En 2010, trois chercheurs italiens ont reçu le prix Ig Nobel de management pour un résultat pour le moins curieux : dans leur modèle informatique, les organisations pouvaient mieux fonctionner en promouvant leurs salariés au hasard. Neuf ans plus tard, une étude portant sur de vraies entreprises a rendu la plaisanterie nettement moins absurde.
Alessandro Pluchino, Andrea Rapisarda et Cesare Garofalo s’étaient penchés sur le principe de Peter : on est promu parce qu’on excelle à son poste, alors que le suivant exige d’autres compétences. Dans leur modèle, les promotions aléatoires pouvaient donner de meilleurs résultats que la promotion des salariés les plus performants, à condition que les performances à un échelon ne permettent pas de prévoir celles à l’échelon supérieur. Tout reposait sur cette hypothèse. Reste à savoir si elle tient dans une entreprise réelle. [14]
En 2019, les économistes Alan Benson, Danielle Li et Kelly Shue ont publié une étude portant sur près de 39 000 commerciaux de 131 entreprises américaines. Sur sept ans, 1 553 d’entre eux avaient été promus à des postes de direction. Les entreprises choisissaient surtout leurs meilleurs vendeurs : les ventes étaient faciles à mesurer, et la décision facile à justifier.
Mais les données révélaient un résultat embarrassant : plus les salariés avaient vendu avant leur promotion, moins leurs subordonnés avaient tendance à vendre ensuite. Parmi les responsables dont on pouvait évaluer les équipes, ceux qui avaient réalisé deux fois plus de ventes avant leur promotion dirigeaient des équipes dont chaque membre vendait, en moyenne, environ 6,1 % de moins. [1]
Ces entreprises savaient mesurer les ventes, mais disposaient de bien moins d’éléments pour juger l’aptitude à diriger. Le même problème se pose lorsque plusieurs candidats remplissent les conditions requises et que les écarts entre leurs notes ne disent presque rien de leurs performances futures.
Une fondation allemande de recherche a tenté autre chose : associer l’évaluation des experts à un véritable tirage au sort, avec une urne.
85 dossiers dans l’urne
À l’automne 2017, la Fondation Volkswagen (VolkswagenStiftung) a examiné 594 propositions de projets de recherche non conventionnels. Une première sélection en a retenu 119. Un comité d’experts a ensuite jugé 85 propositions admissibles à un financement et en a choisi directement 17.
Les numéros des 85 propositions admissibles ont tous été placés dans l’urne, y compris ceux des 17 projets déjà retenus par les experts. 17 numéros ont été tirés. Cinq projets figuraient à la fois parmi les choix du comité et les numéros tirés au sort. Au total, 29 projets distincts ont donc reçu un financement. [9]
L’idée ne s’est pas arrêtée aux frontières de l’Allemagne. Le Health Research Council de Nouvelle-Zélande a lui aussi attribué des financements par tirage au sort après une première évaluation des propositions. L’un des chercheurs ainsi financés a ensuite défendu cette méthode. [7] [8]
La fondation n’a pas indiqué aux bénéficiaires si leur projet avait été retenu par le comité ou par tirage au sort. La Fondation Volkswagen voulait éviter de séparer ceux qui auraient « mérité » leur financement de ceux qui auraient simplement « eu de la chance ». [10]
Le choix d’un chef change aussi le poids des avis
Dans une équipe, nommer un responsable change aussi qui est écouté. Les autres peuvent en déduire que son avis compte davantage.
Dans une expérience menée en 2020, 176 personnes réparties en 44 équipes ont résolu des problèmes numériques. Les responsables étaient soit désignés au hasard, soit choisis pour la précision de leurs réponses précédentes, soit pour leur degré d’assurance. Les équipes dirigées par les participants les plus sûrs d’eux tiraient moins parti des connaissances de leurs membres que celles dont le responsable avait été choisi au hasard. Sélectionner le responsable selon la justesse de ses réponses antérieures n’apportait pas non plus d’avantage convaincant. [2]
Imaginons une réunion de projet. Le chef donne son estimation en premier. Une collègue connaît le coût du matériel ; un autre vient d’achever un projet comparable. Tous deux ont des informations utiles, mais le chiffre du chef est déjà sur la table.
Dans l’expérience, les participants avaient tendance à corriger trop peu leurs estimations initiales. Lorsque le responsable était présenté comme particulièrement précis ou sûr de lui, son avis pesait trop lourd et les connaissances des autres membres restaient sous-utilisées. Ce déséquilibre dans le poids donné aux avis ressortait plus nettement que les éventuels écarts de justesse dans les réponses finales des équipes. [2]
Une petite expérience de laboratoire de 1998, bien éloignée du recrutement en entreprise, allait dans le même sens : lors d’un exercice de survie, les groupes dont les chefs avaient été désignés par ordre alphabétique ont obtenu de meilleurs résultats que ceux dont les chefs avaient été choisis de façon systématique. [3]
Quand une sélection rigoureuse reste indispensable
Pour un poste où la sécurité est en jeu, il faut d’abord vérifier qui possède la formation nécessaire. Si une compétence compte et qu’on sait la mesurer, autant la tester.
