TEDGlobal 2009
Dan Pink: The puzzle of motivation
Dan Pink sur la surprenante science de la motivation
Filmed:
Readability: 4
25,352,736 views
Dan Pink, conseiller en carrière, examine les méandres de la motivation en partant d'un fait que les sociologues connaissent mais que la plupart des managers ignorent : les récompenses traditionnelles ne sont pas toujours aussi efficaces que l'on croit. Écoutez ses histoires éclairantes et peut-être en avance sur leur temps.
Dan Pink - Career analyst
Bidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace. Full bio
Bidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace. Full bio
Double-click the English transcript below to play the video.
00:12
I need to make a confession at the outset here.
0
0
4000
Je dois commencer par faire un aveu.
00:16
A little over 20 years ago
1
4000
3000
Il y a un peu plus de 20 ans,
00:19
I did something that I regret,
2
7000
2000
j'ai fait quelque chose que je regrette,
00:21
something that I'm not particularly proud of,
3
9000
4000
quelque chose dont je ne suis pas particulièrement fier,
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
et que, pour plusieurs raisons, je voulais que tout le monde ignore à jamais
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
mais que je me sens obligé de révéler ici.
00:32
(Laughter)
6
20000
2000
(Rires)
00:34
In the late 1980s,
7
22000
2000
À la fin des années 1980,
00:36
in a moment of youthful indiscretion,
8
24000
3000
dans l'inconscience de la jeunesse,
00:39
I went to law school.
9
27000
2000
je suis allé en école de droit.
00:41
(Laughter)
10
29000
4000
(Rires)
00:45
Now, in America law is a professional degree:
11
33000
3000
Aux États-Unis, le droit est une spécialisation professionnelle :
00:48
you get your university degree, then you go on to law school.
12
36000
2000
Vous obtenez un diplôme universitaire, puis vous allez en école de droit.
00:50
And when I got to law school,
13
38000
3000
Et quand je suis allé en école de droit,
00:53
I didn't do very well.
14
41000
2000
je ne m'en suis pas bien sorti.
00:55
To put it mildly, I didn't do very well.
15
43000
2000
Je ne m'en suis pas bien sorti du tout.
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
En fait, j'ai obtenu mon diplôme parmi ceux de la classe
01:00
that made the top 90 percent possible.
17
48000
4000
qui font des autres 90%... les meilleurs.
01:04
(Laughter)
18
52000
4000
(Rires)
01:08
Thank you.
19
56000
3000
Merci.
01:11
I never practiced law a day in my life;
20
59000
3000
Je n'ai pas pratiqué le droit un seul jour de ma vie.
01:14
I pretty much wasn't allowed to.
21
62000
2000
On ne me l'a pas trop permis.
01:16
(Laughter)
22
64000
3000
(Rires)
01:19
But today, against my better judgment,
23
67000
3000
Mais aujourd'hui, malgré ce que la raison me dicte
01:22
against the advice of my own wife,
24
70000
3000
et contre l'avis de ma propre femme,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
je vais dépoussiérer mes talents d'avocat,
01:29
what's left of those legal skills.
26
77000
2000
ou du moins ce qu'il en reste.
01:31
I don't want to tell you a story.
27
79000
3000
Je ne vais pas vous faire une plaidoirie.
01:34
I want to make a case.
28
82000
2000
Je veux soutenir une cause.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
Je vais présenter des faits solides, prouvés,
01:40
dare I say lawyerly case,
30
88000
3000
à la façon d'une cause judiciaire,
01:43
for rethinking how we run our businesses.
31
91000
4000
pour repenser la façon dont nous gérons nos entreprises.
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
Donc, mesdames et messieurs du jury, veuillez examiner ceci.
01:51
This is called the candle problem.
33
99000
2000
Cela s'appelle le "problème de la bougie".
01:53
Some of you might have seen this before.
34
101000
2000
Certains le connaissent peut-être déjà.
01:55
It's created in 1945
35
103000
2000
Il a été créé en 1945
01:57
by a psychologist named Karl Duncker.
36
105000
2000
par un psychologue nommé Karl Duncker.
01:59
Karl Duncker created this experiment
37
107000
2000
Karl Duncker a imaginé cette expérience
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
utilisée dans une grande variété d'études en sciences du comportement.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
Voilà comment ça marche. Supposez que je suis l'expérimentateur.
02:07
I bring you into a room. I give you a candle,
40
115000
4000
Je vous fais entrer dans une pièce. Je vous donne une bougie,
02:11
some thumbtacks and some matches.
41
119000
2000
quelques punaises et quelques allumettes.
02:13
And I say to you, "Your job
42
121000
2000
Et je vous dis : "Votre boulot
02:15
is to attach the candle to the wall
43
123000
2000
est de fixer la bougie au mur
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
de sorte à ce que la cire ne coule pas sur la table." Que feriez-vous ?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
Beaucoup de personnes essaient de punaiser la bougie au mur.
