Il y a deux semaines, j'ai écrit sur la raison pour laquelle j'avais choisi un verbe comme nom de marque. Aujourd'hui, je veux partager ce qui s'est passé quand nous avons commencé à l'utiliser concrètement.
Nous n'avions pas prévu de construire une méthodologie. Nous avons commencé par une simple question : comment regarder quelque chose de si familier qu'on a cessé de le voir, et le voir à nouveau avec un regard neuf ?
La réponse est venue à 5 heures du matin lors d'une nuit sans sommeil. Trois épiphanies en quatre-vingt-dix minutes. À l'aube, nous avions l'ossature de quelque chose que nous appelons désormais Kidzuki.
La Méthode
気づき (Kidzuki) est japonais pour "le moment de remarquer". Cet éclair quand on voit ce qui était toujours là. Nous l'avons associé à 悟り (Satori), l'illumination — la percée qui suit.
La méthode a deux moteurs :
- Sapiens — Comprendre en profondeur. Cartographier le génome de n'importe quel sujet sur 22 dimensions. Trouver les hypothèses cachées en pleine vue.
- Kidzuki — Créer avec audace. Générer des variations à travers 8 prismes. Les évaluer. Construire ce qui ne devrait pas encore exister.
Entre eux se trouve 無 (Mu), le vide — l'espace dégagé où vit l'insight. On ne peut pas remplir une tasse déjà pleine.
Ce que Nous Avons Dévoilé
Nous avons appliqué la méthode à des problèmes réels. Pas des exercices théoriques. Des systèmes réels qui nécessitaient d'être remis en question :
- Supervision NAV — Découvert que plus de 60 % des exceptions étaient des faux positifs. Le contrôle existait pour signaler l'effort, non pour garantir la qualité.
- Exécution FX au Comptant — Mis au jour des coûts cachés habillés en commodité. "On s'en occupe pour vous" signifiait "on vous facture sans que vous le sachiez."
Chaque investigation nous a appris quelque chose qui transcendait le sujet spécifique.
Les Modèles
Quand on démantèle suffisamment de choses, des modèles émergent. Nous en avons nommé quatre jusqu'à présent :
Le Problème
Construire un système qui SUPPRIME de l'information quand ce qu'il faut c'est un système qui CRÉE de l'information. Filtrer semble productif. Mais cela détruit le signal avec le bruit.
Signaux de Détection
- Le succès se mesure par ce qui est retiré, non par ce qui est appris
- Les éléments "non qualifiés" disparaissent sans analyse
- Personne ne peut répondre à "quels modèles existent dans ce que vous avez filtré ?"
Anti-Modèles
- Célébrer des taux de filtrage élevés sans mesurer les faux négatifs
- Traiter les éléments filtrés comme sans valeur plutôt que riches en données
Exemples
Recrutement
Rejeter les CV par mot-clé sans apprendre ce qui prédit le succès
Modération
Supprimer le contenu signalé sans étudier ce qui est signalé
CQ
Rejeter les défauts sans retour à la production
Le Problème
Optimiser la vitesse d'ACTION quand la valeur vient de la qualité du TIMING. Une réponse de 5 secondes au mauvais moment est pire qu'une réponse de 5 minutes au bon moment.
Signaux de Détection
- Les métriques de vitesse sont proéminentes mais les métriques de timing sont absentes
- Les améliorations de vitesse ne corrèlent pas avec les améliorations de résultats
- Le concurrent le plus rapide n'est pas le plus performant
Anti-Modèles
- Citer des recherches sur le "premier entrant" sans valider pour votre contexte
- Mesurer le temps de réponse sans mesurer le résultat de la réponse
Exemples
Support
Se précipiter pour fermer les tickets plutôt que résoudre les problèmes
Presse
Publier en premier plutôt que publier avec exactitude
Déploiement
Livrer vite plutôt que livrer stable
Le Problème
Une partie sait tout pendant que l'autre ne sait rien. Celui qui note voit toutes les données ; celui qui est noté ne voit que le résultat. L'opacité n'est pas accidentelle — elle protège l'avantage de celui qui note.
Signaux de Détection
- Une partie peut expliquer le score de l'autre, mais pas l'inverse
- "Algorithme propriétaire" justifie la non-divulgation
- La confiance s'érode avec le temps malgré de "bons" résultats
Anti-Modèles
- Justifier l'opacité par "les utilisateurs joueraient avec le système"
- Supposer que la transparence réduit la précision
Exemples
Crédit
Le FICO était opaque pendant des décennies ; la transparence l'a amélioré
Plateformes
Les fils opaques érodent la confiance dans les recommandations
Recrutement
Les candidats ne savent jamais pourquoi ils ont été rejetés
Le Problème
"Nous nous intégrons à vos systèmes existants" semble sûr mais contraint l'innovation. Le système hérité devient le plafond. On ne peut pas réimaginer le flux de travail parce qu'on a promis de ne pas le changer.
Signaux de Détection
- "Aucun changement à votre flux de travail existant" est un argument de vente
- Les meilleures fonctionnalités nécessitent de "casser" l'intégration
- Les concurrents qui ne s'intègrent pas surpassent ceux qui le font
Anti-Modèles
- Traiter "zéro changement aux flux de travail" comme toujours positif
- Laisser les systèmes hérités dicter votre feuille de route
Exemples
Banque
La fintech ne peut pas innover car le core banking date de 1985
IA Enterprise
"Fonctionne avec votre stack" = IA bridée
Santé
L'interop DES héritée limite les nouvelles capacités
Ces modèles apparaissent dans tous les secteurs, sur tous les problèmes. Une fois qu'on les voit, on ne peut plus les ignorer.
La Philosophie
Nous avons emprunté à la pensée japonaise parce que l'innovation occidentale est additive par défaut. Plus de fonctionnalités. Plus de complexité. Plus.
La philosophie japonaise nous a donné :
- 間 (Ma) — L'espace entre. Là où vit la possibilité.
- 初心 (Shoshin) — L'esprit du débutant. L'expertise est un don et une cage.
- 縁 (En) — La connexion. La sérendipité honorée.
- 閃き (Hirameki) — L'éclair. Lui faire confiance quand il arrive.
Et d'elBulli, le restaurant qui a déconstruit la cuisine et la reconstruit, nous avons appris que les innovations les plus radicales viennent d'une compréhension profonde avant de créer avec audace. La technique avant la transformation.
La Suite
Le framework est documenté. Les modèles sont répertoriés. Les investigations continuent.
Nous construisons des outils pour exécuter Kidzuki à l'échelle. Déconstruction assistée par IA. Détection de modèles. Génération de variations.
Mais l'insight central est simple : la plupart des organisations n'ont pas besoin de plus d'idées. Elles ont besoin de démanteler les hypothèses qui rendent les meilleures idées invisibles.
Le progrès est une soustraction.
Deux semaines se sont écoulées. Nous avons construit une méthodologie en la suivant. La méthode s'est validée elle-même.
C'est tout le sens de la démarche.
