Une entreprise multinationale de commerce de gros a ouvert aux chercheurs 20 199 évaluations de performance réelles, en leur permettant de relier chaque note à la personne effectivement promue par la suite. L'écart entre les genres que la plupart des sessions de calibrage cherchent à détecter s'est révélé réel mais négligeable — f de Cohen = 0,02 — et il n'a nullement faussé l'étape de la promotion. Le résultat qui devrait changer votre prochaine revue de talents se trouve dans les composantes de variance : la part de variance des notes attribuable à la filiale dans laquelle travaillait la personne était de 0,040 pour la performance et de 0,136 pour le potentiel de développement (Kordsmeyer et al., International Journal of Selection and Assessment, 2026).
Votre axe de performance mesure essentiellement la personne. La note de potentiel de votre 9-box mesure la personne et l'unité — et elle charge sur l'unité avec un poids plus de trois fois supérieur.
Cette asymétrie n'est pas une note de bas de page sur l'équité. C'est un défaut de mesure logé dans l'axe qui vous sert à construire vos plans de succession, et il reste invisible pour tout audit qui contrôle les résultats des promotions plutôt que les données d'entrée des notes.
Ce que 20 199 évaluations ont réellement montré
Kordsmeyer, Godehardt, Roß, Lanzoni et Speer ont analysé les évaluations et les dossiers de promotion de 20 199 salariés d'un seul employeur multinational du commerce de gros. Le dispositif compte : il s'agit de notes réelles produites par un outil en service, reliées à de véritables décisions de promotion, et non d'une vignette ni de déclarations sur soi. Ils ont testé les deux moitiés de l'évaluation standard — performance et potentiel de développement — ainsi que des modérateurs, puis ont suivi les notes en aval, jusqu'à ceux qui ont effectivement bougé.
Les résultats se séparent nettement en une moitié rassurante et une moitié dérangeante.
| Ce qui a été testé | Résultat |
|---|---|
| Différence de genre dans les notes de performance | Significative, en faveur des hommes, f = 0,02 (très petite) |
| Différence de genre dans les notes de potentiel de développement | Significative, en faveur des hommes, f = 0,02 (très petite) |
| Conversion des notes en promotions | Effet de genre négligeable — χ²(1, N = 10 772) = 0,34, p = 0,56, φ = −0,006 |
| Prédiction différentielle (biais prédictif) | Aucune de notable — β non signés < 0,14, p > 0,059 |
| Variance d'unité (filiale), performance | 0,040 |
| Variance d'unité (filiale), potentiel de développement | 0,136 |
La moitié rassurante : dès lors qu'une note existait, elle se convertissait en promotion de façon équivalente pour les hommes et les femmes. Les différences de groupe dans les promotions s'expliquaient largement par les notes elles-mêmes, et non par une décision de promotion biaisée qui s'y serait superposée. Si votre revue d'équité audite l'étape de la promotion, cette étude vous dit que vous auditez la partie propre du processus.
La moitié dérangeante, ce sont les deux dernières lignes, et presque personne ne lit une 9-box de cette manière.
L'histoire d'équité que tout le monde attendait, et celle qui compte
Deux détails supplémentaires précisent où se situe réellement le faible effet de genre. Les différences étaient modérées par la composition par genre du département et, en partie, par le genre du manager, spécifiquement pour le potentiel de développement. Autrement dit, l'écart n'est pas uniforme dans l'entreprise : il se concentre dans les départements à composition déséquilibrée. C'est une consigne de ciblage pour le temps de calibrage, non un problème à l'échelle de l'entreprise.
Mais placez les deux résultats côte à côte. L'effet de genre sur les notes de potentiel est de f = 0,02. L'effet de l'unité sur les notes de potentiel est de 0,136 de variance. Vous avez bâti un processus de gouvernance autour du plus petit des deux signaux.
C'est le type d'erreur qui survit des années parce qu'elle est procéduralement invisible. Une session de calibrage qui examine la répartition par genre des marqueurs de haut potentiel passera le contrôle. Cette même session ne se demandera jamais si « haut potentiel » signifie la même chose en Logistique et au Commercial — parce que personne n'a apporté les composantes de variance dans la salle.
Pourquoi la note de potentiel de la 9-box est structurellement plus bruitée
La raison n'est pas que les managers seraient négligents sur un axe et rigoureux sur l'autre. C'est que les deux axes posent des questions fondamentalement différentes.
La performance porte sur un travail observé, achevé et largement documenté. Le manager résume un dossier. Deux managers d'unités différentes qui résument des dossiers comparables aboutiront à peu près au même endroit, ce qui explique que le terme d'unité soit faible — 0,040.
