Lexique

Ex. : Après le krach de mars 2020, l'écart entre le rendement attendu des actions et le taux sans risque bondit temporairement de 2 points : cette hausse mesure directement la PRA, qui reflète l'aversion au risque accrue des investisseurs en période de stress.

Ex. : La BCE relève ses taux de 0 à 4 points de pourcentage : le taux d'actualisation des flux futurs d'une entreprise augmente d'autant, réduisant mécaniquement la valeur actuelle de ses projets à long terme.

Ex. : Lorsque la Fed maintient les taux proches de zéro pendant une décennie, les fonds de pension contraints de servir leurs engagements migrent vers des obligations high yield et des actifs alternatifs plus risqués.

Ex. : Une banque centrale estime un modèle VAR à trois variables (taux directeur, inflation, cours boursiers) pour mesurer combien de trimestres il faut à un choc de taux d'un point pour se transmettre pleinement aux marchés actions : ce délai de transmission, pas une perte instantanée, est ce que le modèle identifie.

Ex. : La Banque de France utilise un modèle DSGE pour simuler l'impact d'un choc pétrolier de +30 $ sur l'inflation et le PIB français à horizon 2 ans, intégrant les comportements optimisateurs des ménages et des entreprises.

Ex. : Sur un portefeuille de 50 actions, l'ACP extrait 3 composantes (croissance, value, momentum) qui expliquent 70 % de la variance totale des rendements, réduisant drastiquement la dimensionnalité du problème.

Ex. : Une obligation à 10 ans avec une duration de 8 ans verra son prix chuter d'environ 8 % si les taux montent de 1 point : un gérant qui anticipe une hausse raccourcit la duration de son portefeuille.

Ex. : En zone euro, le rendement du Bund allemand à 10 ans sert de taux sans risque : tout actif risqué doit offrir une prime au-delà de ce taux pour attirer des investisseurs rationnels.

Ex. : Un investisseur achète des parts d'un REIT coté qui détient 200 centres commerciaux : il perçoit 90 % des loyers sous forme de dividendes sans gérer aucun bien en direct, avec la liquidité d'une action.

Ex. : Une action bancaire avec un bêta de politique monétaire de 1,5 chute 1,5 fois plus fortement qu'un indice large en réponse à une annonce de hausse de taux inattendue.

Ex. : Dans les zones où l'urbanisme est très contraint (Paris intramuros), l'élasticité-offre du logement est proche de zéro : une hausse de prix de 20 % ne génère presque aucune construction supplémentaire.

Ex. : Le HCSF impose depuis 2022 que le taux d'effort des emprunteurs ne dépasse pas 35 % : un ménage gagnant 4 000 €/mois net ne peut emprunter que si sa mensualité reste sous 1 400 €.

Ex. : Un ménage remboursant 1 200 € de mensualités pour un revenu net de 3 500 € affiche un taux d'effort de 34,3 % (juste sous le seuil HCSF) et peut emprunter.

Ex. : Une maison individuelle construite sur un sol argileux du Sud-Ouest voit ses fondations se fissurer après un été particulièrement sec : l'expert reconnaît un sinistre RGA, indemnisable au titre du régime catastrophes naturelles si l'état de catastrophe naturelle est reconnu par arrêté.

Ex. : La BCE impose un coussin contracyclique de 1 % sur les expositions françaises : les banques doivent constituer des réserves supplémentaires en période de forte croissance du crédit pour prévenir une future crise.

Ex. : Aux États-Unis, un emprunteur souscrit un ARM 5/1 à 3,5 % : taux fixe les 5 premières années, puis révisable chaque année selon l'indice SOFR ; son risque de taux se matérialise dès la 6e année.

Ex. : Au Royaume-Uni, où la majorité des crédits immobiliers sont à taux variable ou révisés tous les deux à cinq ans, une hausse des taux directeurs renchérit immédiatement le service de la dette existante des ménages : c'est le canal de stock qui domine, à l'inverse de la France où le stock de crédits à taux fixe reste protégé et seul le canal de flux (nouveaux emprunts) est touché.

Ex. : Un propriétaire parisien emprunté à 1,2 % refuse de vendre pour acheter un bien similaire à 4 % : l'effet de blocage réduit les transactions de 30 % dans les zones où les taux ont le plus monté.

Ex. : Un indice de contrainte réglementaire du type WRLURI appliqué à une métropole comme Lyon (délais de permis de construire longs, zones protégées nombreuses, coefficient d'occupation restreint) donnerait probablement un score élevé, même si aucun score WRLURI officiel n'existe pour les villes françaises, l'indice n'ayant été construit que pour les municipalités américaines.

Ex. : L'indice Notaires-Insee des logements anciens en Île-de-France a reculé de 8 % entre début 2022 et fin 2023, reflétant l'impact de la remontée des taux sur la demande solvable.

Ex. : Une PME industrielle génère 5 M€ de CA avec un EBITDA de 800 K€ (marge 16 %) : avant intérêts et amortissements, elle dégage 800 K€ pour rembourser sa dette et financer ses investissements.

Ex. : Un grossiste achète à 60 jours, stocke 30 jours et accorde 90 jours à ses clients : son BFR représente 60 jours de CA, un décalage à financer en permanence par une ligne de crédit court terme.

Ex. : Un projet d'investissement de 1 M€ génère 300 K€/an pendant 5 ans, actualisés à 8 % : la VAN de +196 K€ signifie que le projet crée de la valeur au-delà du coût du capital.

Ex. : Un fonds de private equity cède une participation après 5 ans avec un TRI de 22 % : chaque euro investi s'est multiplié par 2,7, largement au-dessus du seuil de rentabilité cible de 15 %.

Ex. : Une entreprise financée à 60 % par fonds propres (coût 12 %) et 40 % par dette (coût 4 % après IS) affiche un WACC de 8,8 % : tout projet dont le TRI dépasse 8,8 % crée de la valeur.

Ex. : Un investisseur achète un immeuble à 1 M€ avec 200 K€ d'apport et 800 K€ de crédit : si l'immeuble prend 10 % de valeur, sa plus-value sur capitaux propres est de 50 % ; levier 5x.

Ex. : Un restaurant génère 50 K€ de recettes mensuelles mais décaisse 55 K€ (loyer, salaires, fournisseurs) : son cash-flow est négatif à -5 K€/mois, forçant un découvert ou une levée de fonds.

Ex. : Un camion acheté 120 K€ avec une durée d'utilisation de 8 ans est amorti linéairement à 15 K€/an : après 4 ans, sa valeur nette comptable est 60 K€, même si sa valeur de marché est différente.

Ex. : Un constructeur automobile constate un défaut sur 50 000 véhicules et provisionne 30 M€ pour les rappels probables avant même de recevoir les factures des ateliers.

Ex. : Sous IFRS 9, une banque doit provisionner les pertes de crédit attendues dès l'origination du prêt (et non seulement après défaut avéré) ce qui rend son bilan plus pro-cyclique.

Ex. : Avant d'acquérir une fintech pour 80 M€, l'acheteur mandate des auditeurs pour 8 semaines : examen des contrats clients, des litiges en cours, de la qualité du code et de la conformité RGPD.

Ex. : Au closing d'une série B, la cap table montre : fondateurs 45 %, business angels 10 %, fonds seed 15 %, nouveau fonds 25 %, BSPCE salariés 5 % ; chaque ligne définit les droits économiques et de vote.

Ex. : Un fonds envoie une term sheet valorisant la startup à 20 M€ pre-money, investissant 5 M€ avec une clause de liquidation préférentielle 1x non participante et un droit de veto sur les décisions stratégiques.

Ex. : Avant la levée, un fondateur détient 60 % du capital ; après émission de 25 % d'actions nouvelles, sa participation tombe à 45 % : il est dilué de 15 points mais sur une valorisation plus élevée.

Ex. : Un analyste valorise une entreprise SaaS à 150 M€ par DCF : il actualise 10 ans de free cash-flows projetés à un WACC de 10 % et additionne une valeur terminale représentant 70 % du total.

Ex. : La reprise d'un groupe de distribution pour 500 M€ est financée avec 100 M€ de fonds propres et 400 M€ de dette senior : les flux de trésorerie de la cible remboursent la dette sur 7 ans.

Ex. : Le rachat de WhatsApp par Facebook pour 19 Md$ en 2014 est une acquisition M&A : la cible ne dégageait aucun bénéfice mais apportait 450 millions d'utilisateurs actifs.

Ex. : Un prêt syndiqué impose un covenant de levier net < 4x EBITDA : si l'entreprise franchit ce seuil suite à une acquisition, les banques peuvent exiger un remboursement anticipé.

Ex. : L'EBA soumet les banques européennes à un stress test simulant une récession de -5 % du PIB, une hausse des défauts de 3 points et une chute des marchés de 30 % : celles sous 8 % de fonds propres doivent se recapitaliser.