Pour choisir un manager, les entretiens structurés et les mises en situation proches du travail réel peuvent aider à prévoir ses performances. [11]
Une étude de 2026 a réuni 555 participants. Ceux qui souhaitaient le plus devenir responsables n’ont montré aucun avantage convaincant par rapport aux personnes désignées au hasard. Des tests de compétences précises, notamment la capacité à prendre des décisions économiques, étaient plus utiles pour prédire la qualité du management. [4]
Les chercheurs ont également étudié 225 directeurs de magasin déjà en poste. À partir des liens observés entre compétences, qualité du management et ventes, ils ont modélisé une autre méthode de sélection. Selon ce modèle, le chiffre d’affaires annuel aurait été supérieur d’environ 16 % à celui obtenu avec les pratiques en vigueur. Mais cette méthode n’a pas été mise en œuvre dans les magasins, ni comparée à un tirage au sort.
Une autre expérience de terrain menée auprès d’équipes étudiantes a montré que désigner des responsables compétents et consciencieux augmentait les efforts fournis et le partage des connaissances. Donner aux responsables des consignes concrètes pour coordonner leur équipe avait un effet encore plus marqué. [13]
Ce que nous avons trouvé en revenant aux données
À première vue, deux études semblaient donner raison au choix aléatoire. Nous avons voulu vérifier si leurs conclusions tenaient toujours lorsqu’on retournait aux données d’origine.
Dans une expérience en Indonésie, des participants jouaient le rôle de fonctionnaires chargés de répartir l’argent d’un groupe. Ceux qui avaient été sélectionnés par examen en distribuaient une plus faible part aux autres que ceux désignés par tirage au sort. Dans l’échantillon le plus restreint, l’écart atteignait −9,4 points de pourcentage. Nous pensions qu’un échantillon plus large rendrait la réponse plus nette. C’est l’inverse qui s’est produit : en incluant toutes les décisions exploitables concernant la répartition de l’argent, l’écart est tombé à −4,5 points, et l’intervalle de confiance englobait désormais zéro. Les données soutenaient donc beaucoup moins nettement l’existence d’une différence. Adieu le titre fracassant. [5]
L’étude de Fischer et de ses collègues posait un autre problème. Nous avons reproduit l’effet publié, puis examiné la façon dont les équipes avaient été constituées : les deux règles de formation n’avaient été appliquées qu’à quatre classes. C’est bien peu pour étayer avec assurance une conclusion causale. [6]
Nos calculs, y compris l’analyse de l’échantillon alternatif et la vérification du dispositif à quatre classes, figurent sous l’outil interactif.
Quand faut-il cesser de classer les candidats ?
Commencez par vérifier les exigences minimales : qui possède les connaissances, l’expérience et les compétences nécessaires au poste ? Puis évaluez le pouvoir prédictif des résultats : les différences entre les candidats qualifiés permettent-elles de prévoir de manière fiable qui sera le plus performant ? Si oui, servez-vous de ces informations. Sinon, tirez au sort parmi les candidats qualifiés, plutôt que d’ajouter encore des entretiens et des notes.
Satisfaire aux critères minimaux n’est qu’une première étape. Le tirage au sort a du sens lorsqu’un classement supplémentaire apporte peu d’information pour prédire les performances. Il faut néanmoins tenir compte du coût d’une erreur, des incitations à fournir des efforts et de la confiance de l’équipe envers son responsable. La perspective d’une promotion pousse à faire des efforts ; tirer au sort toutes les promotions risquerait d’affaiblir cet encouragement. [12]
Le tirage au sort ne remplace pas le savoir. Il peut nous éviter de prétendre en savoir plus que nous n’en savons.
Essayez le tirage au sort
Si vous avez examiné vos options et qu’elles conviennent toutes, sans raison fiable d’en privilégier une, laissez le hasard trancher.
Comment nous avons vérifié les études
Voici ce que nous avons recalculé, et comment. Nous avons utilisé les données originales des deux études. Reproduire leurs analyses ne revient toutefois pas à refaire les expériences de manière indépendante.
