La métaphore des intérêts composés (et pourquoi c'est plus qu'une métaphore)
Un dollar investi à 7 % par an devient 2 dollars en dix ans, 4 en vingt et 16 en quarante. La croissance est lente au début, puis explosivrement rapide, car les rendements de chaque année génèrent leurs propres rendements.
Le savoir fonctionne de la même manière, mais avec une particularité. Les intérêts composés financiers opèrent sur un seul axe : l'argent. Les intérêts composés intellectuels opèrent sur plusieurs axes simultanément. Quand vous apprenez la biologie, vous acquérez des connaissances biologiques. Quand vous apprenez ensuite l'économie, vous n'ajoutez pas simplement des connaissances économiques par-dessus. Vous gagnez la capacité de voir les systèmes biologiques à travers un prisme économique et les systèmes économiques à travers un prisme biologique. Le nombre de connexions possibles ne croît pas linéairement ; il croît de façon combinatoire.
Voici le calcul. Si vous comprenez profondément trois domaines, le nombre de connexions potentielles par paires est de trois. Ajoutez un quatrième domaine et vous passez à six. Un cinquième vous donne dix. Un sixième vous donne quinze. La formule est n(n-1)/2, où n est le nombre de domaines que vous avez intériorisés. Les personnes qui lisent largement ne sont pas plus intelligentes dans un domaine particulier. Elles disposent simplement de plus de matière première pour la pensée originale.
Charlie Munger a bâti toute sa philosophie d'investissement autour de ce principe. Il l'appelait « un treillis de modèles mentaux » et soutenait que puiser des idées dans la psychologie, la physique, la biologie, l'histoire et les mathématiques lui donnait un avantage constant sur les investisseurs qui n'étudiaient que la finance. Munger ne collectionnait pas des anecdotes de différents domaines. Il construisait un réseau de principes profonds qui se renforçaient mutuellement. Chaque nouveau modèle rendait tous les autres plus utiles.
L'innovation est recombinaison : le cadre de Brian Arthur
Dans The Nature of Technology (2009), l'économiste W. Brian Arthur avance une thèse provocatrice : toute innovation est recombinaison. Chaque nouvelle technologie est assemblée à partir de pièces déjà existantes. La machine à vapeur combinait le piston (connu depuis l'Antiquité), le récipient sous pression (développé pour l'exploitation minière) et le régulateur (emprunté aux moulins à vent). Internet combinait la commutation de paquets (issue des communications militaires), l'hypertexte (issu des sciences de l'information) et l'informatique personnelle (issue de l'industrie électronique).
Arthur appelle cela l'« évolution combinatoire ». Les technologies émergent quand quelqu'un connecte des composants de différents domaines d'une manière que personne n'a essayée auparavant. Plus vous comprenez de domaines, plus votre palette de composants s'élargit.
Une étude de 2013 par Brian Uzzi à Northwestern a analysé 17,9 millions d'articles scientifiques et confirmé cela empiriquement. Les articles à plus fort impact combinaient des idées conventionnelles d'un domaine avec une idée inhabituelle importée d'un domaine distant. Les articles entièrement conventionnels avaient un faible impact. Les articles entièrement inhabituels aussi. Le point optimal était une base conventionnelle plus une ou deux combinaisons atypiques.
La leçon pratique : vous avez besoin d'une expertise approfondie dans au moins un domaine (la base conventionnelle) et d'une familiarité authentique avec plusieurs autres (la source des combinaisons atypiques). Les percées n'arrivent pas par pur génie mais grâce à un espace de recherche combinatoire plus vaste.
La science des analogies lointaines
En 2001, les psychologues Kevin Dunbar et Isabelle Blanchette ont publié des recherches sur la façon dont les scientifiques pensent réellement. Ils ont étudié des laboratoires de biologie moléculaire dans quatre grandes universités de recherche, observant les scientifiques alors qu'ils résolvaient des problèmes en temps réel. Leurs résultats ont remis en question l'image populaire de la découverte scientifique comme un moment d'eurêka solitaire.
