Nvidia dans BrandZ : pourquoi j'y vois une question de catégorie de mesure, pas une erreur de méthode
Axel Morel · Fondateur & analyste, ProbansL'essentiel
En 2022, Kantar ne rangeait pas Nvidia parmi les marques de grande consommation : son classement sectoriel de cette année-là la place parmi les marques B2B. Ce qu'on ne sait pas, c'est ce que devient l'instrument. Le cadre Meaningful Different Salient a été étalonné contre une part de volume d'achat déclarée par un répondant qui fait ses courses ; ce qu'il interroge pour une entreprise dont deux clients directs font plus du tiers des ventes n'est publié dans aucun des documents de méthode que Kantar met en ligne.
J’ai soutenu ailleurs dans ce dossier que BrandZ mélange réévaluation financière et perception consommateur. Une question plus en amont reste ouverte : l’instrument de mesure lui-même a-t-il été conçu pour évaluer une entreprise comme Nvidia ? Avant d’y répondre je dois écarter la version facile de cette objection, celle qui consisterait à dire que Kantar prend Nvidia pour une marque de grande consommation. C’est faux, et la pièce qui le montre vient de Kantar : en 2022 elle a publié un classement sectoriel qu’elle nomme elle-même « B2B tech brands », où Nvidia figure au troisième rang [8]. Ce qui reste après cette correction est plus étroit : ce classement-là, au moins, nomme le B2B ; ce que son instrument fait de cette distinction n’apparaît dans aucun des documents de méthode que Kantar met en ligne.
- Sur l’exercice clos le 25 janvier 2026, Nvidia déclare 193 737 millions de dollars de chiffre d’affaires en centres de données et 16 042 millions en jeu vidéo, sur un total de 215 938 millions [9]. Le seul marché final nommé d’après un usage grand public, le jeu vidéo, pèse donc 7,4 % du total, et deux clients directs représentent à eux seuls 22 % et 14 % des ventes. Le rapport ne ventile aucune ligne par type d’acheteur final.
- Le document fondateur du cadre Meaningful Different Salient décrit le pilote et les deux variables cibles contre lesquelles le cadre est calibré : une part de volume déclarée (CL) et un indice de prix acceptable (price-worth). La première est construite à partir des achats passés déclarés, de l’intention d’achat et des attitudes de courses ; elle est contrôlée en grande consommation contre les achats réels des mêmes répondants, et pour les services, la distribution et les catégories d’achat à cycle long contre la seule part de marché [1]. Le mot « B2B » n’y apparaît pas une seule fois.
- Rien dans mon dossier n’indique que la population interrogée pour établir cette part de marque recoupe celle qui décide l’achat chez Nvidia, et le seul marché final nommé d’après un usage grand public pèse 7,4 %. Je n’y vois pas une erreur de calcul, mais une question de catégorie de mesure laissée ouverte à un endroit précis de la chaîne : le calibrage que son éditeur a décrit est celui de la relation directe entre une entreprise et la personne qui perçoit, achète et recommande, et rien ne dit ce qu’il devient ailleurs.
L’objection qui vient en premier, et qui tient debout
Ce que les données établissent. En 2022, Kantar ne rangeait pas Nvidia parmi les marques de grande consommation. Dans un article du 5 septembre 2022 signé par sa directrice mondiale des valorisations, elle publie un classement des vingt marques « Business Solutions and Technology » les plus valorisées de cette édition, qu’elle désigne dans son propre titre comme les « world’s most valuable B2B tech brands » : pour 2022, Microsoft à 611 460 millions de dollars, Amazon Web Services à 401 815, NVIDIA à 124 161 [8]. Le même article précise que les organisations de ce secteur occupaient alors 23 des 100 places du classement mondial. La page de campagne de l’édition 2026, où Nvidia figure au cinquième rang à 814,9 milliards de dollars, ne la rattache en revanche à aucun secteur nommé [6]. De son côté, le Marketing Accountability Standards Board écrit que le cadre est « applicable to all types of brands across the world » [2].
