La promesse de « 3 000 € par mois » est une citation qui circule auprès de dirigeants de PME, sur des forums techniques et dans des publicités pour des formations « IA ». Elle est rapportée pour être démontée, jamais pour être crue.

Le sujet n'est pas l'intelligence artificielle, mais les « packs IA clés en main » censés automatiser une entreprise entière en quelques clics et sans compétence technique.

La thèse tient en une phrase : le « pack IA clé en main » est une contradiction dans les termes. Si le besoin est générique, une règle, un script, un ERP ou un logiciel existant le résout mieux et sans hallucination. S'il justifie l'IA, il est spécifique : vocabulaire métier, exceptions, données sales, processus particuliers. Il faut alors examiner les données, itérer, mesurer et maintenir. Le pack occupe l'intervalle vide entre ces deux cas et vise surtout l'acheteur qui veut pouvoir dire qu'il « fait de l'IA ». Pour le vendeur, une partie de son discours repose mécaniquement sur des promesses intenables.

Ce qu'annonce le vendeur Ce que montre la réalité documentée
« Des centaines d'agents en production », un nombre de dépôts « à trois chiffres » Une métrique décorative, invérifiable, sans coût, taux d'échec ni latence associés
« Conformité RGPD native, le modèle tourne en local » Une réduction de risque réelle mais partielle, pas un statut juridique
« OS d'agents », « transformation globale de votre activité » Selon le MIT, environ 95 % des projets d'IA générative en entreprise ne produisent aucun retour mesurable sur le compte de résultat (Forbes, août 2025)
« Automatisez votre boutique, votre usine ou votre PME » Un périmètre aussi large sur un seul produit est l'aveu d'un générique déguisé en sur-mesure
Revenu massif annoncé, mais on vous vend la méthode Gartner prévoit l'annulation de plus de 40 % des projets d'IA agentique d'ici fin 2027, pour valeur métier floue ou coûts qui dérapent (Gartner, juin 2025)

Comment lire cette analyse

Toutes les affirmations qui suivent ne portent pas le même poids de preuve. Pour éviter de transformer une impression en certitude, quatre niveaux sont distingués :

  • Fait documenté : donnée publique vérifiable, rapport d'un organisme identifié, texte réglementaire ou constat consultable par n'importe qui en quelques minutes ;
  • Indication : étude commerciale ou sondage utile, mais avec un échantillon, une méthodologie ou des intérêts propres à signaler ;
  • Hypothèse : explication cohérente avec les faits, sans preuve causale directe ;
  • Opinion opérationnelle : recommandation pratique, à confronter à son propre contexte avant de l'appliquer.

Ce dossier ne prétend pas que toute offre liée à l'IA est malhonnête, ni que l'IA ne sert à rien en entreprise. Il propose une méthode pour distinguer, avant de signer, un prestataire sérieux d'un discours qui n'en a que l'apparence.

1. Pourquoi le « pack clé en main » est une impossibilité logique

L'IA générative et les agents apportent une valeur réelle là où les règles fixes échouent : formulation libre, exceptions imprévues, données mal structurées, vocabulaire métier. C'est précisément ce qui les rend difficiles à empaqueter. Un pack doit fonctionner à l'identique chez des clients différents, alors que l'utilité d'un projet tient presque toujours aux particularités de chacun.

Deux issues seulement sont possibles quand un besoin est présenté comme suffisamment simple pour être « monté en deux minutes » :

  1. Le besoin est générique — facturation standard, relance de paiement, tri de courriels selon des règles connues. Un ERP, un SaaS ou un script suffisent, sans coût d'inférence, latence ni risque d'erreur d'un grand modèle de langage.
  2. Le besoin est spécifique — reconnaître les tournures d'un client mécontent, extraire une information de documents mal scannés depuis quinze ans, gérer une exception connue des seuls anciens. L'IA peut alors servir, mais le travail commence à la signature : données réelles, taux d'erreur, itération, maintenance.

Il n'existe pas de troisième catégorie, assez générique pour tous et assez spécifique pour justifier l'IA. Le pack prétend occuper cet espace vide.

Une nuance s'impose : les solutions clés en main existent sous la forme de briques horizontales étroites — transcription, reconnaissance de caractères, traduction, résumé, extraction de champs dans un document type. Leur périmètre est annoncé et mesurable.