Ex. : Une obligation high yield notée BB+ s'échange à OAT+350 bp : l'investisseur exige 3,5 points supplémentaires par rapport au taux sans risque pour compenser le risque de défaut.

Ex. : Moody's dégrade la note d'un assureur de A2 à Baa1 après des pertes catastrophes répétées : son coût de refinancement augmente immédiatement de 80 bp sur les marchés.

Ex. : Une compagnie d'assurance est solvable si la valeur de ses actifs couvre l'ensemble de ses provisions techniques et engagements, même dans un scénario de liquidation forcée.

Ex. : Un Bund allemand est extrêmement liquide : vendu en secondes à sa valeur de marché. Une participation dans une PME non cotée est illiquide : la cession prend des mois et nécessite une décote.

Ex. : Le PIB français de 2 800 Md€ en 2023 agrège la valeur ajoutée de toutes les entreprises, administrations et ménages produisant en France : sa variation trimestrielle mesure la conjoncture.

Ex. : En France, une inflation de 5,9 % en 2022 signifie qu'un panier de 100 € fin 2021 en coûtait 105,90 € fin 2022 : érodant le pouvoir d'achat, surtout pour les ménages modestes sans indexation salariale.

Ex. : La BCE a relevé son taux directeur de 0 % à 4 % entre juillet 2022 et septembre 2023 pour juguler une inflation dépassant 10 % en zone euro : la hausse la plus rapide depuis la création de l'euro.

Ex. : Après 2008, la Fed a mis en place une politique monétaire expansive : taux proches de zéro et 4 000 Md$ de rachats d'actifs (QE) pour éviter une dépression comparable à celle de 1929.

Ex. : Face à la crise Covid, la France a adopté une politique budgétaire expansive : 100 Md€ de dépenses supplémentaires (chômage partiel, garanties de prêts) financées par emprunt, portant la dette à 115 % du PIB.

Ex. : L'élasticité-prix de l'essence est estimée à -0,2 à court terme : une hausse de prix de 10 % ne réduit la consommation que de 2 %, les automobilistes n'ayant pas d'alternative immédiate.

Ex. : Une cimenterie émet du CO₂ sans en payer le coût social : externalité négative. Une entreprise qui forme ses salariés crée une externalité positive dont d'autres employeurs bénéficient gratuitement.

Ex. : L'acheteur d'un véhicule d'occasion ignore son historique réel de sinistres : cette asymétrie d'information justifie l'existence de services comme Carfax et explique la 'malédiction du marché des citrons' de Akerlof.

Ex. : Une banque 'too big to fail' sait qu'elle sera sauvée par l'État en cas de faillite : cette assurance implicite l'incite à prendre des risques excessifs sur les marchés de capitaux.

Ex. : Sur un marché d'assurance santé sans obligation d'affiliation, seules les personnes malades souscrivent : les personnes en bonne santé ne s'assurent pas, rendant le risque mutuellement non assurable.

Ex. : Richard Thaler a montré que les salariés épargnent davantage pour leur retraite si l'inscription au plan d'épargne est automatique (opt-out) que volontaire (opt-in) : même montant, présentation différente.

Ex. : L'effet de dotation est un biais cognitif : les vendeurs de maison valorisent leur bien 10 à 20 % au-dessus du prix de marché simplement parce qu'il leur appartient.

Ex. : Un entrepreneur qui quitte un emploi à 80 K€/an pour créer sa startup doit intégrer 80 K€ de coût d'opportunité annuel dans le calcul de rentabilité de son projet.

Ex. : Avant 2012, EDF avait un monopole légal sur la vente d'électricité aux particuliers en France : aucun concurrent ne pouvait légalement lui disputer ce marché.

Ex. : Le marché français de la téléphonie mobile est un oligopole à 4 acteurs (Orange, SFR, Bouygues, Free) qui contrôlent ensemble plus de 95 % des abonnements.

Ex. : La défense nationale est un bien public : elle protège simultanément tous les résidents du territoire (non-exclusif) et en protéger un de plus ne diminue pas la protection des autres (non-rival).

Ex. : Entre 2013 et 2023, la zone euro a connu une expansion post-crise souveraine, un pic en 2017-2018, un ralentissement en 2019, le choc Covid en 2020 et une reprise en 2021-2022.

Ex. : Le taux de chômage structurel français est estimé à 7-8 % : même au sommet d'un cycle d'expansion, ce socle incompressible reflète inadéquations de compétences et rigidités du marché du travail.

Ex. : La récession de 2009 a fait passer le chômage français de 7 % à 9,5 % en 18 mois : hausse conjoncturelle largement résorbée dans les années qui ont suivi.

Ex. : La productivité horaire du travail française est parmi les plus élevées d'Europe (~65 $/h), mais la productivité totale des facteurs stagne depuis 2008 : reflet d'un manque d'investissement en R&D.

Ex. : Dans un duopole cimentier, chaque acteur décide de ses capacités sans connaître le choix de l'autre : la théorie des jeux prédit un équilibre de Cournot où la production totale est inférieure à la concurrence pure.

Ex. : Un acheteur de voiture n'évalue pas les 50 modèles du marché : il visite 3 concessionnaires et choisit la première option dépassant son seuil de satisfaction ; rationalité satisfaisante selon Simon.

Ex. : Lors d'un krach éclair, le LULD suspend la cotation d'une action dont le cours sort de sa bande de prix, la reprise s'effectuant ensuite selon la procédure d'enchères de sa place de cotation principale.

Ex. : Un ETF S&P 500 permet d'acheter en une seule ligne l'exposition aux 500 plus grandes capitalisations américaines, pour des frais annuels de l'ordre de 0,1 à 0,3 %.

Ex. : Le risque qu'une entreprise particulière annonce un profit warning est idiosyncratique : il ne touche pas les autres titres du portefeuille.

Ex. : Une hausse des taux directeurs affecte simultanément la quasi-totalité des actions cotées : c'est un risque systématique qu'aucune diversification ne supprime.

Ex. : Un indice où dix titres pèsent 40,7 % du poids total affiche un HHI nettement supérieur à celui d'un indice où le même poids est réparti sur deux cents titres.

Ex. : Un ETF à réplication synthétique affiche généralement une tracking error plus faible qu'un ETF à réplication physique par échantillonnage.

Ex. : Un ETF S&P 500 « hedged EUR » neutralise l'effet du taux de change dollar/euro, mais reste exposé au différentiel de taux d'intérêt entre les deux devises, le coût de portage.

Ex. : Les indices de hedge funds comme HFRI sont exposés au biais du survivant : les fonds qui ferment après de mauvaises performances disparaissent souvent rétroactivement de l'échantillon.

Ex. : Un ETF S&P 500 éligible au PEA doit obligatoirement recourir à la réplication synthétique, le PEA n'admettant pas en direct de titres américains.

Ex. : Un ETF World logé en CTO subit le PFU de 31,4 % à la revente, contre 18,6 % de prélèvements sociaux seuls pour un PEA détenu plus de cinq ans.

Ex. : Plusieurs études montrent qu'une hausse de la détention d'un titre par des ETF augmente son comouvement avec l'indice, un effet documenté mais débattu selon les travaux.

Ex. : L'édition SPIVA Year-End 2025 montre que 79 % des fonds actifs grande capitalisation américains sous-performent le S&P 500.

Ex. : Un ETF S&P 500 éligible PEA recourt presque toujours à la réplication synthétique, faute de pouvoir détenir en direct des actions américaines dans cette enveloppe.

Ex. : L'iShares Core MSCI World est capitalisant, l'Amundi Core MSCI World Dist est distribuant : à indice identique, ce choix influe sur la fiscalité et le calendrier des flux perçus.

Ex. : Deux ETF MSCI World peuvent afficher un TER identique de 0,20 % et pourtant livrer une performance nette différente une fois la tracking difference prise en compte.

Ex. : Sur 2016-2025, deux ETF MSCI World au même TER de 0,20 % affichent un écart de suivi de 0,08 % et 0,13 %. Le signe ne se lit jamais sans la convention de celui qui publie le chiffre : certains agrégateurs comptent en négatif un fonds qui bat son indice, l'inverse de la convention des émetteurs.

Ex. : Le revenu du prêt de titres explique en partie qu'un ETF puisse afficher une tracking difference meilleure que son seul TER ne le laisserait attendre.

Ex. : Le spread est généralement resserré sur un ETF large et liquide, et sensiblement plus élevé sur un produit de niche à faible encours.

Ex. : Un gain de 10 000 € réalisé sur un CTO est amputé de 3 140 € au titre du PFU, contre 1 860 € de prélèvements sociaux seuls sur un PEA détenu plus de cinq ans.

Ex. : Entre février 2021 et mi-2023, le Nasdaq-100 a progressé d'environ 7,8 % quand son ETF à levier x3 (TQQQ) perdait environ 30,6 %, un écart largement dû au beta slippage.

Ex. : Avec un taux Fed à 4,50 % contre 2,50 % pour la BCE mi-2026, le coût de portage d'une couverture dollar vers euro joue actuellement en faveur de l'investisseur en euros.

