Indicateurs redondants : repérer le double comptage dans un score composite

Par Elisha Bajemon, Ingénieur IA chez TW3 Partners. Dernière mise à jour : 14 novembre 2026.

En bref

Repérer le double comptage consiste à distinguer une mesure copiée, une mesure incluse dans un autre calcul et des mesures qui évoluent ensemble. Pour une direction qui utilise un score afin de fixer ses priorités, cette distinction aide à comprendre ce qui pèse réellement dans la décision. Dans Scoring Without the Engine, prépublication TW3 déposée sur arXiv le 7 septembre 2026, une mesure entre avec un coefficient de 70 % dans une autre formule, tout en figurant séparément dans le score. Le guide de l’OCDE et du JRC de 2008 invite aussi à examiner ce que chaque indicateur mesure avant de décider de sa conservation. Nous recommandons de réunir ces vérifications dans un registre reliant chaque notion à sa formule, ses dépendances et son poids. Toute fusion proposée doit ensuite être évaluée sur le score complet.

1. Quand deux noms recouvrent-ils une même information ?

Deux indicateurs peuvent reprendre une information commune même si leurs intitulés diffèrent. Le diagnostic commence donc par la définition de ce qui est mesuré. Un score composite désigne ici un résultat qui combine plusieurs mesures selon une règle explicite. Un construit est la notion théorique que ces mesures cherchent à représenter.

Dans Measurement and Fairness, prépublication déposée sur arXiv le 11 décembre 2019 et révisée le 12 mars 2021, Jacobs et Wallach expliquent que passer d’une notion à sa mesure exige des hypothèses explicites et vérifiables. Appliquée à l’audit proposé ici, cette distinction conduit à examiner séparément le sens métier et le calcul.

Une copie exacte réutilise la même mesure. Un composite imbriqué reprend une mesure à l’intérieur d’une formule plus large. Une association statistique signifie que les valeurs évoluent ensemble dans les données examinées. Ces situations appellent des vérifications différentes : comparaison des définitions et des formules pour les premières, examen des observations et de leur sens pour la dernière.

La prépublication TW3 documente un composite imbriqué : sa composante de densité d’information inclut la mesure d’entropie de Shannon, également présente séparément dans l’agrégat. Les auteurs les rattachent à une même famille. Pour transposer ce raisonnement, demandez au responsable métier de nommer la notion représentée, puis à l’équipe data de montrer le calcul correspondant. Ce rapprochement doit précéder la discussion des coefficients.

2. Comment retrouver les dépendances dans les formules ?

Il faut remonter de l’agrégat aux mesures élémentaires et repérer chaque chemin par lequel une même mesure intervient. Dans l’annexe consacrée aux formules de Scoring Without the Engine, TW3, 2026, les coefficients permettent de suivre précisément ce recouvrement.

La mesure commune possède un poids direct de 0,246. Elle entre aussi avec un coefficient de 0,70 dans une composante dont le poids est 0,244. Le papier développe leur contribution avant transformation : 0,246 + 0,70 × 0,244 ≈ 0,417. Ces valeurs décrivent la configuration étudiée et son imbrication algébrique.

Ce développement décrit le recouvrement si l’on laisse de côté les transformations. Dans le calcul effectivement utilisé, chaque composante subit une transformation fondée sur la racine carrée avant la somme pondérée. Cette fonction est non linéaire : transformer une combinaison de mesures ne revient généralement pas à combiner leurs transformations. Le coefficient développé permet de repérer un recouvrement ; l’influence dans le score final dépend aussi des valeurs auxquelles la transformation est appliquée.

Pour l’audit, dessinez les dépendances : une flèche relie chaque mesure au calcul qui la réutilise. Inscrivez les coefficients sur les flèches et placez les transformations à leur emplacement réel. Arrêtez le regroupement algébrique lorsqu’une opération non linéaire empêche de distribuer les termes. Conservez alors les branches distinctes pour recalculer l’agrégat. Cette représentation proposée par le cabinet sert à rendre les hypothèses du calcul contrôlables.