02:25
Doesn't work.
46
133000
2000
Ça ne marche pas.
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
Quelqu'un... certains... j'ai vu quelqu'un
02:29
kind of make the motion over here --
48
137000
2000
qui vient d'esquisser le geste là-bas...
02:31
some people have a great idea where they
49
139000
2000
Certains ont une grande idée :
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
ils frottent une allumette et fondent le côté de la bougie pour la souder au mur.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
C'est une idée fantastique. Qui ne marche pas.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
Finalement, après cinq ou dix minutes,
02:43
most people figure out the solution,
53
151000
2000
la plupart des gens trouvent la solution
02:45
which you can see here.
54
153000
2000
que vous pouvez voir ici.
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
La clé de la réussite est de dépasser la "fixité fonctionnelle".
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
Vous regardez cette boîte et vous n'y voyez que l'emballage des punaises.
02:54
But it can also have this other function,
57
162000
2000
Mais elle peut aussi avoir une autre fonction
02:56
as a platform for the candle. The candle problem.
58
164000
4000
comme plateforme pour la bougie. Le problème de la bougie.
03:00
Now I want to tell you about an experiment
59
168000
2000
Maintenant je vais vous parler d'une expérience
03:02
using the candle problem,
60
170000
2000
qui se base sur le problème de la bougie,
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
effectuée par un scientifique du nom de Sam Glucksberg,
03:06
who is now at Princeton University in the U.S.
62
174000
2000
qui est maintenant à l'Université de Princeton aux États-Unis.
03:08
This shows the power of incentives.
63
176000
4000
Elle montre la puissance des incitations.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
Voilà ce qu'il a fait. Il a rassemblé les participants
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
et leur a dit : "Je vais vous chronométrer. À quelle vitesse pouvez-vous résoudre ce problème?"
03:17
To one group he said,
66
185000
2000
Il a dit au premier groupe :
03:19
"I'm going to time you to establish norms,
67
187000
3000
"Je vais vous chronométrer pour établir des normes,
03:22
averages for how long it typically takes
68
190000
2000
les moyennes de temps qu'il faut typiquement
03:24
someone to solve this sort of problem."
69
192000
2000
à quelqu'un pour résoudre ce type de problème."
03:26
To the second group he offered rewards.
70
194000
3000
Au second groupe, il a offert des récompenses.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
Il a dit : "Si vous êtes parmi les 25% les plus rapides
03:33
you get five dollars.
72
201000
3000
vous recevrez cinq dollars.
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
Si vous êtes le plus rapide de ceux que nous testons aujourd'hui
03:39
you get 20 dollars."
74
207000
2000
vous recevrez 20 dollars."
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
C'était il y a plusieurs années. J'ai pris en compte l'inflation.
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
C'est une somme correcte pour quelques minutes de travail.
03:46
It's a nice motivator.
77
214000
2000
C'est une bonne motivation.
03:48
Question: How much faster
78
216000
3000
Question : combien de fois plus vite
03:51
did this group solve the problem?
79
219000
2000
ce groupe a-t-il résolu le problème ?
03:53
Answer: It took them, on average,
80
221000
3000
Réponse : ça leur a pris, en moyenne
03:56
three and a half minutes longer.
81
224000
4000
trois minutes et demie... de plus.
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
Trois minutes et demie de plus. Ça n'a aucun sens, n'est-ce pas ?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
Je veux dire : je suis un Américain! Je crois aux marchés libres.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
C'est comme ça que c'est sensé marcher, n'est-ce pas ?
04:09
(Laughter)
85
237000
1000
(Rires)
04:10
If you want people to perform better,
86
238000
2000
Si vous voulez que les gens soient plus performants,
04:12
you reward them. Right?
87
240000
2000
vous les récompensez, non ?
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
Gratifications, commissions, leur propre reality show.
04:17
Incentivize them. That's how business works.
89
245000
4000
Incitez-les. C'est comme ça que marchent les affaires.
04:21
But that's not happening here.
90
249000
2000
Mais ce n'est pas ce qui se passe ici.
04:23
You've got an incentive designed to
91
251000
2000
Vous recevez une incitation conçue pour
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
vous concentrer et accélérer la créativité.
04:29
and it does just the opposite.
93
257000
2000
Et ça fait juste le contraire.
04:31
It dulls thinking and blocks creativity.
94
259000
3000
Ça engourdit la pensée et bloque la créativité.
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
Et ce qui est intéressant avec cette expérience, c'est que ce n'est pas un artéfact.
04:37
This has been replicated over and over
96
265000
3000
Ceci a été reproduit encore et encore
04:40
and over again, for nearly 40 years.
97
268000
3000
et encore depuis près de 40 ans.
04:43
These contingent motivators --
98
271000
3000
Ces "motivations contingentes",
04:46
if you do this, then you get that --
99
274000
2000
si vous faites ceci, alors vous aurez cela,
04:48
work in some circumstances.
