{"id":326851,"date":"2026-10-24T05:11:52","date_gmt":"2026-10-24T02:11:52","guid":{"rendered":"https:\/\/ceotudent.com\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent"},"modified":"2026-10-24T05:11:52","modified_gmt":"2026-10-24T02:11:52","slug":"culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent","status":"publish","type":"post","link":"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent","title":{"rendered":"Culture des donn\u00e9es pour non-analystes : les notions statistiques qui vous \u00e9vitent d&rsquo;\u00eatre induit en erreur"},"content":{"rendered":"<p><strong>TL;DR.<\/strong> Dans l&rsquo;Enqu\u00eate sur les comp\u00e9tences des adultes de l&rsquo;OCDE (donn\u00e9es 2023, publi\u00e9es en d\u00e9cembre 2024), 25 % des adultes des pays de l&rsquo;OCDE se situaient au niveau 1 ou en dessous en num\u00e9ratie, et 14 % atteignaient les niveaux 4 ou 5. Aux \u00c9tats-Unis, la part des adultes \u00e0 faible num\u00e9ratie est pass\u00e9e de 29 % en 2017 \u00e0 34 % en 2023. Pendant ce temps, les outils d&rsquo;IA et les pr\u00e9sentations des fournisseurs produisent plus que jamais des pourcentages affirm\u00e9s avec aplomb. Les non-analystes ont besoin d&rsquo;une dizaine de notions, chacune associ\u00e9e \u00e0 une question, qui emp\u00eachent un chiffre exact de les induire en erreur. Le format compte autant que le lecteur : lorsque 160 gyn\u00e9cologues ont vu des statistiques de test pr\u00e9sent\u00e9es comme des probabilit\u00e9s conditionnelles, 21 % ont trouv\u00e9 la bonne r\u00e9ponse ; apr\u00e8s avoir appris \u00e0 les reformuler en effectifs sur 1 000, 87 % y sont parvenus. <strong>Le r\u00e9flexe du CEO :<\/strong> exiger que chaque chiffre qui guide une d\u00e9cision arrive avec son d\u00e9nominateur, son point de comparaison et sa source, et d\u00e9cider \u00e0 l&rsquo;avance quelles questions sont obligatoires avant d&rsquo;agir. <strong>Le r\u00e9flexe de l&rsquo;\u00e9tudiant :<\/strong> convertir chaque pourcentage en \u00ab combien sur 1 000 \u00bb, et retrouver chaque semaine une affirmation \u00e0 partir de sa source d&rsquo;origine.<\/p>\n<p>Ce guide appartient au cluster Comp\u00e9tences cognitives fondamentales, ancr\u00e9 par notre article sur <a href=\"\/fr\/lecture-profonde-avantage-concurrentiel-ere-ia\">la lecture profonde comme avantage concurrentiel<\/a>. Il est le pendant chiffr\u00e9 du <a href=\"\/fr\/comment-verifier-les-faits-reponses-ia-protocole-de-verification-en-5-etapes\">protocole en 5 \u00e9tapes pour v\u00e9rifier les r\u00e9ponses de l&rsquo;IA<\/a> et des <a href=\"\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\">12 signaux d&rsquo;alerte des mauvaises r\u00e9ponses de l&rsquo;IA<\/a>. Ces articles rep\u00e8rent les affirmations fausses. Celui-ci traite un cas plus difficile : les chiffres exacts qui induisent tout de m\u00eame en erreur.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Table of Contents<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Pourquoi-un-non-analyste-a-t-il-besoin-de-statistiques-aujourdhui\" >Pourquoi un non-analyste a-t-il besoin de statistiques aujourd&rsquo;hui ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Notion-1-sagit-il-dune-variation-relative-ou-dune-variation-absolue\" >Notion 1 : s&rsquo;agit-il d&rsquo;une variation relative ou d&rsquo;une variation absolue ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Notion-2-que-se-passe-t-il-sur-1-000-Taux-de-base-et-frequences-naturelles\" >Notion 2 : que se passe-t-il sur 1 000 ? Taux de base et fr\u00e9quences naturelles<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Notion-3-quelle-etait-la-taille-de-lechantillon\" >Notion 3 : quelle \u00e9tait la taille de l&rsquo;\u00e9chantillon ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Notion-4-qui-manque-dans-les-donnees-Les-filtres-de-selection\" >Notion 4 : qui manque dans les donn\u00e9es ? Les filtres de s\u00e9lection<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Notion-5-autre-chose-pourrait-il-lexpliquer-Correlation-et-facteurs-de-confusion\" >Notion 5 : autre chose pourrait-il l&rsquo;expliquer ? Corr\u00e9lation et facteurs de confusion<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Notion-6-le-schema-sinverse-t-il-quand-on-decoupe-les-donnees-Le-paradoxe-de-Simpson\" >Notion 6 : le sch\u00e9ma s&rsquo;inverse-t-il quand on d\u00e9coupe les donn\u00e9es ? Le paradoxe de Simpson<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Notion-7-a-t-il-ete-choisi-parce-quil-etait-extreme-La-regression-vers-la-moyenne\" >Notion 7 : a-t-il \u00e9t\u00e9 choisi parce qu&rsquo;il \u00e9tait extr\u00eame ? La r\u00e9gression vers la moyenne<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Notion-8-la-moyenne-de-quoi-Moyenne-mediane-et-asymetrie\" >Notion 8 : la moyenne de quoi ? Moyenne, m\u00e9diane et asym\u00e9trie<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Notion-9-ou-commence-laxe-La-conception-trompeuse-des-graphiques\" >Notion 9 : o\u00f9 commence l&rsquo;axe ? La conception trompeuse des graphiques<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Notion-10-que-vous-apprend-%C2%AB-statistiquement-significatif-%C2%BB\" >Notion 10 : que vous apprend \u00ab statistiquement significatif \u00bb ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Le-guide-de-terrain-des-chiffres-trompeurs\" >Le guide de terrain des chiffres trompeurs<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-13\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Une-check-list-de-10-questions-avant-toute-decision-fondee-sur-une-statistique\" >Une check-list de 10 questions avant toute d\u00e9cision fond\u00e9e sur une statistique<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-14\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Le-reflexe-du-CEO-et-le-reflexe-de-letudiant\" >Le r\u00e9flexe du CEO et le r\u00e9flexe de l&rsquo;\u00e9tudiant<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-15\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Ce-que-cela-ne-veut-pas-dire\" >Ce que cela ne veut pas dire<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-16\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Questions-frequentes\" >Questions fr\u00e9quentes<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-17\" href=\"https:\/\/ceotudent.com\/fr\/culture-des-donnees-pour-non-analystes-notions-statistiques-qui-vous-protegent\/#Sources\" >Sources<\/a><\/li><\/ul><\/nav><\/div>\n<h2 id=\"pourquoi-un-non-analyste-a-t-il-besoin-de-statistiques-aujourdhui\"><span class=\"ez-toc-section\" id=\"Pourquoi-un-non-analyste-a-t-il-besoin-de-statistiques-aujourdhui\"><\/span>Pourquoi un non-analyste a-t-il besoin de statistiques aujourd&rsquo;hui ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Produire un graphique ou une phrase du type \u00ab la plupart des clients pr\u00e9f\u00e8rent \u00bb ne co\u00fbte d\u00e9sormais presque rien, si bien que davantage de chiffres parviennent aux d\u00e9cideurs avec moins de v\u00e9rification (voir notre article sur la <a href=\"\/fr\/crise-signal-bruit-filtrage-information-ere-ia\">crise du rapport signal\/bruit<\/a>). La plus r\u00e9cente mesure internationale de la num\u00e9ratie des adultes montre \u00e0 quel point les lecteurs sont expos\u00e9s.