Aller au contenu
Edgius — accueil
EN / FR

Références

Chaque chiffre que nous publions porte une source que vous pouvez ouvrir. Cette page les recense — ce qu’est chaque source, ce qu’elle appuie sur ce site, et un lien vers l’original — pour qu’un chiffre lu ici puisse être vérifié sans nous croire sur parole.

Comment lire cette page

Chaque entrée nomme une source, le chiffre qu’elle appuie sur ce site, et l’éléphant auquel ce chiffre appartient ; le titre ouvre l’original dans une nouvelle fenêtre. Une entrée marquée retirée reste listée, avec la raison — un chiffre que nous cessons d’utiliser est retiré au grand jour, jamais effacé en silence.

[1] World Economic Forum — Future of Jobs Report 2025

Le 63 % : les employeurs désignent les écarts de compétences comme premier frein à la transformation. Aussi les dix compétences clés pour 2030.

Comment nous avons vérifié cette source3gardés · 1 retiré
  1. Source primaire
    lue, pas résumée
  2. 4 chiffres proposés
    chacun une affirmation au registre
  3. Vérifié
    citation, type, niveau — par un vérificateur IA
  4. Le responsable tranche
    3 gardés · 1 retiré
  5. Publié
    la page d’accueil

Gardé

  • Les employeurs s’attendent à ce que 39 % des compétences fondamentales des travailleurs changent d’ici 2030 (contre 44 % en 2023).

    Leurs mots : “employers expect 39% of workers' core skills to change by 2030”

    Preuve :
    Sondage — auto-déclaré · Niveau 2 — institut de recherche ou statistiques officielles
    Vérifié :
    3 septembre 2026 — Sylvain Dufour
    Approuvé :
    19 août 2026 — Sylvain Dufour
    À revérifier avant le :
    19 août 2027

  • Si la main-d’œuvre mondiale comptait 100 personnes, 59 auraient besoin de formation d’ici 2030.

    Leurs mots : “if the world's workforce was made up of 100 people, 59 would need training by 2030”

    Preuve :
    Sondage — auto-déclaré · Niveau 2 — institut de recherche ou statistiques officielles
    Vérifié :
    3 septembre 2026 — Sylvain Dufour
    Approuvé :
    19 août 2026 — Sylvain Dufour
    À revérifier avant le :
    19 août 2027

  • Aucune des plus de 2 800 compétences évaluées ne présente une capacité très élevée de substitution par l’IA générative ; 69 % présentent une capacité faible ou très faible (méthode d’évaluation par GPT-4o, telle que déclarée).

    Leurs mots : “Zero of the more than 2,800 skills assessed were determined to exhibit 'very high capacity' to be replaced”

    Preuve :
    Estimation modélisée · Niveau 2 — institut de recherche ou statistiques officielles
    Vérifié :
    3 septembre 2026 — Sylvain Dufour
    Approuvé :
    19 août 2026 — Sylvain Dufour
    À revérifier avant le :
    19 août 2027

Retiré

  • 63 % des employeurs considèrent les écarts de compétences comme le principal obstacle à la transformation des entreprises, 2025-2030.

    Pourquoi : La source mesure quelque chose de plus étroit ou de différent de ce que l’affirmation avançait — 19 août 2026

[3] McKinsey Global Institute — Agents, robots, and us (2025)

57 % des heures travaillées aux États-Unis techniquement automatisables — le chiffre de l’éléphant Robot.

Comment nous avons vérifié cette source1gardé · 5 refusés
  1. Source primaire
    lue, pas résumée
  2. 6 chiffres proposés
    chacun une affirmation au registre
  3. Vérifié
    citation, type, niveau — par un vérificateur IA
  4. Le responsable tranche
    1 gardé · 5 refusés
  5. Publié
    l’article « robot », cette page

Gardé

  • 57 % des heures de travail aux États-Unis pourraient techniquement être automatisées avec les technologies déjà existantes (il s’agit d’un potentiel technique en heures, non d’emplois ni de probabilité).

    Leurs mots : “We estimate that today’s technology could, in theory, automate about 57 percent of current US work hours”

    Preuve :
    Estimation modélisée · Niveau 2 — institut de recherche ou statistiques officielles
    Vérifié :
    3 septembre 2026 — Sylvain Dufour
    Approuvé :
    22 août 2026 — Sylvain Dufour
    À revérifier avant le :
    22 août 2027

Refusé — de la même source

  • Plus de 70 % des compétences actuelles peuvent s’appliquer à la fois aux tâches automatisables et non automatisables.

