Dans une réunion, quelqu’un affirme avec aplomb que le problème est « très simple » et qu’il suffirait de « refaire l’interface ». Autour de la table, les personnes qui connaissent les dépendances techniques, les usages réels et les contraintes juridiques se taisent un instant. Elles savent que le sujet est compliqué. La première personne, elle, ne le sait pas encore.

Cette scène résume l’intuition derrière l’effet Dunning-Kruger : dans certains domaines, le manque de compétence peut aussi priver d’une partie des outils nécessaires pour reconnaître ce manque. L’idée est devenue un raccourci commode, souvent lancé comme une pique sur les réseaux sociaux. Pourtant, bien comprise, elle dit moins quelque chose sur « les autres » que sur une difficulté universelle : évaluer lucidement ce que l’on sait, ce que l’on ignore et ce qu’il faudrait apprendre pour combler l’écart.

Le piège n’est pas l’ignorance, mais son invisibilité

L’effet tire son nom de travaux de psychologie consacrés à la relation entre compétence et autoévaluation. Leur point de départ est intuitif : pour juger correctement sa performance, il faut souvent posséder au moins une part des compétences qui permettent de bien accomplir la tâche.

Une personne débutante en rédaction, par exemple, peut repérer une faute évidente, mais ne pas voir qu’un texte manque de structure, d’angle ou de précision. Un programmeur peu expérimenté peut obtenir un résultat qui fonctionne sur son ordinateur sans mesurer les fragilités de son code. Un manager novice peut confondre une réunion calme avec une réunion utile, faute de savoir détecter les non-dits, les décisions floues ou les désaccords reportés.

Ce n’est pas nécessairement de l’arrogance. C’est parfois une conséquence du manque de repères. Lorsqu’on ne connaît pas les critères d’une bonne réponse, on risque de prendre une réponse acceptable pour une réponse solide. Lorsqu’on ignore les erreurs typiques d’un métier, on ne voit pas qu’on les commet. La compétence inclut donc une dimension métacognitive : la faculté d’observer et de juger sa propre pensée.

On ne surestime pas toujours son niveau parce que l’on se croit exceptionnel ; on le surestime parfois parce que l’on ne sait pas encore à quoi ressemble l’excellence.

Pourquoi le graphique célèbre raconte une histoire trop propre

Dans sa version populaire, l’effet Dunning-Kruger est souvent représenté par une courbe spectaculaire : un débutant se croirait immédiatement génial, puis sombrerait dans le doute avant de remonter lentement vers une compétence plus modeste et plus juste. Cette image a une force narrative indéniable. Elle ressemble à beaucoup d’expériences personnelles : l’enthousiasme des premiers apprentissages, la découverte brutale de la complexité, puis la progression patiente.

Mais il faut résister à la tentation d’en faire une loi psychologique universelle ou une carte exacte de toute progression. Les recherches sur la mesure de la compétence et du jugement de soi sont complexes. Elles dépendent des tâches étudiées, des méthodes de mesure et des comparaisons retenues. Plusieurs discussions scientifiques ont également souligné que certains motifs observés peuvent être influencés par des effets statistiques ou par la manière dont les résultats sont présentés.

La leçon utile ne tient donc pas dans une courbe à mémoriser. Elle tient dans une question : dans quelle mesure sommes-nous capables d’évaluer notre niveau dans un domaine donné ? La réponse varie fortement. Nous pouvons avoir une perception très juste de nos compétences culinaires et une confiance mal calibrée en cybersécurité, en finance personnelle ou en conduite d’équipe.

L’effet n’autorise pas à diagnostiquer autrui depuis son canapé. Il invite plutôt à examiner les conditions qui rendent le jugement de soi fiable : des critères clairs, des retours de qualité, des comparaisons pertinentes et une pratique suffisamment longue pour distinguer la facilité apparente de la maîtrise réelle.

Le monde du travail fabrique des certitudes rapides

Les environnements professionnels modernes sont particulièrement propices aux erreurs de calibration. Ils valorisent la vitesse de réaction, l’aisance à l’oral et la capacité à produire une opinion immédiate. Or ces qualités ne coïncident pas toujours avec l’expertise. Dans une organisation, celui qui formule une réponse nette peut paraître plus crédible que celui qui commence par demander des données, préciser les hypothèses ou signaler une incertitude.

