La loi de Goodhart : quand un indicateur devient l'objectif, il ne mesure plus rien

Table des matières

• 1. Du contrôle monétaire aux dérives de l'audit : l'origine de la loi de Goodhart
• 2. Pourquoi la métrique se corrompt : la psychologie du contournement
• 3. De la banque aux hôpitaux : 4 cas documentés d'effets pervers
• 4. Tableau comparatif : les différentes formes de dévoiement des métriques
• 5. Éviter le piège : 4 garde-fous pour concevoir des indicateurs fiables
• 6. Protégez votre organisation : l'audit de vos KPI en 5 étapes
• 7. En conclusion : mesurer pour comprendre plutôt que pour contraindre
• 8. Garder un cap mesuré avec FluidOps
• Questions fréquentes

1. Du contrôle monétaire aux dérives de l'audit : l'origine de la loi de Goodhart

En juillet 1975, lors de la Conference in Monetary Economics organisée à Sydney par la Reserve Bank of Australia, un économiste britannique de quarante ans prend la parole. Charles Albert Eric Goodhart, alors conseiller en politique monétaire auprès de la Banque d'Angleterre et futur professeur à la London School of Economics, ausculte un échec cuisant du Trésor britannique. Dans son mémoire intitulé Problems of Monetary Management: The U.K. Experience, il formule un constat désabusé qui révolutionnera la sociologie de la gestion : dès lors que les autorités tentent d'instrumentaliser un agrégat statistique particulier (comme la masse monétaire M3) pour juguler l'inflation par la contrainte, la relation historique entre cet agrégat et la stabilité des prix se volatilise brutalement (Goodhart, 1975).

L'explication de Charles Goodhart était purement systémique : les établissements bancaires et les acteurs financiers réagissaient rationnellement à la contrainte réglementaire. Pour contourner les quotas de crédit et préserver leurs marges, ils ont inventé de nouveaux produits financiers et des instruments de liquidité parallèles non comptabilisés dans l'agrégat surveillé. L'indicateur M3 affichait une sagesse apparente, mais l'inflation continuait de grimper en sous-main. Goodhart formalise alors son principe : toute régularité statistique observée a tendance à s'effondrer dès lors qu'une pression managériale ou réglementaire lui est appliquée à des fins de contrôle direct (Goodhart, 1975).

Ce principe dépasse rapidement les frontières de la banque centrale. En 1979, le sociologue et psychologue américain Donald T. Campbell formule de façon indépendante ce que la recherche nomme la loi de Campbell : plus un indicateur quantitatif est utilisé pour la prise de décision sociale, plus il est soumis à des pressions corruptrices et plus il tend à déformer les processus sociaux qu'il est censé surveiller (Campbell, 1979). Les deux théories convergent sur une même réalité : l'humain s'adapte toujours aux règles du jeu qu'on lui impose.

La maxime définitive, sous sa forme percutante que tout manager cite aujourd'hui, naît en 1997 sous la plume de l'anthropologue britannique Marilyn Strathern. Dans un article analysant la prolifération de la culture de l'évaluation dans les universités du Royaume-Uni, elle résume l'observation de Goodhart en une formule ciselée : « Lorsqu'une mesure devient un objectif, elle cesse d'être une bonne mesure » (Strathern, 1997). Si vous transformez un simple thermomètre en système de punition ou de gratification, votre équipe apprendra rapidement à tremper le thermomètre dans de l'eau tiède plutôt qu'à soigner la maladie.

2. Pourquoi la métrique se corrompt : la psychologie du contournement

Pour comprendre la virulence de la loi de Goodhart en entreprise, il convient de dissiper un préjugé tenace : les détournements d'objectifs ne sont que très rarement le fruit d'une malveillance délibérée ou d'employés paresseux. Au contraire, le contournement statistique, souvent désigné sous le terme de gaming, constitue la réaction la plus rationnelle d'individus compétents soumis à des incitations mal calibrées. Dès 1956, le chercheur en sciences de gestion Valentine F. Ridgway mettait en garde les entreprises contre les conséquences dysfonctionnelles de la mesure brute de la performance individuelle (Ridgway, 1956).