<\/p>\n<p>L&rsquo;Enqu\u00eate sur les comp\u00e9tences des adultes de l&rsquo;OCDE a test\u00e9 des adultes \u00e2g\u00e9s de 16 \u00e0 65 ans dans 31 pays participants. Le score moyen de num\u00e9ratie de l&rsquo;OCDE \u00e9tait de 263 sur une \u00e9chelle de 0 \u00e0 500. Les adultes de niveau 1, selon la description de l&rsquo;enqu\u00eate, manient les nombres entiers, les d\u00e9cimaux, les fractions courantes et les pourcentages et \u00ab \u00e9laborent des strat\u00e9gies simples en une ou deux \u00e9tapes \u00bb. Lire un risque relatif, une probabilit\u00e9 conditionnelle ou une moyenne asym\u00e9trique demande g\u00e9n\u00e9ralement plus d&rsquo;\u00e9tapes que cela.<\/p>\n<p><strong>Tableau 1. Num\u00e9ratie des adultes dans une s\u00e9lection de pays, Enqu\u00eate sur les comp\u00e9tences des adultes de l&rsquo;OCDE 2023 (adultes de 16-65 ans)<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Pays ou \u00e9conomie<\/th>\n<th>Score moyen de num\u00e9ratie<\/th>\n<th>Niveau 1 ou en dessous<\/th>\n<th>Niveau 4<\/th>\n<th>Niveau 5<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Moyenne OCDE<\/td>\n<td>263<\/td>\n<td>25 %<\/td>\n<td>12 %<\/td>\n<td>2 %<\/td>\n<\/tr>\n<tr>\n<td>Finlande<\/td>\n<td>294<\/td>\n<td>12 %<\/td>\n<td>26 %<\/td>\n<td>5 %<\/td>\n<\/tr>\n<tr>\n<td>Japon<\/td>\n<td>291<\/td>\n<td>10 %<\/td>\n<td>21 %<\/td>\n<td>3 %<\/td>\n<\/tr>\n<tr>\n<td>Pays-Bas<\/td>\n<td>284<\/td>\n<td>15 %<\/td>\n<td>20 %<\/td>\n<td>4 %<\/td>\n<\/tr>\n<tr>\n<td>Allemagne<\/td>\n<td>273<\/td>\n<td>20 %<\/td>\n<td>16 %<\/td>\n<td>2 %<\/td>\n<\/tr>\n<tr>\n<td>Angleterre (Royaume-Uni)<\/td>\n<td>268<\/td>\n<td>21 %<\/td>\n<td>14 %<\/td>\n<td>2 %<\/td>\n<\/tr>\n<tr>\n<td>France<\/td>\n<td>257<\/td>\n<td>28 %<\/td>\n<td>10 %<\/td>\n<td>1 %<\/td>\n<\/tr>\n<tr>\n<td>Espagne<\/td>\n<td>250<\/td>\n<td>30 %<\/td>\n<td>6 %<\/td>\n<td>0 %<\/td>\n<\/tr>\n<tr>\n<td>\u00c9tats-Unis<\/td>\n<td>249<\/td>\n<td>34 %<\/td>\n<td>10 %<\/td>\n<td>2 %<\/td>\n<\/tr>\n<tr>\n<td>Italie<\/td>\n<td>244<\/td>\n<td>35 %<\/td>\n<td>6 %<\/td>\n<td>0 %<\/td>\n<\/tr>\n<tr>\n<td>Chili<\/td>\n<td>214<\/td>\n<td>56 %<\/td>\n<td>2 %<\/td>\n<td>0 %<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Source : Enqu\u00eate sur les comp\u00e9tences des adultes de l&rsquo;OCDE 2023, reprise par le Central Statistics Office irlandais (PIAAC 2023 International Comparison, tableaux 3.2 et 3.5). Pourcentages arrondis tels que publi\u00e9s.<\/p>\n<p>Deux lectures comptent. L&rsquo;\u00e9cart est important : 80 points s\u00e9parent les moyennes finlandaise et chilienne, et la part d&rsquo;adultes \u00e0 faible num\u00e9ratie va de 10 % au Japon \u00e0 56 % au Chili. Et m\u00eame dans le pays le plus performant, la plupart des adultes ne sont pas au sommet : les niveaux 4 et 5 r\u00e9unis couvrent 31 % des adultes finlandais et 14 % en moyenne OCDE (calcul CEOtudent \u00e0 partir des parts arrondies). Ne supposez pas que la personne qui pr\u00e9sente un graphique en fait partie.<\/p>\n<p>Le National Center for Education Statistics am\u00e9ricain ajoute une tendance : la part des adultes am\u00e9ricains au niveau 1 ou en dessous en num\u00e9ratie est pass\u00e9e de 29 % en 2017 \u00e0 34 % en 2023, avec la mise en garde que l&rsquo;\u00e9dition 2023 a \u00e9t\u00e9 enti\u00e8rement administr\u00e9e sur tablette et que les \u00e9valuations diff\u00e8rent.<\/p>\n<h2 id=\"notion-1-sagit-il-dune-variation-relative-ou-dune-variation-absolue\"><span class=\"ez-toc-section\" id=\"Notion-1-sagit-il-dune-variation-relative-ou-dune-variation-absolue\"><\/span>Notion 1 : s&rsquo;agit-il d&rsquo;une variation relative ou d&rsquo;une variation absolue ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Sur une base faible, les variations relatives paraissent spectaculaires alors que les variations absolues restent minimes.<\/p>\n<p>Gerd Gigerenzer et ses coll\u00e8gues, dans une monographie de 2007 parue dans <em>Psychological Science in the Public Interest<\/em>, d\u00e9crivent la panique britannique autour de la pilule contraceptive. En octobre 1995, les autorit\u00e9s ont averti que les pilules de troisi\u00e8me g\u00e9n\u00e9ration doublaient le risque de thrombose, soit une hausse de 100 %. Les \u00e9tudes sous-jacentes montraient environ 1 cas pour 7 000 femmes sous les anciennes pilules et environ 2 pour 7 000 sous les nouvelles : une hausse absolue de 1 sur 7 000. Les auteurs font \u00e9tat d&rsquo;environ 13 000 avortements suppl\u00e9mentaires en Angleterre et au pays de Galles l&rsquo;ann\u00e9e suivante.<\/p>\n<p>La m\u00eame monographie montre l&rsquo;inverse pour les b\u00e9n\u00e9fices. Une r\u00e9duction de 25 % des d\u00e9c\u00e8s par cancer du sein gr\u00e2ce au d\u00e9pistage par mammographie correspond, selon les termes des auteurs, \u00e0 \u00ab 1 femme de moins sur 1 000 \u00bb. Dans des \u00e9chantillons al\u00e9atoires de femmes de quatre pays, seules 6 % ont donn\u00e9 une r\u00e9ponse que les auteurs ont jug\u00e9e correcte (0 \u00e0 5 sur 1 000), tandis que 60 % des r\u00e9pondantes am\u00e9ricaines pensaient que le b\u00e9n\u00e9fice \u00e9tait de 80 sur 1 000 ou plus. (Exemples de cadrage issus de recherches de 2007, pas des recommandations de sant\u00e9.)