Risque ou incertitude : la distinction qui change toute la lecture d’un projet

On utilise souvent les mots « risque » et « incertitude » comme des synonymes. Frank Knight consacre pourtant une grande partie de son ouvrage à expliquer que cette confusion empêche de comprendre le profit, l’entreprise et la décision.

Dans la langue courante, un projet « risqué » est simplement un projet dont l’avenir est incertain. Chez Frank H. Knight, cette définition est beaucoup trop large. Dans Risk, Uncertainty, and Profit, publié en 1921 à partir d’une thèse soutenue à Cornell cinq ans plus tôt, il réserve progressivement le mot risque aux situations dans lesquelles la distribution des résultats peut être connue ou suffisamment approchée. L’incertitude désigne au contraire les situations qui ne se laissent pas ramener à une probabilité objectivement mesurable.

La différence paraît terminologique. Elle est en réalité économique. Lorsqu’un risque est mesurable, on peut regrouper un grand nombre de cas, observer des fréquences, calculer une perte moyenne, mutualiser les résultats et, dans de nombreux cas, assurer l’événement. Le risque cesse alors d’être un mystère : il devient une ligne de coût que l’organisation intègre à son calcul économique, au même titre qu’un loyer ou une matière première.

Trois façons de dire « probable »

Le chapitre VII apporte une précision que les résumés oublient souvent, et qui est pourtant le cœur de l’argument. Knight ne distingue pas deux, mais trois types de probabilité.

La première est la probabilité a priori : celle que l’on déduit de la structure même du dispositif. Un dé équilibré, une roulette, un tirage parfaitement défini. La probabilité est ici une propriété connue de l’objet, avant toute observation.

La deuxième est la probabilité statistique : celle que l’on infère d’une fréquence observée sur un grand nombre de cas suffisamment semblables. Nul ne connaît la « structure » qui produit les incendies d’entrepôts, mais un assureur disposant d’un portefeuille large et homogène en tire une estimation solide.

La troisième catégorie est celle des estimations. Il n’existe ni structure connue ni classe de cas comparables : le décideur produit un jugement sur une situation largement unique. Et Knight ajoute la remarque décisive : dans la vie économique réelle, c’est cette troisième catégorie qui domine. Les deux premières sont les exceptions confortables.

Pourquoi la frontière se déplace

L’incertitude knightienne apparaît lorsque la situation est trop singulière pour constituer une classe statistique fiable. Quelle est la probabilité qu’une nouvelle technologie devienne un standard ? Qu’une équipe inexpérimentée exécute parfaitement une stratégie inédite ? Qu’un changement réglementaire transforme un marché qui n’existe pas encore ? On peut produire des chiffres, bien sûr. Mais Knight nous demande de ne pas confondre le fait de produire un nombre avec le fait de connaître une probabilité.

La frontière n’est d’ailleurs pas figée. Elle dépend de la capacité à constituer une classe de cas comparables, donc de l’information disponible, de la taille de l’organisation et du temps que l’on accepte d’investir. Un aléa non mesurable pour un artisan peut devenir un risque tarifable pour un acteur qui traite dix mille dossiers du même type. C’est précisément ce déplacement de frontière qui explique une partie de l’organisation économique.

L’usage en finance de projet

Cette distinction est particulièrement utile en analyse financière. Beaucoup de modèles traitent toute incertitude comme si elle pouvait être décrite par une distribution. Parfois, c’est une excellente approximation. Parfois, c’est une façon très élégante de cacher que l’on ne sait pas. Le problème n’est pas d’utiliser des scénarios ou des probabilités subjectives : Knight lui-même reconnaît que nous devons estimer. Le problème est d’oublier la nature de l’estimation.

Une lecture knightienne d’un projet commence donc par une question presque embarrassante de simplicité : de quel type d’inconnu parlons-nous ? Si les données permettent de construire une fréquence robuste, nous sommes plutôt du côté du risque. Si la situation est unique, si les comparables sont faibles et si l’essentiel dépend du jugement, nous sommes dans l’incertitude.

En pratique, un même dossier mélange les trois. La volatilité d’un prix de matière première dispose souvent d’un historique exploitable. Le taux de sinistralité d’un actif industriel relève de la statistique assurantielle. Le rythme d’adoption d’une technologie qui n’a pas encore de marché relève, lui, du pur jugement. Ranger ces trois éléments dans la même colonne « risques » d’un tableau est commode. Les traiter avec les mêmes outils est une erreur d’analyse.

Le mérite de Knight est de ne pas transformer cette incertitude en défaut de méthode. Elle est un fait de la vie économique, pas un aveu de paresse intellectuelle. Le but n’est pas de la faire disparaître par décret, mais de savoir quand nous calculons et quand nous jugeons. C’est moins spectaculaire qu’une simulation de Monte-Carlo. Mais souvent beaucoup plus honnête.