Ex. : En temps normal, le mécanisme de création/rachat corrige en quelques minutes tout écart entre le prix d'un ETF et sa valeur liquidative.

Ex. : En mars 2020, la capacité des participants autorisés à arbitrer efficacement le panier obligataire sous-jacent s'est dégradée, laissant apparaître un écart de prix inédit.

Ex. : En mars 2020, la décote de certains ETF obligataires high yield par rapport à leur valeur liquidative a dépassé 800 points de base.

Ex. : La littérature académique ne tranche pas si la montée de la gestion passive dégrade la découverte de prix ou si un mécanisme d'ajustement neutralise cet effet à l'échelle du marché.

Ex. : Sur les engagements pluriannuels annoncés du secteur arrêtés à avril 2026, la BRI en classe 998 milliards de dollars sur 1 625 en financement circulaire. Chez les fabricants de puces, la part circulaire est de 139 milliards contre 5 de pleine concurrence.

Ex. : La BRI retient cinq hyperscalers pour ce calcul : Alphabet, Amazon, Meta, Microsoft et Oracle.

Ex. : Selon la BRI, environ 15 % des portefeuilles de direct lending mondiaux sont désormais alloués aux secteurs IA et informatique, un quadruplement en cinq ans.

Ex. : La BRI estime que la concurrence entre hyperscalers, tous convaincus qu'un petit nombre d'acteurs dominera le marché final de l'IA, peut faire basculer le surplus économique net du secteur en territoire négatif dans un scénario défavorable, même si chaque acteur pris isolément agit rationnellement.

Ex. : Selon la BRI, environ la moitié des émissions obligataires investment grade récentes proviennent d'entreprises liées au capex IA, ce qui expose ce segment jugé sûr à un risque de concentration sectorielle inhabituel.

Ex. : Le financement circulaire du secteur IA est rapproché de ce modèle par analogie de structure. La condition d'interconnexion élevée est documentée par la BRI ; celle de concentration des contreparties ne l'est pas, et aucune étude empirique n'a appliqué ce modèle au capex IA.

Ex. : Song Ma montre, à partir de données de brevets, que les firmes les plus exposées à l'obsolescence technologique voient leurs actions sous-performer de 7 % par an celles des firmes les moins exposées, un écart attribué à une survalorisation systématique de leurs profits futurs par les marchés.

Ex. : Un data center s'amortit comptablement sur quinze à vingt ans, quand la valeur résiduelle des GPU qu'il héberge peut chuter de plus de 70 % en trois ans, un écart de rythme qui complique toute couverture assurantielle unique de l'ensemble du site.

Ex. : Un moteur de recherche ou un assistant d'IA générative gratuit n'ajoute rien au PIB au sens strict puisqu'aucune transaction marchande n'est enregistrée ; le cadre GDP-B tente de chiffrer la valeur que ces services procurent malgré tout à leurs utilisateurs.

Ex. : Un utilisateur qui accepterait de payer 50 dollars par mois pour un outil d'IA générative qu'il obtient gratuitement bénéficie d'un surplus consommateur de 50 dollars, une valeur réelle pour lui mais invisible dans les statistiques de PIB puisqu'aucun paiement n'a lieu.

Ex. : Demander « combien accepteriez-vous pour renoncer à l'IA générative pendant un mois ? » mesure un consentement à recevoir ; demander « combien seriez-vous prêt à payer pour y accéder ? » mesure un consentement à payer, généralement inférieur pour un bien déjà utilisé gratuitement.

Ex. : Sur un échantillon de plusieurs milliers de répondants, chacun se voit proposer un seul montant parmi une liste de sept ; le taux d'acceptation à chaque montant, agrégé sur l'ensemble de l'échantillon, permet de reconstruire la distribution complète des valorisations individuelles.

Ex. : Un répondant qui déclare accepter 200 dollars pour renoncer à un service pendant un mois pourrait, confronté à une offre réelle de ce montant, se comporter différemment : le biais hypothétique désigne cet écart entre préférence déclarée et choix effectif.

Ex. : Malgré la diffusion rapide des outils d'IA générative depuis 2023, les gains de productivité agrégés mesurés dans les comptes nationaux restent, à ce stade, modestes et difficiles à isoler statistiquement, une situation que certains économistes rapprochent du paradoxe de Solow observé lors de la diffusion de l'informatique dans les années 1980.

Ex. : Une compagnie verse automatiquement 500 €/ha à un agriculteur si les précipitations à la station météo de référence descendent sous 40 mm en juillet : sans expertise ni déclaration de sinistre.

Ex. : Un éleveur souscrit une assurance indicielle basée sur l'indice pluviométrique régional : une sécheresse locale sévit sur son exploitation sans que l'indice régional ne déclenche le paiement.

Ex. : Un contrat d'assurance paramétrique sur séisme verse une indemnité automatique si la magnitude mesurée par le sismographe de référence dépasse 6,5 : sans évaluation des dommages réels.

Ex. : L'African Risk Capacity a versé 26 M$ au gouvernement du Sénégal en 2015 lors d'une sécheresse, en moins de 30 jours après le déclenchement automatique de l'indice : bien avant l'aide humanitaire classique.

Ex. : Un modèle actuariel prédit les sinistres auto avec un R² de 0,65 : les variables retenues expliquent 65 % de la variabilité des coûts ; les 35 % restants sont du bruit ou des facteurs non observables.

Ex. : Un assureur santé dispose de 300 dossiers de maladies rares mais mesure 2 000 biomarqueurs par dossier : régime HDLSS qui nécessite une régularisation forte (LASSO, ridge) pour éviter le sur-ajustement.

Ex. : Sur une prime pure de 200 €, l'assureur ajoute 40 € de chargement (20 %) pour couvrir frais de gestion, de distribution et marge bénéficiaire.

Ex. : Pour un portefeuille auto où la fréquence de sinistres est 8 % et le coût moyen 3 000 €, la prime actuariellement juste est 240 € : avant tout chargement commercial.

Ex. : Un programme de la Banque africaine de développement finance la formation de 50 actuaires dans cinq pays subsahariens pour développer la capacité locale à souscrire des risques agricoles paramétriques.

Ex. : Après les ouragans de 2017, plusieurs syndicats Lloyd's ont refusé de renouveler les couvertures catastrophe dans les Caraïbes : les assureurs locaux ont dû se tourner vers le marché E&S pour trouver de la capacité.

Ex. : Un assureur vie affiche un ratio de couverture SCR de 180 % : il dispose de 1,8 fois le capital minimum requis pour absorber un choc bicentenaire, selon le calibrage de Solvabilité II.

Ex. : Après les inondations du Pas-de-Calais de novembre 2023, l'état de catastrophe naturelle reconnu par arrêté interministériel déclenche l'indemnisation obligatoire pour les sinistrés assurés.

Ex. : Les inondations européennes de 2021 ont causé 46 Md€ de pertes économiques, dont seulement 30 % étaient assurés : le protection gap de 32 Md€ a été supporté par les États et les ménages non assurés.

Ex. : Le GIMAR 2023 signale que les actifs immobiliers commerciaux représentent une concentration de risque croissante dans les portefeuilles des assureurs européens, dans un contexte de hausse des taux.

Ex. : Un assureur réalise son ORSA annuel et constate que le stress test climatique dégrade son ratio SCR de 185 % à 115 % : résultat communiqué au conseil d'administration qui décide de réduire l'exposition aux actifs fossiles.

Ex. : Les réserves de charbon dans le portefeuille obligataire d'un assureur risquent de devenir des actifs échoués si une taxe carbone de 150 €/tonne est mise en place avant 2030.

Ex. : Face à la répétition des inondations en zones côtières, certains assureurs retirent leurs offres habitation : la prime actuarielle dépasserait la valeur locative du bien, rendant le risque économiquement non assurable.

Ex. : Pour assurer sa maison, un propriétaire verse 800 €/an : c'est la prime qui couvre les risques d'incendie, de vol et de dégâts des eaux définis dans le contrat.

Ex. : Un assureur auto observe une sinistralité de 72 % en 2023 : pour 100 € de primes encaissées, 72 € ont été reversés en indemnisations ; une sinistralité au-delà de 80 % génère une perte technique.

Ex. : Sous Solvabilité II, un assureur calibre son SCR avec la Value at Risk à 99,5 % sur un horizon d'un an : il doit pouvoir faire face à un événement de sévérité bicentenaire.

Ex. : AXA cède 30 % de son exposition aux tempêtes européennes à Swiss Re : en échange d'une prime, Swiss Re prend en charge 30 % des indemnisations au-delà d'un seuil de rétention.

Ex. : Un actuaire calcule la prime d'un contrat dépendance en modélisant les tables d'entrée en dépendance, les durées moyennes de prise en charge et les coûts journaliers selon l'âge à la souscription.