100
276000
2000
marchent dans certaines circonstances.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
Mais pour beaucoup de tâches, soit elles ne marchent pas,
04:53
or, often, they do harm.
102
281000
3000
soit, souvent, elles sont néfastes .
04:56
This is one of the most robust findings
103
284000
4000
Ceci est l'une des découvertes les plus robustes
05:00
in social science,
104
288000
3000
des sciences sociales.
05:03
and also one of the most ignored.
105
291000
2000
Et c'est aussi l'une des plus ignorées.
05:05
I spent the last couple of years looking at the science of
106
293000
2000
J'ai passé les deux dernières années à examiner la science
05:07
human motivation,
107
295000
2000
de la motivation humaine.
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
Particulièrement la dynamique des motivations extrinsèques
05:11
and intrinsic motivators.
109
299000
2000
et des motivations intrinsèques.
05:13
And I'm telling you, it's not even close.
110
301000
2000
Et je vous assure : ça ne colle pas.
05:15
If you look at the science, there is a mismatch
111
303000
2000
Si vous considérez les études, il y a une divergence
05:17
between what science knows and what business does.
112
305000
4000
entre ce que la science sait et ce que le monde des affaires fait.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
Et ce qui est inquiétant, c'est que le système de fonctionnement des entreprises
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
- pensez à l'ensemble des hypothèses et protocoles sous-jascents,
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
comment nous motivons les personnes, comment nous utilisons nos ressources humaines -
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
est construit entièrement sur ces motivateurs extrinsèques,
05:35
around carrots and sticks.
117
323000
2000
les carottes et les bâtons.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
En fait, ça marche pour beaucoup de tâches du 20ème siècle.
05:41
But for 21st century tasks,
119
329000
2000
Mais pour les tâches du 21ème siècle,
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
cette approche mécaniste de récompense-et-punition
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
ne marche pas. Souvent ça ne marche pas, et souvent ça nuit.
05:51
Let me show you what I mean.
122
339000
2000
Laissez-moi vous montrer ce que je veux dire.
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
Glucksberg a fait une autre expérience similaire
05:56
where he presented the problem in a slightly different way,
124
344000
2000
où il a présenté le problème d'une autre façon,
05:58
like this up here. Okay?
125
346000
3000
comme sur cette image. OK ?
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
Fixez la bougie au mur de façon à ce que la cire ne coule pas sur la table.
06:03
Same deal. You: we're timing for norms.
127
351000
3000
Même histoire. Vous, on vous chronomètre pour des moyennes.
06:06
You: we're incentivizing.
128
354000
3000
Vous, on vous incite.
06:09
What happened this time?
129
357000
2000
Que s'est-il passé cette fois?
06:11
This time, the incentivized group
130
359000
2000
Cette fois, le groupe motivé
06:13
kicked the other group's butt.
131
361000
4000
a botté le cul de l'autre groupe.
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
Pourquoi ? Parce que lorsque les punaises sont hors de la boîte,
06:21
it's pretty easy isn't it?
133
369000
4000
ça devient étonnamment simple, non ?
06:25
(Laughter)
134
373000
2000
"Le problème de la bougie... pour les nuls." (Rires)
06:27
If-then rewards work really well
135
375000
3000
Les récompenses "si, alors" marchent vraiment bien
06:30
for those sorts of tasks,
136
378000
3000
pour ce type de tâches,
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
où il y a des règles simples et un but clair
06:35
to go to.
138
383000
2000
à atteindre.
06:37
Rewards, by their very nature,
139
385000
2000
Les récompenses, de par leur nature,
06:39
narrow our focus, concentrate the mind;
140
387000
2000
restreignent notre vision, concentrent la pensée.
06:41
that's why they work in so many cases.
141
389000
2000
C'est pourquoi elles marchent dans tellement de cas.
06:43
And so, for tasks like this,
142
391000
2000
Et donc, pour des tâches comme ça,
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
une vision limitée où vous ne voyez que le but droit devant vous,
06:48
zoom straight ahead to it,
144
396000
2000
et on fonce tout droit,
06:50
they work really well.
145
398000
2000
les récompenses marchent vraiment bien.
06:52
But for the real candle problem,
146
400000
2000
Mais pour le vrai problème de la bougie,
06:54
you don't want to be looking like this.
147
402000
2000
vous ne voulez pas cette approche.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
La solution n'est pas là. La solution est à la périphérie.
06:58
You want to be looking around.
149
406000
2000
Vous devez explorer les alentours.
07:00
That reward actually narrows our focus
150
408000
2000
Et cette récompense limite en réalité notre vision
07:02
and restricts our possibility.
151
410000
2000
et restreint nos possibilités.
07:04
Let me tell you why this is so important.
152
412000
3000
Laissez-moi vous dire pourquoi c'est si important.