Les scientifiques les plus productifs s'appuyaient fortement sur les analogies, et les analogies les plus puissantes venaient de l'extérieur de leur propre domaine. Un biologiste moléculaire qui comparait le repliement des protéines à l'origami (empruntant à l'art et à la géométrie) générait des hypothèses différentes de celui qui ne comparait le repliement des protéines qu'à d'autres processus moléculaires. Dunbar les a appelées « analogies lointaines », et elles avaient significativement plus de chances de mener à des conceptions expérimentales novatrices que les « analogies locales » tirées de la même discipline.
Pourquoi les analogies lointaines fonctionnent-elles ? Elles vous obligent à identifier les caractéristiques structurelles profondes d'un problème plutôt que de rester piégé par les détails de surface. La « théorie de la cartographie structurelle » de Dedre Gentner (1983) explique le mécanisme : la puissance de l'analogie ne réside pas dans la similarité de surface mais dans la similarité relationnelle. Deux choses peuvent sembler complètement différentes en surface tout en partageant des relations structurelles identiques. Le système solaire et l'atome. La sélection naturelle et la concurrence sur les marchés. Les personnes qui lisent à travers les domaines accumulent une bibliothèque de schémas structurels qu'elles peuvent déployer chaque fois qu'elles rencontrent un nouveau problème.
Une étude de 2004 par Lee Fleming à la Harvard Business School a confirmé cela dans le monde réel. En analysant 17 000 brevets, Fleming a découvert que les inventeurs qui combinaient des connaissances de domaines technologiquement distants produisaient des brevets cités significativement plus souvent. Les combinaisons étaient plus risquées, mais quand elles réussissaient, le retour était considérable.
Range : pourquoi les généralistes gagnent dans les environnements complexes
Range: Why Generalists Triumph in a Specialized World (2019) de David Epstein rassemble des décennies de recherche pour argumenter que notre culture survalorise la spécialisation précoce. Epstein distingue les environnements d'apprentissage « bienveillants » (règles claires, retour immédiat, schémas répétitifs) des environnements d'apprentissage « pervers » (règles ambiguës, retour différé, situations inédites). Les échecs sont bienveillants. L'éducation des enfants est perverse. La plupart des problèmes du monde réel sont pervers.
Dans les environnements bienveillants, les spécialistes dominent. Dix mille heures de pratique délibérée vous rendent effectivement meilleur aux échecs, au golf ou au violon. Mais dans les environnements pervers, la recherche favorise systématiquement les personnes ayant une expérience plus large. Epstein documente cas après cas :
- Les lauréats du prix Nobel sont 22 fois plus susceptibles que les scientifiques moyens d'avoir un passe-temps artistique sérieux (peinture, théâtre, musique, écriture créative), selon une étude de Robert Root-Bernstein et al. (2008) publiée dans le Journal of Psychology of Science and Technology.
- Les prévisionnistes technologiques les plus performants dans les recherches de Philip Tetlock (2005) étaient des « renards » qui puisaient dans de nombreux cadres plutôt que des « hérissons » qui s'appuyaient sur une seule grande théorie.
- Les innovateurs en série à succès dans des entreprises comme 3M et Procter & Gamble avaient tendance à avoir travaillé dans plusieurs catégories de produits plutôt que de passer toute leur carrière dans un seul domaine.
Epstein ne s'oppose pas à la profondeur. Il s'oppose à la profondeur prématurée. Les personnes qui ont finalement atteint les plus hauts niveaux de réalisation avaient souvent une « période d'échantillonnage » en début de carrière durant laquelle elles ont essayé beaucoup de choses différentes, accumulé des expériences diverses, et seulement ensuite choisi de se spécialiser. Chaque domaine échantillonné durant cette phase d'exploration devient une partie permanente de la boîte à outils mentale, prêt à s'activer quand vous rencontrez un problème qui correspond à un schéma que vous avez absorbé des années auparavant.