Ex. : La table de mortalité TD 88-90 donne une probabilité de décès de 0,3 % pour un homme de 40 ans : donnée utilisée pour tarifer un contrat d'assurance-vie temporaire ou un emprunteur immobilier.

Ex. : Un assureur IARD constitue 50 M€ de provision pour sinistres survenus mais non encore réglés (IBNR) de l'exercice précédent : obligation comptable et prudentielle sous Solvabilité II.

Ex. : Un assureur auto affiche un ratio combiné de 98 % : sinistralité 70 % + frais 28 %, soit une rentabilité technique légèrement positive avant résultat financier.

Ex. : Sur un portefeuille habitation, un ratio S/P de 65 % signifie que pour 1 000 € de primes encaissées, 650 € ont été reversés en indemnisations : les 350 € restants couvrent les frais et la marge.

Ex. : Un contrat auto avec franchise de 500 € : pour un sinistre de 2 000 €, l'assuré paie 500 € et l'assureur verse 1 500 € ; la franchise dissuade les petits sinistres et réduit l'aléa moral.

Ex. : Un risque industriel de 100 M€ est réparti entre AXA (40 %), Allianz (35 %) et Generali (25 %) : chaque assureur couvre sa quote-part et reçoit la prime correspondante.

Ex. : L'underwriter examine le dossier d'un promoteur immobilier : solidité financière, antécédents de sinistres, mesures de prévention ; et fixe une prime de 0,15 % de la valeur assurée pour le risque construction.

Ex. : Un contrat multirisque professionnelle IARD couvre à la fois les biens (locaux, matériel) et la responsabilité civile d'une PME : un seul contrat pour les principaux risques non-vie.

Ex. : Un salarié souscrit un contrat de prévoyance collective qui verse 80 % de son salaire brut en cas d'incapacité de travail pendant 3 ans, complétant les prestations de la Sécurité sociale.

Ex. : Après un sinistre responsable, le coefficient bonus-malus d'un conducteur passe de 0,85 à 1,02 : sa prime augmente d'environ 20 % l'année suivante.

Ex. : Le NGFS a publié en 2023 ses scénarios climatiques de référence utilisés par les superviseurs européens pour calibrer les stress tests climatiques des banques et assureurs.

Ex. : L'ACPR a infligé en 2022 une sanction à un assureur pour défaut de traçabilité dans son processus de souscription et défaillances dans le dispositif anti-blanchiment.

Ex. : L'EIOPA a publié en 2023 ses orientations sur l'intégration des risques de durabilité dans l'ORSA des assureurs, précisant les scénarios climatiques à retenir.

Ex. : L'IAIS a adopté en 2019 l'ICS (Insurance Capital Standard), première norme mondiale de solvabilité pour les groupes d'assurance internationaux : alternative à la fragmentation réglementaire actuelle.

Ex. : Un data center IA complet peut dépasser 20 milliards de dollars de valeur assurée une fois l'équipement installé : un seul événement climatique sur ce site suffit à générer un sinistre d'une ampleur qu'aucun site industriel classique n'atteignait il y a dix ans.

Ex. : Un portefeuille de data centers IA dont la valeur dépend du même fournisseur de puces échoue au premier critère de Berliner : un choc technologique unique peut toucher l'ensemble du portefeuille au même moment, quelle que soit la répartition géographique des sites.

Ex. : Beazley a placé en décembre 2025, via son véhicule PoleStar Re, un cat bond cyber de 300 millions de dollars structuré avec un déclencheur indemnitaire portant sur des événements cyber catastrophiques et systémiques.

Ex. : Un propriétaire en zone inondable consulte PROTECT et découvre que des mesures de prévention simples (batardeaux, surélévation des équipements sensibles) réduisent son exposition physique, sans que cela change la corrélation géographique du risque qui pèse sur le prix de sa prime.

Ex. : L'Observatoire permettrait de comparer, année après année, le taux de couverture d'une région méditerranéenne exposée à la sécheresse avec celui d'une région d'Europe du Nord exposée aux inondations, là où les statistiques actuelles restent agrégées au niveau national.

Ex. : Un assureur qui multiplie les contrats dans une seule vallée exposée aux crues n'obtient pas la même réduction de prime par tête qu'un assureur qui répartit ses contrats sur des zones aux aléas indépendants : dans le premier cas, un seul événement peut déclencher l'ensemble des sinistres à la fois.

Ex. : Une compagnie qui passe d'une prime nationale uniforme à un risk-based pricing par commune peut voir la prime d'une commune très exposée aux inondations doubler, tandis que celle d'une commune peu exposée baisse.

Ex. : Une municipalité qui adopte un plan de gestion des zones inondables plus strict que le minimum fédéral obtient une classe de notation supérieure, ce qui réduit mécaniquement la prime de tous les propriétaires assurés de la commune, sans supprimer l'incitation à la prévention.

Ex. : Avant la loi Baudu, une commune qui refusait d'adopter un PPRN malgré des inondations répétées voyait la franchise CatNat de ses habitants augmenter mécaniquement, une incitation collective à la prévention supprimée depuis 2023 pour les particuliers.

Ex. : Un ménage assuré via le NFIP avant Risk Rating 2.0 payait une prime inférieure à son risque actuariel réel ; la réforme a rapproché cette prime du risque effectif, au prix d'une hausse sensible pour les zones les plus exposées.

Ex. : Une commune qui adopte un PPRN après une crue majeure impose des règles de construction plus strictes dans la zone inondable identifiée, ce qui réduit l'exposition physique des futurs sinistres.

Ex. : Un propriétaire espagnol assuré contre l'incendie de son logement cotise automatiquement au Consorcio via une surprime, qui le couvre aussi contre les inondations et les tremblements de terre sans souscription distincte.

Ex. : Un assureur-vie américain cède une partie de ses engagements de rente à une filiale de réassurance qu'il a lui-même créée aux Bermudes : le risque économique reste dans le même groupe, mais il échappe à la supervision directe du régulateur d'État qui contrôle l'entité opérationnelle.

Ex. : Le programme ADIP d'Apollo et Athene, domicilié aux Bermudes, dépassait 69 milliards de dollars d'actifs mi-2024 et finançait 35 % des affaires nouvelles brutes d'Athene, en s'appuyant sur du capital apporté par des investisseurs tiers plutôt que par Athene seule.

Ex. : Un data center a une durée de vie de plusieurs décennies, quand un GPU se déprécie sur un cycle beaucoup plus court : un assureur qui détient de la dette adossée à ce type d'actif, via son allocation en crédit privé, porte un risque de duration spécifique que le FSB ne quantifie pas encore comme une catégorie de risque à part.

Ex. : Les assureurs-vie américains concernés par des transactions de réassurance d'actifs intensifs doivent déposer leurs premières attestations au titre de l'Actuarial Guideline 55 avec leurs états annuels 2025, au plus tard le 1er avril 2026.

Ex. : Un assureur-vie qui porte des engagements de plusieurs décennies s'oriente naturellement vers des actifs longs, comme le crédit privé, dont l'horizon de détention correspond mieux à ce passif qu'une obligation cotée classique, une logique d'asset-liability matching qui explique en partie l'attrait du crédit privé pour ce secteur.

Ex. : GPT-4, Claude, Llama 3 sont des LLM : entraînés sur des milliards de mots, ils génèrent des réponses contextuellement cohérentes sans jamais 'comprendre' au sens propre ; mais en modélisant les probabilités du langage.

Ex. : Claude Sonnet a une date de coupure d'août 2025 : il ignore les événements postérieurs à cette date et peut produire des réponses incorrectes sur l'actualité récente.

Ex. : Un modèle de trading entraîné avec les données de bilan publiées en mars pour prédire les rendements de janvier utilise des informations non disponibles à la date de décision : biais de rétrospection qui gonfle artificiellement la performance.

Ex. : Si un LLM restitue verbatim un extrait du RGPD ou les paroles d'une chanson protégée, c'est de la mémorisation : risque de violation du droit d'auteur distinct de la compréhension ou de la généralisation.

Ex. : Un algorithme testé sur 10 ans de données historiques affiche un Sharpe de 3,5 : trop de paramètres ajustés ont capturé du bruit ; en déploiement réel, la performance s'effondre à 0,4.

Ex. : Un modèle de tarification avec 50 variables corrélées produit des coefficients instables : plusieurs combinaisons différentes de paramètres donnent exactement le même résultat ; problème de non-identifiabilité.

Ex. : Un portefeuille de fonds alloue entre stratégies en maximisant le ratio de Sharpe : un fonds générant 10 % de rendement avec une volatilité de 5 % (Sharpe 2,0) est préféré à un fonds à 15 % avec 15 % de vol (Sharpe 1,0).

Ex. : ChatGPT cite parfois des articles scientifiques avec des auteurs réels, des titres plausibles et des DOI invalides : la référence n'existe pas, mais le modèle la produit avec une assurance totale.