07:07
In western Europe,
153
415000
2000
En Europe de l'Ouest,
07:09
in many parts of Asia,
154
417000
2000
dans une bonne partie de l'Asie,
07:11
in North America, in Australia,
155
419000
3000
an Amérique du Nord, en Australie,
07:14
white-collar workers are doing less of
156
422000
2000
les cols blancs font moins de
07:16
this kind of work,
157
424000
2000
ce genre de travail,
07:18
and more of this kind of work.
158
426000
4000
et plus de ce genre de travail-là.
07:22
That routine, rule-based, left-brain work --
159
430000
3000
Cette routine basée sur des règles, pour notre cerveau gauche,
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
certains travaux de comptabilité ou d'analyse financière
07:27
certain kinds of computer programming --
161
435000
2000
certains travaux de programmation informatique,
07:29
has become fairly easy to outsource,
162
437000
2000
sont devenus assez faciles à externaliser,
07:31
fairly easy to automate.
163
439000
2000
assez faciles à automatiser.
07:33
Software can do it faster.
164
441000
3000
Le logiciel peut le faire plus vite.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
Les fournisseurs à bas coût autour du monde peuvent le faire moins cher.
07:38
So what really matters are the more right-brained
166
446000
4000
Donc ce qui compte, ce sont plutôt les compétences
07:42
creative, conceptual kinds of abilities.
167
450000
3000
créatives et conceptuelles pour notre cerveau droit.
07:45
Think about your own work.
168
453000
3000
Pensez à votre propre travail.
07:48
Think about your own work.
169
456000
3000
Pensez à votre propre travail.
07:51
Are the problems that you face, or even the problems
170
459000
2000
Est-ce que les problèmes que vous rencontrez, ou même les problèmes
07:53
we've been talking about here,
171
461000
2000
dont nous parlons ici,
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
est-ce que ces problèmes ont un ensemble de règles claires
07:57
and a single solution? No.
173
465000
3000
et une solution unique ? Non!
08:00
The rules are mystifying.
174
468000
2000
Les règles sont mystifiantes.
08:02
The solution, if it exists at all,
175
470000
2000
La solution, pour autant qu'il en existe une,
08:04
is surprising and not obvious.
176
472000
3000
est surprenante et pas évidente.
08:07
Everybody in this room
177
475000
2000
Chacun dans cette salle
08:09
is dealing with their own version
178
477000
3000
est confronté à sa propre version
08:12
of the candle problem.
179
480000
2000
du problème de la bougie.
08:14
And for candle problems of any kind,
180
482000
3000
Et pour tout type de "problème de la bougie"
08:17
in any field,
181
485000
2000
dans n'importe quel domaine,
08:19
those if-then rewards,
182
487000
3000
ces récompenses "si, alors",
08:22
the things around which we've built so many of our businesses,
183
490000
4000
les choses autour desquelles nous avons construit tant d'entreprises,
08:26
don't work.
184
494000
2000
ne marchent pas.
08:28
Now, I mean it makes me crazy.
185
496000
2000
Ça me rend dingue!
08:30
And this is not -- here's the thing.
186
498000
2000
Et ce n'est pas... voilà la chose :
08:32
This is not a feeling.
187
500000
3000
Ce n'est pas un sentiment.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
OK ? Je suis un avocat. Je ne crois pas aux sentiments.
08:38
This is not a philosophy.
189
506000
4000
Ce n'est pas une philosophie.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
Je suis un Américain. Je ne crois pas à la philosophie.
08:44
(Laughter)
191
512000
3000
(Rires)
08:47
This is a fact --
192
515000
3000
C'est un fait.
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
Ou comme on dit chez moi à Washington D.C.,
08:52
a true fact.
194
520000
2000
un vrai fait.
08:54
(Laughter)
195
522000
2000
(Rires)
08:56
(Applause)
196
524000
4000
(Applaudissements)
09:00
Let me give you an example of what I mean.
197
528000
2000
Laissez-moi vous donner un exemple de ce que je veux dire.
09:02
Let me marshal the evidence here,
198
530000
2000
Laissez-moi marteler la preuve ici.
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
Parce que je ne vous raconte pas une histoire. Je soutiens une cause.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
Mesdames et messieurs du jury, quelques preuves :
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
Dan Ariely, l'un des plus grands économistes contemporains,
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
et trois de ses collègues ont effectué une étude sur certains étudiants du MIT.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
Ils ont donné à ces étudiants du MIT un tas de jeux.
09:18
games that involved creativity,
204
546000
2000
Des jeux qui impliquent la créativité,
09:20
and motor skills, and concentration.
205
548000
2000
et la motricité, et la concentration.
09:22
And the offered them, for performance,
206
550000
2000
Et ils leur ont proposé pour leurs performances
09:24
three levels of rewards:
207
552000
2000
trois niveaux de récompenses.
09:26
small reward, medium reward, large reward.
208
554000
5000
Petite récompense, moyenne récompense, grosse récompense.