La confusion entre le proxy et la réalité opérationnelle

Dans toute organisation, ce qui a une valeur réelle est presque toujours complexe, qualitatif et difficile à chiffrer : la satisfaction durable d'un client, la robustesse architecturale d'un code source ou le climat de confiance au sein d'une équipe. Ne pouvant mesurer directement ces vertus invisibles, le management sélectionne un substitut chiffré, appelé un proxy :

• Le temps moyen de conversation pour approcher l'efficacité du support client.
• Le nombre de tickets fermés pour évaluer la productivité d'une équipe technique.
• Le nombre d'appels passés par jour pour juger de la ténacité d'un commercial.
• Le volume de lignes de code produites pour quantifier l'effort d'un développeur.

Tant que ce proxy reste un instrument passif d'observation, la corrélation fonctionne convenablement. Le désastre survient au moment précis où le management érige ce proxy en objectif de performance associé à une carotte ou à un bâton (Muller, 2018). Dès cet instant, les collaborateurs cessent de viser l'intention initiale — la satisfaction client ou la résolution de bugs — pour se consacrer exclusivement à la maximisation du chiffre qui déterminera leur prime ou leur maintien en poste.

Le sacrifice des tâches non mesurées

Ce phénomène s'explique théoriquement par le modèle économique des contrats multitâches formalisé par Bengt Holmström et Paul Milgrom (1991). Un salarié doit généralement arbitrer son temps entre plusieurs dimensions : la vitesse d'exécution d'une part, la qualité, la pédagogie, l'esprit d'équipe et la prévention des risques d'autre part. Si la direction décide d'évaluer et de rémunérer l'agent sur la vitesse uniquement, la théorie prouve que l'agent réallouera la totalité de son attention vers la vitesse au détriment absolu de la qualité (Holmström & Milgrom, 1991). Le travail non mesuré devient du travail non accompli.

3. De la banque aux hôpitaux : 4 cas documentés d'effets pervers

La tentation d'une gestion aveugle par les chiffres ne frappe pas que les petites structures. La littérature académique et judiciaire regorge d'exemples dévastateurs où l'adoration des métriques a détruit des institutions de premier plan.

Le scandale des comptes fantômes chez Wells Fargo (2002–2016)

L'exemple bancaire de Wells Fargo illustre jusqu'à quelle aberration humaine peut conduire un KPI transformé en dogme. La direction générale avait fixé une règle d'or commerciale baptisée « Eight is Great » : chaque client du groupe devait souscrire une moyenne de huit produits financiers (comptes, livrets, cartes de crédit, assurances, crédits revolving). Des quotas journaliers féroces ont été imposés aux employés d'agence, sous peine de blâme public ou de licenciement immédiat.

Incapables d'atteindre ces cibles de manière organique sur des clients ordinaires, les salariés ont rationalisé le contournement : ils ont ouvert plus de 3,5 millions de comptes bancaires et émis des cartes de crédit sans le consentement ni même l'information des clients titulaires. Lorsque le scandale a éclaté, la banque a dû licencier plus de 5 300 collaborateurs de base et négocier en 2020 une amende transactionnelle historique de 3 milliards de dollars avec le ministère de la Justice américain (Department of Justice, 2020). L'indicateur de vente croisée, censé mesurer la fidélité client, a pulvérisé la réputation séculaire de l'enseigne.

Les files d'attente d'ambulances dans le NHS britannique

Au début des années 2000, le ministère de la Santé britannique a cherché à résorber l'engorgement des urgences hospitalières en décrétant un indicateur impératif : 98 % des patients devaient être examinés, hospitalisés ou autorisés à sortir en moins de 4 heures après leur arrivée. Des sanctions financières punissaient les hôpitaux défaillants.

Dans leur étude approfondie du système de santé public anglais, Gwyn Bevan et Christopher Hood ont documenté une dérive clinique spectaculaire (Bevan & Hood, 2006). Pour éviter que le chronomètre des 4 heures ne commence à tourner, les équipes administratives laissaient délibérément les malades souffrants allongés dans les ambulances stationnées sur le parking de l'hôpital (la pratique dite de l'ambulance queuing), le temps passé dans le véhicule n'étant pas imputé au registre des urgences. D'autres hôpitaux déplaçaient à la hâte les patients dans des couloirs opportunément rebaptisés « unités d'observation » pour stopper le compteur administratif, sans améliorer d'une seconde le traitement médical des patients.