Mon interprétation. Ces deux éléments enterrent la version large de mon objection, et je préfère l’écrire moi-même : le classement ne range pas Nvidia à côté d’une marque de yaourt, il lui consacre un secteur qu’il appelle B2B. Le classement de 2022 portait un découpage sectoriel qui nomme le B2B, et l’organisme qui certifie l’instrument en revendique la portée universelle. Ce que ni l’un ni l’autre ne dit, en revanche, c’est ce qui a changé dans la mesure quand on passe d’un secteur à l’autre. La phrase du MASB est une affirmation de périmètre, pas un compte rendu de validation : elle ne décrit aucun échantillon, aucune catégorie testée, aucun résultat par type de marché. L’article de Kantar sur les marques B2B ne mentionne, lui non plus, aucune adaptation du protocole de collecte.
Qui paie Nvidia, et ce que le rapport annuel dit de la décision
Ce que les données établissent. Le rapport annuel déposé par Nvidia auprès du régulateur américain ventile son chiffre d’affaires par marché final. Pour l’exercice clos le 25 janvier 2026 : centres de données 193 737 millions de dollars, jeu vidéo 16 042, visualisation professionnelle 3 191, automobile 2 349, équipementiers et divers 619, pour un total de 215 938 millions [9]. Le même document déclare que, sur cet exercice, un client direct a représenté 22 % du chiffre d’affaires total et un autre 14 %, l’un et l’autre principalement rattachés au segment Compute & Networking. Nvidia définit ses clients directs comme des assembleurs de cartes, distributeurs, fabricants sous contrat pour compte de marque, fabricants d’équipement d’origine, fournisseurs de services en nuage, concepteurs de modèles et intégrateurs. Elle distingue explicitement des clients indirects, « those who purchase products through our direct customers », parmi lesquels « CSPs, Neocloud builders, AI model makers, enterprises, and public sector entities », et précise que « some individually representing 10% or more of our revenue » [9].
Qui paie Nvidia : marchés finals et concentration de la clientèle
Exercice clos le 25 janvier 2026. Les montants sont ceux du rapport annuel déposé au régulateur américain ; les parts du premier panneau sont calculées à partir de ces montants.
Chiffre d'affaires par marché final, 215 938 millions de dollars au total
Une seule de ces lignes est nommée d'après un usage grand public ; le rapport ne classe aucune ligne par type d'acheteur final, et le segment qui porte le jeu contient aussi des cartes vendues pour des ordinateurs personnels.
- Centres de données193 737 M$89,7 %
- Jeu vidéo16 042 M$7,4 %
- Visualisation professionnelle3 191 M$1,5 %
- Automobile2 349 M$1,1 %
- Équipementiers et divers619 M$0,3 %
Concentration de la clientèle sur le même exercice
Nvidia publie ces deux parts sans le montant correspondant : elles ne peuvent pas être recalculées et sont reprises telles que l'entreprise les déclare. Ce sont des clientsdirects : le rapport ne dit pas s'ils revendent ou s'ils consomment.
- Premier client direct22 %
- Second client direct14 %
- Reste de la clientèle64 %
Ce que la figure ne dit pas. Elle ne mesure pas la marque. Le rapport annuel ne porte ni score de perception, ni valeur de marque, et ne dit pas qui, chez un client, arbitre l'achat. Elle ne dit pas non plus quelle fraction du segment jeu vidéo part chez un particulier plutôt que chez un assembleur. Elle ne montre enfin que les clients directs : le rapport décrit séparément des clients indirects, également peu nombreux, dont certains pèsent individuellement dix pour cent ou plus des ventes. Le rapprochement entre ces montants et ce qu'un instrument de perception interroge est une lecture, pas une mesure.