Kuipers (2026) : sélection par examen ou par tirage au sort
Nous avons comparé la part d’argent que les participants, dans leur rôle de fonctionnaires, attribuaient aux autres selon qu’ils avaient été choisis par examen ou par tirage au sort. Nous avons d’abord limité l’analyse aux groupes ayant terminé toute l’expérience, puis inclus tous ceux qui avaient fourni des résultats exploitables à la tâche de répartition de l’argent.
| Échantillon analysé | Sélection par examen, comparée au tirage au sort |
|---|---|
| Groupes ayant terminé l’ensemble de l’expérience | −9,4 points de pourcentage ; IC à 95 % : de −16,5 à −2,4 |
| Toutes les décisions exploitables sur la répartition de l’argent | −4,5 points de pourcentage ; IC à 95 % : de −10,5 à +1,4 |
Une valeur négative signifie que les participants sélectionnés par examen donnaient aux autres une part moins importante de l’argent. Il s’agit de deux analyses que nous avons menées sur le même indicateur, et non de deux effets rapportés par l’auteur de l’étude. Environ 55 % des groupes désignés par tirage au sort et 48 % de ceux retenus par examen ont terminé l’ensemble de l’expérience. Ce taux élevé d’abandon limite la confiance que l’on peut accorder aux résultats. La répartition de l’argent n’était par ailleurs qu’un critère parmi plusieurs : le risque lié aux tests multiples doit donc aussi être pris en compte. Le changement entre nos estimations montre à quel point le résultat dépend de l’échantillon choisi ; il ne prouve pas que l’étude originale était erronée.
Fischer et ses collègues (2023) : équipes étudiantes formées au hasard
À partir des données originales disponibles sur OSF, nous avons reproduit le coefficient publié : pour les travaux écrits, la différence de score entre les équipes constituées par les étudiants eux-mêmes et celles formées aléatoirement était de −0,4151 écart-type. Mais les règles de constitution des équipes n’avaient été appliquées qu’à quatre classes universitaires : une classe par règle dans chacune des deux cohortes. L’étude indique que les étudiants avaient été répartis aléatoirement entre les classes ; elle n’établit pas que les règles elles-mêmes avaient été attribuées au hasard à ces classes.
Pour tester la sensibilité du résultat, nous avons imaginé permuter les deux règles entre les classes au sein de chaque cohorte. Cela ne laisse que quatre répartitions possibles : la plus petite valeur de p possible pour un test unilatéral est donc de 0,25 ; la valeur de p bilatérale conditionnelle pour l’écart observé est de 0,50. Il ne s’agit pas de valeurs de p corrigées pour l’étude originale. Cet exercice de permutation illustre les limites d’une randomisation hypothétique des règles au niveau des classes, et non les propriétés du dispositif réellement utilisé.
Dans les deux cas, reproduire un chiffre, établir un effet causal et appliquer ce résultat à de véritables entreprises sont trois questions distinctes. Les données originales sont accessibles dans les références [5] et [6].
Références
- Benson, A., Li, D., & Shue, K. (2019). Promotions and the Peter Principle. Quarterly Journal of Economics. DOI.
- Büchel, B., Klößner, S., Lochmüller, M., & Rauhut, H. (2020). The Strength of Weak Leaders. Experimental Economics. DOI.
- Haslam, S. A., et al. (1998). Inspecting the Emperor’s Clothes. Group Dynamics. DOI.
- Weidmann, B., et al. (2026). How Do You Identify a Good Manager? Quarterly Journal of Economics. DOI.
- Kuipers, N. (2026). Bureaucratic Selection and Weberian Values. Journal of Politics. DOI; données sur Harvard Dataverse.
- Fischer, M., Rilke, R. M., & Yurtoglu, B. B. (2023). When, and Why, Do Teams Benefit from Self-Selection? Experimental Economics. DOI; données sur OSF.
- Adam, D. (2019). Science Funders Gamble on Grant Lotteries. Nature. DOI.
- Ackerley, D. (2020). Grant Lottery Systems: A Winner Responds. Nature. DOI.
- Volkswagen Foundation. Give Chance a Chance.
- Research on Research Institute. The Experimental Research Funder’s Handbook.
- Sackett, P. R., et al. (2022). Revisiting Meta-Analytic Estimates of Validity in Personnel Selection. Journal of Applied Psychology. DOI.
- Lazear, E. P., & Rosen, S. (1981). Rank-Order Tournaments as Optimum Labor Contracts. Journal of Political Economy. DOI.
- Chemin, M. (2021). Does Appointing Team Leaders and Shaping Leadership Styles Increase Effort? Journal of Economic Behavior & Organization. DOI.
- Pluchino, A., Rapisarda, A., & Garofalo, C. (2010). The Peter Principle Revisited: A Computational Study. Physica A, 389(3), 467–472. DOI; confirmation de l’attribution du prix Ig Nobel de management en 2010.
- Fondation Volkswagen (30 mai 2024). Everyone Is Equal in the Lottery Drum. Évaluation du programme Experiment! : publications des bénéficiaires et composition du groupe financé. rapport de la fondation.