Annexe · Institut Xenia · Note 01
Sources, méthode et limites
L'annexe du « Dilemme du dirigeant diligent » : comment les sources ont été vérifiées, ce que les données permettent d'affirmer, et ce que la note ne démontre pas.
La liste complète des travaux cités figure à la fin de la note, dans ses Références, rangées section par section. Cette annexe ne les répète pas : elle dit comment elles ont été établies, rassemble les nuances que la note signale au passage, et délimite ce qu'elle ne démontre pas.
Méthode
- Sources primaires. Chaque chiffre de la note vient du travail qui le produit, et non d'un article qui le rapporte. Les trois exceptions sont signalées comme telles dans les Références : les chiffres de 2,4 et 5,9 points, repris du résumé que les auteurs ont publié sur VoxEU ; les données de recrutement des cabinets d'avocats américains, rapportées par Bloomberg Law d'après la NALP et une enquête de Citi ; et la croissance des offres d'ingénieurs déployés chez le client, rapportée par Fortune d'après Lightcast.
- Date de vérification. Les liens et les chiffres ont été contrôlés le 18 octobre 2026. Les travaux qui n'ont pas encore passé l'examen d'une revue à comité de lecture portent la mention « document de travail » ou « prépublication ».
- Périmètre. Les chiffres sont donnés avec le leur : pays, période, population observée. Une enquête déclarative est présentée comme telle, et une corrélation n'est jamais écrite comme un effet démontré.
- Cas de terrain. Les trois cas rapportés dans la note — les tournées des commerciaux, l'approvisionnement des entrepôts, le cabinet d'avocats américain — viennent de missions et d'entretiens conduits par les auteurs. Ils sont anonymisés à la demande des entreprises concernées.
- L'entreprise de la note. Celle qui sert de fil au texte est une composition, pas une société réelle : elle réunit des situations rencontrées dans plusieurs PME et ETI industrielles.
Points de vigilance
Ces nuances sont publiées plutôt qu'enterrées : elles délimitent exactement ce que les données permettent d'affirmer.
- Adoption et effet déclarés. Les deux chiffres de l'introduction sont déclaratifs : le premier mesure l'usage revendiqué, pas la transformation ; le second mesure ce que les dirigeants constatent, pas ce qui est mesuré dans leurs comptes. Nous y lisons le symptôme d'une adoption superficielle, non la preuve que l'IA ne produit rien.
- Quelle productivité ? L'enquête du NBER mesure la productivité par le chiffre d'affaires par salarié. La note retient la définition usuelle de l'Insee et de l'OCDE, la productivité apparente du travail : la valeur ajoutée par emploi en équivalent temps plein, qui déduit les achats externes, y compris le coût de l'IA elle-même. Le chiffre d'affaires par salarié peut monter mécaniquement quand l'IA remplace du travail salarié, sans gain équivalent de productivité.
- Désengagements et accidents. Un désengagement de conduite autonome n'est pas un accident évité, et le DMV de Californie prévient que ses rapports ne permettent pas de comparer les opérateurs entre eux. Les chiffres de désengagement et de décès ne sont pas de même nature ; la note les rapproche pour illustrer un mur de preuve, pas pour comparer des taux. Les données de la NHTSA pour 2024 sont provisoires.
- Les 90 % et les 10 %. Cette répartition est une image, et la note le dit. Aucune enquête ne mesure le temps passé par tâche ; les enquêtes publiques mesurent des fréquences. L'image vaut pour les métiers du savoir, et la part réelle varie fortement d'un métier à l'autre.
- Embauches des jeunes. Les travaux français de la Banque de France et américains de Stanford établissent une corrélation entre exposition d'un métier à l'IA et recul des embauches de débutants. Ils n'établissent pas que l'IA en soit la cause, et d'autres facteurs jouent sur la même période, du resserrement monétaire à la correction de l'emploi dans la technologie après le Covid.
- Deux effets contraires. Un gain de capacité ne dit pas ce que deviendront les effectifs. Substitution et effet d'échelle jouent en sens inverse, et l'issue dépend de la demande à laquelle chaque entreprise fait face. La note ne tranche pas entre les deux.
Limites
- La baisse du coût du sur-mesure est une hypothèse. Les mesures disponibles portent sur la production du code, où le gain est établi par trois essais randomisés. Sur la maintenance, qui est le point décisif, il n'existe pas encore de mesure directe et les premiers indices se contredisent.
- De la pyramide au cône est une hypothèse des auteurs, construite sur le cadre de Garicano et sur les travaux de Bloom, Garicano, Sadun et Van Reenen. Elle n'en découle pas, et elle n'est pas démontrée empiriquement. Les mêmes travaux montrent d'ailleurs qu'une technologie de communication peut au contraire recentraliser les décisions.
- L'externalité de formation prolonge d'un pas le modèle de Garicano et Rayo. Ce prolongement est le nôtre, et il n'est pas testé.
- Les trois cas de terrain illustrent des mécanismes ; ils ne constituent pas un échantillon, et aucune mesure publiable n'y est attachée.
- Les ordres de grandeur sur l'adoption interne — la minorité qui s'empare vite des outils — viennent de nos observations et des enquêtes américaines de Bick, Blandin et Deming. Aucune mesure française équivalente n'existe à notre connaissance.
Ces limites sont le programme de travail de l'institut plus qu'un aveu : ce sont elles que nous voulons mesurer. Écrivez-nous si vous pouvez nous y aider.