<\/p>\n<p><strong>Tableau 2. Analyse CEOtudent : le m\u00eame r\u00e9sultat publi\u00e9 exprim\u00e9 de quatre fa\u00e7ons<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>R\u00e9sultat publi\u00e9<\/th>\n<th>Cadrage relatif<\/th>\n<th>Cadrage absolu<\/th>\n<th>Effectifs pour 1 000<\/th>\n<th>Unit\u00e9s par cas suppl\u00e9mentaire ou \u00e9vit\u00e9<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Thrombose, nouvelle pilule vs ancienne (Gigerenzer et al. 2007)<\/td>\n<td>+100 %<\/td>\n<td>+1 sur 7 000 (0,014 point de pourcentage)<\/td>\n<td>0,14 \u00e0 0,29<\/td>\n<td>7 000 femmes par cas suppl\u00e9mentaire<\/td>\n<\/tr>\n<tr>\n<td>D\u00e9c\u00e8s par cancer du sein avec d\u00e9pistage (Gigerenzer et al. 2007)<\/td>\n<td>-25 %<\/td>\n<td>1 de moins sur 1 000<\/td>\n<td>environ 4 \u00e0 3 (base implicite)<\/td>\n<td>1 000 femmes d\u00e9pist\u00e9es par d\u00e9c\u00e8s \u00e9vit\u00e9<\/td>\n<\/tr>\n<tr>\n<td>Graphique en barres sur un taux d&rsquo;imposition (Correll et al. 2020, fig. 1b)<\/td>\n<td>+13,1 %<\/td>\n<td>+4,6 points de pourcentage (35,0 % \u00e0 39,6 %)<\/td>\n<td>350 \u00e0 396 pour 1 000 dollars<\/td>\n<td>Barre dessin\u00e9e 5,6 fois plus haute<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Analyse CEOtudent des chiffres de Gigerenzer et al. (2007) et de Correll, Bertini et Franconeri (2020) ; calculs dans calc.py. La base de la ligne 2 est d\u00e9duite : une baisse relative de 25 % \u00e9quivalant \u00e0 1 sur 1 000 implique un risque de d\u00e9part d&rsquo;environ 4 sur 1 000.<\/p>\n<p><strong>La question \u00e0 poser :<\/strong> \u00ab Sur combien ? \u00bb<\/p>\n<h2 id=\"notion-2-que-se-passe-t-il-sur-1-000-taux-de-base-et-frquences-naturelles\"><span class=\"ez-toc-section\" id=\"Notion-2-que-se-passe-t-il-sur-1-000-Taux-de-base-et-frequences-naturelles\"><\/span>Notion 2 : que se passe-t-il sur 1 000 ? Taux de base et fr\u00e9quences naturelles<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Notre article sur <a href=\"\/fr\/taux-de-base-vue-exterieure-remede-sous-utilise-mauvaises-previsions\">les taux de base et la vue ext\u00e9rieure<\/a> explique pourquoi les r\u00e9sultats typiques doivent ancrer les pr\u00e9visions. Les fr\u00e9quences naturelles, c&rsquo;est-\u00e0-dire des probabilit\u00e9s reformul\u00e9es en effectifs dans un groupe imaginaire, rendent les taux de base utilisables sur le moment.<\/p>\n<p>Lors d&rsquo;une session de formation continue de 2007 d\u00e9crite dans la monographie de Gigerenzer, on a indiqu\u00e9 \u00e0 160 gyn\u00e9cologues : 1 % des femmes d&rsquo;une population d\u00e9pist\u00e9e ont un cancer du sein ; une femme atteinte d&rsquo;un cancer obtient un test positif dans 90 % des cas ; une femme sans cancer obtient tout de m\u00eame un test positif dans 9 % des cas. Interrog\u00e9s sur la signification d&rsquo;un r\u00e9sultat positif, la plupart ont r\u00e9pondu \u00ab 90 % \u00bb ou \u00ab 81 % \u00bb, les estimations allaient de 1 % \u00e0 90 %, et 21 % ont choisi la meilleure r\u00e9ponse.<\/p>\n<p>Reformul\u00e9 en effectifs : sur 1 000 femmes, dix ont un cancer du sein, et 9 d&rsquo;entre elles obtiennent un test positif. Sur les 990 sans cancer, environ 89 obtiennent aussi un test positif. Donc, sur environ 98 tests positifs, environ 9 correspondent \u00e0 un cancer, soit \u00e0 peu pr\u00e8s 1 sur 10 ou 9,2 % (calcul CEOtudent). Apr\u00e8s une formation \u00e0 cette traduction, 87 % des gyn\u00e9cologues ont choisi la bonne r\u00e9ponse.<\/p>\n<p>Les m\u00e9decins n&rsquo;ont pas chang\u00e9 ; la repr\u00e9sentation, si. La m\u00e9thode s&rsquo;applique \u00e0 tout filtre, des mod\u00e8les de d\u00e9tection de fraude aux d\u00e9tecteurs de textes g\u00e9n\u00e9r\u00e9s par IA : partez de 1 000 cas, appliquez le taux de base, le taux de d\u00e9tection et le taux de fausses alertes, puis comptez.<\/p>\n<p><strong>La question \u00e0 poser :<\/strong> \u00ab Parmi tous les cas signal\u00e9s, combien sont r\u00e9els ? \u00bb<\/p>\n<h2 id=\"notion-3-quelle-tait-la-taille-de-lchantillon\"><span class=\"ez-toc-section\" id=\"Notion-3-quelle-etait-la-taille-de-lechantillon\"><\/span>Notion 3 : quelle \u00e9tait la taille de l&rsquo;\u00e9chantillon ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Les petits groupes produisent des r\u00e9sultats extr\u00eames dans les deux sens, car quelques cas suffisent \u00e0 faire beaucoup bouger leur moyenne. Howard Wainer, dans un essai de 2007 paru dans <em>American Scientist<\/em>, a qualifi\u00e9 le r\u00e9sultat de de Moivre de 1730, selon lequel la variabilit\u00e9 d&rsquo;une moyenne diminue avec la racine carr\u00e9e de la taille de l&rsquo;\u00e9chantillon, de \u00ab l&rsquo;\u00e9quation la plus dangereuse \u00bb.<\/p>\n<p>Son exemple central a co\u00fbt\u00e9 cher. \u00c0 partir de la fin des ann\u00e9es 1990, la Bill and Melinda Gates Foundation a soutenu les petites \u00e9coles, avec des subventions \u00e0 l&rsquo;\u00e9ducation d&rsquo;environ 1,7 milliard $ en 2001, en partie parce que les petites \u00e9coles \u00e9taient surrepr\u00e9sent\u00e9es parmi les meilleurs r\u00e9sultats. Wainer et Harris Zwerling ont examin\u00e9 les 1 662 \u00e9coles de Pennsylvanie publiant des scores de lecture en 5e ann\u00e9e. Parmi les 50 meilleures, 6 faisaient partie des 3 % d&rsquo;\u00e9coles les plus petites : 12 % au lieu des 3 % attendus, une surrepr\u00e9sentation quadruple. Mais 9 des 50 \u00e9coles aux scores les plus faibles (18 %) figuraient aussi parmi les 50 plus petites. Les petites \u00e9coles se concentraient aux deux extr\u00eames, et la relation globale entre la taille et les scores de 5e ann\u00e9e \u00e9tait pour l&rsquo;essentiel nulle.<\/p>\n<p>Il en va de m\u00eame pour les classements en entreprise : si l&rsquo;agence au meilleur taux de conversion ou l&rsquo;\u00e9quipe pilote d&rsquo;IA la mieux not\u00e9e est aussi la plus petite unit\u00e9, la taille seule peut expliquer son rang.<\/p>\n<p>Pour donner un ordre de grandeur, prenons une hypoth\u00e8se illustrative : une question d&rsquo;enqu\u00eate dont la vraie r\u00e9ponse est 50 %. Avec 8 r\u00e9pondants, l&rsquo;erreur type est d&rsquo;environ 17,7 points de pourcentage, si bien qu&rsquo;un intervalle approximatif \u00e0 95 % s&rsquo;\u00e9tend sur environ 35 points de part et d&rsquo;autre. Avec 400 r\u00e9pondants, elle est de 2,5 points. Cinquante fois plus de donn\u00e9es n&rsquo;apportent qu&rsquo;environ sept fois plus de pr\u00e9cision (calcul CEOtudent dans calc.py).<\/p>\n<p><strong>La question \u00e0 poser :<\/strong> \u00ab Sur combien de cas cela repose-t-il, et o\u00f9 se classent les plus petits groupes ? \u00bb<\/p>\n<h2 id=\"notion-4-qui-manque-dans-les-donnes-les-filtres-de-slection\"><span class=\"ez-toc-section\" id=\"Notion-4-qui-manque-dans-les-donnees-Les-filtres-de-selection\"><\/span>Notion 4 : qui manque dans les donn\u00e9es ? Les filtres de s\u00e9lection<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Les r\u00e9pondants ont choisi de r\u00e9pondre, les \u00e9tudes de cas ont \u00e9t\u00e9 retenues parce qu&rsquo;elles ont r\u00e9ussi, les \u00e9tudes ont \u00e9t\u00e9 publi\u00e9es en partie parce que leurs r\u00e9sultats \u00e9taient frappants. Lorsqu&rsquo;un filtre favorise certains r\u00e9sultats, les donn\u00e9es visibles les surestiment.