3. Que révèle une matrice de corrélation ?

Une matrice de corrélation décrit les associations entre les indicateurs dans un ensemble d’observations. Elle complète l’examen des formules. Selon le Handbook on Constructing Composite Indicators de l’OCDE et du JRC, 2008, le double comptage doit être apprécié à la fois statistiquement et au regard du phénomène que les indicateurs cherchent à représenter.

Le guide prend le cas de l’usage d’Internet par les entreprises et de la présence d’un site web. Il demande si leur forte corrélation justifie une réduction de leur poids ou si ces indicateurs représentent des aspects différents de l’adoption des technologies. La question de leur maintien porte alors sur la contribution de chaque mesure à la notion d’ensemble.

Dans l’audit proposé, consignez la population et la période sur lesquelles la corrélation est calculée. Rapprochez ensuite chaque association marquée de la définition métier des variables. Une dépendance déjà démontrée dans les formules apporte une explication du recouvrement. En l’absence de cette dépendance, demandez quelle information distincte chaque mesure est censée conserver.

Il est utile de formuler la décision sous forme d’une justification vérifiable : la mesure est maintenue parce qu’elle couvre tel aspect du phénomène, ou une fusion est testée parce que les définitions et les calculs se recouvrent. Le dossier doit permettre de retrouver les observations et le raisonnement qui soutiennent cet arbitrage. Une règle de suppression fondée uniquement sur une corrélation ferait perdre cette justification.

4. Comment vérifier l’effet d’une fusion ?

Une fusion se vérifie en réajustant l’agrégat et en contrôlant son comportement dans les mêmes conditions que la version de référence. L’annexe sur l’identifiabilité de Scoring Without the Engine, TW3, 2026 décrit cette expérience pour la famille de mesures qui se recouvrent.

Les auteurs imposent un poids nul à la mesure d’entropie autonome, puis réajustent les autres poids sous le même protocole. Ils évaluent la configuration obtenue sur les données réservées à la validation et vérifient les contraintes prévues. Ils examinent aussi la fusion dans l’autre sens. Les contraintes restent satisfaites dans ces essais, avec des écarts dans les mesures d’évaluation. Ce résultat concerne les configurations et les données du papier ; il fournit un protocole de comparaison pour une adaptation à un autre score.

Pour cette adaptation, TW3 recommande de conserver la version initiale, de définir la composante supprimée et de fixer à l’avance les critères de comparaison. Réservez des observations à la validation avant de réajuster les poids. Comparez ensuite les résultats des variantes sur ce même périmètre et examinez les décisions métier qui changent.

Précisez également ce que la fusion retire : une entrée autonome, une partie d’un calcul imbriqué ou une dimension entière. Ces opérations ont des objets différents. Le compte rendu doit identifier la modification exacte, les coefficients réajustés et les contrôles rejoués, afin que le responsable du score puisse accepter ou refuser la nouvelle version sur une base documentée.

5. Poids égaux signifie-t-il information équilibrée ?

Des poids égaux entre variables peuvent donner des poids inégaux aux dimensions qu’elles représentent. Le guide de l’OCDE et du JRC, 2008 explique qu’une dimension regroupant davantage de variables peut recevoir davantage de poids dans le composite.

La pondération par variable attribue un coefficient à chaque entrée. La pondération par dimension commence par organiser les variables selon les notions représentées, puis répartit les poids entre ces groupes. Comparer ces constructions oblige à expliciter l’importance accordée aux notions métier et la place occupée par leurs différentes mesures.

Pour préparer cet arbitrage, produisez une vue des poids par variable et une vue par famille de mesures. Dans cette seconde vue, signalez les dépendances imbriquées établies par les formules. Distinguez les coefficients avant transformation des effets observés après recalcul du score. La direction peut ainsi discuter la couverture des dimensions sur une base commune avec l’équipe data.