Le possible adjacent : comment un savoir large ouvre des portes
Stuart Kauffman, biologiste théoricien au Santa Fe Institute, a développé le concept du « possible adjacent » pour décrire le fonctionnement de l'évolution. À tout moment donné, l'évolution ne peut atteindre que des configurations à un pas de ce qui existe actuellement. Le possible adjacent est l'ensemble de toutes les choses accessibles étant donné l'état actuel.
Steven Johnson a popularisé cette idée dans Where Good Ideas Come From (2010), en l'appliquant à l'innovation. Les bonnes idées ne sont presque jamais en avance sur leur temps. Elles se situent exactement à la frontière de ce qui est possible étant donné les composants et les connaissances existants. Le téléphone a été inventé indépendamment par plusieurs personnes à quelques mois d'intervalle. Le calcul infinitésimal a été développé simultanément par Newton et Leibniz. Ce n'étaient pas des coïncidences. C'était le possible adjacent devenant visible à plusieurs esprits à peu près au même moment.
Pour les individus, le possible adjacent est une fonction de ce que vous savez déjà. Si vous ne connaissez que la finance, votre possible adjacent contient des innovations financières. Si vous connaissez la finance et la biologie, votre possible adjacent inclut soudain des idées à l'intersection : modèles évolutionnistes du comportement des marchés, approches écologiques de la gestion des risques. Chaque nouveau domaine n'ajoute pas une porte. Il ajoute une porte pour chaque domaine que vous connaissez déjà.
Exemples historiques : les pollinisateurs croisés qui ont changé le monde
Les penseurs les plus transformateurs de l'histoire sont rarement restés sur une seule voie. Leurs percées sont arrivées précisément parce qu'ils ont importé des idées d'un domaine dans un autre.
| Penseur | Domaines combinés | Percée | Comment la pollinisation croisée a fonctionné |
|---|---|---|---|
| Charles Darwin | Biologie + Géologie + Économie | Théorie de la sélection naturelle | A lu l'Essay on Population de Malthus (économie) et a vu comment la compétition pour des ressources rares pouvait provoquer le changement des espèces. Le gradualisme géologique de Lyell lui a fourni l'échelle temporelle. |
| Steve Jobs | Calligraphie + Informatique + Arts libéraux | Le Macintosh (et la philosophie de design d'Apple) | Un cours de calligraphie au Reed College lui a enseigné les polices avec et sans empattement, l'espacement proportionnel et la beauté visuelle des formes de lettres. Une décennie plus tard, le Mac est devenu le premier ordinateur doté d'une belle typographie. |
| Elon Musk | Physique + Ingénierie + Business + Aérospatial | Fusées réutilisables SpaceX, Tesla | A appliqué la « pensée par premiers principes » de la physique pour remettre en question les hypothèses de l'aérospatial (pourquoi les fusées coûtent-elles si cher ?) et de l'automobile (pourquoi les voitures électriques ne peuvent-elles pas être désirables ?). |
| Ada Lovelace | Mathématiques + Poésie + Musique | Premier programme informatique | Son imagination littéraire lui a permis de voir la Machine analytique de Babbage non pas comme une simple calculatrice mais comme un manipulateur de symboles universel, capable de composer de la musique et de traiter n'importe quel système symbolique. |
| Claude Shannon | Génie électrique + Algèbre de Boole + Linguistique | Théorie de l'information | Son mémoire de maîtrise a appliqué la logique abstraite de George Boole (issue de la philosophie/mathématiques) aux circuits électriques. Il a ensuite combiné cela avec des modèles statistiques du langage pour créer la théorie de l'information, fondement de l'ère numérique. |
| Jane Jacobs | Journalisme + Observation urbaine + Économie + Écologie | The Death and Life of Great American Cities | A appliqué la pensée écologique (diversité, usage mixte, développement organique) à l'urbanisme, renversant l'orthodoxie moderniste descendante. Elle n'avait aucune formation formelle en architecture ou en urbanisme. |
Le schéma est constant. Le moment de percée impliquait presque toujours un concept du Domaine A appliqué à un problème du Domaine B. Darwin n'a pas inventé la compétition ou la rareté. Son génie a été de voir que les principes économiques de Malthus opéraient aussi dans la nature.