<\/p>\n<p>L&rsquo;Open Science Collaboration, avec 270 auteurs contributeurs et le soutien du Center for Open Science, a reproduit 100 \u00e9tudes exp\u00e9rimentales et corr\u00e9lationnelles publi\u00e9es dans trois revues de psychologie, en utilisant des protocoles \u00e0 forte puissance statistique. Son rapport de 2015 paru dans <em>Science<\/em> a montr\u00e9 que 97 % des \u00e9tudes originales avaient des r\u00e9sultats significatifs, contre 36 % des r\u00e9plications (35 sur 97). La taille d&rsquo;effet moyenne est pass\u00e9e de 0,403 \u00e0 0,197, soit environ la moiti\u00e9 (calcul CEOtudent : 0,49), et dans 82 des 99 paires comparables l&rsquo;effet original \u00e9tait plus grand.<\/p>\n<p>Ces chiffres sont propres aux revues \u00e9tudi\u00e9es, mais toute litt\u00e9rature ou toute page de \u00ab t\u00e9moignages clients \u00bb montre les survivants d&rsquo;un filtre.<\/p>\n<p><strong>La question \u00e0 poser :<\/strong> \u00ab Qu&rsquo;est-ce qui n&rsquo;est pas visible ici ? \u00bb Demandez qui n&rsquo;a pas r\u00e9pondu, ce qui a \u00e9t\u00e9 exclu et combien de tentatives ont pr\u00e9c\u00e9d\u00e9 celle qui est montr\u00e9e.<\/p>\n<h2 id=\"notion-5-autre-chose-pourrait-il-lexpliquer-corrlation-et-facteurs-de-confusion\"><span class=\"ez-toc-section\" id=\"Notion-5-autre-chose-pourrait-il-lexpliquer-Correlation-et-facteurs-de-confusion\"><\/span>Notion 5 : autre chose pourrait-il l&rsquo;expliquer ? Corr\u00e9lation et facteurs de confusion<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Deux \u00e9l\u00e9ments qui \u00e9voluent ensemble peuvent avoir une cause commune (un facteur de confusion), fonctionner en sens inverse ou simplement suivre la m\u00eame tendance.<\/p>\n<p>Un cas d&rsquo;\u00e9cole : en 2012, le <em>New England Journal of Medicine<\/em> a publi\u00e9 un court article de Franz Messerli sur une corr\u00e9lation entre la consommation de chocolat et le nombre de laur\u00e9ats du prix Nobel. Comme le r\u00e9sument Pierre Maurage, Alexandre Heeren et Mauro Pesenti dans <em>The Journal of Nutrition<\/em> (2013), il a conduit \u00e0 sugg\u00e9rer que davantage de chocolat pourrait signifier davantage de laur\u00e9ats gr\u00e2ce aux flavanols du cacao. Ils soutiennent que cette interpr\u00e9tation s&rsquo;effondre d\u00e8s que l&rsquo;on consid\u00e8re d&rsquo;autres aliments riches en flavanols, et rapportent de fortes corr\u00e9lations entre le nombre de laur\u00e9ats et d&rsquo;autres mesures, \u00ab qu&rsquo;elles soient logiquement li\u00e9es ou non \u00bb (r\u00e9sum\u00e9). La richesse nationale et les d\u00e9penses de recherche sont des causes communes plausibles.<\/p>\n<p>Au travail, le sch\u00e9ma est moins amusant. Les \u00e9quipes qui utilisent un nouvel outil d&rsquo;IA d\u00e9clarent une production plus \u00e9lev\u00e9e, mais les premiers adoptants avaient peut-\u00eatre aussi les meilleurs managers. Les clients qui utilisent une fonctionnalit\u00e9 r\u00e9silient moins, mais les clients engag\u00e9s utilisent \u00e0 la fois plus de fonctionnalit\u00e9s et r\u00e9silient moins.<\/p>\n<p><strong>La question \u00e0 poser :<\/strong> \u00ab Qu&rsquo;est-ce qui diff\u00e8re d&rsquo;autre entre ces groupes, et quelqu&rsquo;un a-t-il \u00e9t\u00e9 affect\u00e9 au hasard ? \u00bb<\/p>\n<h2 id=\"notion-6-le-schma-sinverse-t-il-quand-on-dcoupe-les-donnes-le-paradoxe-de-simpson\"><span class=\"ez-toc-section\" id=\"Notion-6-le-schema-sinverse-t-il-quand-on-decoupe-les-donnees-Le-paradoxe-de-Simpson\"><\/span>Notion 6 : le sch\u00e9ma s&rsquo;inverse-t-il quand on d\u00e9coupe les donn\u00e9es ? Le paradoxe de Simpson<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Une comparaison peut pointer dans un sens sur le total et dans le sens oppos\u00e9 \u00e0 l&rsquo;int\u00e9rieur des sous-groupes lorsque les groupes sont in\u00e9galement r\u00e9partis entre ces sous-groupes. Le cas classique est celui des admissions en cycle sup\u00e9rieur de l&rsquo;automne 1973 \u00e0 l&rsquo;University of California, Berkeley, analys\u00e9es par Peter Bickel, Eugene Hammel et William O&rsquo;Connell dans <em>Science<\/em> en 1975. Les donn\u00e9es des six plus grands d\u00e9partements sont fournies avec le logiciel statistique R, de sorte que les chiffres peuvent \u00eatre recalcul\u00e9s exactement.<\/p>\n<p><strong>Tableau 3. Analyse CEOtudent : admissions \u00e0 UC Berkeley, automne 1973, six plus grands d\u00e9partements<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>D\u00e9partement<\/th>\n<th>Hommes admis<\/th>\n<th>Taux des hommes<\/th>\n<th>Femmes admises<\/th>\n<th>Taux des femmes<\/th>\n<th>\u00c9cart (femmes moins hommes)<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>A<\/td>\n<td>512 sur 825<\/td>\n<td>62,1 %<\/td>\n<td>89 sur 108<\/td>\n<td>82,4 %<\/td>\n<td>+20,3 points<\/td>\n<\/tr>\n<tr>\n<td>B<\/td>\n<td>353 sur 560<\/td>\n<td>63,0 %<\/td>\n<td>17 sur 25<\/td>\n<td>68,0 %<\/td>\n<td>+5,0 points<\/td>\n<\/tr>\n<tr>\n<td>C<\/td>\n<td>120 sur 325<\/td>\n<td>36,9 %<\/td>\n<td>202 sur 593<\/td>\n<td>34,1 %<\/td>\n<td>-2,9 points<\/td>\n<\/tr>\n<tr>\n<td>D<\/td>\n<td>138 sur 417<\/td>\n<td>33,1 %<\/td>\n<td>131 sur 375<\/td>\n<td>34,9 %<\/td>\n<td>+1,8 point<\/td>\n<\/tr>\n<tr>\n<td>E<\/td>\n<td>53 sur 191<\/td>\n<td>27,7 %<\/td>\n<td>94 sur 393<\/td>\n<td>23,9 %<\/td>\n<td>-3,8 points<\/td>\n<\/tr>\n<tr>\n<td>F<\/td>\n<td>22 sur 373<\/td>\n<td>5,9 %<\/td>\n<td>24 sur 341<\/td>\n<td>7,0 %<\/td>\n<td>+1,1 point<\/td>\n<\/tr>\n<tr>\n<td>Les six r\u00e9unis<\/td>\n<td>1 198 sur 2 691<\/td>\n<td>44,5 %<\/td>\n<td>557 sur 1 835<\/td>\n<td>30,4 %<\/td>\n<td>-14,2 points<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Analyse CEOtudent du jeu de donn\u00e9es UCBAdmissions distribu\u00e9 avec R (4 526 candidats), issu de Bickel, Hammel et O&rsquo;Connell (1975) ; taux recalcul\u00e9s dans calc.py.<\/p>\n<p>Globalement, les hommes ont \u00e9t\u00e9 admis \u00e0 44,5 % et les femmes \u00e0 30,4 %. Pourtant, les taux des femmes \u00e9taient plus \u00e9lev\u00e9s dans quatre des six d\u00e9partements. L&rsquo;inversion vient de l&rsquo;endroit o\u00f9 les candidats ont postul\u00e9 : 51,5 % des hommes ont postul\u00e9 aux d\u00e9partements A et B, qui admettaient la plupart des candidats, tandis que 92,8 % des femmes ont postul\u00e9 aux d\u00e9partements C \u00e0 F, qui en refusaient la plupart (calcul CEOtudent). La documentation de R le dit clairement : l&rsquo;association apparente \u00ab provient de diff\u00e9rences dans la tendance des hommes et des femmes \u00e0 postuler aux diff\u00e9rents d\u00e9partements \u00bb.