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
OK ? Si vous réussissez vraiment bien, vous recevez la grosse récompense, etc.
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
Que s'est-il passé ? Tant que la tâche n'impliquait qu'un talent mécanique
09:39
bonuses worked as they would be expected:
211
567000
2000
les bonus ont marché comme attendu :
09:41
the higher the pay, the better the performance.
212
569000
4000
plus la paie était haute, meilleure était la performance.
09:45
Okay? But one the task called for
213
573000
2000
OK ? Mais dès qu'une tâche demandait
09:47
even rudimentary cognitive skill,
214
575000
4000
un talent cognitif, même rudimentaire,
09:51
a larger reward led to poorer performance.
215
579000
5000
une plus grosse récompense conduisait à de moins bonnes performances.
09:56
Then they said,
216
584000
2000
Puis ils ont dit :
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
"OK, voyons si nous avons une influence culturel ici.
10:00
Lets go to Madurai, India and test this."
218
588000
2000
Allons à Madurai en Inde, et refaisons le test."
10:02
Standard of living is lower.
219
590000
2000
Le niveau de vie est plus bas.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
À Madurai, une récompense modeste en Amérique du Nord
10:07
is more meaningful there.
221
595000
3000
est plus significative.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
Même chose. Un tas de jeux, trois niveaux de récompenses.
10:13
What happens?
223
601000
2000
Qu'est-ce qui se passe?
10:15
People offered the medium level of rewards
224
603000
3000
Les gens à qui l'on a proposé les récompenses moyennes
10:18
did no better than people offered the small rewards.
225
606000
3000
n'ont pas fait mieux que ceux à qui l'on a proposé les petites récompenses.
10:21
But this time, people offered the highest rewards,
226
609000
4000
Mais cette fois, ceux à qui l'on a proposé les plus grosses récompenses...
10:25
they did the worst of all.
227
613000
4000
ont fait pire que tous.
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
"Dans huit des neuf tâches examinées au cours de trois expériences,
10:32
higher incentives led to worse performance.
229
620000
5000
les incitations les plus hautes ont conduit aux pires performances."
10:37
Is this some kind of touchy-feely
230
625000
3000
Dis donc, n'y aurait-il pas
10:40
socialist conspiracy going on here?
231
628000
3000
une conspiration socialiste là-dessous ?
10:43
No. These are economists from MIT,
232
631000
3000
Non. Ce sont des économistes du MIT,
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
de Carnegie Mellon, de l'Université de Chicago.
10:49
And do you know who sponsored this research?
234
637000
2000
Et savez-vous qui a financé cette recherche ?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
La Réserve Fédérale des États-Unis.
10:55
That's the American experience.
236
643000
2000
C'est une expérience américaine.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
Traversons l'étang jusqu'à l'École d'Économie de Londres.
11:00
LSE, London School of Economics,
238
648000
3000
LSE, London School of Economics.
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
L'alma mater de 11 lauréats du prix Nobel d'économie.
11:06
Training ground for great economic thinkers
240
654000
3000
Lieu de formation de grands penseurs économiques
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
comme George Soros, et Friedrich Hayek,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
et Mick Jagger. (Rires)
11:14
Last month, just last month,
243
662000
4000
Le mois dernier, juste le mois dernier,
11:18
economists at LSE looked at 51 studies
244
666000
3000
les économistes de la LSE ont examiné 50 études
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
de systèmes de rémunération à la performance dans des entreprises.
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
Voilà ce que ces économistes ont dit: "Nous avons trouvé que les incitations financières
11:27
can result in a negative impact on overall performance."
247
675000
6000
peuvent causer un impact négatif sur la performance globale."
11:33
There is a mismatch between what science knows
248
681000
3000
Il y a une divergence entre ce que la science sait
11:36
and what business does.
249
684000
2000
et ce que le monde des affaires fait.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
Et ce qui m'inquiète, alors que nous sommes dans les décombres
11:41
of the economic collapse,
251
689000
2000
d'une économie effondrée,
11:43
is that too many organizations
252
691000
2000
c'est que trop d'organisations
11:45
are making their decisions,
253
693000
2000
prennent leurs décisions,
11:47
their policies about talent and people,
254
695000
2000
leurs politiques sur le talent et les gens,
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
en se basant sur des hypothèses dépassées, non vérifiées,
11:55
and rooted more in folklore than in science.
256
703000
3000
et enracinées plutôt dans le folklore que dans la science.
11:58
And if we really want to get out of this economic mess,
257
706000
3000
Et si nous voulons vraiment sortir de cette pagaille économique,
12:01
and if we really want high performance on those
258
709000
2000
et si nous voulons vraiment de hautes performances
12:03
definitional tasks of the 21st century,
259
711000
2000
sur les tâches propres au 21ème siècle,
12:05
the solution is not to do more of the wrong things,
260
713000
6000
la solution n'est pas de faire plus des mauvaises choses.