    Pourquoi : La source mesure quelque chose de plus étroit ou de différent de ce que l’affirmation avançait

  • Près de 90 % des entreprises affirment avoir investi dans l’IA, mais moins de 40 % signalent des gains mesurables.

    Pourquoi : Le document primaire n’a pu être lu et rien ne le vérifie à un saut

  • Dans le scénario médian d’adoption de McKinsey, environ 27 % des heures de travail actuelles aux États-Unis seraient automatisées d’ici 2030.

    Pourquoi : Une projection présentée comme une mesure

  • Environ 60 % des gains de productivité potentiels sont concentrés dans des flux de travail propres à chaque secteur — les activités au cœur de chaque industrie.

    Pourquoi : Une projection présentée comme une mesure

  • Dans le scénario médian d’adoption de McKinsey, les agents et robots d’IA pourraient générer environ 2,9 billions de dollars par année en valeur économique aux États-Unis d’ici 2030, à condition que les organisations repensent leurs flux de travail plutôt que d’automatiser des tâches individuelles isolément.

    Pourquoi : La source mesure quelque chose de plus étroit ou de différent de ce que l’affirmation avançait

[4] Asana — Anatomy of Work Index

209 heures par année en travail déjà fait, par travailleur du savoir — le chiffre de Duplication.

Comment nous avons vérifié cette source1gardé
  1. Source primaire
    lue, pas résumée
  2. 1 chiffre proposé
    chacun une affirmation au registre
  3. Vérifié
    citation, type, niveau — par un vérificateur IA
  4. Le responsable tranche
    1 gardé
  5. Publié
    l’article « duplicate », cette page

Gardé

  • Les travailleurs du savoir consacrent 209 heures par année à des tâches déjà accomplies.

    Leurs mots : “over the course of a year, the average knowledge worker spends 103 hours in unnecessary meetings, 209 hours on duplicative work”

    Preuve :
    Sondage — auto-déclaré · Niveau 3 — étude sectorielle à grand échantillon
    Vérifié :
    3 septembre 2026 — Sylvain Dufour
    Approuvé :
    22 août 2026 — Sylvain Dufour
    À revérifier avant le :
    22 août 2027

[5] Oracle & Seth Stephens-Davidowitz — The Decision Dilemma (2023)

78 % des dirigeants disent que la décision vient d’abord, les données ensuite — le chiffre de Biais. n = 14 250, 17 pays.

Comment nous avons vérifié cette source1gardé · 1 refusé · 1 retiré
  1. Source primaire
    lue, pas résumée
  2. 3 chiffres proposés
    chacun une affirmation au registre
  3. Vérifié
    citation, type, niveau — par un vérificateur IA
  4. Le responsable tranche
    1 gardé · 1 refusé · 1 retiré
  5. Publié
    l’article « bias »

Gardé

  • 78 % des dirigeants d’entreprise affirment que les gens prennent souvent des décisions, puis cherchent les données pour les justifier.

    Leurs mots : “78 percent of business leaders say people often make decisions and then look for the data to justify them”

    Preuve :
    Sondage — auto-déclaré · Niveau 3 — étude sectorielle à grand échantillon
    Vérifié :
    16 septembre 2026 — un vérificateur IA
    Approuvé :
    15 septembre 2026 — Sylvain Dufour
    À revérifier avant le :
    15 septembre 2027

Refusé — de la même source

  • 78 % des dirigeants d’entreprise affirment que les gens prennent souvent des décisions, puis cherchent les données pour les justifier (n = 14 250, 17 pays).

    Pourquoi : La source mesure quelque chose de plus étroit ou de différent de ce que l’affirmation avançait

Retiré

  • 78 % des dirigeants d’entreprise affirment que la décision est prise en premier et que les données sont ensuite trouvées pour la justifier (n = 14 250, 17 pays).

    Pourquoi : Les mots de la source ne contiennent pas le chiffre — 22 août 2026

[6] RAND Corporation — The Root Causes of Failure for AI Projects (2024)

La cause nº 1 d’échec des projets d’IA : mal comprendre le problème à résoudre — la preuve de Mirage.