<\/p>\n<p><strong>La question \u00e0 poser :<\/strong> \u00ab Le r\u00e9sultat tient-il \u00e0 l&rsquo;int\u00e9rieur de chaque segment, et les groupes sont-ils r\u00e9partis de la m\u00eame fa\u00e7on entre les segments ? \u00bb<\/p>\n<h2 id=\"notion-7-a-t-il-t-choisi-parce-quil-tait-extrme-la-rgression-vers-la-moyenne\"><span class=\"ez-toc-section\" id=\"Notion-7-a-t-il-ete-choisi-parce-quil-etait-extreme-La-regression-vers-la-moyenne\"><\/span>Notion 7 : a-t-il \u00e9t\u00e9 choisi parce qu&rsquo;il \u00e9tait extr\u00eame ? La r\u00e9gression vers la moyenne<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Tout ce qui est s\u00e9lectionn\u00e9 parce qu&rsquo;il est inhabituellement \u00e9lev\u00e9 ou bas tend \u00e0 se rapprocher de la moyenne lors de la mesure suivante, qu&rsquo;il y ait eu intervention ou non. Adrian Barnett, Jolieke van der Pols et Annette Dobson (<em>International Journal of Epidemiology<\/em>, 2005) d\u00e9crivent la r\u00e9gression vers la moyenne comme un ph\u00e9nom\u00e8ne qui \u00ab peut faire passer la variation naturelle de donn\u00e9es r\u00e9p\u00e9t\u00e9es pour un changement r\u00e9el \u00bb, d&rsquo;autant plus marqu\u00e9 que l&rsquo;erreur de mesure est importante et que le suivi ne porte que sur des cas s\u00e9lectionn\u00e9s sur une premi\u00e8re valeur extr\u00eame (r\u00e9sum\u00e9).<\/p>\n<p>L&rsquo;autobiographie Nobel de Daniel Kahneman en donne la version professionnelle. Un instructeur de vol contestait son conseil sur les \u00e9loges : les \u00e9l\u00e8ves pilotes f\u00e9licit\u00e9s pour une man\u0153uvre impeccable faisaient g\u00e9n\u00e9ralement moins bien la fois suivante, et ceux qui se faisaient crier dessus progressaient g\u00e9n\u00e9ralement. Kahneman a compris que les performances extr\u00eames rel\u00e8vent en partie de la chance, qui ne se r\u00e9p\u00e8te pas sur commande, de sorte que \u00ab nous sommes statistiquement punis quand nous r\u00e9compensons les autres et r\u00e9compens\u00e9s quand nous les punissons \u00bb.<\/p>\n<p>Ainsi, la pire r\u00e9gion s&rsquo;am\u00e9liore apr\u00e8s un programme de redressement et le meilleur \u00e9l\u00e9ment recule apr\u00e8s une prime, ce qui ne prouve rien dans un cas comme dans l&rsquo;autre.<\/p>\n<p><strong>La question \u00e0 poser :<\/strong> \u00ab A-t-il \u00e9t\u00e9 retenu pour un r\u00e9sultat extr\u00eame, et qu&rsquo;est-il arriv\u00e9 \u00e0 un groupe similaire sans intervention ? \u00bb<\/p>\n<h2 id=\"notion-8-la-moyenne-de-quoi-moyenne-mdiane-et-asymtrie\"><span class=\"ez-toc-section\" id=\"Notion-8-la-moyenne-de-quoi-Moyenne-mediane-et-asymetrie\"><\/span>Notion 8 : la moyenne de quoi ? Moyenne, m\u00e9diane et asym\u00e9trie<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La moyenne additionne tout et divise ; la m\u00e9diane est le cas du milieu. Lorsque quelques valeurs sont tr\u00e8s \u00e9lev\u00e9es, comme pour les revenus, la taille des contrats, les d\u00e9passements de budget ou le temps gagn\u00e9 gr\u00e2ce \u00e0 un outil d&rsquo;IA, la moyenne est tir\u00e9e vers la queue de distribution.<\/p>\n<p>Le rapport <em>Income in the United States: 2025<\/em> du US Census Bureau (septembre 2026) situe le revenu m\u00e9dian des m\u00e9nages \u00e0 87 460 $, en hausse de 2,6 % par rapport \u00e0 85 210 $ en 2024. Le tableau historique H-6 du Bureau situe la moyenne 2025 \u00e0 126 700 $ : 39 240 $, soit 45 % au-dessus de la m\u00e9diane (calcul CEOtudent). Le rapport note aussi que le revenu au 90e centile \u00e9tait 13,06 fois celui du 10e. \u00ab Le m\u00e9nage moyen \u00bb peut s&rsquo;\u00e9carter de dizaines de milliers de dollars sans qu&rsquo;aucun chiffre soit faux, et il en va de m\u00eame pour le \u00ab temps moyen gagn\u00e9 \u00bb lorsque quelques utilisateurs intensifs dominent.<\/p>\n<p><strong>La question \u00e0 poser :<\/strong> \u00ab Moyenne ou m\u00e9diane, et \u00e0 quoi ressemble la dispersion ? \u00bb<\/p>\n<h2 id=\"notion-9-o-commence-laxe-la-conception-trompeuse-des-graphiques\"><span class=\"ez-toc-section\" id=\"Notion-9-ou-commence-laxe-La-conception-trompeuse-des-graphiques\"><\/span>Notion 9 : o\u00f9 commence l&rsquo;axe ? La conception trompeuse des graphiques<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Michael Correll, Enrico Bertini et Steven Franconeri (CHI 2020) reproduisent un graphique en barres t\u00e9l\u00e9vis\u00e9 comparant un taux d&rsquo;imposition marginal sup\u00e9rieur de 35,0 % \u00e0 39,6 %. Avec un axe des ordonn\u00e9es commen\u00e7ant \u00e0 34 %, la seconde barre \u00e9tait dessin\u00e9e environ six fois plus haute, alors que le rapport entre les valeurs est de 1,13 pour 1. L&rsquo;article qualifie la diff\u00e9rence d&rsquo;\u00ab une hausse de 4,6 % \u00bb ; \u00e0 strictement parler, il s&rsquo;agit de 4,6 points de pourcentage, soit une hausse relative de 13,1 % (calcul CEOtudent). M\u00eame des chercheurs rigoureux confondent pourcentage et points de pourcentage.<\/p>\n<p>Leurs exp\u00e9riences men\u00e9es par crowdsourcing ont montr\u00e9 que tronquer l&rsquo;axe des ordonn\u00e9es avait \u00ab un impact constant et significatif sur l&rsquo;importance per\u00e7ue des tailles d&rsquo;effet \u00bb, dans les graphiques lin\u00e9aires comme dans les graphiques en barres, et que des signaux d&rsquo;avertissement tels qu&rsquo;un axe bris\u00e9 ou un remplissage en d\u00e9grad\u00e9 n&rsquo;avaient pas d&rsquo;effet constant. Conna\u00eetre l&rsquo;astuce ne la neutralise pas ; il faut lire les \u00e9tiquettes des axes.<\/p>\n<p><strong>La question \u00e0 poser :<\/strong> \u00ab Quelles sont les valeurs des axes, et quelle variation compterait r\u00e9ellement ici ? \u00bb<\/p>\n<h2 id=\"notion-10-que-vous-apprend-statistiquement-significatif\"><span class=\"ez-toc-section\" id=\"Notion-10-que-vous-apprend-%C2%AB-statistiquement-significatif-%C2%BB\"><\/span>Notion 10 : que vous apprend \u00ab statistiquement significatif \u00bb ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Le 7 mars 2016, l&rsquo;American Statistical Association a publi\u00e9 six principes sur les valeurs p. Principe 2 : \u00ab Les valeurs p ne mesurent pas la probabilit\u00e9 que l&rsquo;hypoth\u00e8se \u00e9tudi\u00e9e soit vraie, ni la probabilit\u00e9 que les donn\u00e9es aient \u00e9t\u00e9 produites par le seul hasard. \u00bb Principe 5 : une valeur p \u00ab ne mesure pas la taille d&rsquo;un effet ni l&rsquo;importance d&rsquo;un r\u00e9sultat \u00bb. Le principe 3 ajoute que \u00ab les d\u00e9cisions commerciales ou politiques ne devraient pas reposer uniquement sur le fait qu&rsquo;une valeur p franchit un seuil donn\u00e9 \u00bb.