Mon interprétation. Le calcul de la part est le mien, à partir des montants publiés : 16 042 sur 215 938, soit 7,4 %. C’est le poids de la seule ligne dont l’acheteur final puisse être un particulier, et encore, une partie des cartes GeForce part chez des assembleurs. Les deux ratios de concentration, 22 % et 14 %, sont en revanche publiés par Nvidia sans les montants correspondants : je ne peux pas les recalculer, et je les cite comme des chiffres de l’entreprise. Ils disent tout de même quelque chose : deux clients directs font plus du tiers des ventes, un niveau de concentration que l’enquête de perception versée à ce dossier ne mesure pas. Où, dans cette chaîne, la décision se prend, le rapport ne le dit pas : la catégorie « client direct » va de l’assembleur de cartes au fournisseur de services en nuage, et il n’indique pas de quel type sont ces deux-là. Il ajoute que les clients indirects sont eux aussi peu nombreux et sont des organisations, et qu’« one AI research and deployment company » a contribué à une part significative de ses revenus en achetant des services en nuage à ses propres clients [9].
Ce que l’instrument a été calibré pour prédire
Ce que les données établissent. Le cadre Meaningful Different Salient a été développé à partir de 2011 pour alimenter BrandDynamics, système d’équité de marque lancé en 1996, à compter de 2013 [1]. Son document fondateur publie le dispositif : un pilote « across five countries (U.S., UK, France, India and Mexico), covering 12 categories, over 400 brands and more than 8,000 consumers », et un jeu de validation de « 350 brands from diverse categories (CPGs and non CPGs) ». La variable cible y est décrite ainsi : « a survey-based brand volume share for each respondent […] derived from a combination of claimed past purchase, next purchase intention and attitudes to shopping ». Millward Brown déclare avoir vérifié cette variable « by contrasting it with actual purchase volumes for the same respondent, as measured through shopper panels and SMS diaries », et restreint elle-même la portée de ce contrôle : « For services, retail and long-term categories, no respondent level validation was possible, but correlation of brand level CL and actual market share is similar to that of FMCGs, supporting its valid use in those categories too. » Le même document identifie une seconde variable cible, « price-worth », « a survey-based respondent level metric of the likely price index they would pay ». Recherche faite sur le texte intégral, les chaînes « B2B », « business-to-business » et « B-to-B » n’y apparaissent aucune fois. Kantar écrit par ailleurs que le cadre « measures the value of brand equity accumulated in the minds of consumers » [10], et le MASB que ses sept métriques « quantify consumers’ predisposition towards the brand » [2]. La même page de Kantar porte au sommaire d’un épisode de podcast la question « Are there links between B2C and B2B industries? », sans y répondre par écrit [10]. Deux éléments de la page de méthode ferment la chaîne : « Brand Value is calculated by multiplying a brand’s financial value by its brand contribution », et « Over 4.6 million consumer interviews across 54 markets and 22,392 brands inform the rankings » [7]. C’est le mot que Kantar emploie pour décrire sa propre collecte de l’édition 2026.
Mon interprétation. Le reproche que je formulais au départ, un instrument construit sur un corpus que je croyais grand public, était mal posé : ce n’est pas la composition de l’échantillon qui compte, c’est la nature des grandeurs contre lesquelles l’instrument a été étalonné. Ce sont une part de volume d’achat et un prix acceptable, l’une et l’autre déclarées par un individu qui fait ses courses, la première contrôlée contre des panels d’acheteurs en grande consommation et contre la seule part de marché dans les trois autres familles nommées. Je lis dans cet appareil un étalonnage sur du comportement de consommateur, et je dois aussitôt dire que le document ne me suit pas jusqu’au bout : pour ces trois familles, il conclut que la corrélation obtenue au niveau de la marque soutient un usage valide, et Kantar pose ailleurs la question du rapport entre marchés grand public et professionnels. Ce qu’aucune des deux pages ne dit, c’est ce que devient la mesure quand la décision d’achat n’est plus prise par la personne interrogée.