Cette tension est visible dans les métiers de la tech. Une démonstration convaincante peut masquer un produit difficile à maintenir. Une fonctionnalité mise en ligne rapidement peut créer des problèmes d’accessibilité, de sécurité ou de support client. Une analyse de données peut sembler rigoureuse tout en reposant sur une question mal posée. L’assurance n’est pas une preuve ; elle est seulement un signal social, parfois utile, parfois trompeur.

À l’inverse, une personne compétente peut sous-estimer sa valeur. Elle connaît les exceptions, les coûts cachés et les limites des solutions. Elle hésite non parce qu’elle ne sait rien, mais parce qu’elle sait ce qui pourrait dérailler. Cette prudence peut être interprétée à tort comme un manque de leadership.

Le défi collectif consiste à ne pas confondre confiance et fiabilité. Les équipes les plus solides ne demandent pas à chacun d’afficher une certitude permanente. Elles créent des espaces où l’on peut dire : « Je ne sais pas encore », « voici ce que je suppose », ou « il nous manque un test pour trancher ».

Apprendre, c’est changer de questions

Le signe le plus intéressant de la progression n’est pas toujours la multiplication des réponses. C’est souvent l’amélioration des questions. Le débutant demande volontiers quel outil utiliser. La personne plus avancée demande dans quel contexte l’outil échoue, quel compromis il impose et comment vérifier son impact.

Cette transformation est décisive parce qu’elle rend l’ignorance praticable. Ne pas savoir n’est plus un vide embarrassant : c’est un périmètre à cartographier. En matière d’innovation, cette attitude protège contre deux écueils symétriques. Le premier est l’enthousiasme sans examen : adopter une méthode, une technologie ou un vocabulaire parce qu’ils semblent résoudre tous les problèmes. Le second est le scepticisme automatique : rejeter toute nouveauté parce qu’elle ne correspond pas aux repères acquis.

Dans les deux cas, l’antidote est le même : remplacer les déclarations générales par des tests précis. Au lieu de dire qu’un outil d’intelligence artificielle « améliore la productivité », il faut demander quelle tâche il améliore, pour qui, avec quel contrôle humain et quels effets secondaires. Au lieu d’affirmer qu’une méthode agile « ne marche pas », il faut identifier le rituel, le contexte et la contrainte qui ont échoué.

Quelques garde-fous contre la surconfiance

Personne ne peut devenir parfaitement lucide sur ses propres limites. En revanche, on peut installer des pratiques qui réduisent les angles morts. Elles sont moins spectaculaires qu’une grande déclaration de modestie, mais bien plus efficaces.

• Décomposer la compétence. « Être bon en stratégie » ou « comprendre l’IA » ne désigne pas une capacité unique. Séparer les sous-compétences permet d’éviter les jugements globaux et vagues.
• Privilégier les retours observables. Un commentaire comme « c’est bien » rassure, mais apprend peu. Un retour qui désigne une décision, une conséquence et une piste d’amélioration rend l’évaluation plus utile.
• Confronter les prévisions aux résultats. Avant une décision, noter ce que l’on anticipe. Après coup, comparer. Cette discipline améliore progressivement la calibration de la confiance.
• Faire relire par des personnes réellement concernées. L’expertise externe n’est pas un rituel bureaucratique. Elle révèle souvent les contraintes que l’équipe n’avait pas les moyens de voir.
• Distinguer le niveau actuel du potentiel d’apprentissage. Dire « je ne maîtrise pas ce sujet » est plus précis et plus fécond que conclure « je ne suis pas fait pour cela ».

Une idée à retourner contre soi, avec douceur

L’usage le plus pauvre de l’effet Dunning-Kruger consiste à s’en servir pour ridiculiser quelqu’un. Il flatte celui qui l’invoque : si l’autre est aveugle à son incompétence, alors moi, par contraste, je serais du bon côté de la lucidité. C’est précisément le genre de confort intellectuel dont il faut se méfier.

L’usage le plus fécond est plus inconfortable. Il consiste à se demander : sur quels sujets ai-je une opinion rapide sans pratique réelle ? Quels termes est-ce que j’emploie sans pouvoir les expliquer simplement ? Quel résultat me ferait reconnaître que je me trompe ? À qui pourrais-je demander un avis qui ne confirme pas seulement mon intuition ?

Cette vigilance ne condamne pas à l’indécision. Elle rend l’action plus robuste. On peut agir avec des informations incomplètes, à condition de nommer ce qui manque, de limiter les risques et de prévoir un moyen de corriger la trajectoire. La vraie compétence n’est pas de ne jamais se tromper sur soi-même. C’est de construire des situations où l’on peut s’apercevoir assez tôt que l’on s’est trompé.