Le guide rappelle aussi qu’avec une agrégation linéaire ou géométrique, un excédent sur une dimension peut compenser un déficit sur une autre. Les poids traduisent donc des possibilités de compensation. Ajoutez cette question à la revue : quelle amélioration autorise-t-on à contrebalancer quelle faiblesse ? La réponse relève de l’usage du score. Le choix des coefficients doit rester lié à cet usage et aux contrôles réalisés sur l’agrégat complet.

6. Quel registre maintenir ?

Le registre doit relier chaque mesure à sa justification, à son calcul et à la décision prise après examen. Le tableau suivant constitue une proposition de travail du cabinet, fondée sur le cadre de construction du guide OCDE et JRC de 2008 et sur la distinction entre notion et mesure développée par Jacobs et Wallach.

Renseignez la formule réellement exécutée et conservez la version correspondante. Pour une fusion, indiquez quelles notions restent couvertes et laquelle pourrait perdre sa représentation. Pour un maintien, décrivez l’apport propre attendu de chaque mesure. Associez la justification métier à son auteur et le contrôle du calcul à la personne qui peut le reproduire.

Cette proposition prolonge l’exigence de validité décrite dans Measurement and Fairness, version révisée en 2021 : vérifier que la mesure couvre le sens de la notion et représente les relations entre les propriétés observées et cette notion, ainsi que leurs interrelations. Le guide OCDE et JRC examine également la robustesse aux choix d’indicateurs, de normalisation, de pondération et d’agrégation. Après une modification, reprenez ces choix dans le dossier de validation. Le registre devient ainsi le support de la décision sur la version du score à utiliser.

FAQ

Une corrélation élevée impose-t-elle une suppression ?
Elle appelle un examen des définitions et des données. Le guide OCDE et JRC demande d’apprécier aussi le rôle des indicateurs dans la représentation du phénomène. Leur conservation doit pouvoir s’expliquer par les aspects qu’ils couvrent.

Deux noms impliquent-ils deux mesures ?
Des intitulés distincts peuvent désigner des calculs qui réutilisent une même information. La formule et ses dépendances permettent de repérer ce recouvrement, comme dans le composite imbriqué de la prépublication TW3. Le nom de la colonne ne suffit donc pas à établir l’autonomie d’une mesure.

Peut-on additionner les poids après transformation ?
Le développement des coefficients doit respecter l’ordre des opérations. Dans le protocole TW3, la racine carrée appliquée séparément aux composantes empêche de traiter le poids développé avant transformation comme un coefficient constant du score final. Il faut conserver les transformations lors du recalcul.

Les poids égaux évitent-ils le double comptage ?
Ils attribuent la même place nominale aux variables. Selon le guide OCDE et JRC, une dimension représentée par davantage de variables peut alors peser davantage. L’examen doit porter sur les familles de mesures et sur leurs dépendances.

Comment vérifier une fusion ?
Définissez la modification, réajustez les coefficients puis rejouez les contrôles sur les données réservées. L’expérience de la prépublication TW3 suit cette logique pour sa configuration. Pour un autre agrégat, documentez aussi les conséquences sur les décisions auxquelles le score sert.

Pour aller plus loin

• Identifiabilité des poids : plusieurs scores peuvent expliquer les mêmes observations.
• Transformer un score : quand l’ordre est conservé et quand il change.
• Ablation de variable : supprimer, neutraliser ou réentraîner ?.

Sources

• TW3 Partners, Scoring Without the Engine, prépublication déposée sur arXiv le 7 septembre 2026. Texte intégral HTML et PDF consultés le 9 octobre 2026.
• OCDE et Centre commun de recherche de la Commission européenne, Handbook on Constructing Composite Indicators: Methodology and User Guide, 2008. Consulté le 9 octobre 2026.
• Abigail Z. Jacobs et Hanna Wallach, Measurement and Fairness, prépublication déposée sur arXiv le 11 décembre 2019, version révisée le 12 mars 2021. Notice et PDF consultés le 9 octobre 2026.