12:11
to entice people with a sweeter carrot,
261
719000
3000
D'attirer les gens avec des carottes plus douces
12:14
or threaten them with a sharper stick.
262
722000
2000
ou de les menacer avec un bâton plus pointu.
12:16
We need a whole new approach.
263
724000
2000
Il nous faut une approche entièrement nouvelle.
12:18
And the good news about all of this is that the scientists
264
726000
2000
Et les bonnes nouvelles à ce sujet sont que les scientifiques
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
qui ont étudié la motivation nous ont donné cette nouvelle approche.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
C'est une approche plutôt basée sur la motivation intrinsèque.
12:26
Around the desire to do things because they matter,
267
734000
2000
Sur l'envie de faire des choses parce qu'elles importent,
12:28
because we like it, because they're interesting,
268
736000
2000
parce que nous les aimons, parce que c'est intéressant,
12:30
because they are part of something important.
269
738000
2000
parce que ça fait partie de quelque chose d'important.
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
Et à mon avis, ce nouveau système de fonctionnement de nos entreprises
12:36
revolves around three elements:
271
744000
2000
tourne autour de trois éléments :
12:38
autonomy, mastery and purpose.
272
746000
3000
l'autonomie, la maîtrise et la pertinence.
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
L'autonomie : le désir de diriger nos propres vies.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
La maîtrise : l'aspiration de se surpasser sur quelque chose qui compte.
12:48
Purpose: the yearning to do what we do
275
756000
3000
La pertinence : l'envie de faire ce que nous faisons
12:51
in the service of something larger than ourselves.
276
759000
3000
au service de quelque chose qui nous dépasse.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
Ce sont les briques d'un système de fonctionnement entièrement nouveau
12:57
for our businesses.
278
765000
2000
pour nos entreprises.
12:59
I want to talk today only about autonomy.
279
767000
4000
Aujourd'hui, je ne vais vous parler que de l'autonomie.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
Au 20ème siècle est apparue l'idée du management.
13:06
Management did not emanate from nature.
281
774000
2000
Le management n'a pas surgi de la nature.
13:08
Management is like -- it's not a tree,
282
776000
2000
Le management, c'est comme... ce n'est pas un arbre.
13:10
it's a television set.
283
778000
2000
C'est comme une télévision.
13:12
Okay? Somebody invented it.
284
780000
2000
OK ? Quelqu'un l'a inventé.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
Ce n'est donc pas censé marcher éternellement.
13:16
Management is great.
286
784000
2000
Le management, c'est génial.
13:18
Traditional notions of management are great
287
786000
2000
Les notions traditionnelles du management sont géniales
13:20
if you want compliance.
288
788000
2000
si vous voulez l'obéissance.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
Mais si vous voulez de l'engagement, l'autonomie marche mieux.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
Laissez-moi vous donner quelques exemples de notions
13:27
notions of self-direction.
291
795000
2000
fondamentales d'autonomie.
13:29
What this means -- you don't see a lot of it,
292
797000
3000
Ce que ça signifie... vous n'en voyez pas beaucoup,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
mais vous voyez les premières tendances de quelque chose de vraiment intéressant.
13:35
because what it means is paying people adequately
294
803000
2000
Parce que ça implique de payer les gens adéquatement
13:37
and fairly, absolutely --
295
805000
2000
et équitablement, absolument.
13:39
getting the issue of money off the table,
296
807000
2000
Soustraire la question de l'argent de l'équation,
13:41
and then giving people lots of autonomy.
297
809000
2000
et puis confier aux gens beaucoup d'autonomie.
13:43
Let me give you some examples.
298
811000
2000
Laissez-moi vous donner quelques exemples.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
Combien d'entre vous ont entendu parler de l'entreprise Atlassian ?
13:49
It looks like less than half.
300
817000
2000
Moins de la moitié, apparemment.
13:51
(Laughter)
301
819000
2000
(Rires)
13:53
Atlassian is an Australian software company.
302
821000
4000
Atlassian est une entreprise australienne de logiciels.
13:57
And they do something incredibly cool.
303
825000
2000
Et ils font quelque chose d'absolument génial.
13:59
A few times a year they tell their engineers,
304
827000
2000
Quelques fois par année, ils disent à leurs ingénieurs :
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
"Partez les prochaines 24 heures et travaillez sur ce que vous voulez,
14:05
as long as it's not part of your regular job.
306
833000
2000
tant que ce n'est pas votre tâche habituelle.
14:07
Work on anything you want."
307
835000
2000
Travaillez sur ce que vous voulez."
14:09
So that engineers use this time to come up with
308
837000
2000
Ainsi ces ingénieurs utilisent ce temps pour pondre
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
un bout de code génial, ou trouver une astuce élégante.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
Ensuite ils présentent tout ce qu'ils ont développé
14:17
to their teammates, to the rest of the company,
311
845000
3000
à leurs collègues et au reste de l'entreprise,
14:20
in this wild and wooly all-hands meeting
312
848000
2000
dans un meeting sauvage et déjanté
14:22
at the end of the day.
