprise digne d’être tentée. Non pas parce que la machine devrait décider à votre place, mais parce qu’elle peut aider à faire sortir le jugement d’une seule tête.1
L’essai est honnête sur la difficulté, et c’est ce qui le rend digne d’être lu.
La partie qu’on ne peut pas écrire
L’obstacle n’est pas technique. C’est que l’expertise, pour l’essentiel, n’entre jamais dans les mots.
Maccarone emprunte le vocabulaire de ceux qui étudient cela depuis des décennies. Michael Polanyi l’appelait le savoir tacite — « nous savons plus que nous ne pouvons dire ». Dorothy Leonard et Walter Swap l’appelaient les « deep smarts », le jugement durement acquis que détiennent vos meilleurs éléments, et ils étaient directs sur ce qui lui arrive : il sort par la porte quand quelqu’un démissionne ou prend sa retraite.1
Demandez à une personne brillante pourquoi elle a pris une décision, et vous obtiendrez souvent un haussement d’épaules. Elle n’est pas évasive. L’instinct qui décide quel coin couper et lequel défendre ne vit pas dans les mots. Il vit en dessous, construit à partir de dix mille petites décisions que la personne a depuis longtemps cessé de remarquer.
C’est le même problème que chaque atelier et chaque métier ont affronté depuis toujours. On peut enseigner les étapes ; le ressenti est plus difficile. La contribution de l’essai est de demander ce qui se passe quand on essaie de capturer aussi le ressenti.
Deux cofondateurs, des réponses opposées
La partie la plus utile de l’essai est que Maccarone décrit deux cofondateurs arrivés à des réponses opposées au même problème.
L’un est convaincu de pouvoir faire sortir son jugement de sa tête. Depuis des mois, il nourrit l’IA de sa manière de travailler — ses décisions, son raisonnement, les courriels qu’il a envoyés — jusqu’à ce qu’elle commence à sonner comme lui et, plus troublant, à décider comme lui. Il ne veut pas se cloner. Il veut que son jugement devienne portable, hors du crâne unique où il est resté coincé, dans quelque chose que le reste de l’entreprise peut utiliser.1
L’autre cofondateur est mal à l’aise. Il est d’accord avec le principe — on devrait tenter de distiller la manière dont un fondateur voit les schémas — mais il refuse de l’aplatir. Il ne veut pas d’une version de lui-même que les gens pourraient répéter. Demandez-lui comment son jugement se diffuse réellement, et il pointe des gens, pas des documents. Personne n’est vraiment intégré, dit-il, tant qu’il n’a pas été dans la pièce et ressenti la chose de ses propres yeux. Son jugement voyage par proximité.1
Aucune des deux réponses n’est évidemment juste, et l’essai ne prétend pas le contraire. Le téléchargement risque de produire une version assez proche pour être dangereuse et assez plate pour être fausse. L’apprentissage préserve la chose mais la garde fragile — elle sort encore par la porte quand la dernière personne qui la porte part.
Le chemin du téléchargement a aussi un coût facile à sous-estimer. L’essai cite une phrase de Jenny Ouyang qui le résume : « Essayer un outil était facile. Lui apprendre comment je travaille était la partie chère. » Extraire un jugement n’est pas un export ponctuel. C’est un long processus où l’on nourrit la machine de décisions, corrige sa sortie et explique son raisonnement — ce qui est précisément le travail difficile de rendre le tacite explicite. Le fondateur qui veut que son jugement lui survive n’enregistre pas ; il enseigne, en quelque sorte, à un apprenti qui ne se fatigue jamais et ne part jamais. Que ce soit une bénédiction ou une malédiction dépend de combien l’enseignement change l’enseignant.
Ce que cela a à voir avec l’artisanat
L’essai est écrit à propos de fondateurs et de logiciels, mais il parle en réalité d’un problème auquel IRZ revient sans cesse : comment une pratique passe d’une personne à la suivante.
Chaque métier a sa couche tacite. Un céramiste peut écrire les températures de cuisson ; le moment d’ouvrir le four est plus difficile à capturer. Un charpentier peut documenter les angles d’assemblage ; savoir quand un morceau de bois va se rebiffer n’est pas dans le manuel. L’histoire de l’artisanat est pleine de bibliothèques brûlées, de techniques mortes parce que la personne qui les portait ne les a pas écrites et que personne ne s’est tenu assez près pour apprendre.
Ce que décrit Maccarone est la première tentative plausible de changer cette arithmétique. Si le jugement peut être extrait, la bibliothèque n’a pas à brûler. Mais l’exemple du second cofondateur est la mise en garde : l’extraction peut préserver les décisions tout en perdant le jugement — la partie qui sait quelle décision vaut la peine d’être prise.
La conclusion honnête n’est pas qu’un chemin gagne. C’est que la question est enfin devenue pratique. Pendant la plus grande partie de l’histoire, « comment garder le bon jugement » n’avait qu’une réponse : s’il vous plaît, ne partez pas. L’IA a rendu une seconde réponse pensable. Que cette réponse soit réelle — et ce qu’elle coûte — est désormais quelque chose que nous allons découvrir, un four à la fois.
Ce que l’essai laisse ouvert est la question la plus profonde. Si le jugement d’une personne peut devenir un produit, qu’était-il pendant qu’il était encore coincé dans sa tête ? Le téléchargement suppose qu’il était un ensemble de décisions attendant d’être enregistrées. L’apprenti suppose que c’était quelque chose qui n’existe qu’entre les gens. Les deux cofondateurs ne se disputent pas à propos d’outils. Ils se disputent sur ce qu’est le jugement.