La manipulation des tests standardisés à Chicago

Le secteur de l'éducation n'échappe aucunement à la règle. Lorsque les écoles publiques de Chicago ont été soumises à des politiques punitives fondées sur les notes obtenues par les élèves aux examens scolaires standardisés — avec menace de fermeture des établissements et gel de salaire pour le corps enseignant —, le comportement des professeurs a muté. Les économistes Brian Jacob et Steven Levitt ont conçu un algorithme statistique novateur pour analyser les feuilles de réponses individuelles de dizaines de milliers d'élèves (Jacob & Levitt, 2003).

Leurs résultats ont révélé qu'une tricherie active des enseignants survenait chaque année dans au moins 4 à 5 % des classes de primaire (Jacob & Levitt, 2003). Certains maîtres effaçaient les mauvaises réponses au crayon après le départ des élèves pour corriger les grilles, ou dictaient directement les bonnes réponses durant le test. L'évaluation sommative, censée mesurer le niveau d'acquisition des enfants, n'évaluait plus que la peur des sanctions administratives éprouvée par les professeurs.

Le tri sélectif des patients en cardiologie

À New York et en Pennsylvanie, les autorités sanitaires ont instauré la publication de bulletins de notes publics (report cards) répertoriant le taux de mortalité post-opératoire de chaque chirurgien cardiaque, dans le but louable d'informer les patients et de pousser vers l'excellence. L'étude de David Dranove et de ses coauteurs a révélé un effet pervers dramatique : les chirurgiens soucieux de préserver leurs statistiques ont commencé à refuser systématiquement d'opérer les patients atteints des pathologies les plus graves ou les plus instables (Dranove et al., 2003).

Ces patients complexes ont été réorientés vers des traitements médicamenteux palliatifs moins risqués pour la réputation du praticien, mais souvent inefficaces. L'étude a prouvé que la mise en place de ces indicateurs chiffrés a paradoxalement dégradé la qualité globale de la prise en charge et augmenté la mortalité effective parmi les malades les plus vulnérables (Dranove et al., 2003).

4. Tableau comparatif : les différentes formes de dévoiement des métriques

Dans un ouvrage d'analyse sociologique devenu une référence, Jerry Z. Muller démontre que la « tyrannie des métriques » découle d'une foi naïve dans le chiffre comme substitut au jugement humain et à l'expérience métier (Muller, 2018). Le tableau suivant synthétise les comportements récurrents d'adaptation opportuniste identifiés dans la recherche économique et managériale :

Pour approfondir la manière dont un tableau de bord peut préserver la réalité du travail d'équipe sans glisser vers l'obsession statistique, consultez notre guide sur le suivi de projet : rituels et indicateurs.

5. Éviter le piège : 4 garde-fous pour concevoir des indicateurs fiables

La découverte de la loi de Goodhart ne doit pas vous amener à sombrer dans le nihilisme de la mesure. Piloter une entreprise ou un projet sans le moindre chiffre revient à naviguer en pleine tempête les yeux bandés, en s'en remettant à l'arbitraire ou au népotisme (Muller, 2018). Il existe des méthodes rigoureuses pour employer les métriques sans déclencher leur corruption systématique.

1. Associer systématiquement des indicateurs antagonistes

Un indicateur isolé est une invitation au sabotage involontaire. Chaque fois que vous installez une métrique de vitesse ou de quantité, associez-lui un contrepoids qualitatif strict. Par exemple, si vous mesurez le volume de fonctionnalités livrées par mois, associez-y le taux d'incidents signalés en production (bugs) et le Net Promoter Score utilisateur. L'équipe ne pourra pas gonfler artificiellement sa vélocité si cela détériore automatiquement le second voyant.

2. Décorréler les métriques d'apprentissage des sanctions et primes directes

C'est la leçon centrale de Donald Campbell : la dégradation d'une mesure dépend de la force de l'enjeu (Campbell, 1979). Les KPI qui servent au diagnostic opérationnel — comprendre un goulot d'étranglement ou analyser une anomalie de conversion — doivent impérativement demeurer des outils d'amélioration continue. Dès qu'un chiffre détermine l'attribution d'une prime ou la menace d'un licenciement, il perd instantanément sa neutralité diagnostique.