Autre catégorie légitime : le logiciel métier spécialisé qui embarque de l'IA pour catégoriser des factures, acheminer des tickets ou détecter des anomalies. L'éditeur a absorbé la spécificité en amont, après des années sur un métier et les données de nombreux clients du secteur. Le sur-mesure a précédé la vente, puis a été mutualisé. Ce contre-exemple confirme donc la thèse : le travail spécifique a bien été accompli et financé. Ce qui est dénoncé n'est pas le produit empaqueté, mais la promesse d'une transformation globale sans ce travail préalable. Un périmètre étroit et assumé — brique horizontale ou logiciel métier vertical mutualisé — est un signe de sérieux ; un périmètre universel, un signal d'alarme.

2. Un cas rencontré sur un forum technique, et vérifiable en dix minutes

Ce billet part d'un échange observé sur un forum d'entraide technique, rapporté sans nom, pseudonyme, lien ni produit identifiable. Le dossier vise une méthode, pas une personne, et tous les constats retenus pouvaient être contrôlés à partir de données publiques.

Un intervenant s'y présentait comme « architecte en IA distribuée », créateur d'un « système d'exploitation d'agents ». Il annonçait des centaines d'agents « en production », des dépôts publics à trois chiffres et une conformité RGPD « native » parce que les modèles tournaient en local, puis signait par un lien commercial.

Le fil portait alors sur des utilisateurs qui n'arrivaient pas à faire fonctionner un agent dans un conteneur applicatif. C'est en réponse à cette difficulté que l'intervenant s'était manifesté.

Cette vérification ne demandait aucune expertise particulière : dix minutes de lecture suffisaient pour comparer les annonces aux traces publiques.

  • le nombre réel de dépôts était plusieurs fois inférieur à celui annoncé ; beaucoup étaient des copies (« forks ») jamais modifiées de projets connus, dont une de plusieurs dizaines de gigaoctets clonée sans usage visible ;
  • la vitrine du « système d'exploitation » ne contenait aucune ligne de code exécutable : HTML à 100 %, présentation, dossier « preuves » composé d'un auto-audit PDF, storyboard, métadonnées vidéo et curriculum vitae ;
  • l'historique datait la fabrication de l'ensemble de quelques heures, peu avant le message : bannière, badges, correction d'un lien vidéo, e-mail de contact ;
  • un autre dépôt révélait le produit réel : une boutique de plusieurs infoproduits reliée à un tunnel de vente classique, avec page de vente, promotion et argumentaire de « stratégie ».

La conclusion la plus utile n'est pas de déterminer si un individu a menti. Elle est de constater que le fil d'entraide constituait pour lui un canal d'acquisition, et que la vérification permettant de déjouer ce type de discours était gratuite, rapide et accessible à tout dirigeant.

3. Un phénomène plus large qu'un cas isolé

De la démonstration au tunnel de vente

Le cas précédent applique un schéma désormais courant sur quatre canaux. La vidéo attire avec un chiffre rond, une capture de tableau de bord invérifiable et un lien commercial. Le forum d'entraide transforme la difficulté d'un utilisateur en prospect qualifié grâce à un conseil de surface suivi d'une signature. Le réseau professionnel ajoute un titre auto-attribué — « expert », « architecte », « spécialiste » — qu'aucun organisme ne certifie ni ne sanctionne. Ces trois vitrines convergent vers le quatrième canal, leur débouché terminal : une formation, un accompagnement, une « communauté privée » ou un « programme » payant.

Dans chaque cas, la mise en scène remplace la preuve : une capture plutôt qu'un bilan, un titre de profil plutôt qu'une qualification vérifiable, un chiffre de miniature plutôt qu'une donnée contrôlable. L'accroche « gagner 3 000 € par mois » est devenue assez canonique pour titrer une enquête de presse sur les influenceurs-formateurs. Les guides de détection des arnaques à la formation en ligne signalent aussi les promesses de quelques milliers d'euros mensuels « dès le premier mois, sans compétences, sans expérience », souvent entre 2 000 et 5 000 €. Ce montant, proche du salaire d'un cadre, est assez élevé pour faire rêver et assez plausible pour permettre la projection : c'est un calibrage commercial, pas une estimation de revenu.

