« Trouve le vrai enjeu. » « Formule une hypothèse. » « Prends du recul, élargis le champ, monte d’un niveau. »
Tout cela est juste.
Mais pour quelqu’un qui part réellement de zéro, le premier problème est plus simple :
je ne sais même pas quel enjeu ou quelle hypothèse imaginer.
Un collègue expérimenté conseille alors : « Il te manque des informations. Cherche environ 30 minutes, puis arrête-toi cinq minutes pour écrire ce que tu sais et ce qui reste flou. »
On essaie.
30 minutes de recherche. 5 minutes de synthèse. « Attends… et si A était la cause ? »
Progrès.
Puis le deuxième chapitre commence immédiatement.
« Nous n’avons pas les données pour tester A. » « Il faut donc ajouter de la mesure. » « Pour mesurer, il faut implémenter. » « Après l’implémentation, tester. » « Après le test, observer. » « L’observation rend B plus suspect que A. » « Pour B, il faut un autre log. » « Et voilà C et D. »
Vrrrrrrrr…
La charge de travail augmente.
C’est la suite peu racontée de l’apprentissage du raisonnement par hypothèses.
Ce guide relie le cycle complet pour une première année :
recherche → synthèse → cadrage de l’enjeu → hypothèse → mesure → intervention → observation → mise à jour → choix des hypothèses à ne pas poursuivre.
1. Première erreur : une hypothèse n’est pas un concours d’inspiration
Demander à un débutant « trouve dix causes possibles à la baisse des ventes » est difficile parce qu’il ne possède pas encore les pièces du domaine.
Web : impressions, CTR, classement, canal, nouveaux/anciens visiteurs, pays, langue, page, navigation.
Ventes : opportunités, conversion, panier, motifs de perte, source, commercial, cycle.
Industrie : défauts, arrêts, réglages, machine, matière, opérateur, lot, température, équipe.
L’expert voit une anomalie et une liste de variables apparaît.
Le novice n’a pas encore cette liste.
« Réfléchis davantage » peut revenir à demander un produit sur une étagère vide.
Des travaux en apprentissage par investigation simulée ont montré que fournir au préalable des informations de domaine à des apprenants ayant peu de connaissances initiales peut les aider à comprendre les variables et à acquérir ensuite davantage de connaissances.[1] Ce n’est pas une expérimentation directe sur des consultants juniors, mais le principe est utile : une hypothèse a besoin de matière première.
2. Au stade zéro→un, ne commencez pas par exiger des hypothèses originales
Montrez des raisonnements complets.
Exemple :
- fait : chiffre d’affaires -20 %
- première séparation : nombre de clients ou panier moyen ?
- donnée : clients stables, panier en baisse
- deuxième : mix produit ou remise ?
- donnée : remises stables, baisse des produits chers
- hypothèse : les clients choisissent moins de produits à forte valeur
- prochaine donnée : vues, stock, position, changements de message
Les recherches sur les worked examples indiquent que les exemples résolus peuvent réduire la charge cognitive et soutenir la rétention et le transfert au début de l’apprentissage.[2]
« Pense tout seul » peut être de la liberté.
Ou une randonnée sans carte.
3. La première année consiste à retirer les petites roues dans le bon ordre
Ce calendrier n’affirme pas que chaque phase de deux mois est scientifiquement optimale. C’est une adaptation pratique des principes de l’apprentissage.
Mois 1–2 : apprendre quelles variables existent
Le but initial n’est pas d’avoir raison.
Il est de savoir ce que les professionnels regardent.
Apprenez mesures, étapes, acteurs, contraintes, plages normales, anomalies et séquences.
Chaque jour :
- voir un cas réel,
- noter ce que l’expert a regardé en premier,
- demander « pourquoi cela ? »
Utilisez beaucoup de cas complets.
N’apprenez pas « A signifie toujours B ».
Apprenez la liste de candidats de l’expert.
Mois 3–4 : développer le réflexe de comparaison
Les enjeux naissent souvent des différences.
Demandez :
- depuis quand ?
- où oui, où non ?
- qu’est-ce qui n’a pas changé ?
- quelle différence avec le normal ?
- qu’est-ce qui a changé juste avant ?
« Pourquoi les ventes baissent-elles ? » est trop large.
« Seulement les nouveaux clients ? Une région ? Un produit ? Depuis le mois dernier ? Après le changement de prix ? » ouvre un espace exploitable.
Mois 5–6 : transformer une intuition en phrase testable
Modèle :
Si X est la cause principale, nous devrions observer Y.
Puis :
Si Y n’apparaît pas, X devient moins plausible.
Une étude a montré qu’offrir des hypothèses partielles comme échafaudage pouvait aider à produire des hypothèses plus complexes et à mieux recueillir les données.[3]
Mois 7–8 : si la réponse n’est pas disponible, construire la mesure
Internet n’a pas la réponse. Le tableau de bord non plus.
Il faut de l’instrumentation :
- nouveaux champs de log,
- nouvelles questions,
- catégories d’erreur,
- découpage produit×région,
- baseline avant changement,
- groupe d’intervention et comparaison.
La recherche ne se termine pas au moteur de recherche.
Si la preuve n’existe pas, concevoir le système qui produira la preuve fait partie du travail.
Mois 9–10 : implémentation → test → observation → mise à jour
Hypothèse A → mesure → petit changement → test → observation → conserver/réviser/rejeter → suivante.
Quand on se trompe, demander :
pourquoi cette hypothèse me paraissait-elle forte ?
Une étude de 2024 a montré que des auto-explications guidées sur les erreurs amélioraient la correction et le transfert proche.[4]
Une méta-analyse de 35 études sur la précision du monitoring a trouvé un petit effet positif global et des bénéfices pour certains dispositifs utilisant la tâche globale, des connaissances métacognitives et des standards externes.[5]
Placez prédiction et résultat côte à côte.