3. Préférer la santé globale des flux aux objectifs d'activité individuelle

Plutôt que de surveiller le nombre d'heures déclarées ou la quantité de tâches terminées par personne, portez votre regard sur la fluidité du travail d'équipe. En management agile, s'intéresser au temps de cycle global (lead time) et à la limitation des travaux en cours (WIP) empêche l'individualisme défensif. Vous pouvez vous appuyer sur la méthode Kanban pour visualiser ce flux collectif sans stigmatiser les opérateurs.

4. Maintenir le jugement qualitatif et la présence terrain

Aucun algorithme ni tableau Excel ne remplace l'observation directe. Les managers japonais ont baptisé cette posture le Gemba : se rendre là où le travail s'exécute réellement pour échanger avec les acteurs de première ligne. Quand une anomalie statistique surgit, prenez le temps d'écouter les causes opérationnelles avant de conclure à un relâchement d'effort.

6. Protégez votre organisation : l'audit de vos KPI en 5 étapes

Vous soupçonnez certains indicateurs internes de générer des comportements absurdes ? Voici une méthode pragmatique en cinq étapes à dérouler avec vos équipes dès cette semaine pour désamorcer les effets pervers :

• Étape 1 : Cartographier vos KPI actuels. Listez sur une feuille l'ensemble des indicateurs formels suivis dans votre service ou votre PME, en précisant pour chacun s'il conditionne une prime, un bonus ou un classement public.
• Étape 2 : Poser la question de la triche innocente. Réunissez votre équipe dans un cadre de confiance et posez cette question sans fard : « Si vous vouliez faire exploser ce chiffre de 40 % le mois prochain sans travailler plus ni améliorer la satisfaction client, comment vous y prendriez-vous ? » La rapidité des réponses vous révélera immédiatement les failles actuelles de vos métriques.
• Étape 3 : Identifier les tâches négligées. Pour chaque indicateur d'activité, demandez-vous quelles activités invisibles mais fondamentales (formation, entraide, documentation, maintenance préventive) sont actuellement passées sous silence par le tableau de bord.
• Étape 4 : Appliquer la règle du 80/20. Supprimez les métriques superflues qui ne servent qu'à nourrir un reporting de contrôle sans aider à la décision. Pour trier l'utile du parasite, inspirez-vous de la loi de Pareto en PME.
• Étape 5 : Remplacer l'évaluation chiffrée par des critères de complétion factuels. Plutôt qu'un quota d'appels, évaluez la clarté du plan d'action d'un dossier. Pour arbitrer vos tâches sans vous laisser aveugler par les faux sentiments de pression, examinez attentivement la matrice d'Eisenhower au crible de la psychologie.

7. En conclusion : mesurer pour comprendre plutôt que pour contraindre

La loi de Goodhart n'est pas une fatalité technique, mais un rappel à l'humilité managériale. Les chiffres sont d'excellents serviteurs, mais de redoutables tyrans. Ils fournissent un signal ponctuel qui doit éveiller la curiosité et nourrir le dialogue, jamais clore la discussion par une sentence péremptoire.

En remettant l'humain, la qualité réelle du livrable et le bon sens au cœur de votre gouvernance de projet, vous neutralisez les comportements d'évitement. Vos indicateurs redeviendront enfin ce qu'ils n'auraient jamais dû cesser d'être : des boussoles discrètes au service de vos équipes, et non des chaînes qui les brident.

8. Garder un cap mesuré avec FluidOps

Pour piloter vos projets sans tomber dans le piège de la sur-mesure et du micromanagement, FluidOps centralise l'essentiel du travail d'équipe dans un environnement visuel et équilibré. Vos collaborateurs visualisent la progression réelle de leurs chantiers grâce au tableau Kanban, planifient les étapes majeures sur le diagramme de Gantt ou structurent leurs cycles de livraison via la vue Scrum, tout en synchronisant leurs échéances avec Google Agenda et Outlook. La matrice d'Eisenhower et les autres outils d'optimisation sont inclus dès l'offre gratuite pour vous aider à distinguer l'important de l'agitation statistique.