<\/p>\n<p>\u00ab Significatif \u00bb ne veut pas dire grand, important ou susceptible d&rsquo;\u00eatre reproduit, comme le montre la notion 4.<\/p>\n<p>Un pi\u00e8ge voisin est le th\u00e9\u00e2tre de la pr\u00e9cision : un gain de productivit\u00e9 annonc\u00e9 \u00e0 deux d\u00e9cimales \u00e0 partir d&rsquo;un pilote men\u00e9 avec une poign\u00e9e de personnes. Les d\u00e9cimales ne disent rien de l&rsquo;incertitude. Notre audit de l&rsquo;<a href=\"\/fr\/combien-de-decisions-prenez-vous-par-jour-audit-des-35000\">affirmation des 35 000 d\u00e9cisions par jour<\/a> montre un chiffre \u00e0 l&rsquo;allure pr\u00e9cise qui circule depuis des ann\u00e9es sans mesure tra\u00e7able, et notre guide du <a href=\"\/fr\/calibrage-de-la-confiance-a-quel-point-devriez-vous-vraiment-etre-sur\">calibrage de la confiance<\/a> montre comment juger si une fourchette annonc\u00e9e est honn\u00eate.<\/p>\n<p><strong>La question \u00e0 poser :<\/strong> \u00ab Quelle est la taille de l&rsquo;effet, quelle est son incertitude, et quelqu&rsquo;un d&rsquo;autre l&rsquo;a-t-il retrouv\u00e9 ? \u00bb<\/p>\n<h2 id=\"le-guide-de-terrain-des-chiffres-trompeurs\"><span class=\"ez-toc-section\" id=\"Le-guide-de-terrain-des-chiffres-trompeurs\"><\/span>Le guide de terrain des chiffres trompeurs<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Tableau 4. Cadre \u00e9ditorial CEOtudent : le guide de terrain des chiffres trompeurs<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>Notion<\/th>\n<th>Le pi\u00e8ge en une ligne<\/th>\n<th>La question unique<\/th>\n<th>La version honn\u00eate<\/th>\n<th>O\u00f9 il appara\u00eet au travail<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Relatif vs absolu<\/td>\n<td>Gros pourcentage, base minime<\/td>\n<td>Sur combien ?<\/td>\n<td>\u00ab De 4 \u00e0 2 pour 1 000 (50 %) \u00bb<\/td>\n<td>Pr\u00e9sentations de fournisseurs, gros titres<\/td>\n<\/tr>\n<tr>\n<td>Taux de base<\/td>\n<td>Pr\u00e9cision du test lue comme pr\u00e9cision du signalement<\/td>\n<td>Parmi tous les cas signal\u00e9s, combien sont r\u00e9els ?<\/td>\n<td>Vrais et faux positifs pour 1 000<\/td>\n<td>Alertes de fraude, tri de CV, d\u00e9tecteurs d&rsquo;IA<\/td>\n<\/tr>\n<tr>\n<td>Taille de l&rsquo;\u00e9chantillon<\/td>\n<td>Les petites unit\u00e9s gagnent et perdent les classements<\/td>\n<td>Combien de cas ?<\/td>\n<td>n indiqu\u00e9, avec un intervalle<\/td>\n<td>Classements, pilotes, enqu\u00eates d&rsquo;\u00e9quipe<\/td>\n<\/tr>\n<tr>\n<td>S\u00e9lection<\/td>\n<td>Seuls les survivants sont visibles<\/td>\n<td>Qu&rsquo;est-ce qui n&rsquo;est pas visible ici ?<\/td>\n<td>Taux de r\u00e9ponse, exclusions communiqu\u00e9es<\/td>\n<td>\u00c9tudes de cas, t\u00e9moignages<\/td>\n<\/tr>\n<tr>\n<td>Corr\u00e9lation<\/td>\n<td>\u00c9volution conjointe lue comme causalit\u00e9<\/td>\n<td>Qu&rsquo;est-ce qui diff\u00e8re d&rsquo;autre ? Affectation al\u00e9atoire ?<\/td>\n<td>Comparaison contr\u00f4l\u00e9e, facteurs de confusion nomm\u00e9s<\/td>\n<td>Tableaux de bord adoption vs performance<\/td>\n<\/tr>\n<tr>\n<td>Paradoxe de Simpson<\/td>\n<td>Le total contredit les segments<\/td>\n<td>Cela tient-il dans chaque segment ?<\/td>\n<td>Tableau par segment \u00e0 c\u00f4t\u00e9 du total<\/td>\n<td>Ventes par r\u00e9gion, notes par \u00e9quipe<\/td>\n<\/tr>\n<tr>\n<td>R\u00e9gression vers la moyenne<\/td>\n<td>Les extr\u00eames reviennent vers la moyenne, l&rsquo;action en r\u00e9colte le m\u00e9rite<\/td>\n<td>Choisi pour son caract\u00e8re extr\u00eame ? Compar\u00e9 \u00e0 quoi ?<\/td>\n<td>Groupe de comparaison non trait\u00e9<\/td>\n<td>Redressements, primes, pilotes lanc\u00e9s sur le \u00ab pire mois \u00bb<\/td>\n<\/tr>\n<tr>\n<td>Moyenne vs m\u00e9diane<\/td>\n<td>Une queue de distribution tire la moyenne<\/td>\n<td>Moyenne ou m\u00e9diane ? Dispersion ?<\/td>\n<td>M\u00e9diane plus centiles<\/td>\n<td>Salaires, temps gagn\u00e9, taille des contrats<\/td>\n<\/tr>\n<tr>\n<td>Conception des graphiques<\/td>\n<td>L&rsquo;axe fabrique ou masque le spectaculaire<\/td>\n<td>Quelles sont les valeurs des axes ?<\/td>\n<td>Axe \u00e9tiquet\u00e9, \u00e9chelle justifi\u00e9e<\/td>\n<td>Diapositives de conseil d&rsquo;administration, graphiques g\u00e9n\u00e9r\u00e9s par IA<\/td>\n<\/tr>\n<tr>\n<td>Significativit\u00e9 et pr\u00e9cision<\/td>\n<td>\u00ab Significatif \u00bb et d\u00e9cimales lus comme de l&rsquo;importance<\/td>\n<td>Quelle taille, quelle incertitude, reproduit ?<\/td>\n<td>Taille d&rsquo;effet avec intervalle<\/td>\n<td>Tests A\/B, r\u00e9sum\u00e9s d&rsquo;\u00e9tudes par l&rsquo;IA<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Cadre \u00e9ditorial CEOtudent ; une aide \u00e0 la lecture, pas une proc\u00e9dure statistique.<\/p>\n<h2 id=\"une-check-list-de-10-questions-avant-toute-dcision-fonde-sur-une-statistique\"><span class=\"ez-toc-section\" id=\"Une-check-list-de-10-questions-avant-toute-decision-fondee-sur-une-statistique\"><\/span>Une check-list de 10 questions avant toute d\u00e9cision fond\u00e9e sur une statistique<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Utilisez-la avant qu&rsquo;un chiffre ne modifie un budget, un recrutement ou une strat\u00e9gie.<\/p>\n<ol>\n<li><strong>Source :<\/strong> le tableau ou l&rsquo;article d&rsquo;origine peut-il \u00eatre consult\u00e9 ?<\/li>\n<li><strong>D\u00e9nominateur :<\/strong> sur combien ?<\/li>\n<li><strong>Comparaison :<\/strong> par rapport \u00e0 quoi : l&rsquo;ann\u00e9e derni\u00e8re, un groupe t\u00e9moin, rien ?<\/li>\n<li><strong>Taille absolue :<\/strong> si c&rsquo;est relatif, quelles sont les valeurs avant et apr\u00e8s ?<\/li>\n<li><strong>Taux de base :<\/strong> \u00e0 quel point ce que l&rsquo;on d\u00e9tecte ou pr\u00e9dit est-il courant ?<\/li>\n<li><strong>\u00c9chantillon :<\/strong> combien de cas, choisis comment ?<\/li>\n<li><strong>Donn\u00e9es manquantes :<\/strong> qui ou quoi ne figure pas dans les donn\u00e9es, et pourquoi ?<\/li>\n<li><strong>Alternatives :<\/strong> qu&rsquo;est-ce qui d&rsquo;autre pourrait produire ce r\u00e9sultat, y compris la r\u00e9gression vers la moyenne ?<\/li>\n<li><strong>Segments :<\/strong> cela tient-il au sein des principaux sous-groupes ?