Ex. : Un chatbot juridique d'assureur utilise la RAG : il cherche dans une base de 10 000 contrats les clauses pertinentes avant de générer sa réponse ; limitant les hallucinations sur des points contractuels précis.

Ex. : En période de stress boursier, plusieurs gestionnaires d'actifs se délestent simultanément des mêmes titres pour couvrir leurs rachats de parts, amplifiant la baisse bien au-delà des fondamentaux.

Ex. : Un système de vision par ordinateur détecte les défauts sur une chaîne de production à 200 pièces/minute, au-delà des capacités humaines : application d'IA industrielle combinant deep learning et capteurs.

Ex. : Un modèle de scoring bancaire apprend à prédire les défauts de crédit en analysant 500 000 dossiers historiques, sans que les ingénieurs programment explicitement les règles de décision.

Ex. : GPT-4 est un modèle de deep learning à plusieurs centaines de milliards de paramètres organisés en couches, capable de générer du texte cohérent sur des sujets très variés.

Ex. : Un réseau convolutif (CNN) reconnaît des tumeurs dans des images IRM avec une précision de 94 %, comparable à celle d'un radiologue expert, en analysant les patterns locaux couche par couche.

Ex. : Introduit par Google en 2017 dans 'Attention is All You Need', le transformer est l'architecture sous-jacente à GPT, BERT, Claude et la quasi-totalité des LLM actuels.

Ex. : Dans la traduction 'Le chat dort', l'attention permet au modèle de pondérer fortement 'chat' lors de la génération de 'cat', et 'dort' lors de 'sleeps' : chaque token influence tous les autres.

Ex. : Le prompt 'Résume cet article en 3 points clés pour un non-spécialiste' guide le modèle vers une sortie structurée et accessible : la qualité du prompt détermine largement celle de la réponse.

Ex. : Reformuler 'Rédige un email' en 'Rédige un email de relance en 3 paragraphes, ton direct, pour un CFO qui n'a pas répondu sous 5 jours' améliore significativement la pertinence du résultat.

Ex. : OpenAI propose de fine-tuner GPT-4o sur des milliers d'échanges client d'une banque : le modèle générique adopte le ton, le vocabulaire et les règles de conformité de l'institution.

Ex. : GPT-4 a été pré-entraîné sur plusieurs téraoctets de textes web, livres et code pour apprendre la structure du langage : étape représentant plus de 99 % du coût total d'entraînement.

Ex. : Un agent IA chargé de réserver un vol cherche sur Skyscanner, compare les prix, sélectionne le siège et envoie la confirmation par email : une suite d'actions autonomes vers un objectif unique.

Ex. : LIME explique localement le refus d'un crédit par un modèle opaque : le taux d'endettement contribue à +0,32 au refus, l'ancienneté professionnelle à -0,18 ; interprétation au niveau du dossier individuel.

Ex. : Un algorithme de recrutement entraîné sur des CV historiques d'une entreprise à dominante masculine défavorise systématiquement les CV féminins, reproduisant le biais de sélection passé.

Ex. : Un modèle de tarification satisfait l'équité individuelle (même profil = même prime) mais viole l'équité de groupe (les résidents de certains codes postaux paient systématiquement plus, pour des raisons non causales).

Ex. : Un réseau profond approuve ou refuse un crédit en 2 secondes, mais aucun ingénieur ne peut expliquer précisément pourquoi le dossier 47382 a été refusé : problème juridique majeur sous le RGPD.

Ex. : GPT-2 a été entraîné sur 8 millions de pages web ; la qualité et la représentativité de ces données déterminent directement les biais et les capacités du modèle final.

Ex. : Un modèle de churn mémorise les particularités des 10 000 clients d'entraînement (98 % de précision), mais tombe à 61 % sur de nouveaux clients : signe de surapprentissage, pas de généralisation.

Ex. : Sur 100 000 transactions, 80 000 servent à l'entraînement, 10 000 à la validation et 10 000 constituent le jeu de test : utilisé une seule fois pour évaluer la performance finale, jamais pendant le développement.

Ex. : GPT-3 contient 175 milliards de paramètres : autant de valeurs numériques ajustées pendant l'entraînement, déterminant comment le modèle transforme chaque token d'entrée en une distribution de sortie.

Ex. : Le texte 'inassurabilité' est découpé en 5 tokens par GPT-4 : 'in', 'assur', 'abil', 'it', 'é' ; l'unité de facturation des API et la limite sur laquelle s'applique la fenêtre de contexte.

Ex. : Claude 3 Opus dispose d'une fenêtre de 200 000 tokens : il peut analyser un rapport annuel de 600 pages en entier et répondre à des questions en tenant compte de l'ensemble du document.

Ex. : GPT-4, Llama 3 et Claude sont des modèles de fondation : entraînés à grands frais sur des données générales, ils servent de base à des milliers d'applications via fine-tuning ou prompting.

Ex. : Stable Diffusion génère une illustration réaliste à partir du prompt 'graphique croissance verte en Europe, style The Economist, fond blanc' : en 8 secondes, sans photographe ni graphiste.

Ex. : AlphaGo a appris à jouer au go par apprentissage par renforcement : en jouant des millions de parties contre lui-même, il a découvert des stratégies inédites, battant le champion mondial en 2016.

Ex. : ChatGPT a été affiné par RLHF : des évaluateurs ont classé des réponses candidates, entraînant un modèle de récompense dont le signal guide l'optimisation du LLM vers des réponses jugées utiles et sûres.

Ex. : La technique 'Constitutional AI' d'Anthropic tente d'aligner Claude sur des principes éthiques en faisant critiquer le modèle ses propres réponses avant de les affiner : alternative partielle au RLHF.

Ex. : La BNP Paribas a créé un comité de gouvernance IA qui évalue chaque nouveau modèle avant déploiement en production, selon des critères d'équité, d'explicabilité et de conformité réglementaire.

Ex. : Sous l'EU AI Act, un système de scoring de crédit est classé 'haut risque' : enregistrement obligatoire, audit de conformité, supervision humaine et droit à l'explication pour les personnes affectées.

Ex. : Un outil d'aide à la décision médicale recommandant des traitements est un système à haut risque sous l'AI Act : documentation technique complète, tests de robustesse et supervision humaine obligatoires.

Ex. : Un assureur préfère une régression logistique avec 15 variables interprétables à un réseau de neurones plus précis mais opaque : pour satisfaire le droit à l'explication du RGPD article 22.

Ex. : Un modèle anti-fraude entraîné avant Covid se dégrade en 2021 : les habitudes de paiement ont changé et les fraudeurs ont adapté leurs techniques ; nécessitant un réentraînement ou un recalibrage.

Ex. : Le pipeline NLP d'un assureur : ingestion des emails → nettoyage → tokenisation → classification → extraction d'entités → routing vers le bon service ; exécuté en moins de 500 ms.

Ex. : Un assureur intègre l'API OpenAI pour son chatbot : chaque message client est envoyé en HTTPS, GPT-4o génère la réponse, renvoyée à l'interface en moins d'une seconde.

Ex. : Générer une réponse de 500 tokens avec GPT-4o coûte ~0,01 $ : un chatbot traitant 100 000 requêtes/jour représente 1 000 $/jour ; poste à optimiser via la quantification ou des modèles plus légers.

Ex. : Llama 3 70B réduit ses paramètres de 16 bits à 4 bits par quantification : le modèle passe de 140 Go à 35 Go en mémoire, permettant une inférence sur un seul GPU grand public.

Ex. : Getty Images a poursuivi Stability AI pour avoir entraîné Stable Diffusion sur ses photos sans licence : procès emblématique sur la question de savoir si l'entraînement constitue une reproduction illicite.

Ex. : Google argue que l'indexation de pages web pour entraîner ses modèles constitue un fair use car la transformation est substantielle : doctrine américaine sans équivalent direct en droit européen.

Ex. : Le standard C2PA intègre dans les métadonnées d'une image un certificat indiquant si elle a été générée par IA et quel modèle : pour lutter contre la désinformation et les deepfakes.

Ex. : Une équipe conteste une décision lbw : le DRS combine la trajectoire projetée par Hawk-Eye et le pic sonore capté par l'UltraEdge pour évaluer s'il y a eu contact avant l'impact sur le tibia.

Ex. : Hawk-Eye projette 45 % de la balle sur le guichet : sous le seuil de 50 %, c'est l'umpire's call, la décision initiale de l'arbitre est maintenue même si le recours a été demandé.

Ex. : Un club fait porter à ses joueurs un tracker EPTS dans le haut du dos pour mesurer la charge physique à l'entraînement, un usage autorisé par l'IFAB qui reste distinct d'un usage arbitral.

Ex. : Depuis l'adoption de l'ELC, une balle jugée out par les caméras Hawk-Eye est annoncée automatiquement par une voix synthétique, sans intervention d'un juge de ligne.

Ex. : Le prix de revente d'un GPU H100 sur le marché secondaire serait passé d'environ 30 000 à 8 000 dollars entre 2023 et 2026, selon un acteur de ce marché, illustrant la vitesse de dépréciation propre à ce type de matériel.

