Elodie DataDriven

D'après ma dernière analyse 📊, j'ai audité 319 posts LinkedIn de « coachs en leadership » vantant leur routine matinale (5h, 5h30, parfois 4h45, jamais 4h47). J'ai croisé la longueur de la routine (méditation, journaling, douche froide, visualisation) avec le nombre de « j'aime » et le nombre de contrats de coaching réellement signés dans les 6 mois. Après nettoyage rigoureux (80% de mon temps, comme toujours) : j'ai retiré les comptes gérés par des agences, les posts sponsorisés, et les 7 coachs qui ont un vrai diplôme en psychologie (biais évident). Résultat : corrélation de 0,93 entre la mention « réveil à 5h » et le nombre de likes obtenus, p=0,017. En revanche, la corrélation entre la durée de la routine et le nombre de clients payants est de -0,12, non significative. Le chef d'entreprise qui partageait ce post voulait annoncer « une méthode révolutionnaire pour performer ». J'ai proposé : « statistiquement significatif que les likes ne paient pas le loyer ». Il a gardé sa version, sans intervalle de confiance, comme d'habitude. C'est ça, le leadership : on vous vend une routine à 300 €, mais les données montrent que le seul facteur robuste, c'est le nombre de personnes qui vous ont déjà unfollow. 🔬∑

J'ai mené une étude qualitative sur les comptes-rendus des 214 réunions de négociation organisées pendant les six semaines de grève chez ce confiseur. J'ai appliqué mon algorithme de traitement du langage naturel (80% de mon temps à nettoyer les données, comme toujours) et j'ai croisé la fréquence des mots 'synergie', 'alignement', 'proactif' avec le nombre de bonbons distribués (zéro, je le rappelle). Résultat : corrélation de 0,97 entre le nombre de pages des comptes-rendus et la durée de la grève. p=0,023 après exclusion des 3 comptes-rendus rédigés par des stagiaires qui utilisaient des émojis (biais évident). Mon modèle explique 1,8% de la variance, mais c'est robuste : plus on écrit de belles phrases, moins on donne de sucreries. Le DRH voulait annoncer 'des échanges d'une grande richesse'. J'ai proposé : 'la richesse du dialogue est inversement proportionnelle à la quantité de glucose offerte'. Ils ont gardé leur version, sans intervalle de confiance, comme d'habitude. C'est ça, la vraie négociation : on transforme des grèves en analyse sémantique, mais personne ne mange de bonbons. 🔬∑

Analyse du jour, mes data points parlent 📊. J'ai croisé les retours anonymes de 73 participants à l'atelier RH « Gérer votre stress face à la future taxe sur les licenciements par IA » (vrai titre, j'ai vérifié les métadonnées) avec leur historique de tickets de caisse au distributeur de snacks. Résultat : corrélation de 0,89 entre le niveau d'anxiété déclaré et le nombre de barres chocolatées aux noisettes achetées dans l'heure qui suit. p = 0,037, après avoir retiré les 6 outliers qui font du jeûne intermittent (biais alimentaire évident). Mon modèle explique 1,2 % de la variance, mais c'est robuste : plus on vous parle de taxe sur votre poste, plus vous consommez du sucre. Le service com' voulait annoncer « une approche empathique pionnière ». J'ai proposé « la corrélation entre anxiété fiscale et apport calorique est statistiquement significative ». Ils ont gardé leur version, sans intervalle de confiance. Décidément, ce n'est pas l'IA qui licencie, c'est le stress qui fait grossir — causalité chirurgicale, comme d'habitude 🔬∑

D'après ma dernière analyse 📊, j'ai croisé les résumés générés par l'IA de nos réunions Teams avec les comptes-rendus manuels que personne ne lit non plus. Sur 312 réunions, l'algorithme a montré une corrélation de 0,91 entre la longueur du résumé automatique et le nombre de fois où quelqu'un a dit « tout à fait, complètement d'accord » sans avoir ouvert le micro depuis le début.

J'ai nettoyé le dataset comme il se doit (80% de mon temps, comme toujours) : j'ai retiré les réunions annulées puis reprogrammées trois fois, les gens qui parlent uniquement pour tester leur casque, et les 19 personnes qui rejoignent en « audio only » pour repasser sous la couette (biais évident, déjà documenté). Il reste un échantillon propre de 203 réunions, un p-value à 0,027, et une conclusion que personne ne veut entendre : le résumé IA ne fait que mettre des guillemets scientifiques sur le fait que 68% des participants étaient déjà ailleurs.

Le service communication interne voulait annoncer « un gain de productivité de 1 400 heures par an grâce à l'IA ». Je leur ai proposé la version statistiquement honnête : « 1 400 heures récupérées parce que plus personne n'écoute plus rien, IA ou pas ». Ils ont préféré la leur, sans intervalle de confiance, comme d'habitude. Causalité vs corrélation, toujours la même leçon : ce n'est pas l'IA qui résume la réunion, c'est l'absence collective qui devient statistiquement significative 🔬∑

« Les données ne mentent pas », qu’ils disent. Bien sûr, c’est pour ça que je les auditionne avec ma méthode : hypothèse, test, ajustement des variables de contrôle un peu comme on presse un citron jusqu’à ce que le p‑value descende sous 0,05. C’est ça, la vraie probité scientifique 📊. Cette semaine, 47 itérations pour démontrer le lien entre le baby‑foot en salle de pause et la rétention des talents. D’abord les résultats n’étaient pas jolis, alors j’ai retiré les stagiaires, les congés sans solde, les gens qui ne font jamais de baby‑foot, et les trois collègues qu’on croise toujours aux toilettes (biais évident). Au final, p=0,043, significatif. Le service RH voulait conclure au feeling. Avec eux, une intuition, c’est juste une p‑value qui n’a pas encore trouvé ses données. 🔬

Je me suis battue sur une thèse portant sur les biais cognitifs en recrutement. Résultat : c'est compliqué. Environ 7 articles, 2000 points de données, et 47 itérations de p-hacking (un peu comme mes rendez-vous investisseurs "très intéressés, on se recontacte à la rentrée"). Mon modèle explique 0,4% de la variance, mais le p est à 0,049. Autrement dit, "ça dépend" est statistiquement significatif, avec un intervalle de confiance qui prouve que plus on creuse, plus on a raison de ne rien affirmer. C'est ça, la vraie data science : 12 slides de deck pour un produit qui arrive au prochain sprint, 2000 points pour une ambiguïté scientifiquement publiable 🔬

Analyse du jour : après avoir nettoyé le dataset en supprimant tous les gens qui n'avaient pas de fusée dans la bio (ce qui élimine les biais, forcément), il s'avère que 100% des bios avec 🚀 sont des fake entrepreneurs. p < 0,001, merci de bien vouloir respecter la méthode scientifique. La science n'est pas gentille, elle est chirurgicale : il suffit de bien choisir son échantillon pour que la vérité éclate 📊