<\/li>\n<li><strong>Incertitude :<\/strong> quelle est la fourchette, et quelqu&rsquo;un l&rsquo;a-t-il reproduit ?<\/li>\n<\/ol>\n<p><strong>Routine d&rsquo;entra\u00eenement hebdomadaire (environ 30 minutes) :<\/strong> lundi, notez une statistique tir\u00e9e du travail ou d&rsquo;une r\u00e9ponse d&rsquo;IA avec la source qu&rsquo;elle revendique. Mardi, retrouvez l&rsquo;original \u00e0 l&rsquo;aide de notre <a href=\"\/fr\/comment-verifier-les-faits-reponses-ia-protocole-de-verification-en-5-etapes\">protocole de v\u00e9rification des faits<\/a>. Mercredi, convertissez-la en effectifs sur 1 000 et r\u00e9digez la version absolue en une phrase. Jeudi, passez les dix questions et notez celles que la pr\u00e9sentation d&rsquo;origine a omises. Vendredi, \u00e9crivez deux lignes sur la d\u00e9cision que ce chiffre devrait et ne devrait pas \u00e9tayer ; comme le soutient notre article sur <a href=\"\/fr\/ecrire-pour-penser-pourquoi-l-ecriture-compte-plus-quand-l-ia-redige\">l&rsquo;\u00e9criture pour penser<\/a>, l&rsquo;\u00e9crire permet de v\u00e9rifier si vous l&rsquo;avez compris.<\/p>\n<p><strong>Tableau 5. Exemple chiffr\u00e9 illustratif : un fournisseur affirme que son outil d&rsquo;IA \u00ab r\u00e9duit les erreurs de traitement de 50 % \u00bb<\/strong><\/p>\n<table>\n<thead>\n<tr>\n<th>\u00c9l\u00e9ment<\/th>\n<th>Valeur<\/th>\n<th>Statut<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Transactions par mois<\/td>\n<td>10 000<\/td>\n<td>Hypoth\u00e8se illustrative<\/td>\n<\/tr>\n<tr>\n<td>Taux d&rsquo;erreur actuel<\/td>\n<td>4 pour 1 000<\/td>\n<td>Hypoth\u00e8se illustrative<\/td>\n<\/tr>\n<tr>\n<td>Taux d&rsquo;erreur apr\u00e8s une baisse de 50 %<\/td>\n<td>2 pour 1 000<\/td>\n<td>D\u00e9duit de l&rsquo;affirmation<\/td>\n<\/tr>\n<tr>\n<td>R\u00e9duction absolue<\/td>\n<td>0,2 point de pourcentage ; 20 erreurs par mois<\/td>\n<td>D\u00e9duit<\/td>\n<\/tr>\n<tr>\n<td>Co\u00fbt par erreur<\/td>\n<td>120 unit\u00e9s mon\u00e9taires<\/td>\n<td>Hypoth\u00e8se illustrative<\/td>\n<\/tr>\n<tr>\n<td>\u00c9conomie mensuelle<\/td>\n<td>2 400<\/td>\n<td>D\u00e9duit<\/td>\n<\/tr>\n<tr>\n<td>Co\u00fbt mensuel de l&rsquo;outil<\/td>\n<td>3 000<\/td>\n<td>Hypoth\u00e8se illustrative<\/td>\n<\/tr>\n<tr>\n<td>R\u00e9sultat net mensuel<\/td>\n<td>-600<\/td>\n<td>D\u00e9duit<\/td>\n<\/tr>\n<tr>\n<td>Taux d&rsquo;erreur actuel au seuil de rentabilit\u00e9<\/td>\n<td>5 pour 1 000<\/td>\n<td>D\u00e9duit<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Chaque donn\u00e9e d&rsquo;entr\u00e9e est une hypoth\u00e8se illustrative, pas une donn\u00e9e produit ; calculs dans calc.py. Le titre \u00ab 50 % \u00bb est identique, que l&rsquo;outil soit rentable ou non.<\/p>\n<h2 id=\"le-rflexe-du-ceo-et-le-rflexe-de-ltudiant\"><span class=\"ez-toc-section\" id=\"Le-reflexe-du-CEO-et-le-reflexe-de-letudiant\"><\/span>Le r\u00e9flexe du CEO et le r\u00e9flexe de l&rsquo;\u00e9tudiant<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Le r\u00e9flexe du CEO.<\/strong> Rendez obligatoires trois champs pour tout chiffre qui guide une d\u00e9cision : d\u00e9nominateur, comparaison, source. D\u00e9cidez par \u00e9crit quelles questions de la check-list doivent recevoir une r\u00e9ponse avant d&rsquo;agir, et renvoyez toute diapositive qui ne peut pas y r\u00e9pondre, quelle que soit la personne ou la chose qui l&rsquo;a produite. Associez cela \u00e0 la pratique de <a href=\"\/fr\/penser-en-paris-guide-prise-de-decision-probabiliste\">penser en paris<\/a>, afin que les chiffres incertains soient utilis\u00e9s comme des probabilit\u00e9s plut\u00f4t que comme des certitudes.<\/p>\n<p><strong>Le r\u00e9flexe de l&rsquo;\u00e9tudiant.<\/strong> Entra\u00eenez-vous comme les gyn\u00e9cologues : changez la repr\u00e9sentation jusqu&rsquo;\u00e0 ce que la r\u00e9ponse devienne \u00e9vidente. Convertissez chaque pourcentage en effectifs sur 1 000, et retrouvez chaque semaine une affirmation \u00e0 partir de sa source. Au fil des mois, les dix notions deviennent des r\u00e9flexes, une composante de la <a href=\"\/fr\/la-competence-d-evaluation-juger-les-sorties-d-ia\">comp\u00e9tence d&rsquo;\u00e9valuation<\/a> plus large qui consiste \u00e0 juger un travail que vous n&rsquo;avez pas produit.<\/p>\n<h2 id=\"ce-que-cela-ne-veut-pas-dire\"><span class=\"ez-toc-section\" id=\"Ce-que-cela-ne-veut-pas-dire\"><\/span>Ce que cela ne veut pas dire<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><strong>Ce n&rsquo;est pas un cours de statistiques.<\/strong> Les dix notions constituent un minimum d\u00e9fensif ; la mod\u00e9lisation, l&rsquo;inf\u00e9rence causale et la conception exp\u00e9rimentale exigent une formation ou un sp\u00e9cialiste.<\/li>\n<li><strong>Les chiffres relatifs ne sont pas malhonn\u00eates.<\/strong> Ils permettent bien de comparer des effets entre groupes. Le probl\u00e8me, c&rsquo;est un chiffre relatif sans sa base absolue.<\/li>\n<li><strong>Un \u00e9chec de r\u00e9plication ne signifie pas une fraude.<\/strong> L&rsquo;Open Science Collaboration a constat\u00e9 que le succ\u00e8s de la r\u00e9plication \u00e9tait mieux pr\u00e9dit par la solidit\u00e9 des preuves originales que par les caract\u00e9ristiques des \u00e9quipes.<\/li>\n<li><strong>Les exemples de sant\u00e9 sont des informations g\u00e9n\u00e9rales<\/strong> sur la fa\u00e7on dont les statistiques sont communiqu\u00e9es, pas des conseils m\u00e9dicaux ; les chiffres datent des \u00e9tudes cit\u00e9es.<\/li>\n<\/ul>\n<h2 id=\"questions-frquentes\"><span class=\"ez-toc-section\" id=\"Questions-frequentes\"><\/span>Questions fr\u00e9quentes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Quelle est l&rsquo;habitude la plus utile pour un non-analyste ?<\/strong><br \/>\nConvertir les pourcentages en effectifs sur 1 000. Cela met au jour la confusion entre relatif et absolu, rend les taux de base visibles et a fait passer les gyn\u00e9cologues de 21 % \u00e0 87 % de bonnes r\u00e9ponses dans l&rsquo;\u00e9tude ci-dessus.<\/p>\n<p><strong>Comment rep\u00e9rer rapidement un graphique trompeur ?<\/strong><br \/>\nLisez les \u00e9tiquettes des axes avant les barres. V\u00e9rifiez o\u00f9 commence l&rsquo;axe des ordonn\u00e9es, si deux s\u00e9ries utilisent des \u00e9chelles diff\u00e9rentes et si la variation affich\u00e9e compterait en pratique.<\/p>\n<p><strong>Un \u00e9chantillon plus grand est-il toujours meilleur ?<\/strong><br \/>\nQuadrupler un \u00e9chantillon divise la marge d&rsquo;erreur par deux, mais un grand \u00e9chantillon biais\u00e9 reste biais\u00e9.<\/p>\n<p><strong>Que signifie p &lt; 0,05 en langage courant ?