Comment nous avons vérifié cette source3gardés
  1. Source primaire
    lue, pas résumée
  2. 3 chiffres proposés
    chacun une affirmation au registre
  3. Vérifié
    citation, type, niveau — par un vérificateur IA
  4. Le responsable tranche
    3 gardés
  5. Publié
    l’article « mirage », cette page

Gardé

  • Selon une étude fondée sur des entrevues avec des praticiens, la cause la plus fréquente de l’échec des projets d’IA est une mauvaise compréhension du problème à résoudre.

    Leurs mots : “To investigate why AI projects fail, we interviewed 65 experienced data scientists and engineers.”

    Preuve :
    Avis d’expert · Niveau 2 — institut de recherche ou statistiques officielles
    Vérifié :
    3 septembre 2026 — Sylvain Dufour
    Approuvé :
    22 août 2026 — Sylvain Dufour
    À revérifier avant le :
    22 août 2027

  • La cause la plus fréquente de l’échec des projets d’IA est une mauvaise compréhension ou une mauvaise communication de l’intention et de l’objectif du problème à résoudre.

    Leurs mots : “Misunderstandings and miscommunications about the intent and purpose of the project are the most common reasons for AI project failure.”

    Preuve :
    Sondage — auto-déclaré · Niveau 2 — institut de recherche ou statistiques officielles
    Vérifié :
    4 septembre 2026 — un vérificateur IA
    Approuvé :
    4 septembre 2026 — Sylvain Dufour
    À revérifier avant le :
    4 septembre 2027

  • Selon certaines estimations, plus de 80 % des projets d’IA échouent — soit le double du taux d’échec des projets de technologies de l’information qui n’impliquent pas l’IA, selon un rapport de recherche de RAND.

    Leurs mots : “By some estimates, more than 80 percent of AI projects fail—twice the rate of failure for information technology projects that do not involve AI.”

    Preuve :
    Avis d’expert · Niveau 2 — institut de recherche ou statistiques officielles
    Vérifié :
    4 septembre 2026 — un vérificateur IA
    Approuvé :
    4 septembre 2026 — Sylvain Dufour
    À revérifier avant le :
    4 septembre 2027

[7] IBM Institute for Business Value (2025)

Plus d’une organisation sur quatre estime perdre 5 M$ et plus par année à cause des données de mauvaise qualité — le chiffre de Flou.

Comment nous avons vérifié cette source1gardé
  1. Source primaire
    lue, pas résumée
  2. 1 chiffre proposé
    chacun une affirmation au registre
  3. Vérifié
    citation, type, niveau — par un vérificateur IA
  4. Le responsable tranche
    1 gardé
  5. Publié
    l’article « fuzzy », cette page

Gardé

  • Plus d’une organisation sur quatre estime perdre 5 M$ ou plus par année en raison d’une mauvaise qualité des données ; 7 % évaluent ce montant à plus de 25 M$.

    Leurs mots : “over a quarter of organizations estimate they lose more than USD 5 million annually due to poor data quality”

    Preuve :
    Sondage — auto-déclaré · Niveau 2 — institut de recherche ou statistiques officielles
    Vérifié :
    3 septembre 2026 — Sylvain Dufour
    Approuvé :
    22 août 2026 — Sylvain Dufour
    À revérifier avant le :
    22 août 2027

[8] Atlassian — State of Teams 2025

25 % du temps des équipes passe à chercher des réponses — le chiffre de Silo. n = 12 000.

Comment nous avons vérifié cette source1gardé
  1. Source primaire
    lue, pas résumée
  2. 1 chiffre proposé
    chacun une affirmation au registre
  3. Vérifié
    citation, type, niveau — par un vérificateur IA
  4. Le responsable tranche
    1 gardé
  5. Publié
    l’article « silo », cette page

Gardé

  • 25 % du temps des équipes est consacré uniquement à la recherche de réponses (n = 12 000).

    Leurs mots : “survey of 12,000 knowledge workers and 200 executives found that leaders and teams waste 25% of their time just searching for answers”

    Preuve :
    Sondage — auto-déclaré · Niveau 3 — étude sectorielle à grand échantillon
    Vérifié :
    3 septembre 2026 — Sylvain Dufour
    Approuvé :
    22 août 2026 — Sylvain Dufour
    À revérifier avant le :
    22 août 2027

[retiré] Panopto — Workplace Knowledge & Productivity Report (2018)

Retiré le 2026-08-23 : « 42 % du savoir d’un poste n’est détenu que par une seule personne », l’ancien chiffre de l’éléphant du Gourou. Son seul appui était une enquête de fournisseur de 2018 sans phrase citable portant le chiffre, et la recherche d’une mesure plus solide a refusé tous les candidats — le meilleur était évalué par les pairs mais mesurait des projets logiciels, pas des postes. L’éléphant demeure ; la statistique, non.