313
850000
2000
à la fin de la journée.
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
Puis, comme ce sont des Australiens, tout le monde boit une bière.
14:26
They call them FedEx Days.
315
854000
3000
Ils appellent ça les "jours FedEx".
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
Pourquoi ? Parce que vous devez livrer quelque chose le lendemain.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
C'est plutôt... c'est pas mal. C'est une énorme violation de marque déposée...
14:37
but it's pretty clever.
318
865000
2000
Mais c'est assez intelligent.
14:39
(Laughter)
319
867000
1000
(Rires)
14:40
That one day of intense autonomy
320
868000
2000
Ce jour d'autonomie intense
14:42
has produced a whole array of software fixes
321
870000
2000
a produit un ensemble complet de corrections des logiciels
14:44
that might never have existed.
322
872000
2000
qui auraient pu ne jamais exister.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
Et ça a si bien marché qu'Atlassian est passé au niveau suivant
14:48
with 20 Percent Time --
324
876000
2000
avec les 20% de temps
14:50
done, famously, at Google --
325
878000
2000
si célèbres chez Google
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
où les ingénieurs peuvent travailler, passer 20% de leur temps
14:54
working on anything they want.
327
882000
2000
à travailler sur n'importe quel sujet.
14:56
They have autonomy over their time,
328
884000
2000
Ils ont de l'autonomie sur leur temps,
14:58
their task, their team, their technique.
329
886000
2000
sur leur tâche, leur équipe, leur méthode.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
OK ? Énormément d'autonomie.
15:02
And at Google, as many of you know,
331
890000
4000
Et chez Google, comme beaucoup d'entre vous le savent,
15:06
about half of the new products in a typical year
332
894000
2000
à peu près la moitié de leurs nouveaux produits chaque année
15:08
are birthed during that 20 Percent Time:
333
896000
3000
sont nés pendant ces "20% de temps".
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
Des produits comme Gmail, Orkut, Google News.
15:14
Let me give you an even more radical example of it:
335
902000
3000
Laissez-moi vous montrer un exemple encore plus radical.
15:17
something called the Results Only Work Environment,
336
905000
2000
L'environnement de travail axé uniquement sur les résultats.
15:19
the ROWE,
337
907000
2000
Le ROWE (Results Only Work Environment).
15:21
created by two American consultants, in place
338
909000
2000
Créé par deux consultants américains
15:23
in place at about a dozen companies around North America.
339
911000
2000
et en place dans une douzaine d'entreprises en Amérique du Nord.
15:25
In a ROWE people don't have schedules.
340
913000
4000
Dans un ROWE, les employés n'ont pas d'horaires.
15:29
They show up when they want.
341
917000
2000
Ils viennent quand ils veulent.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
Ils ne doivent pas être au bureau à des heures précises,
15:33
or any time.
343
921000
2000
ou même pas du tout.
15:35
They just have to get their work done.
344
923000
2000
Ils doivent juste faire leur boulot.
15:37
How they do it, when they do it,
345
925000
2000
Comment ils le font, quand il le font,
15:39
where they do it, is totally up to them.
346
927000
3000
où ils le font, ça dépend entièrement d'eux.
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
Les réunions sont optionnelles dans ce type d'environnement.
15:46
What happens?
348
934000
2000
Qu'est-ce qui se passe ?
15:48
Almost across the board, productivity goes up,
349
936000
3000
Presque pour tout le monde, la productivité augmente,
15:51
worker engagement goes up,
350
939000
3000
l'engagement des employés augmente,
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
la satisfaction des employés augmente, le renouvellement du personnel diminue.
15:57
Autonomy, mastery and purpose,
352
945000
2000
Autonomie, maîtrise et pertinence.
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
Ce sont là les briques d'une nouvelle manière de faire les choses.
16:01
Now some of you might look at this and say,
354
949000
3000
Maintenant vous pouvez regarder tout ça et dire :
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
"Hm, ça a l'air bien. Mais c'est utopique."
16:07
And I say, "Nope. I have proof."
356
955000
5000
Sur quoi je réponds : "Non. J'ai la preuve."
16:12
The mid-1990s, Microsoft started
357
960000
2000
Au milieu des années 1990, Microsoft a lancé
16:14
an encyclopedia called Encarta.
358
962000
2000
une encyclopédie appelée Encarta.
16:16
They had deployed all the right incentives,
359
964000
2000
Ils ont développé toutes les bonnes incitations.
16:18
all the right incentives. They paid professionals to
360
966000
3000
Toutes les bonnes incitations. Ils ont payé des professionnels pour
16:21
write and edit thousands of articles.
361
969000
2000
écrire et éditer des milliers d'articles.
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
Des managers bien payés supervisaient tout ça
16:25
to make sure it came in on budget and on time.