<\/strong><br \/>\nQue les donn\u00e9es seraient assez surprenantes s&rsquo;il n&rsquo;y avait aucun effet, dans le cadre du mod\u00e8le de l&rsquo;analyste. Selon l&rsquo;American Statistical Association, ce n&rsquo;est ni la probabilit\u00e9 que l&rsquo;hypoth\u00e8se soit vraie, ni une mesure de la taille d&rsquo;effet.<\/p>\n<p><strong>Comment cela s&rsquo;applique-t-il aux chiffres produits par les outils d&rsquo;IA ?<\/strong><br \/>\nDe la m\u00eame mani\u00e8re, avec une \u00e9tape de plus : confirmer que le chiffre existe dans une source r\u00e9elle avant de l&rsquo;analyser. Notre <a href=\"\/fr\/signaux-d-alerte-mauvaises-reponses-ia-12-indices-que-le-modele-se-trompe\">guide des signaux d&rsquo;alerte<\/a> traite des chiffres invent\u00e9s.<\/p>\n<h2 id=\"sources\"><span class=\"ez-toc-section\" id=\"Sources\"><\/span>Sources<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ol>\n<li>Central Statistics Office (Irlande). Programme for the International Assessment of Adult Competencies (PIAAC) 2023: International Comparison, tableaux 3.2 et 3.5. Publication statistique, 10 d\u00e9cembre 2024 (reprend les r\u00e9sultats de l&rsquo;Enqu\u00eate sur les comp\u00e9tences des adultes de l&rsquo;OCDE 2023).<\/li>\n<li>US National Center for Education Statistics. Highlights of the 2023 U.S. PIAAC Results: Highlights of U.S. National Results. D\u00e9cembre 2024.<\/li>\n<li>Gigerenzer, G., Gaissmaier, W., Kurz-Milcke, E., Schwartz, L. M. et Woloshin, S. Helping Doctors and Patients Make Sense of Health Statistics. Psychological Science in the Public Interest, 8(2), 53-96, 2007 (copie du d\u00e9p\u00f4t de l&rsquo;Universit\u00e9 de Constance).<\/li>\n<li>Wainer, H. The Most Dangerous Equation. American Scientist, 95(3), mai-juin 2007 (copie archiv\u00e9e de la page de l&rsquo;\u00e9diteur).<\/li>\n<li>Open Science Collaboration. Estimating the Reproducibility of Psychological Science. Science, 349(6251), aac4716, 2015 (version auteur, d\u00e9p\u00f4t de l&rsquo;Universit\u00e9 de Dundee).<\/li>\n<li>American Statistical Association. American Statistical Association Releases Statement on Statistical Significance and P-Values. Communiqu\u00e9 de presse, 7 mars 2016 (\u00e9num\u00e8re les six principes ; la d\u00e9claration compl\u00e8te de Wasserstein et Lazar n&rsquo;a pas \u00e9t\u00e9 consult\u00e9e).<\/li>\n<li>Messerli, F. H. Chocolate Consumption, Cognitive Function, and Nobel Laureates. New England Journal of Medicine, 367(16), 1562-1564, 2012 (notice PubMed uniquement ; contenu tel que r\u00e9sum\u00e9 dans la source 8).<\/li>\n<li>Maurage, P., Heeren, A. et Pesenti, M. Does Chocolate Consumption Really Boost Nobel Award Chances? The Peril of Over-Interpreting Correlations in Health Studies. Journal of Nutrition, 143(6), 931-933, 2013 (r\u00e9sum\u00e9 uniquement).<\/li>\n<li>R Core Team. UCBAdmissions: Student Admissions at UC Berkeley. Fichier de donn\u00e9es et documentation du package R datasets, citant Bickel, P. J., Hammel, E. A. et O&rsquo;Connell, J. W., Sex Bias in Graduate Admissions: Data from Berkeley, Science, 187, 1975 (article original non consult\u00e9).<\/li>\n<li>Kahneman, D. Biographical. Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 2002, Nobel Prize outreach.<\/li>\n<li>Barnett, A. G., van der Pols, J. C. et Dobson, A. J. Regression to the Mean: What It Is and How to Deal With It. International Journal of Epidemiology, 34(1), 215-220, 2005 (r\u00e9sum\u00e9 uniquement ; un erratum a \u00e9t\u00e9 publi\u00e9 en 2015).<\/li>\n<li>US Census Bureau. Income in the United States: 2025. Current Population Reports P60-289, septembre 2026.<\/li>\n<li>US Census Bureau. Historical Income Tables, Table H-6: Median and Mean Household Income of All Households by Region, 1975 to 2025.<\/li>\n<li>Correll, M., Bertini, E. et Franconeri, S. Truncating the Y-Axis: Threat or Menace? CHI 2020 Conference on Human Factors in Computing Systems (version arXiv 2, janvier 2020).<\/li>\n<\/ol>\n<p><em>Les tableaux 2, 3 et 5 sont des analyses CEOtudent (le tableau 5 est illustratif, chaque donn\u00e9e d&rsquo;entr\u00e9e \u00e9tant une hypoth\u00e8se) ; le tableau 4 est un cadre \u00e9ditorial CEOtudent. Les parts cumul\u00e9es des niveaux 4 et 5 sont calcul\u00e9es \u00e0 partir des pourcentages publi\u00e9s arrondis. D\u00e9lib\u00e9r\u00e9ment non utilis\u00e9s : le tableau par sous-groupes sur les calculs r\u00e9naux de Charig et al. (1986) (seul le r\u00e9sum\u00e9 a pu \u00eatre consult\u00e9), les totaux de Berkeley pour l&rsquo;ensemble du campus souvent cit\u00e9s (article original non consult\u00e9), les r\u00e9sultats de Pandey et al. (2015) sur les graphiques trompeurs (pas de texte int\u00e9gral en libre acc\u00e8s) et le coefficient de corr\u00e9lation chocolat-Nobel (article de Messerli inaccessible).<\/em><\/p>\n<hr>\n<p><em>Ce contenu a \u00e9t\u00e9 compil\u00e9 avec le soutien de l&rsquo;IA \u00e0 la suite d&rsquo;une recherche approfondie, puis r\u00e9dig\u00e9 et pr\u00e9par\u00e9 pour publication par l&rsquo;\u00e9quipe \u00e9ditoriale de CEOtudent.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Dans les pays de l&rsquo;OCDE, un adulte sur quatre se situe au niveau 1 ou en dessous en num\u00e9ratie, et seuls 14 % atteignent les deux niveaux sup\u00e9rieurs, alors que les outils d&rsquo;IA distribuent \u00e0 tous des graphiques et des pourcentages assur\u00e9s. Ce guide pr\u00e9sente dix notions statistiques avec des exemples v\u00e9rifi\u00e9s, un guide de terrain et une check-list de 10 questions pour tout chiffre qui guide une d\u00e9cision.<\/p>\n","protected":false},"author":1,"featured_media":326853,"comment_status":"open","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4599,18],"tags":[],"class_list":["post-326851","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-gelisim","category-strateji"],"_links":{"self":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts\/326851","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/comments?post=326851"}],"version-history":[{"count":0,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/posts\/326851\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/media\/326853"}],"wp:attachment":[{"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/media?parent=326851"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/categories?post=326851"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ceotudent.com\/fr\/wp-json\/wp\/v2\/tags?post=326851"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}