Un score de préférence, ou un coût de changement chiffré en mois d’ingénierie
Ce que les données établissent. Une enquête YouGov mesure, entre le 14 février 2023 et le 14 février 2024, une progression du score d’impression de Nvidia auprès des adultes américains de 7,6 à 12,2 points, de son score de considération de 5,7 % à 9,7 %, et de son intention d’achat de 1,6 % à 4,2 %, sur un échantillon quotidien moyen de 2 000 personnes en moyenne mobile sur quatre semaines [3]. Nvidia annonce de son côté six millions de développeurs sur son écosystème CUDA [4]. Une société de services logiciels estime que les charges « training-heavy » reposant sur des noyaux CUDA personnalisés et sur une dépendance à la bibliothèque de communication NCCL demandent « 6-12 months » de travail pour être portées ailleurs [5].
Mon interprétation. La relation de marque existe donc, et elle progresse : ce n’est pas rien, et je me garde de l’effacer. Mais les deux mesures que je peux lire en valeur absolue restent basses au terme de l’année, la considération à 9,7 % et l’intention d’achat à 4,2 %, l’une et l’autre en hausse continue. Le score d’impression, lui, je ne sais pas le lire : la source ne dit ni ce que vaut 12,2 points sur son échelle, ni où est la borne haute. Et je n’ai aucun second terme pour comparer ces chiffres à une autre marque du classement. Quant aux deux chiffres qui décrivent le verrou, ils sont d’une qualité très inégale et je ne les mets pas sur le même plan : celui des développeurs est une déclaration d’entreprise sans définition ni méthode, celui des six à douze mois une estimation d’ordre de grandeur produite par un prestataire qui vend ce type de migration, adossée à aucune migration observée. Ils indiquent une direction, ils ne mesurent rien.
Mon interprétation. Un score de préférence perceptuelle et un coût de changement d’infrastructure ne sont pas deux mesures du même objet : le premier interroge celui qui perçoit, le second engage celui qui signe, et chez Nvidia ce ne sont pas les mêmes personnes. C’est là, et pas dans le montant, que je situe la question de catégorie. Elle ne consiste pas à ranger Nvidia du mauvais côté d’un classement, puisqu’en 2022 Kantar la rangeait du bon [8]. Elle consiste à conserver, d’un côté à l’autre de ce découpage, un instrument dont le document fondateur ne décrit qu’une seule figure d’acheteur, et à ne rien publier de ce qui aurait changé pour l’autre.
Le test de l’acheteur final. Avant d’appliquer un instrument de mesure de marque à une entreprise donnée, une question suffit à statuer sur sa pertinence : qui signe la décision d’achat ? Une personne qui perçoit, compare et choisit la marque, ou une organisation dont le changement de fournisseur se chiffre en mois de développement ? Chez Nvidia, le rapport annuel donne un premier élément sans trancher la question : deux clients directs pour plus du tiers du chiffre d’affaires, et des clients indirects eux aussi peu nombreux, sans que le document dise qui, en aval, arbitre l’achat [9]. Ce test se généralise, en principe, à toute entreprise d’infrastructure technique valorisée par un instrument étalonné sur du comportement de consommateur, une hypothèse que je n’ai vérifiée que sur ce cas.
Mes réserves
- Le score MDS de Nvidia n’est pas au dossier. Kantar ne le publie pas au détail, et je ne peux donc pas dire quelle part des 814,9 milliards de dollars [6] vient de la Brand Contribution plutôt que de la base de bénéfices. Sans ce chiffre, je décris un mécanisme, je ne le pèse pas.
- Le document fondateur conclut contre ma lecture, et je le laisse debout. Pour les catégories de services, de distribution et d’achat à cycle long, il conclut que la corrélation obtenue au niveau de la marque soutient un usage valide du cadre [1]. Ce n’est pas une validation par répondant, mais c’est une conclusion explicite de l’éditeur, et elle ne dit rien d’une catégorie d’infrastructure, qu’il ne nomme jamais.