Comment nous avons vérifié cette source0gardés · 1 retiré
  1. Source primaire
    lue, pas résumée
  2. 1 chiffre proposé
    chacun une affirmation au registre
  3. Vérifié
    citation, type, niveau — par un vérificateur IA
  4. Le responsable tranche
    1 retiré
  5. Publié
    nulle part — rien de cette source n’est en usage

Retiré

  • 42 % des connaissances dont dépend un poste ne sont détenues que par une seule personne.

    Pourquoi : Seule une source intéressée ou un fournisseur l’appuie — 22 août 2026

[10] Microsoft & LinkedIn — Work Trend Index 2024

78 % des utilisateurs d’IA apportent leurs propres outils d’IA au travail — le chiffre d’Ombre. n = 31 000.

Comment nous avons vérifié cette source1gardé · 1 retiré
  1. Source primaire
    lue, pas résumée
  2. 2 chiffres proposés
    chacun une affirmation au registre
  3. Vérifié
    citation, type, niveau — par un vérificateur IA
  4. Le responsable tranche
    1 gardé · 1 retiré
  5. Publié
    l’article « shadow »

Gardé

  • 78 % des utilisateurs de l’IA apportent leurs propres outils d’IA au travail (n = 31 000, 31 pays).

    Leurs mots : “78% of AI users are bringing their own tools to work”

    Preuve :
    Sondage — auto-déclaré · Niveau 3 — étude sectorielle à grand échantillon
    Vérifié :
    16 septembre 2026 — un vérificateur IA
    Approuvé :
    15 septembre 2026 — Sylvain Dufour
    À revérifier avant le :
    15 septembre 2027

Retiré

  • 78 % des utilisateurs de l’IA apportent leurs propres outils d’IA au travail, en dehors de toute gouvernance (n = 31 000, 31 pays).

    Pourquoi : La source mesure quelque chose de plus étroit ou de différent de ce que l’affirmation avançait — 22 août 2026

[11] Lee et al. (Microsoft & Carnegie Mellon) — The Impact of Generative AI on Critical Thinking, CHI 2025

Sur 936 tâches réelles assistées par IA : plus de confiance envers l’IA, moins de pensée critique déclarée — la preuve de Zombie.

Comment nous avons vérifié cette source1gardé
  1. Source primaire
    lue, pas résumée
  2. 1 chiffre proposé
    chacun une affirmation au registre
  3. Vérifié
    citation, type, niveau — par un vérificateur IA
  4. Le responsable tranche
    1 gardé
  5. Publié
    l’article « zombie », cette page

Gardé

  • Sur 936 tâches réelles réalisées avec l’IA générative, une confiance plus élevée envers l’IA est corrélée à un esprit critique autodéclaré moindre.

    Leurs mots : “Participants shared 936 first-hand examples of using GenAI in work tasks.”

    Preuve :
    Sondage — auto-déclaré · Niveau 1 — évalué par les pairs
    Vérifié :
    3 septembre 2026 — Sylvain Dufour
    Approuvé :
    22 août 2026 — Sylvain Dufour
    À revérifier avant le :
    22 août 2029

[2] Une de plus, volontairement sans lien

S&P Global Market Intelligence, 2025 — la trajectoire d’abandon de l’IA 42 %/17 % et les 46 % de preuves de concept abandonnées avant la production. Le rapport primaire n’a pas pu être récupéré (spglobal.com bloque l’accès automatisé) ; nous le citons par l’intermédiaire de CIO Dive, une source secondaire nommée, avec une dévaluation à un saut de vérification.

Où aller ensuite

Lire les articles

Les histoires que ces sources soutiennent — une par éléphant, chacune nommant les chiffres sur lesquels elle repose.

Comment nous décidons ce que nous gardons

La méthodologie derrière chaque entrée : ce qu’une source doit démontrer avant qu’un chiffre atteigne une page, et ce qui arrive quand elle ne le démontre plus.

Une source que nous devrions examiner ?

Une preuve plus solide, une correction, ou un chiffre que vous croyez faux — nous le lisons, et nous disons ce que nous en avons fait.

Discutons