Ex. : Le NVIDIA Container Toolkit, déployé de façon quasi uniforme dans l'infrastructure IA mondiale, a porté en 2025 une faille (CVE-2025-23266) qui aurait pu toucher, en théorie, l'ensemble des data centers l'utilisant au même moment.

Ex. : Le rapport MIT NANDA (2025) qualifie de GenAI Divide l'écart entre les 5 % d'organisations qui atteignent le stade de production sur leurs pilotes d'IA générative et les 95 % qui n'obtiennent aucun impact mesurable.

Ex. : Le rapport The GenAI Divide, publié par Project NANDA (MIT) en juillet 2025, combine l'analyse de plus de 300 déploiements publics et 153 entretiens de dirigeants.

Ex. : Un employé qui utilise un assistant IA grand public pour rédiger un rapport sans validation de sa direction informatique illustre le shadow AI, une pratique que les rapports d'adoption officiels mesurent mal.

Ex. : Selon la Make-or-Buy Matrix de McKinsey, une entreprise qui automatise un cas d'usage standard comme le résumé de document gagne à acheter une solution existante, et réserve la construction aux cas où sa donnée propriétaire crée un avantage réel.

Ex. : Deloitte mesure que 59 % des grandes entreprises interrogées abordent ainsi leurs investissements en IA, avec 1,6 fois plus de risque de retour décevant que celles qui refondent d'abord leurs rôles.

Ex. : Sur les organisations qui engagent une refonte du travail autour de l'IA, Deloitte mesure que la fonction informatique en pilote 39 %, contre seulement 12 % pour les ressources humaines.

Ex. : L'enquête Humans x Machines, menée auprès de 100 dirigeants de sociétés de plus de 5 000 salariés, chiffre à 59 % la part des organisations technologie d'abord.

Ex. : Dans son édition 2026, l'enquête State of AI in the Enterprise mesure que seules 25 % des organisations ont fait passer plus de 40 % de leurs pilotes IA en production.

Ex. : Une banque qui développe son propre système de scoring de crédit réalise elle-même son évaluation de conformité par contrôle interne, documente ses tests et signe sa propre déclaration UE de conformité, sans qu'un auditeur externe ne valide cette évaluation.

Ex. : Un système de reconnaissance faciale utilisé par la police doit, dans certains cas, passer par un organisme notifié ; un système de tri de CV utilisé par une PME industrielle n'a, lui, aucune obligation de ce type.

Ex. : Un éditeur de logiciel RH appose lui-même le marquage CE sur son outil de scoring de candidatures après avoir complété son dossier de conformité interne, sans qu'aucun organisme extérieur n'ait examiné le système.

Ex. : Un fournisseur qui applique une norme harmonisée sur la gestion des risques bénéficie d'une présomption de conformité sur ce seul volet ; elle ne le dispense pas de démontrer sa conformité sur les exigences que la norme ne couvre pas, comme la supervision humaine.

Ex. : Une banque qui construit en interne son propre système de scoring de crédit en est le fournisseur au sens du règlement, avec l'ensemble des obligations associées.

Ex. : Une PME qui achète un outil de tri de CV édité par un tiers en est le déployeur, pas le fournisseur : elle doit informer ses représentants du personnel et superviser l'outil, mais ne porte pas la charge de l'évaluation de conformité, qui reste due par l'éditeur.

Ex. : Le Digital Omnibus on AI reporte l'échéance des systèmes à haut risque de l'Annexe III du 2 août 2026 au 2 décembre 2027, mais laisse inchangée l'obligation de signaler un contenu généré par IA, due depuis le 2 août 2026.

Ex. : L'étude Trust in AI sert de référence quand un chiffre de confiance dans l'IA est comparé entre pays : 58 % des répondants mondiaux jugent les systèmes d'IA globalement dignes de confiance, mais seulement 46 % se disent réellement prêts à leur faire confiance dans les faits.

Ex. : Dans l'étude KPMG/Université de Melbourne, 55 % des répondants des économies émergentes jugent la réglementation actuelle de l'IA suffisante, contre seulement 37 % dans les économies avancées.

Ex. : Le Trust Barometer Flash Poll de novembre 2025 mesure une confiance déclarée dans l'IA de 87 % en Chine contre 32 % aux États-Unis.

Ex. : Un pays où la confiance envers le gouvernement est déjà élevée pour des raisons sans rapport avec l'IA peut afficher une confiance dans l'IA plus forte sans que sa gouvernance de l'IA soit objectivement meilleure, un biais de confiance institutionnelle que les données transversales ne permettent pas d'isoler.

Ex. : Une équipe de vente exceptionnellement performante un trimestre (150 % de l'objectif) revient naturellement vers la moyenne le trimestre suivant, indépendamment du management : effet statistique pur.

Ex. : Plutôt qu'ouvrir 5 boutiques simultanément, une enseigne ouvre 1 boutique pilote qui lui donne le droit (mais non l'obligation) d'accélérer le déploiement si les résultats sont probants.

Ex. : Un fonds fixe un IRR minimum de 8 % : si un portefeuille de clients génère moins de 8 % de retour annualisé, il est rentable de réaffecter les ressources commerciales vers de nouvelles acquisitions.

Ex. : Citer « 60/20 » sans dire sur quelle durée revient à citer une vitesse sans dire sur quelle distance : la même source donne trois valeurs différentes du même phénomène selon qu'on l'observe sur un trimestre, un an ou cinq ans.

Ex. : Une marque de yaourt avec 5 % de part de marché est achetée par 12 % des ménages (vs 40 % pour le leader), et seulement 2 fois par an (vs 8 fois) : elle souffre doublement de sa petite taille.

Ex. : Le modèle NBD-Dirichlet prédit qu'une marque passant de 10 % à 15 % de part de marché verra sa pénétration progresser mais sa fréquence d'achat rester quasi stable : la croissance passe par de nouveaux acheteurs.

Ex. : Un client Starbucks achète un café chaque matin de la semaine : sa fidélité comportementale est élevée, mesurée par la fréquence et la part de catégorie captée.

Ex. : Un client Apple recommande la marque à tous ses proches et lui attribue un NPS de 9/10, même s'il n'a acheté qu'un seul produit dans l'année : forte fidélité attitudinale, fidélité comportementale plus modeste.

Ex. : Un passager fréquent accumule des miles sur la compagnie imposée par son employeur sans jamais choisir cette compagnie de sa propre initiative : fidélité fictive liée à une contrainte externe.

Ex. : Un consommateur refuse de vendre la montre héritée de son père, même pour le double de sa valeur marchande : son attachement émotionnel à la marque est irréductible à une valeur économique.

Ex. : Un directeur commercial surpondère son meilleur client du trimestre (500 K€ de CA) dans ses projections et sous-investit dans la fidélisation des clients à revenu moyen mais stable.

Ex. : Deux postes de comptable, identiques en tout point sauf que l'un autorise deux jours de télétravail par semaine, affichent le même salaire de départ : la théorie du différentiel compensatoire prédit un salaire plus bas pour le poste avec télétravail, un écart que Cullen, Pakzad-Hurson et Perez-Truglia (2025) ne retrouvent pas dans les données réelles de recrutement.

Ex. : Un client déclare préférer les produits locaux, mais ses achats montrent 70 % d'importés : ses préférences révélées (comportement) contredisent ses préférences déclarées (sondage).

Ex. : Netflix assigne aléatoirement 50 000 utilisateurs à un nouveau design (test) et 50 000 à l'ancien (témoin) : tout écart de rétention observé est causalement attribuable au design, non à une sélection biaisée.

Ex. : Un retailer mesure l'impact d'une rénovation en comparant l'évolution des ventes dans les magasins rénovés (groupe test) versus non rénovés (groupe témoin), avant et après les travaux.

Ex. : Un salarié en télétravail répond aux messages Slack jusqu'à 22h pour signaler son engagement, mais ses livrables sont en dessous de la moyenne : il est présent numériquement mais pas productif.

Ex. : Un cabinet de conseil affiche un turnover annuel de 25 % : sur 100 consultants en janvier, 25 ont quitté l'entreprise avant décembre ; coût de remplacement estimé à 50 % du salaire annuel chacun.

Ex. : La loi Macron, votée en 2015, oblige depuis février 2017 la nouvelle banque à piloter le transfert automatique des prélèvements et virements en 22 jours : une mesure qui facilite le changement d'établissement sans démarche pour le client, sans que le taux de mobilité bancaire n'en ait été significativement modifié depuis son entrée en vigueur.

Ex. : Après une série d'attentats médiatisés, les citoyens surestiment massivement le risque terroriste par rapport au risque de cancer, qui tue statistiquement 1 000 fois plus : illustration de l'heuristique de disponibilité.