Le potentiel de développement demande à un manager de prévoir. Et une prévision exige une classe de référence. « Prêt dans 12 à 24 mois » signifie implicitement « prêt au regard de ce à quoi ressemble ce poste, du rythme auquel avance cette unité, et des personnes que j'ai vues le faire ici ». Changez l'unité et vous changez les trois ancrages sans changer la personne. Le 0,136, c'est l'apparence que cela prend quand on le décompose.
D'où l'échec pratique. Tout plan de succession construit en agrégeant des notes de potentiel issues d'unités différentes compare des jugements calibrés sur des échelles différentes, puis les classe comme s'il s'agissait d'une seule échelle. Le salarié « prêt maintenant » dans une unité lente et celui « à 12–24 mois » dans une unité exigeante peuvent être identiques. Votre rapport sur la profondeur du vivier est incapable de le dire.
Les notes de potentiel mesurent aussi le mauvais critère
Il existe un second problème, indépendant, dans l'axe du potentiel, et il aggrave le premier.
Une méta-analyse au niveau des facettes portant sur 203 jeux de données et 4 815 corrélations a séparé deux résultats que les organisations confondent couramment : l'efficacité du leader (notes d'efficacité et performance de l'unité) et l'émergence du leader — un critère qui inclut explicitement les notes de potentiel de leadership (Baker et al., Journal of Applied Psychology, 2026). Les facettes de personnalité qui prédisent l'une et l'autre sont presque opposées.
L'efficacité était prédite par la motivation à la réussite (ρ = 0,23), l'ordre (ρ = 0,23), l'autodiscipline (ρ = 0,23) et l'optimisme (ρ = 0,19). L'émergence était prédite par l'assertivité (ρ = 0,21) — la facette la plus forte de l'Extraversion. La motivation à la réussite, qui prédit l'efficacité à 0,23, prédit l'émergence à 0,01. L'altruisme va dans des directions opposées : +0,16 sur l'efficacité, −0,12 sur l'émergence.
Lisez cela au regard de la 9-box. L'axe du potentiel est une note de potentiel, c'est-à-dire un jugement d'émergence. Les traits qui font paraître quelqu'un promouvable aux yeux d'un manager ne sont pas, au vu de ces données, ceux qui le rendent efficace après la promotion — et dans au moins un cas, le trait qui aide le plus ensuite nuit activement à la note qui précède.
Ainsi l'axe du potentiel porte une contamination d'unité par-dessus un problème de critère. L'effet d'unité vous dit que le chiffre n'est pas comparable d'une entité à l'autre. La méta-analyse vous dit que ce à quoi il est comparable n'est peut-être pas ce que vous recherchez.
L'objection, et jusqu'où elle tient
Les limites, dites honnêtement. Kordsmeyer porte sur un seul employeur multinational du commerce de gros avec un seul outil d'évaluation ; les composantes de variance sont des propriétés d'une entreprise donnée et d'un formulaire de notation donné, non des constantes à citer comme les vôtres. L'étude n'a pas non plus de dispositif causal : elle décompose la variance, elle ne prouve pas que des managers d'unités différentes appliquent des standards différents plutôt que l'existence de distributions de talents réellement différentes selon les unités. Une partie de ce 0,136 relève probablement d'un tri réel.
Deux choses subsistent. D'abord, l'écart entre 0,040 et 0,136 se trouve dans les mêmes données, même entreprise, mêmes évaluateurs, même cycle — toute explication doit justifier pourquoi il s'applique à la prévision et non au dossier. Un tri réel ferait bouger les deux. Ensuite, la direction est corroborée par une littérature à l'identification plus propre, ci-dessous. Traitez 0,136 comme une incitation à mesurer votre propre décomposition, non comme votre chiffre.
Le contexte déplace les jugements de promotion même à performance constante
La vérification externe la plus solide vient d'un dispositif qui fixe ce que Kordsmeyer ne pouvait pas fixer. Dans une expérience conjointe à choix forcé par paires menée au Royaume-Uni, 937 managers ont évalué des profils dans lesquels la note de performance était explicitement maintenue constante, seule la modalité de travail variant (Kasperska, Matysiak & Cukrowska-Torzewska, PLOS ONE, 2024).
Les salariés hybrides subissaient une pénalité de 7,7 % sur la promotion et de 7,1 % sur l'augmentation salariale. Les salariés entièrement à distance subissaient 10,7 % sur la promotion, 9,4 % sur le salaire et 6,6 % sur la sélection pour les formations. La performance était identique par construction. La pénalité est entièrement un jugement sur le contexte dans lequel la personne travaille.