- Je ne sais pas de quel type sont les deux clients à 22 % et 14 %. La catégorie « client direct » du rapport va de l’assembleur de cartes au fournisseur de services en nuage et au concepteur de modèles [9]. Un assembleur est un canal, un fournisseur de services en nuage est un acheteur final. Je peux donc établir que l’achat se concentre, ni qu’il s’agit d’un canal, ni où il s’arbitre.
- L’assiette historique de l’instrument joue contre ma lecture. Son éditeur revendique depuis 1995 plus de 5,5 millions de personnes interrogées dans plus de 80 pays sur 240 catégories, et une base de plus de 170 000 évaluations de marque issues de plus de 15 000 études [1]. C’est un dispositif dont l’ampleur ne se compare à rien de ce que je peux opposer.
- Je ne sais pas qui Kantar interroge pour une marque B2B. Ni la page de méthode [7], ni l’article sectoriel [8] n’indiquent si les répondants d’un classement de marques d’infrastructure sont des consommateurs ou des acheteurs professionnels. C’est la question dont dépend toute ma lecture, et elle reste ouverte.
- Le document fondateur date de 2013. Le cadre a été recertifié en 2024 [2] et Kantar annonce des ajustements méthodologiques applicables aux valorisations à compter du 14 avril 2026 [7]. Ce que j’établis sur le calibrage vaut pour le cadre tel que son éditeur l’a décrit à son lancement, pas nécessairement pour sa version d’aujourd’hui.
- Les deux chiffres qui décrivent le verrou CUDA sont faibles. Une déclaration d’entreprise sans méthode [4] et une estimation de prestataire sans échantillon [5]. Je les cite comme tels, et ma thèse ne repose pas dessus : elle tiendrait si le verrou technique se chiffrait en semaines.
- La part de 7,4 % surestime peut-être l’exposition grand public, et peut-être la sous-estime. Le rapport annuel ne dit pas quelle fraction des cartes de jeu part chez des particuliers plutôt que chez des assembleurs, et ne dit rien de la notoriété que Nvidia tire d’usages qu’elle ne facture pas.
Écart au Standard Probans
Ce que j’ai écrit ici est plus étroit que ce que j’écrivais il y a trois semaines, et c’est une source qui m’y a forcé : Kantar publie un classement B2B, elle y met Nvidia, et l’objection large que je portais ne survit pas à cette page. Je préfère le dire en clair plutôt que de laisser la version confortable en ligne.
Il me reste un trou que je ne peux pas boucher seul : le score MDS de Nvidia, et surtout la composition du panel interrogé pour une marque d’infrastructure. Tant que Kantar ne publie ni l’un ni l’autre, ma lecture repose sur ce que son propre document fondateur dit du calibrage de l’instrument, pas sur ce qu’elle fait aujourd’hui de ce calibrage. C’est une inférence, pas une mesure, et l’indice de solidité de la preuve porté par cette pièce en tient compte.
Une chose est à savoir sur l’état de ce texte. L’adresse de cette page annonce encore une erreur de catégorie, quand le texte conclut à une question ouverte : je la laisse telle quelle pour ne pas casser un lien public, et je préfère le dire ici plutôt que de compter sur le fait que personne ne lise l’adresse.
J’avais enfin proposé deux outils sans dire lequel appliquer en premier. Il n’en reste qu’un, le test de l’acheteur final, et il se pose avant tout le reste : si l’acheteur est une organisation, la question de savoir ce que vaut le score de perception ne se pose plus dans les mêmes termes.
Retour au dossier Kantar BrandZ 2026 · Lire la Décision possible du dossier.