Pourquoi la formation est le produit idéal

La formation est le produit idéal de ce dispositif. Une fois le contenu créé, son coût marginal devient presque nul, contrairement à un logiciel qu'il faut exécuter, corriger et maintenir. Elle promet généralement l'accès à des contenus ou à un groupe, sans obligation de revenu, de nombre de clients ni de délai. Si l'élève échoue, l'explication est reportée sur son manque d'application, de persévérance ou de fidélité à la méthode. La charge de la preuve s'inverse : le dysfonctionnement d'un logiciel se constate, tandis que l'absence de résultat d'une formation se discute et finit par être imputée à l'acheteur.

L'IA générative abaisse encore le coût de fabrication : modules, illustrations et scripts peuvent être assemblés rapidement, avec une présentation soignée mais peu de contenu original. Cette économie de production n'apporte, en elle-même, aucune garantie supplémentaire à l'élève.

Le module le plus soigné, le plus détaillé et le plus mis en avant est presque toujours celui consacré à l'acquisition de clients. On y apprend moins à appliquer la méthode à un métier précis qu'à la revendre, reproduisant chez l'élève devenu vendeur le circuit dont il vient d'être l'acheteur.

Prompts et bibliothèques de compétences : où est réellement la valeur ?

Les packs de consignes (« prompts ») et les bibliothèques de compétences prêtes à l'emploi en sont une version dégradée. La marchandise vendue est un texte facilement reproductible, peu rare et difficile à protéger dans les faits. Or sa valeur ne réside pas dans une tournure réputée magique, mais dans le contexte métier : données propres à l'entreprise, contraintes, exceptions et exemples concrets, précisément ce qu'un pack générique ne contient pas. Une consigne générique appliquée à une entreprise réelle produit un résultat générique.

L'obsolescence est en outre intégrée au produit. Les modèles évoluent ; une formulation efficace sur une version peut donner un autre résultat sur la suivante. Faute de maintenance, une nouvelle édition est vendue. Formation, pack de consignes et bibliothèque de compétences emballent ainsi de l'information reproductible à coût quasi nul, sans engagement sur le résultat, puis laissent l'acheteur produire lui-même ce résultat et porter l'échec.

Un tel texte se duplique sans coût ni perte : dès la première revente ou le premier partage, toute rareté résiduelle — et avec elle sa valeur marchande — disparaît. Le produit se déprécie aussi à chaque évolution du modèle, alors que son vendeur peut présenter cette fragilité comme la raison d'acheter la version suivante.

Un test pratique permet de trancher avant l'achat : demander au modèle d'IA que l'on utilise déjà d'écrire lui-même la consigne adaptée au besoin précis, puis comparer ce résultat gratuit au pack payant. Si le pack n'apporte rien de plus que quelques minutes de dialogue, sa valeur propre est inexistante.

La nuance est essentielle : des bibliothèques d'outils et d'intégrations ont une valeur réelle lorsqu'elles contiennent du code exécuté, testé et maintenu, des connecteurs vers des systèmes existants et une prise en charge effective des erreurs. La ligne de partage n'oppose pas l'IA à ce qui ne serait pas de l'IA. Elle sépare ce qui s'exécute, se teste et se maintient de ce qui n'est que du texte à recopier.

Le paradoxe du vendeur de pelles apparaît déjà : la formation, comme le pack de consignes, est la pelle.

4. Le conseil qui trahit tout : supprimer le bac à sable

Dans le même échange, face à des utilisateurs incapables de faire fonctionner un agent dans un conteneur applicatif, l'intervenant proposait de basculer son exécution vers le poste local. Présenté comme un correctif rapide, ce dépannage revient à supprimer le mécanisme d'isolation : un agent piloté par un modèle de langage obtient un accès complet à la machine, à ses fichiers, ses identifiants et ses autres programmes.

Ajouter ensuite un réseau dédié et des règles de pare-feu ne corrige pas ce problème. Un pare-feu filtre le trafic réseau, pas les appels système d'un processus qui dispose déjà des pleins droits sur la machine hôte. Il faut diagnostiquer l'échec du conteneur : droits sur le socket d'exécution, montages de volumes ou espaces de noms utilisateur mal configurés.

Le symptôme disparaît ainsi au prix d'un risque bien supérieur. Un correctif sérieux rétablit le fonctionnement sans supprimer la frontière de sécurité.

La règle dépasse ce cas : quand un « expert » désactive un mécanisme d'isolation pour masquer un symptôme, il révèle son niveau technique réel. Un dirigeant n'a pas besoin de comprendre les conteneurs pour retenir ce signal d'alarme : une protection ne devient pas inutile parce qu'elle gêne une démonstration.