Spécialiste vs. généraliste vs. profil en T vs. profil en Pi : une comparaison
Le débat sur la largeur vs. la profondeur a produit plusieurs modèles distincts pour structurer votre vie intellectuelle.
| Profil | Forme | Description | Forces | Faiblesses | Idéal pour |
|---|---|---|---|---|---|
| Spécialiste | I | Expertise approfondie dans un seul domaine | Maîtrise, crédibilité, capacité à résoudre des problèmes bien définis | Angles morts, difficulté d'adaptation quand le domaine évolue, éventail créatif limité | Environnements bienveillants avec des règles claires (chirurgie, échecs, musique classique) |
| Généraliste | Tiret | Connaissances larges mais superficielles dans de nombreux domaines | Reconnaissance de schémas, flexibilité, capacité à voir les connexions | Manque de crédibilité dans un domaine spécifique, difficulté à résoudre des problèmes nécessitant une expertise approfondie | Exploration en début de carrière, leadership exécutif, journalisme |
| Profil en T | T | Expertise approfondie dans un domaine + familiarité large avec d'autres | Crédibilité profonde plus communication et collaboration transdisciplinaire | Toujours ancré à un domaine ; peut avoir des difficultés si ce domaine devient obsolète | Majorité des travailleurs du savoir, designers, chefs de produit |
| Profil en Pi | π | Expertise approfondie dans deux domaines + familiarité large avec d'autres | Potentiel combinatoire maximal, capacité à faire le pont entre deux communautés, pensée originale aux intersections | Plus long à développer, nécessite un effort soutenu dans deux domaines de profondeur | Chercheurs, entrepreneurs, innovateurs interdisciplinaires |
Le modèle en T, popularisé par Tim Brown d'IDEO, capture l'idée que vous devez avoir assez de profondeur pour être pris au sérieux dans au moins un domaine tout en maintenant assez de largeur pour collaborer au-delà des frontières. Le modèle en Pi va plus loin : avoir deux domaines d'expertise approfondie vous donne un point de vue permanent à une intersection, et les intersections sont là où vivent les idées les plus précieuses. Pour construire des intérêts composés intellectuels, le profil en Pi est idéal.
Le portefeuille de connaissances : un cadre pratique
Andrew Hunt et David Thomas ont introduit la métaphore du « portefeuille de connaissances » dans The Pragmatic Programmer (1999), comparant la gestion des connaissances à la gestion de portefeuilles financiers. Voici un cadre pratique pour maximiser les intérêts composés intellectuels :
1. Positions principales (60 % du temps d'apprentissage) Votre domaine d'expertise principal. C'est là que vous allez en profondeur. Lisez les textes fondamentaux, suivez les recherches les plus récentes, construisez des projets, échangez avec des experts. C'est votre « I » dans le T ou l'un de vos piliers dans le Pi.
2. Positions de croissance (25 % du temps d'apprentissage) Des domaines adjacents que vous développez activement. Ils doivent être suffisamment proches de votre cœur de métier pour que vous voyiez les connexions, mais suffisamment éloignés pour apporter des schémas véritablement nouveaux. Si votre cœur est l'ingénierie logicielle, les positions de croissance pourraient inclure la psychologie cognitive, l'économie ou la biologie des systèmes.
3. Positions spéculatives (15 % du temps d'apprentissage) Des domaines dont vous ne savez rien et que vous explorez par pure curiosité. Histoire, art, théorie musicale, anthropologie, physique, philosophie. C'est votre budget de sérendipité. La plupart de ces explorations ne porteront pas directement leurs fruits, mais celles qui le feront produiront vos idées les plus originales.
La discipline clé est le rééquilibrage. Un portefeuille de connaissances dérive vers la pure spécialisation si vous ne protégez pas activement vos allocations de croissance et spéculatives. Utilisez des outils comme le surligneur web de Glasp pour capturer des idées de différents domaines, en construisant une bibliothèque personnelle d'éclairages transdisciplinaires que vous pouvez revisiter et connecter plus tard.