Mois 11–12 : le problème s’inverse — trop d’hypothèses
Évaluez :
- impact sur la décision,
- plausibilité,
- coût du test,
- nombre d’hypothèses éliminées par un test,
- changement réel d’action.
L’analyse de décision utilise la Value of Information : une information a de la valeur si réduire l’incertitude peut améliorer la décision.[6]
Question simple :
quelle décision changera si j’apprends cela ?
Si aucune, attendez.
4. « 30 + 5 » n’est pas magique : c’est un frein d’urgence contre le trou noir de la recherche
Aucune preuve ne dit que 30 et cinq sont universellement optimaux.
La valeur est dans l’arrêt.
Écrivez :
- ce que je sais,
- ce que j’ignore,
- hypothèse actuelle,
- ce qui devrait être observé,
- prochaine donnée.
Règle :
si vous ne pouvez pas écrire la prochaine question en une phrase, ne relancez pas encore la recherche.
5. Puis le travail augmente : voir des problèmes crée aussi des tâches
Débutant : « Ça a l’air normal. »
Intermédiaire : « La conversion baisse. »
Plus avancé : « La conversion globale baisse, les clients existants sont stables, la baisse se concentre sur les nouveaux clients d’un canal, le trafic reste stable et la rupture apparaît depuis le mois dernier entre premier rendez-vous et proposition. »
Félicitations.
Vous venez de créer du travail.
Vrrrrrrrr…
Analyse de canal, comparaison des responsables, revue des échanges, changements, mesure, expérimentation.
Le raisonnement par hypothèses révèle d’abord du travail invisible.
Ensuite vient la compétence supérieure :
choisir le travail découvert que l’on ne fera pas.
6. L’état final ressemble à chercheur + ingénieur + analyste
Research. Hypothesis. Instrumentation. Intervention. Observation. Update. Prioritization.
De nombreux métiers partagent cette boucle.
7. Si le novice est bloqué, donner six boîtes causales
| Boîte | Question |
|---|---|
| Entrée | Quantité ou qualité entrante a-t-elle changé ? |
| Processus | Flux, règle ou parcours a-t-il changé ? |
| Sortie | Produit, résultat ou présentation a-t-il changé ? |
| Personnes | Clients, employés ou utilisateurs ont-ils changé ? |
| Environnement | Concurrence, saison, marché ou réglementation ont-ils changé ? |
| Mesure | La méthode de mesure a-t-elle changé ? |
Les boîtes réduisent l’espace de recherche.
8. Pour les formateurs : remplacer « réfléchis plus » par une réduction graduelle du support
Niveau 0 : cas complet. Niveau 1 : première décomposition fournie. Niveau 2 : causes candidates fournies. Niveau 3 : six boîtes seulement. Niveau 4 : « quel est le problème et que regardes-tu ensuite ? »
Une étude de 2026 a trouvé de meilleures performances pour des séquences incluant une véritable résolution de problèmes que pour une condition basée uniquement sur des worked examples.[7]
Donner des exemples au début ne signifie pas donner les réponses pour toujours.
9. Modèle hebdomadaire
Chaque cas :
- phénomène en une phrase,
- trois axes de comparaison,
- 1 à 3 hypothèses,
- « si X, alors Y »,
- résultat.
Chaque arrêt :
- appris,
- inconnu,
- hypothèse,
- donnée suivante,
- décision modifiée.
Chaque semaine : revoir une hypothèse fausse et une variable oubliée.
Chaque mois : mettre à jour la liste des variables.
10. Erreurs fréquentes
- Input sans hypothèse.
- Liberté totale trop tôt.
- Tomber amoureux de la première hypothèse.
- Confondre volume de recherche et meilleure décision.
- Tout tester.
La cinquième devient plus dangereuse avec l’expérience.
11. Ce que la recherche permet de dire — et ce qu’elle ne permet pas
Elle soutient raisonnablement :
- informations de domaine pour novices,
- worked examples au début,
- hypothèses partielles comme scaffolding,
- auto-explication des erreurs,
- standards externes,
- résolution réelle de problèmes plus tard.[1][2][3][4][5][7]
Elle ne prouve pas que 30+5 est optimal universellement, ni que ce calendrier est unique, ni que les études étudiantes se transfèrent parfaitement au travail.
La recherche est une carte, pas une recette magique.
12. Fin : devenir meilleur ne garantit pas moins de travail
Début : « Je ne trouve pas le problème. »
Plus tard : « J’ai trois hypothèses. »
Encore plus tard : « Je vais ajouter des logs. »
Fin d’année : « J’ai 12 hypothèses, mais sept ne changeraient pas la prochaine décision, donc je les abandonne. »
C’est un vrai changement.
Mais la récompense n’est pas forcément le repos.
Félicitations. Vous voyez maintenant des problèmes auparavant invisibles.
Mesure. Implémentation. Test. Observation. Analyse. Nouvelle hypothèse.
Vrrrrrrrr…
La compétence finale n’est pas de tout étudier.
C’est décider :
ce qui ne mérite pas encore d’être étudié.
Références (7)
- Kuang, L., et al. Journal of Research in Science Teaching doi.org
- Chen, O., et al. Educational Psychology, 2023 doi.org
- Kuang, L., et al. Journal of Computer Assisted Learning, 2020 doi.org
- Contemporary Educational Psychology, 2024 doi.org
- Janssen, N., & Lazonder, A. W. Educational Psychology Review, 2024 doi.org
- Value in Health, 2020 doi.org
- Zeitlhofer, I., & Zumbach, J. International Journal of Educational Research, 2026 doi.org