ISP-M14/100· 0-30 % · Preuves très limitées · Les sources ne divergent pas sur les faits, elles divergent sur ce qu'on peut en conclure, et trois d'entre elles jouent contre ma lecture. Kantar classe elle-même Nvidia parmi les marques qu'elle appelle B2B [8], et le MASB écrit que le cadre est « applicable to all types of brands across the world » [2] : ni l'une ni l'autre ne se trompe de nature d'entreprise ; le document fondateur lui-même conclut, pour les catégories de services, de distribution et d'achat à cycle long, que la corrélation obtenue au niveau de la marque soutient un usage valide du cadre [1]. Le type de preuve est celui du cas interne non auditable, parce que c'est celui de la pièce maîtresse du raisonnement : ce que le cadre MDS a été calibré pour prédire n'est établi que par le document de son propre éditeur [1], qui ne nomme pas les douze catégories de son pilote et ne publie ni les données ni le détail de son jeu de validation de 350 marques. Le chiffre d'affaires par marché de Nvidia [9] est d'une tout autre fiabilité, puisqu'il passe par un commissaire aux comptes, mais il n'est pas la pièce qui porte la thèse : il établit qui paie, pas ce que l'instrument mesure. La réplication est notée absente : aucun travail de ce type n'est versé à ce dossier, sur cette entreprise ni sur une autre. La puissance est au plancher, une entreprise observée, un instrument.
L'Indice de Solidité des Preuves évalue la base empirique de cette analyse sur quatre critères pondérés : type de preuve (40 %), convergence (30 %), réplication (20 %), puissance (10 %). L'axe type de preuve est calibré par champ : 100 y désigne le meilleur dispositif que l'échelle ISP-M sache produire, et non une preuve absolue.
Les sources ne divergent pas sur les faits, elles divergent sur ce qu'on peut en conclure, et trois d'entre elles jouent contre ma lecture. Kantar classe elle-même Nvidia parmi les marques qu'elle appelle B2B [8], et le MASB écrit que le cadre est « applicable to all types of brands across the world » [2] : ni l'une ni l'autre ne se trompe de nature d'entreprise ; le document fondateur lui-même conclut, pour les catégories de services, de distribution et d'achat à cycle long, que la corrélation obtenue au niveau de la marque soutient un usage valide du cadre [1]. Le type de preuve est celui du cas interne non auditable, parce que c'est celui de la pièce maîtresse du raisonnement : ce que le cadre MDS a été calibré pour prédire n'est établi que par le document de son propre éditeur [1], qui ne nomme pas les douze catégories de son pilote et ne publie ni les données ni le détail de son jeu de validation de 350 marques. Le chiffre d'affaires par marché de Nvidia [9] est d'une tout autre fiabilité, puisqu'il passe par un commissaire aux comptes, mais il n'est pas la pièce qui porte la thèse : il établit qui paie, pas ce que l'instrument mesure. La réplication est notée absente : aucun travail de ce type n'est versé à ce dossier, sur cette entreprise ni sur une autre. La puissance est au plancher, une entreprise observée, un instrument.
- La composante de perception serait publiée comme un baromètre de marque standardisé pour une marque dont l'achat se décide en entreprise : population visée, effectif, dates de terrain et critère de sélection des répondants.Kantar, qui décrit sa Brand Contribution comme le score issu du cadre Meaningful Different Salient sans publier, dans ses documents de méthode en ligne, ni la population interrogée pour une marque donnée, ni le titre auquel ces répondants sont interrogés. · existe, mais n’est pas consultable
- La validation de l'échelle serait refaite contre une part de volume d'achat dans des catégories où l'acheteur n'est pas le répondant interrogé, les catégories du pilote et le jeu de validation de trois cent cinquante marques étant nommés et leurs données ouvertes à un tiers.Kantar, éditeur du cadre, dont le document fondateur ne nomme pas les douze catégories de son pilote, et le Marketing Accountability Standards Board qui a certifié la mesure en 2017 puis en 2024. · un dispositif approchant existe, sans remplir la condition
- Une échelle attitudinale serait administrée sur échantillon décrit à la population qui décide l'achat de cette entreprise, et non à des consommateurs.YouGov, qui publie déjà sur Nvidia un baromètre sur échantillon décrit, deux mille adultes américains par jour en moyenne et moyenne mobile sur quatre semaines, mais auprès de consommateurs et non d'acheteurs professionnels. · un dispositif approchant existe, sans remplir la condition
Ce dispositif porterait l'indice à 19 sur 100, dans le palier « Preuves très limitées ». Les trois autres axes restent à leur valeur actuelle : un dispositif ne fait monter ni la convergence d'une littérature ni sa réplication.