Deux autres marqueurs complètent ce signal. La métrique décorative affiche beaucoup d'agents « en production » ou de dépôts « à trois chiffres », sans signification opérationnelle ni possibilité de relier ce volume à un service rendu. Un retour de production mesure les requêtes quotidiennes, le coût mensuel, le taux d'échec, la latence, les utilisateurs réels et les incidents. Le compteur spectaculaire masque souvent l'absence de ces mesures utiles.

Le mot-valise réglementaire affirme une « conformité RGPD native parce que le modèle est local ». Le RGPD porte aussi sur la finalité, la base légale, la minimisation, la conservation, les droits des personnes, la sécurité et la documentation. Héberger le modèle localement peut supprimer certains transferts et réduire le nombre de sous-traitants : c'est une réduction de risque utile, pas un statut juridique.

5. Ce que mesurent réellement les organismes sérieux

Les organismes qui étudient l'adoption de l'IA en entreprise décrivent une réalité éloignée des promesses.

Le projet NANDA du MIT a publié en 2025 « The GenAI Divide: State of AI in Business 2025 », fondé sur 150 entretiens de dirigeants, 350 réponses de salariés et 300 cas publics. Sa conclusion la plus commentée : malgré 30 à 40 milliards de dollars investis, environ 95 % des projets d'IA générative en entreprise ne produisent aucun retour mesurable sur le compte de résultat ; seuls environ 5 % des outils sur mesure passent du pilote à la production (Forbes, Virtualization Review). Prudence méthodologique obligatoire : le rapport a été largement commenté et critiqué sur son échantillon et sa définition du « retour ». Il constitue une indication forte, pas une loi immuable ni un taux universel applicable à toute entreprise. Sa conclusion la plus solide attribue l'échec non au modèle ou à la réglementation, mais à l'approche des entreprises.

Second éclairage : en juin 2025, Gartner prévoyait l'annulation de plus de 40 % des projets d'IA agentique d'ici fin 2027, en raison de coûts excessifs, d'une valeur métier floue ou de contrôles de risque insuffisants (Gartner). Le cabinet nomme « agent washing » le fait de rebaptiser en agent IA un assistant, une automatisation de règles ou un agent conversationnel dépourvu des capacités annoncées. Parmi des milliers de fournisseurs revendiquant cette activité, il estime qu'environ 130 seulement la pratiquent réellement. Cette estimation vient d'un sondage auprès de 3 412 participants à un webinaire (ITPro). Selon le cabinet, beaucoup d'offres manquent encore de valeur ou de retour démontré, les modèles n'étant pas assez mûrs pour poursuivre seuls des objectifs métier complexes dans la durée.

Même prudence pour Gartner : 40 % est la prévision d'un cabinet privé, non une proportion constatée ; les quelque 130 fournisseurs viennent des réponses de participants à un webinaire, pas d'un recensement du marché. Ces données signalent une tendance et un problème de maturité, sans prouver la malhonnêteté des acteurs concernés. Les transformer en certitudes reproduirait le procédé dénoncé ici : faire d'un chiffre difficile à vérifier une preuve définitive.

Ces travaux ne disent pas que l'IA est inutile. Avec des niveaux de preuve différents, ils montrent un marché encombré d'offres moins mûres que promis. Aucun chiffre ne permet, seul, de conclure à la malhonnêteté d'un fournisseur donné ; tous invitent à vérifier la valeur annoncée.

6. Le versant français : le cadre réglementaire de la formation

Ce que la section précédente décrit comme un schéma international rencontre, en France, un cadre réglementaire spécifique qu'il est utile de connaître, en particulier lorsque la formation est financée par le compte personnel de formation.

La loi n° 2022-1587 du 19 décembre 2022 interdit toute prospection commerciale des titulaires d'un CPF par téléphone, SMS, courrier électronique ou réseaux sociaux lorsqu'elle vise à collecter leurs données personnelles ou à leur faire souscrire une action financée par le CPF. Le manquement est passible d'une amende administrative pouvant atteindre 75 000 € pour une personne physique et 375 000 € pour une personne morale. Cette interdiction ne vise pas la publicité grand public mentionnant l'éligibilité d'une formation au CPF, mais la sollicitation individuelle non sollicitée. Un appel, un SMS ou un message privé non sollicité portant sur une formation financée par le CPF n'est donc pas seulement une pratique commerciale douteuse : c'est un signal d'alerte objectif, car son émetteur est déjà en infraction (Mon Compte Formation). Un signalement est gratuit sur signal.conso.gouv.fr (DGCCRF, info.gouv.fr).