Le chiffre le plus utile de cette étude est celui qui annule l'effet : là où 80 % ou plus de l'équipe travaillait à domicile, la pénalité disparaissait pour tous les groupes. Le jugement n'a jamais porté sur l'individu. Il portait sur la distance entre l'individu et la norme locale — précisément le mécanisme susceptible de produire un terme d'unité élevé dans une décomposition de la variance.
Ce sont deux littératures indépendantes qui pointent vers la même chose. Les jugements prospectifs sur les personnes absorbent les propriétés de l'unité dans laquelle ces personnes se trouvent. Les jugements rétrospectifs sur la performance en absorbent beaucoup moins.
Ce que coûte le fait d'agir sur l'axe contaminé
La conséquence coûteuse n'est pas une note injuste. C'est une décision de recrutement.
Un vivier de succession qui paraît maigre — parce que la moitié de vos unités notent le potentiel de façon conservatrice — pousse une entreprise vers le marché externe. Le marché externe facture une prime précisément pour cela : l'analyse de Matthew Bidwell a montré que les recrues externes sont payées 18 à 20 % de plus que les personnes promues en interne sur des postes comparables, reçoivent des évaluations de performance significativement plus basses pendant environ deux ans et partent à des taux plus élevés (Knowledge at Wharton sur Bidwell, Administrative Science Quarterly, 2011).
Cette prime est le prix d'un déficit d'information. L'ironie, c'est que vous détenez déjà l'information — elle est dans vos données d'évaluation — mais l'axe du potentiel l'a encodée sur des échelles incohérentes, si bien que le vivier se lit comme vide alors qu'il est seulement illisible. Vous payez alors 18 à 20 % pour acheter à l'extérieur un signal moins sûr.
Que changer avant votre prochaine revue de talents
Cinq mesures, dont aucune n'exige de remplacer votre outil d'évaluation.
- Décomposez vos deux axes avant la clôture du prochain cycle. Calculez la variance par unité sur la performance et sur le potentiel séparément. Il vous faut deux chiffres, et l'écart entre eux constitue le diagnostic. Si le potentiel porte sensiblement plus de variance d'unité que la performance, votre plan de succession n'est pas classable en l'état.
- Calibrez l'axe du potentiel entre les unités, et non à l'intérieur de chacune. La plupart des sessions de calibrage réunissent une unité et normalisent en son sein — ce qui corrige la distribution interne et préserve exactement le décalage entre unités. Le calibrage transversal sur l'axe du potentiel est la seule session qui touche au 0,136.
- Définissez la readiness par rapport au poste de destination, non à l'unité actuelle. « Prêt dans 12 à 24 mois » doit signifier prêt pour un poste nommé avec des exigences nommées. Ancrer la readiness au poste cible supprime la classe de référence locale qui crée l'effet d'unité à la source.
- Remplacez le récit sur le potentiel par des preuves de compétence. L'axe dérive parce que les managers prévoient à partir d'une impression. Une mesure par compétence et par cycle face à un référentiel commun donne à chaque unité la même échelle, et le calibrage transversal devient une vérification de distribution plutôt qu'un débat. C'est la donnée d'entrée à partir de laquelle la couche performance et succession de Scovai calcule la 9-box — une mesure déterministe par compétence face à un référentiel commun, avec des indicateurs de distribution pour la session de calibrage.
- Auditez l'entrée, pas seulement le résultat. Cette étude a trouvé une étape de promotion propre et une étape de notation contaminée. Un audit échantillonnant les promotions par donnée démographique aurait conclu que tout était conforme sur les deux. Ajoutez la variance au stade de la notation à ce que votre fonction people analytics examine.
Notez ce qu'implique le point 5 pour le travail d'équité en particulier. L'effet de genre ici était de f = 0,02 et ne s'est pas propagé aux promotions. Consacrer l'heure de calibrage à cela, alors que l'effet d'unité sur le même axe atteint 0,136, c'est diriger de bonnes intentions vers le plus petit des deux chiffres.
Une décision pour ce trimestre
Vous ne choisissez pas de conserver ou non la 9-box. C'est un outil raisonnable, et dans cette étude l'axe de performance s'est bien comporté. Vous choisissez de continuer ou non à traiter ses deux axes comme également fiables, alors que les données de 20 199 évaluations indiquent que l'un des deux porte plus du triple du bruit d'unité de l'autre.
Avant que votre prochaine revue de talents ne se réunisse, exécutez la décomposition de variance sur vos propres notes de potentiel et apportez un chiffre dans la salle : quelle part de « haut potentiel » s'explique par l'unité du manager auquel la personne est rattachée. Si elle est importante, vous n'avez pas encore de plan de succession. Vous en avez douze, dans des devises différentes, agrafés ensemble.