Ex. : Une startup dépense 100 K€ en marketing pour acquérir 500 nouveaux clients : son CAC est de 200 €. Si la LTV moyenne est de 600 €, le ratio LTV:CAC de 3x est jugé sain pour accélérer.

Ex. : Un abonné SaaS à 50 €/mois avec un churn de 2 %/mois a une LTV de 2 500 € (50 ÷ 0,02) : valeur que l'entreprise doit dépasser avec son CAC pour être structurellement rentable.

Ex. : Un ratio LTV:CAC de 5x signifie que chaque euro investi pour acquérir un client en rapporte 5 sur sa durée de vie ; signal pour accélérer les dépenses marketing.

Ex. : Un opérateur affiche un churn mensuel de 2 % : sur 100 000 abonnés, 2 000 résilient chaque mois ; une demi-vie du portefeuille de 3 ans à ce rythme.

Ex. : Une plateforme SaaS B2B affiche un NRR de 115 % : les clients de la cohorte 2022 génèrent 15 % de plus en 2023, grâce aux upsells qui compensent largement le churn.

Ex. : Apple obtient régulièrement un NPS supérieur à 70 : plus de 70 % des répondants sont des promoteurs (note 9-10), contre moins de 5 % de détracteurs (0-6).

Ex. : À la question 'Quelles marques de voitures électriques connaissez-vous ?', 65 % des répondants citent Tesla en premier : notoriété spontanée en top-of-mind.

Ex. : Dans un sondage sur les assureurs, 82 % des répondants reconnaissent le nom 'Covéa' lorsqu'il leur est présenté dans une liste : c'est sa notoriété assistée.

Ex. : En 2023, Samsung détient 21 % du marché mondial des smartphones en valeur : pour 100 € dépensés en smartphones dans le monde, 21 € vont à Samsung.

Ex. : Lors d'un lancement produit, une marque investit 10 M€ sur un marché où les dépenses publicitaires totales sont 80 M€ : sa part de voix est 12,5 %, en dessous de sa part de marché de 18 % ; signal d'investissement insuffisant.

Ex. : Lorsqu'un consommateur pense à 'boisson pour le sport', Red Bull vient spontanément à l'esprit dans cette situation d'achat : c'est sa disponibilité mentale sur ce déclencheur.

Ex. : Coca-Cola est présent dans 98 % des points de vente alimentaires français : sa disponibilité physique quasi-universelle est un avantage concurrentiel qu'une publicité seule ne peut pas reproduire.

Ex. : Un site e-commerce voit 10 000 visiteurs → 2 000 ajouts au panier → 500 initiations de paiement → 300 achats finalisés : taux de conversion global de 3 %, abandon au paiement de 40 % entre l'initiation et l'achat finalisé.

Ex. : Une landing page génère 150 inscriptions pour 3 000 visites : taux de conversion de 5 %, contre 2 % pour l'ancienne page ; différence attribuable à un formulaire simplifié.

Ex. : Netflix teste deux vignettes pour le même film auprès de deux groupes de 500 K utilisateurs : la vignette B génère un taux de clic 12 % supérieur et est déployée à l'ensemble du catalogue.

Ex. : Un A/B test montre une hausse de 3 % du taux de clic avec une p-valeur de 0,03 : la probabilité que cet écart soit dû au hasard est inférieure à 5 % ; résultat statistiquement significatif au seuil usuel.

Ex. : Un client voit une pub display, clique un email, convertit via Google Search : l'attribution marketing détermine quelle part du crédit revient à chaque canal ; la réponse varie selon le modèle choisi.

Ex. : En last-click, Google Search reçoit 100 % du crédit de la conversion, même si la pub display a initié la découverte : ce modèle surestime systématiquement les canaux de capture de demande.

Ex. : Un groupe FMCG modélise ses ventes hebdomadaires sur 4 ans avec un MMM : la TV génère un ROAS de 2,5x et le digital de 1,8x, une fois isolés la saisonnalité, les promotions et le prix.

Ex. : Une campagne Meta dépense 10 000 € et génère 35 000 € de CA attribué : ROAS de 3,5x. Le seuil de rentabilité à 2x est dépassé, mais le ROAS marginal sur les derniers euros dépensés est probablement plus bas.

Ex. : Un compte Instagram célèbre 100 000 abonnés, mais le taux d'engagement est de 0,3 % et les ventes attribuées sont nulles : les abonnés sont une vanity metric découplée du résultat business.

Ex. : Un retailer classe un client avec : Récence = 5 (achat il y a 5 jours), Fréquence = 5 (12 achats/an), Montant = 4 (800 €/an) ; score RFM 5-5-4, profil à fidéliser en priorité.

Ex. : Les clients acquis en janvier 2022 forment une cohorte : on suit leur rétention mois par mois pour mesurer la performance réelle du produit, indépendamment du mix des campagnes d'acquisition.

Ex. : Le persona 'Marc, 42 ans, DSI d'une ETI, budget IT de 3 M€, lit L'Usine Digitale' guide la tonalité d'une campagne B2B même si aucun client réel ne correspond exactement à cette description.

Ex. : Un client découvre une assurance via YouTube, compare sur un agrégateur, appelle un conseiller, souscrit en ligne et reçoit un email de bienvenue : 5 points de contact, autant d'opportunités de rupture.

Ex. : Une publicité capte l'Attention avec une image forte, suscite l'Intérêt avec un chiffre surprenant, crée le Désir avec un témoignage client, provoque l'Action avec un CTA 'Essai gratuit 30 jours'.

Ex. : Un client dépense 200 €/mois en restauration, dont 60 € chez Deliveroo : la plateforme capture 30 % de son wallet restauration ; objectif de cross-sell pour atteindre 40 %.

Ex. : Un client souscrit une assurance auto ; son conseiller lui propose également une assurance habitation : cross-sell qui augmente le nombre de produits détenus par foyer et réduit le churn.

Ex. : Un client envisage un abonnement à 5,99 €/mois ; l'interface met en avant l'offre Premium à 9,99 € grâce à la comparaison des fonctionnalités : upsell générant +67 % de revenu sur ce client.

Ex. : Une banque estime sa Customer Equity à 2 Md€ : somme actualisée des LTV de ses 1,2 million de clients ; métrique de pilotage alternatif au résultat comptable.

Ex. : Unilever réalise un brand tracker mensuel sur sa lessive : la notoriété spontanée stagne à 45 % mais l'intention d'achat a progressé de 5 points après la campagne TV ; effet différé à mesurer.

Ex. : Un assureur cible en temps réel les internautes ayant recherché 'devis assurance auto' dans les 24 dernières heures, en enchérissant automatiquement 0,80 € au CPM via une DSP.

Ex. : Amazon collecte directement données d'achat, de navigation et de recherche de ses utilisateurs : first-party data exploitée pour les recommandations, sans dépendance aux cookies tiers en voie de disparition.

Ex. : Le taux de rétention à 90 jours est le KPI central d'une app mobile : 40 % d'utilisateurs encore actifs après 3 mois indique un product-market fit solide ; en dessous de 20 %, le produit doit être repensé.

Ex. : Objectif 'Devenir la référence assurance des PME françaises' → 3 key results : 500 nouvelles PME clientes, NPS > 45, taux de renouvellement > 85 % ; mesurables à la fin du trimestre.

Ex. : Situation : 'Lors de la réunion client de lundi', Comportement : 'tu as interrompu le prospect trois fois', Impact : 'il s'est fermé et n'a pas validé la proposition' ; structure SBI évite le jugement de personnalité.

Ex. : Un manager adopte un style directif avec un stagiaire en découverte du métier, mais délègue largement à l'expert de 10 ans d'ancienneté qui n'a pas besoin de supervision serrée.

Ex. : Dans un projet tarifaire : l'actuaire est Responsible (réalise), le DAF est Accountable (valide), le DSI est Consulted (contraintes techniques), le Comex est Informed (reçoit le livrable).

Ex. : Le déploiement d'un CRM auprès de 500 commerciaux mobilise 6 mois de conduite du changement : ateliers de co-construction, formation, ambassadeurs terrain et suivi du taux d'adoption semaine par semaine.

Ex. : La décision d'acquérir un concurrent pour 200 M€ est présentée en Comex avant d'être soumise au Conseil d'administration pour approbation formelle et aux actionnaires en AG si nécessaire.

Ex. : Un rapport de gouvernance CAC 40 publie : 40 % de femmes au conseil, 30 % d'administrateurs indépendants, rémunération variable du CEO liée à 4 indicateurs ESG ; répondant aux exigences réglementaires et actionnariales.

Ex. : Les stock-options accordées aux dirigeants visent à aligner leur intérêt (hausse du cours) sur celui des actionnaires : en théorie. En pratique, elles incitent parfois à la prise de risque à court terme.

Ex. : Pour un projet minier, les parties prenantes incluent actionnaires (retour financier), riverains (impact environnemental), ONG (droits humains) et collectivités (emploi et fiscalité) : intérêts souvent contradictoires.