FluidOps s'adapte à la taille de votre organisation en toute transparence : l'offre gratuite est accessible à 0 € par mois, le forfait Individuel est proposé à 12 € par mois ou 120 € par an, et le forfait Entreprise démarre à partir de 12 € par siège et par mois en facturation annuelle. Découvrez l'ensemble des formules détaillées sur notre page des tarifs.

Questions fréquentes

Quelle est la définition exacte de la loi de Goodhart ?

Formulée initialement par l'économiste Charles Goodhart en 1975 et popularisée par Marilyn Strathern, cette règle stipule que lorsqu'une mesure statistique devient un objectif managérial, elle cesse d'être un bon instrument de mesure, car les acteurs optimisent le chiffre au détriment de l'intention réelle.

Quelle est la différence entre la loi de Goodhart et la loi de Campbell ?

La loi de Goodhart trouve son origine dans l'économie monétaire et l'efficacité des marchés, tandis que la loi de Donald Campbell (1979) est issue de la psychologie sociale et de l'évaluation des politiques publiques. Les deux lois concluent cependant au même effet pervers : l'usage d'une métrique chiffrée pour récompenser ou punir entraîne inévitablement sa corruption.

Comment savoir si un indicateur KPI est victime de la loi de Goodhart ?

Le signe le plus flagrant apparaît lorsque vos tableaux de bord sont tous passés au vert alors que la réalité opérationnelle se dégrade (clients mécontents, turn-over des équipes ou bugs fréquents). Cet écart traduit une déconnexion entre la manipulation statistique et le travail effectif.

Faut-il abandonner tous les KPI pour éviter ces dérives ?

Non, car supprimer toute mesure ramènerait l'organisation à un pilotage aveugle fondé sur l'arbitraire ou les intuitions biaisées. La solution consiste à utiliser des paniers d'indicateurs antagonistes (quantité et qualité) et à réserver les KPI au diagnostic d'apprentissage plutôt qu'à l'évaluation punitive individuelle.

Sources

• Bevan, G., & Hood, C. (2006). What’s measured is what matters: Targets and gaming in the English public health care system. Public Administration, 84(3), 517–538. doi:10.1111/j.1467-9299.2006.00600.x
• Biagioli, M., Kenney, M., Martin, B. R., & Walsh, J. P. (2019). Academic misconduct, misrepresentation and gaming: A reassessment. Research Policy, 48(2), 401–413. doi:10.1016/j.respol.2018.10.025
• Campbell, D. T. (1979). Assessing the impact of planned social change. Evaluation and Program Planning, 2(1), 67–90. doi:10.1016/0149-7189(79)90048-X
• Courty, P., & Marschke, G. (2004). An empirical investigation of gaming responses to explicit performance incentives. Journal of Labor Economics, 22(1), 23–56.
• Department of Justice. (2020). Wells Fargo agrees to pay 3 billion dollars to resolve criminal and civil investigations into sales practices. U.S. Department of Justice Office of Public Affairs.
• Dranove, D., Kessler, D., McClellan, M., & Satterthwaite, M. (2003). Is more information better? The effects of "report cards" on health care markets. Journal of Political Economy, 111(3), 555–588. doi:10.1086/374180
• Eterno, J. A., & Silverman, E. B. (2012). The crime numbers game: Management by manipulation. CRC Press.
• Goodhart, C. A. E. (1975). Problems of monetary management: The U.K. experience. In Papers in Monetary Economics (Vol. 1). Reserve Bank of Australia.
• Holmström, B., & Milgrom, P. (1991). Multitask principal-agent analyses: Incentive contracts, asset ownership, and job design. Journal of Law, Economics, & Organization, 7, 24–52.
• Jacob, B. A., & Levitt, S. D. (2003). Rotten apples: An investigation of the prevalence and predictors of teacher cheating. The Quarterly Journal of Economics, 118(3), 843–877. doi:10.1162/00335530360698441
• Muller, J. Z. (2018). The tyranny of metrics. Princeton University Press.
• Ridgway, V. F. (1956). Dysfunctional consequences of performance measurements. Administrative Science Quarterly, 1(2), 240–247. doi:10.2307/2390989
• Strathern, M. (1997). 'Improving ratings': Audit in the British University system. European Review, 5(3), 305–321. doi:10.1002/(SICI)1234-981X(199707)5:3<305::AID-EURO184>3.0.CO;2-4