Étapes pratiques pour mettre en œuvre le Portefeuille de connaissances :
- Audit hebdomadaire : Qu'avez-vous lu cette semaine ? Était-ce entièrement dans votre domaine principal ? Si oui, choisissez délibérément quelque chose d'un domaine différent la semaine prochaine.
- Revue mensuelle des connexions : Passez en revue vos surlignages et notes récents de différents domaines. Rédigez une note courte sur chaque connexion transdisciplinaire que vous trouvez.
- Rééquilibrage trimestriel : Ajustez votre liste de lecture pour rétablir l'équilibre 60/25/15. Vos surlignages Kindle sont utiles ici : revoir les surlignages de livres sur différents sujets révèle des schémas que vous pourriez autrement ne pas remarquer.
- Rétrospective annuelle : Quelles connexions transdisciplinaires ont produit les éclairages les plus précieux cette année ? Renforcez ces intersections.
Le pouvoir sous-estimé de la lecture fortuite
Certaines des connexions intellectuelles les plus puissantes surviennent par accident. Vous prenez un livre sur un sujet inconnu, et au milieu du deuxième chapitre, une phrase déclenche une association avec quelque chose que vous avez appris dans un contexte complètement différent. Ce moment de connexion inattendue, c'est la sérendipité, et c'est l'une des sources les plus fiables de pensée originale.
Vous ne pouvez pas planifier l'inattendu, mais vous pouvez créer les conditions qui rendent la sérendipité plus probable :
Lisez en dehors de votre algorithme. Les moteurs de recommandation vous donnent plus de ce que vous aimez déjà. C'est efficace, mais cela tue la sérendipité. Parcourez un fil communautaire où des personnes de différents domaines partagent ce qu'elles lisent. Voyez ce qu'un neuroscientifique surligne. Regardez ce qu'un architecte a trouvé intéressant. Ces rencontres inattendues sont exactement le type de pollinisation croisée qui produit la pensée originale.
Utilisez des outils d'apprentissage rapide pour les domaines inconnus. Si vous êtes ingénieur logiciel et voulez comprendre la biologie évolutive, lire un manuel de 600 pages semble intimidant. Mais regarder une conférence de 30 minutes et lire le YouTube Summary d'une présentation clé vous donne 80 % des concepts fondamentaux en une fraction du temps. Vous n'essayez pas de devenir biologiste. Vous essayez d'absorber des schémas structurels qui pourraient se connecter à vos connaissances existantes.
Tenez un « journal de connexions ». Quand vous remarquez un lien inattendu entre deux idées de domaines différents, notez-le immédiatement. Ces connexions sont fragiles. Au fil du temps, votre journal de connexions devient une carte de votre pensée la plus originale.
Parlez à des personnes en dehors de votre domaine. Martin Ruef, sociologue à Duke, a découvert que les entrepreneurs ayant des réseaux sociaux diversifiés étaient trois fois plus susceptibles d'innover que les entrepreneurs ayant des réseaux homogènes (2010, The Entrepreneurial Group). Des contacts divers vous exposent à des informations diverses, qui produisent des analogies diverses, qui produisent des solutions originales.
Construire votre système de connaissances transdisciplinaire
Savoir que la pensée transdisciplinaire est puissante est une chose. Construire un système qui la soutient en est une autre. La plupart des outils de gestion des connaissances sont conçus pour la profondeur au sein d'un seul domaine. Peu sont conçus pour la largeur.
Un système de connaissances transdisciplinaire efficace a besoin de trois capacités :
1. Capture entre les domaines. Vous avez besoin d'un moyen de sauvegarder et d'annoter des idées de n'importe quel domaine, n'importe quel support, n'importe quelle source. Le surligneur web de Glasp fonctionne sur les articles web, les PDF et les vidéos YouTube, permettant de construire une base de connaissances unique couvrant plusieurs domaines.
2. Émergence des connexions. Les surlignages bruts ne sont utiles que si vous pouvez y trouver des schémas. Le chat IA de Glasp peut analyser vos surlignages de différents domaines et faire émerger des connexions que vous n'auriez peut-être pas remarquées, agissant comme un détecteur de schémas transdisciplinaire.