Ex. : Forces : marque reconnue. Faiblesses : réseau limité. Opportunités : croissance du e-commerce. Menaces : entrée d'un géant américain ; analyse SWOT d'un retailer mode avant une décision d'internationalisation.

Ex. : Le smartphone est la 'vache à lait' de Samsung (forte part, marché mature) ; ses puces Exynos sont en 'point d'interrogation' (faible part, marché en croissance) : matrice BCG pour arbitrer les investissements.

Ex. : L'analyse PESTEL d'un assureur auto : RGPD (Légal), inflation des pièces détachées (Économique), véhicules autonomes (Technologique), risque climatique (Écologique) ; 6 dimensions pour cartographier l'environnement.

Ex. : Un directeur régional reçoit les retours de son N+1, de ses 8 directeurs de magasin et de 3 pairs : le feedback 360° révèle souvent un écart entre auto-évaluation et perception de l'entourage.

Ex. : Un collaborateur noté 'haute performance / haut potentiel' dans la matrice 9-box est identifié comme top talent à retenir prioritairement et à préparer pour un rôle de direction dans 2 à 3 ans.

Ex. : L'onboarding d'un nouveau développeur : accès aux outils (J0), immersion équipe (J1), pair coding avec mentor (S1–S4), premier bilan à 90 jours ; 90 jours déterminants pour la rétention à long terme.

Ex. : Dans une banque de détail, les directeurs d'agence constituent le middle management : ils traduisent les objectifs de la direction générale en plans d'action concrets pour leurs conseillers.

Ex. : Une chaîne hôtelière autorise chaque réceptionniste à offrir jusqu'à 150 € de compensation sans validation managériale pour résoudre immédiatement un problème client : réduction du temps de traitement de 70 %.

Ex. : Une usine identifie 7 types de gaspillages et réduit son temps de cycle de 30 % en 6 mois grâce à un chantier lean : sans investissement capital, uniquement par réorganisation des flux.

Ex. : Une équipe produit livre en sprints de 2 semaines : planning, développement, démo client, rétrospective ; le backlog est priorisé par la valeur business et revu chaque sprint selon les retours terrain.

Ex. : Un baromètre QVT annuel mesure : bien-être à 6,2/10, absentéisme à 4,8 %, 68 % des salariés jugent leur charge raisonnable ; données utilisées pour prioriser les actions RH et piloter l'engagement.

Ex. : L'édition 2025 du Gallup World Poll couvre 263 810 répondants dans le monde, dont 141 444 actifs, base du rapport Gallup State of the Global Workplace 2026.

Ex. : Un manager qui supervisait six personnes en 2022 et doit désormais en encadrer neuf après deux départs non remplacés voit son span of control augmenter de 50 %, sans hausse correspondante de son temps disponible.

Ex. : Des équipes déjà mieux dotées en effectifs pourraient produire à la fois un manager plus disponible pour soutenir l'IA et une perception de transformation plus forte, sans que l'un cause l'autre : un biais de sélection plutôt qu'un effet managérial direct.

Ex. : Si la charge de travail générée par le déploiement de l'IA elle-même contribue à désengager les managers, plutôt que l'inverse, le lien entre engagement managérial et adoption de l'IA relève en partie d'une causalité inverse.

Ex. : Un manager qui applique le leadership situationnel adopte un style directif avec un collaborateur novice sur un nouvel outil d'IA, puis bascule vers la délégation une fois la compétence acquise, plutôt que de garder le même style dans la durée.

Ex. : Un manager qui délègue la validation de premier niveau d'un rapport généré par IA, en précisant le résultat attendu et le niveau d'autonomie laissé, libère du temps qu'une simple supervision informelle ne lui aurait pas rendu.

Ex. : Une DSI qui déploie un outil IA en cycles courts tout en confiant à un même comité de direction la refonte des rôles associée applique le principe d'organisation ambidextre plutôt qu'un séquencement strict entre les deux.

Ex. : Une équipe qui fait coconcevoir par les futurs utilisateurs et l'équipe technique la répartition des tâches avant d'installer un outil d'IA applique le principe de la méthode ETHICS.

Ex. : Une DSI qui déploie une IA générative modifiant les postes de travail doit prévoir un délai de consultation du CSE d'au moins un mois, porté à trois mois si un CSE central et des CSE d'établissement interviennent conjointement.

Ex. : Bostrom et Heinen (1977) montrent que la plupart des échecs de systèmes d'information attribués à des problèmes de comportement organisationnel résultent d'une conception qui traite la technologie comme une fin en soi plutôt que comme un élément d'un système à repenser avec les rôles et les processus.

Ex. : L'édition 2026 de BrandZ classe Google en tête à 1 500 milliards de dollars, devant Apple, Microsoft et Amazon, avec Nvidia cinquième à 814,9 milliards.

Ex. : Quand le multiple boursier d'une entreprise s'apprécie sous l'effet des anticipations sur l'IA, cette hausse entre dans le calcul avant que Brand Contribution n'intervienne, sans qu'aucune étape du calcul ne l'isole de l'effet de perception.

Ex. : Le score MDS d'une marque combine la pertinence perçue, la différenciation et la saillance déclarées par les consommateurs interrogés ; il sert ensuite à moduler la valeur financière attribuée à la marque.

Ex. : Le cadre MDS de Kantar est accrédité par le MASB, ce qui ne garantit pas que le résultat 2026 de BrandZ soit audité indépendamment marque par marque.

Ex. : Dans son édition 2025, Interbrand classe Apple premier avec une valeur de 470,9 milliards de dollars, un montant près de trois fois inférieur à celui que BrandZ attribue à Apple la même année.

Ex. : 67 % des cadres marketing interrogés par WARC en 2026 jugent que leur direction générale valorise la marque, mais seulement 19 % pensent qu'elle relie explicitement cette valeur aux résultats commerciaux : le même sondage documente à la fois la croyance déclarée et l'écart avec la pratique perçue.

Ex. : La durée moyenne d'un mandat de CMO dans les entreprises du S&P 500 est de 4,1 ans en 2025 selon Spencer Stuart, contre 7,6 ans pour un directeur général.

Ex. : The Multiplier Playbook, publié par WARC et l'ANA en mai 2026, documente un fossé entre la théorie de l'efficacité publicitaire que les marketeurs disent connaître et les arbitrages de court terme qu'ils appliquent réellement.

Ex. : L'ANA a coproduit avec WARC le sondage de plus de 200 cadres marketing à l'origine de The Multiplier Playbook, publié le 19 mai 2026.

Ex. : Un cadre marketing interrogé sur l'importance qu'il accorde à la marque a intérêt professionnel à répondre qu'il la valorise, indépendamment de l'arbitrage budgétaire qu'il applique réellement une fois le trimestre sous pression.

Ex. : Une revue de la littérature sur la consommation dite éthique montre que des consommateurs se déclarant sensibles à l'éthique traduisent rarement cette intention dans leurs achats effectifs, sans qu'un facteur unique explique l'écart.

Ex. : Un modèle de marketing mix modeling peut isoler la part de la croissance des ventes attribuable à une campagne de marque diffusée six mois plus tôt, un effet qu'un sondage sur les intentions d'achat ne capte pas.

Ex. : Une entreprise qui suspend ponctuellement une campagne dans certaines zones géographiques et compare les ventes à des zones témoins mesure l'incrémentalité réelle de cette campagne, sans dépendre d'une enquête déclarative.

Ex. : Holmström (1999) formalise ce mécanisme pour expliquer pourquoi un dirigeant peut rationnellement écarter un investissement à retour différé même s'il en connaît la supériorité théorique, si l'horizon de son propre mandat est plus court que l'horizon de retour de cet investissement.

Ex. : 55 % des cadres marketing interrogés par WARC en 2025 citent le court-termisme comme une préoccupation majeure pour 2026, contre 25 % en 2022.

Ex. : Le rouge Coca-Cola ou la forme de la bouteille permettent d'identifier la marque avant même de lire son nom : ce sont des actifs distinctifs, pas des arguments de différenciation produit.

Ex. : Un logo peut avoir une fame élevée, beaucoup de gens le reconnaissent, sans uniqueness, si les mêmes personnes l'associent aussi à un concurrent : la grille de Romaniuk classe cet actif comme à faible valeur malgré sa notoriété.

Ex. : Jiang et al. (2025) montrent que deux modèles aussi différents que DeepSeek-V3 et GPT-4o produisent des descriptions de produit similaires à 81 % sur un même prompt réel.

Ex. : Doshi et Hauser (2024) montrent que l'accès à des idées générées par IA améliore la créativité perçue de chaque texte individuel tout en rendant les textes produits par différents auteurs plus semblables entre eux.

Ex. : La Cour suprême des États-Unis reconnaît dans Qualitex Co. v. Jacobson Products Co. (1995) qu'une couleur seule peut être protégée comme marque si elle a acquis une signification secondaire aux yeux du public, une preuve distincte de la seule reconnaissance mesurée par un institut d'études marketing.