363
973000
5000
pour assurer que ce serait prêt à temps et dans le budget.
16:30
A few years later another encyclopedia got started.
364
978000
2000
Quelques années plus tard, une autre encyclopédie est sortie.
16:32
Different model, right?
365
980000
3000
Avec un autre modèle, n'est-ce pas ?
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
Faites-le pour le plaisir. Personne n'est payé un cent, un Euro ou un Yen.
16:39
Do it because you like to do it.
367
987000
3000
Faites-le parce que vous aimez le faire.
16:42
Now if you had, just 10 years ago,
368
990000
3000
Si vous aviez demandé il y a 10 ans,
16:45
if you had gone to an economist, anywhere,
369
993000
2000
si vous aviez rencontré un économiste, n'importe où,
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
et dit : "Voilà, j'ai ces deux différents modèles pour créer une encyclopédie.
16:51
If they went head to head, who would win?"
371
999000
3000
S'ils entraient en compétition, lequel gagnerait ?"
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
Il y a 10 ans, vous n'auriez pas trouvé un seul économiste sobre
16:58
on planet Earth
373
1006000
2000
n'importe où sur la planète Terre
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
qui aurait voté pour le modèle de Wikipédia.
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
Il y a une titanesque bataille entre ces deux approches.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
C'est le match Ali-Frazier de la motivation, n'est-ce pas ?
17:08
This is the Thrilla' in Manila.
377
1016000
2000
C'est le "Thrilla' in Manila".
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
D'accord ? Motivateurs intrinsèques contre motivateurs extrinsèques.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
Autonomie, maîtrise et pertinence
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
contre carottes et bâtons. Et qui gagne ?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
Motivation intrinsèque, autonomie, maîtrise et pertinence,
17:20
in a knockout. Let me wrap up.
382
1028000
4000
par K.O. Je résume :
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
il y a une divergence entre ce que la science sait et ce que le monde des affaires fait.
17:27
And here is what science knows.
384
1035000
2000
Et voici ce que la science sait.
17:29
One: Those 20th century rewards,
385
1037000
2000
Un : les récompenses du 20ème siècle,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
ces motivateurs que nous croyons être naturels du business
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
marchent, mais seulement dans un spectre étroit de situations.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
Deux : ces récompenses "si, alors" détruisent la créativité.
17:42
Three: The secret to high performance
389
1050000
2000
Trois : le secret de hautes performances
17:44
isn't rewards and punishments,
390
1052000
2000
n'est pas dans les récompenses et punitions
17:46
but that unseen intrinsic drive --
391
1054000
2000
mais dans cette pulsion intrinsèque et invisible.
17:48
the drive to do things for their own sake.
392
1056000
3000
L'aspiration à faire les choses pour les faire.
17:51
The drive to do things cause they matter.
393
1059000
2000
L'envie de faire les choses parce qu'elles ont du sens.
17:53
And here's the best part. Here's the best part.
394
1061000
2000
Et voilà la meilleure... voilà la meilleure :
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
Nous le savons déjà. La science confirme ce que nous savons dans nos coeurs.
17:58
So, if we repair this mismatch
396
1066000
3000
Donc, si nous réparons cette divergence
18:01
between what science knows and what business does,
397
1069000
2000
entre ce que la science sait et ce que le business fait,
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
Si nous apportons notre motivation, nos notions de motivation
18:06
into the 21st century,
399
1074000
2000
dans le 21ème siècle,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
si nous dépassons cette idéologie paresseuse et dangereuse
18:12
of carrots and sticks,
401
1080000
2000
des carottes et des bâtons,
18:14
we can strengthen our businesses,
402
1082000
3000
nous pourrons renforcer nos entreprises,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
nous pourrons résoudre un tas de ces problèmes de la bougie,
18:20
and maybe, maybe, maybe
404
1088000
4000
et peut-être, peut-être, peut-être...
18:24
we can change the world.
405
1092000
2000
pourrons-nous changer le monde.
18:26
I rest my case.
406
1094000
2000
J'en ai fini pour ma cause.
18:28
(Applause)
407
1096000
3000
(Applaudissements)
ABOUT THE SPEAKER
Dan Pink - Career analystBidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace.
Why you should listen
With a trio of influential bestsellers, Dan Pink has changed the way companies view the modern workplace. In the pivotal A Whole New Mind, Pink identifies a sea change in the global workforce -- the shift of an information-based corporate culture to a conceptual base, where creativity and big-picture design dominates the landscape.
His latest book, The Adventures of Johnny Bunko, is an evolutionary transformation of the familiar career guide. Replacing linear text with a manga-inspired comic, Pink outlines six career laws vastly differing from the ones you've been taught. Members of the Johnny Bunko online forum participated in an online contest to create the seventh law -- "stay hungry."
A contributing editor for Wired, Pink is working on a new book on the science and economics of motivation for release in late 2009.
Dan Pink | Speaker | TED.com