3. Découverte sociale. Votre propre lecture est limitée par vos propres choix et biais. Quand vous suivez quelqu'un dont les intérêts chevauchent les vôtres dans un domaine mais divergent dans un autre, ses surlignages deviennent une introduction curatée vers un territoire inconnu. C'est la sérendipité collective à grande échelle.
Si vous construisez déjà un système de gestion des connaissances personnelles, réfléchissez à la façon dont la capture transdisciplinaire s'intègre dans votre flux de travail. Et si vous vous intéressez à l'approche de Tiago Forte, vous pouvez voir comment construire un second cerveau complète la pensée transdisciplinaire en donnant une structure aux idées provenant de nombreuses sources.
Les avantages de ce type de système dépassent l'apprentissage individuel. Quand vous partagez publiquement vos surlignages et connexions transdisciplinaires, vous contribuez à une forme d'intelligence collective qui profite à tous. Et quand vous le faites ouvertement, vous apprenez en public d'une manière qui invite les autres à contester, étendre et construire sur vos idées.
Questions fréquentes
Comment commencer à apprendre entre les domaines si je suis déjà spécialisé dans un champ ?
Commencez petit. Consacrez 15 % de votre temps de lecture à des sujets totalement inconnus. Choisissez un livre ou une série de vidéos d'un domaine qui n'a rien à voir avec votre travail. Lisez-le avec une question en tête : « Quels schémas structurels ici me rappellent quelque chose de mon propre domaine ? ». En un an, même un livre par trimestre issu d'un domaine inconnu ajoute quatre nouveaux prismes à votre réflexion.
N'y a-t-il pas un risque de devenir un « touche-à-tout, bon à rien » ?
Oui, si vous vous dispersez sans aucun ancrage profond. Les penseurs transdisciplinaires les plus performants ont au moins un (et idéalement deux) domaines de profondeur authentique. La largeur sans profondeur donne un savoir de cocktail. La profondeur sans largeur donne une vision tunnel. Le cadre du Portefeuille de connaissances (60 % principal, 25 % croissance, 15 % spéculatif) est conçu pour prévenir cela.
Combien de temps faut-il pour que les intérêts composés intellectuels portent leurs fruits ?
Comme les intérêts composés financiers, les rendements sont concentrés en fin de période. La première ou deuxième année, la lecture transdisciplinaire peut sembler improductive. Vers la troisième ou quatrième année, vous commencerez à remarquer des liens surprenants entre des idées de domaines différents. Vers la cinquième année, la reconnaissance de schémas transdisciplinaires devient automatique. La clé est la régularité : un article d'un domaine inconnu chaque semaine est plus puissant que d'en lire dix d'un coup puis d'arrêter.
Quel est le meilleur moyen de trouver des connexions entre des idées de domaines différents ?
Trois approches fonctionnent bien ensemble. Premièrement, tenez un journal de connexions : chaque fois que vous remarquez une similarité structurelle entre des idées de domaines différents, notez-la immédiatement. Deuxièmement, révisez périodiquement vos surlignages de tous les domaines, en cherchant des thèmes récurrents. Des outils comme Glasp qui vous permettent de voir tous vos surlignages en un seul endroit facilitent cela. Troisièmement, essayez d'expliquer une idée d'un domaine en utilisant le vocabulaire d'un autre. Si vous pouvez décrire un concept biologique en termes économiques, vous avez trouvé une connexion structurelle authentique.
La pensée transdisciplinaire peut-elle être enseignée à l'école, ou est-ce un trait de personnalité ?
La recherche suggère que c'est principalement une compétence, pas un trait. Les travaux de Dedre Gentner sur le raisonnement analogique montrent que les gens peuvent être entraînés à trouver des similarités structurelles entre les domaines. Des programmes comme la d.school de Stanford, le Media Lab du MIT et le Santa Fe Institute ont démontré que l'éducation interdisciplinaire peut être structurée et enseignée efficacement. Pour les autodidactes, la lecture transdisciplinaire délibérée combinée à une réflexion régulière sur les connexions produit le même effet.