Score de 14/100 (0-30 %) établi le 31 août 2026.
I source primaire indépendante · S secondaire spécialisée · P partie prenante ayant un intérêt commercial sur le sujet traité.
Lexique
- BrandZ· BrandZ Most Valuable Global Brands↗
- Classement annuel des marques les plus valorisées au monde publié par l'institut d'études Kantar. La valeur de marque s'obtient en multipliant une Financial Value par une Brand Contribution : la première part des bénéfices annuels de la maison mère, auxquels s'appliquent une part d'actifs incorporels, un taux d'attribution à la marque puis un multiple ; la seconde est le score de perception consommateur issu du cadre MDS, qui module ce montant.
- MDS· Meaningful Different Salient↗
- Cadre de mesure de la perception consommateur utilisé par Kantar pour construire le score de Brand Contribution. Sa métrique est certifiée par le Marketing Accountability Standards Board, une première fois en 2017 puis à nouveau en 2024.
Modification apportée · mis à jour le 31 août 2026
Reprise du 31 août 2026, conduite sur les documents primaires plutôt que sur les descriptions bibliographiques. Trois changements de fond. La structure de revenus de Nvidia n'est plus une prémisse posée sans preuve : elle est relevée dans le rapport annuel déposé au régulateur américain, et le texte publie les montants. L'objection la plus lourde à ma thèse initiale a été trouvée et versée au dossier : Kantar classe elle-même Nvidia parmi les marques B2B depuis 2022, ce qui ruine la version de l'argument que je défendais et oblige à en écrire une autre, plus étroite. Deux affirmations ont été retirées parce que les sources auxquelles je les attribuais ne les portent pas : le nombre d'organisations utilisatrices de CUDA, absent du billet cité, et l'extension du coût de changement à la configuration physique des centres de données, absente de l'analyse citée. Les huit références sans adresse vérifiable ont toutes reçu la leur, la date de la certification MASB a été corrigée, et l'indice de solidité de la preuve a été noté pour la première fois. Deux passages successifs sur les mêmes documents ont resserré ce que le texte s'autorise à conclure. Le classement sectoriel B2B est daté de 2022 et n'établit pas une pratique continue. Le cadre est calibré contre deux variables cibles et non une, et sa validation par répondant ne couvre que la grande consommation, l'éditeur concluant lui-même à un usage valide dans trois autres familles de catégories : le texte porte désormais cette conclusion contraire au lieu de la taire. Le second passage a surtout corrigé une erreur introduite par le premier : la catégorie « client direct » du rapport annuel avait été réduite à ses seuls intermédiaires pour conclure qu'elle nommait un canal de facturation, alors qu'elle inclut aussi des fournisseurs de services en nuage et des concepteurs de modèles, qui sont des acheteurs finals. Le titre a été aligné sur ce que la démonstration établit, une question de catégorie de mesure et non une erreur constatée. L'adresse de la page reste inchangée et continue d'annoncer une erreur de catégorie. J'ai ajouté deux encadrés « En clair » : l'un sur la distance entre qui paie et qui choisit dans une ligne de vente, l'autre sur les deux grandeurs individuelles contre lesquelles l'instrument a été calibré.
Développe une méthode d'analyse destinée à distinguer ce que les preuves établissent, ce qu'elles suggèrent et ce qu'elles ne permettent pas de conclure, puis à traduire cette distinction en décisions professionnelles.
Choix du sujet, direction de la rédaction, validation ou modification des sources, validation et retravail du texte et des illustrations : Axel Morel. Rédaction, choix des sources initiales et plan de rédaction initial : assistance IA.
Responsabilité éditoriale : Axel Morel. Recherche et rédaction assistées par IA selon la méthodologie Probans, sources vérifiées avant publication. Charte éditoriale.
En savoir plus