Ce cadre offre un point de vérification supplémentaire, distinct de ceux déjà cités : un organisme de formation légitime dispose d'un numéro de déclaration d'activité, est soumis à un contrôle administratif, et ne commercialise pas une formation financée par le CPF au moyen d'un démarchage interdit. La présence d'un argumentaire centré sur l'IA comme raccourci vers un revenu rapide ne dispense d'aucune de ces vérifications administratives ; elle s'y ajoute comme un facteur de risque de plus, propre au format observé dans ce dossier (NR Magazine).

7. Où sont les bilans ? Le paradoxe du vendeur de pelles

C'est l'argument le plus solide du dossier, applicable sans compétence technique.

L'absence de comptes

Celui qui annonce des revenus spectaculaires produit rarement le document qui les prouverait : des comptes annuels. En France, une société commerciale doit déposer ses comptes au greffe ; son existence, son SIREN, sa date de création, son effectif déclaré et son activité se vérifient gratuitement dans les données publiques de l'État et de l'INSEE (annuaire des entreprises, INSEE). Un chiffre d'affaires sans société correspondante, ou adossé à une structure créée trois mois plus tôt sans salarié, se repère vite.

Nuance indispensable : une micro-entreprise ne dépose pas de comptes et certaines sociétés obtiennent légalement leur confidentialité. L'absence de bilan public ne prouve donc pas un mensonge et ne suffit jamais à condamner une offre. En revanche, le refus de toute preuve alors que les résultats servent d'argument en est une. Celui qui affiche un chiffre doit le démontrer ; le lecteur n'a pas à démontrer le contraire.

Le paradoxe de la recette

Si une méthode génère réellement 3 000 euros par mois, ce revenu devrait être raisonnablement simple à étayer par une structure identifiable et par des éléments comptables cohérents : comptes publiés lorsqu'ils existent, attestation d'un expert-comptable, ou factures rapprochées de leurs règlements. Vendre la recette plutôt que l'appliquer à plus grande échelle reste paradoxal : chaque acheteur devient un concurrent qui utilise le même mode opératoire sur le même créneau et dilue la rente. Si la preuve manque et que la seule activité observable est la commercialisation de la méthode, l'explication la plus cohérente est que le revenu vient de la vente de la méthode. Le véritable produit est alors l'acheteur.

Le retournement à observer

La richesse annoncée est toujours au passé et ailleurs — « j'ai fait », « en production chez moi » — tandis que la seule transaction observable au présent est votre paiement. Il faut comparer ce récit à l'activité réellement observable dans la durée. La question, brutale et polie, reste : « Si votre système génère ce que vous annoncez, pourquoi avez-vous besoin de me vendre quoi que ce soit ? »

Le parallèle historique

Pendant les ruées vers l'or du XIXe siècle, les vendeurs de pelles, de tentes et de jeans solides s'enrichissaient plus régulièrement que les chercheurs d'or. Différence essentielle : le vendeur de pelles livrait une pelle qui fonctionnait.

8. La grille de vérification à appliquer avant de signer

Voici une check-list applicable sans compétence technique avant toute signature.

  1. Demander le problème, pas la solution. Faites reformuler votre besoin avec vos mots : qui ne peut pas décrire votre processus vend un catalogue, pas une solution.
  2. Exiger une référence joignable, dans votre secteur d'activité, que vous appelez vous-même sans intermédiaire.
  3. Demander le critère d'échec. « À quoi verra-t-on, dans trois mois, que ça n'a pas marché ? » Une réponse sérieuse est chiffrée et précise.
  4. Exiger une démonstration en direct sur des données choisies par le client, avec un temps de préparation strictement limité et annoncé. Demandez qu'un cas difficile, choisi par vous, soit traité pendant la séance ou intégré au pilote. Un produit qui existe accepte l'épreuve et expose honnêtement ses limites.
  5. Demander le coût par unité traitée, et qui le paie. Le coût d'inférence varie par document, requête ou appel ; le prestataire doit le chiffrer, préciser s'il est inclus ou refacturé, et expliquer ce qui arrive si le volume double.
  6. Regarder le code, ou son absence, avec l'aide éventuelle d'un technicien. Sur un dépôt public, la répartition des langages, l'historique des modifications, les dépendances, les tests et les versions publiées donnent rapidement de précieux indices. Du HTML à 100 % dans l'unique dépôt présenté comme le cœur d'une infrastructure doit conduire à demander où se trouve le code exécutable.
  7. Distinguer les copies des créations. Un projet réel a un historique de développement propre ; une simple copie d'un projet existant, jamais modifiée depuis sa création, n'en est pas un.
  8. Se méfier du périmètre trop large. « Automatisez votre boutique, votre usine ou votre PME » prétend résoudre trois métiers sans rapport avec un pack : c'est un aveu, pas un argument.
  9. Demander qui assure la maintenance, et à quel prix, dans deux ans. Un agent en production n'est pas une livraison ponctuelle : c'est un abonnement à de la maintenance continue.
  10. Exiger un pilote payant et court, avec un critère d'arrêt écrit, plutôt qu'un forfait global ou un engagement long dès le début.
  11. Vérifier la réversibilité. À qui appartiennent les données, les instructions (prompts) et les modèles éventuellement affinés ? Que reste-t-il concrètement si la relation s'arrête ?
Signal observé Ce que ça signifie Question à poser directement
Refus de convenir d'une démonstration ou d'un pilote sur des données choisies par le client, avec un temps de préparation limité et annoncé Le produit ne peut pas être éprouvé dans les conditions proposées « Traitez ce cas difficile pendant la séance, ou intégrez-le au pilote »
Impossibilité de chiffrer un coût par document, requête ou appel Le prestataire ne connaît pas son propre coût de fonctionnement « Que se passe-t-il si mon volume double ? »
Nombres impressionnants sans unité opérationnelle Métrique décorative, absence de mesure réelle « Quel est votre taux d'échec, votre coût mensuel, votre latence ? »
« RGPD natif » car le modèle est local Confusion entre réduction de risque et conformité « Qui est mon délégué à la protection des données, et quelle est la base légale du traitement ? »
Périmètre très large sur un seul produit Produit générique déguisé en sur-mesure « Montrez-moi comment vous traitez précisément mon exception métier X »
Refus de montrer des comptes ou une société identifiable Absence de structure vérifiable derrière la promesse « Quel est votre SIREN, et depuis quand la société existe-t-elle ? »
Conseil qui consiste à désactiver une protection technique Compétence réelle insuffisante « Pourquoi cette protection existe-t-elle, et que corrige réellement votre solution ? »
Engagement long imposé dès la première rencontre Volonté d'éviter toute mesure de résultat « Acceptez-vous un pilote court, payant, avec un critère d'arrêt écrit ? »

9. Ce qui, à l'inverse, ressemble à du sérieux

Un prestataire crédible se reconnaît à des attitudes presque symétriques. Il commence par un audit court et payant, plutôt que par une promesse de transformation globale. Il refuse spontanément une partie du périmètre proposé, parce qu'elle ne relève pas de son domaine ou ne justifie pas l'IA. Il propose parfois de résoudre une partie du problème sans aucune intelligence artificielle, quand une règle simple suffit. Il parle ouvertement de ce qui a échoué chez lui sur des projets précédents, évoque le coût de fonctionnement et la reprise sur incident, pas seulement le prix de la mise en route, et accepte d'être mesuré sur un indicateur métier choisi par le client.

Conclusion : la seule promesse qui compte se prouve, elle ne se raconte pas

Le « pack IA clé en main » confond la facilité de mise en route avec la valeur du résultat. Une installation simple ne résout pas nécessairement un problème d'entreprise ; une solution utile a rarement été simple à concevoir.

Pour un dirigeant de PME, la question n'est pas « l'IA peut-elle m'aider ? » — probablement oui, sur un périmètre précis — mais : ce prestataire peut-il décrire mon problème avec mes mots, accepter un critère de mesure que je choisis et montrer ce qui, chez lui, a échoué ? Ces trois exigences ramènent la discussion au besoin, à la preuve et à la capacité d'apprendre des incidents. Sinon, il ne vend pas une solution, mais du soulagement d'angoisse au prix d'une transformation qui n'aura pas lieu.

Les chiffres et rapports cités dans ce dossier sont sourcés individuellement et accompagnés de leurs limites. Le cas a été volontairement anonymisé : aucun nom, pseudonyme, produit ou lien ne permet d'identifier une personne. Il illustre une méthode qui dépasse largement cet exemple.