Mode Cas · cabinet fictif, chiffres illustratifs
Maison Delaunay : une étude de cas résolue dans un jumeau numérique
Le mode Cas transforme une étude de cas façon MBB en enquête dans un modèle vivant, un jumeau numérique jouable du cabinet. On n'écoute pas un énoncé qui contient déjà toutes les données : on dépense des jetons pour lever le brouillard sur une partie du cabinet, on interroge ses agents, on parie sur des hypothèses avant de les tester, et on compare sa stratégie à celle que trouve un optimiseur. Voici une partie complète sur un cabinet fictif, avec le piège dans lequel tombent la plupart des joueurs.
Sur cette page
Qu'est-ce qui ne va pas chez Maison Delaunay ?
Brief
Maison Delaunay Search est un cabinet de chasse de 18 personnes à Lyon. Sur 12 mois, le chiffre d'affaires baisse de 9 % alors que les mandats signés augmentent de 12 %. La marge d'EBE passe de 22 % à 14 %. Hélène, l'associée fondatrice, veut céder dans trois ans.
Question : comment revenir à 20 % de marge en 12 mois sans dégrader la transmissibilité ?
Règles : 12 jetons d'enquête, 90 minutes, toute la carte sous brouillard au départ.
Maison Delaunay, Hélène et tous les chiffres de cette page sont inventés pour l'exercice.
Comment joue-t-on un cas dans le jumeau ?
| Boucle | Qui joue | Avec quoi | Ce qu'elle apporte |
|---|---|---|---|
| Jeu | Le joueur : dirigeant, associés, consultant ou repreneur | Carte des flux, jetons d'enquête, entretiens d'agents, univers A/B | L'exploration, l'intuition, l'appropriation |
| Optimisation | La machine | Une recherche multi-objectifs sur les leviers, avec une frontière marge, risque et dépendance | L'écart mesuré entre la meilleure idée humaine et le meilleur possible |
| Stratégie | Le jumeau en mode Crise | Des centaines de futurs tirés au sort, critère de regret minimal | Une stratégie robuste, pas seulement optimale dans un seul futur |
Comment l'enquête s'est-elle déroulée ?
| Tour | Action du joueur | Jetons | Ce que le jumeau révèle | Effet sur les hypothèses |
|---|---|---|---|---|
| 1 | Pose l'arbre : CA = mandats × honoraire × taux de réussite ; coûts = heures par placement | 0 | L'agent associé signale que « prix » et « remises » se recoupent | Arbre corrigé, sans recouvrement |
| 2 | Parie sur trois hypothèses : remises (40 %), taux de réussite (30 %), délais (30 %) | 0 | Les paris sont datés au registre | Point de départ |
| 3 | Demande la remise moyenne par trimestre | 1 | Elle passe de 3 à 5 % | Remises : 20 %, trop faibles pour expliquer −9 % |
| 4 | Demande le taux de réussite des mandats | 1 | 78 % → 61 %, dont 7 mandats annulés en cours de route | Taux de réussite : 50 % |
| 5 | Lève le brouillard sur la carte des flux | 1 | La station « revue associée » clignote : 14 shortlists en attente ; 7 mandats actifs par consultant contre 4 | Nouvelle hypothèse : goulot fondatrice |
| 6 | Interroge l'agent « consultante senior » | 2 | « Tout attend la relecture d'Hélène, on jongle avec sept recherches. » Confiance : verte | Goulot fondatrice : 60 % |
| 7 | Interroge l'agent client « DRH d'ETI » | 2 | « Deux recherches annulées : trop lent, un concurrent présente en trois semaines. » | Mécanisme confirmé : délai, puis annulations, puis CA |
| 8 | Applique la loi de Little sur la carte | 0 | Délai jusqu'à la shortlist : de 5,5 à 9 semaines, cohérent avec l'encours | Cause racine : trop d'encours derrière un goulot fondatrice |
Sept jetons sur douze. L'intuition de départ, le prix, était une fausse piste. La cause racine est un excès d'encours bloqué derrière la fondatrice, un goulot d'étranglement typique des cabinets dirigés par leur fondateur. C'est le piège classique d'un cas MBB, sauf qu'ici le joueur l'a trouvé en jouant au lieu de le lire dans l'énoncé.
Quelle stratégie gagne une fois testée dans le jumeau ?
Chaque univers tourne 1 000 fois. Les barres montrent la marge d'EBE à 12 mois de P10 à P90 ; le trait foncé est la médiane, la ligne rouge pointillée l'objectif de 20 %.
| Univers | Leviers | Marge à 12 mois (P10 / P50 / P90) | Shortlists revues par la fondatrice | Verdict |
|---|---|---|---|---|
| A | Plafond de 4 mandats actifs par consultant, liste d'attente | 15 / 18 / 20 % | 60 % | Bon levier, insuffisant seul |
| B | Revue déléguée à deux seniors ; la fondatrice ne voit que les mandats au-dessus de 150 k€ | 14 / 17 / 19 % | 15 % | Gagne en marge et en transmissibilité |
| C | Fin des remises, +5 points d'honoraires | 11 / 16 / 19 % | 60 % | Deux types de clients partent : risque élevé |
| A + B + D | A et B, plus un agent IA de sourcing (−40 % de temps de recherche) | 18 / 21 / 23 % | 15 % | Retenu ; le goulot se déplace vers les entretiens clients |
| Optimiseur | Meilleure combinaison trouvée sur la frontière | 18 / 22 / 24 % | 10 % | Ajoute C pour les nouveaux clients d'un seul segment |
- Le joueur contre la machine. A + B + D atteint environ 95 % de l'optimum en médiane (21 % contre 22 %), avec un risque comparable.
- Le goulot se déplace. Une fois la revue débloquée, la carte fait clignoter la file suivante, les entretiens clients. La partie continue au tour suivant, comme dans Factorio : c'est l'étape 5 de la théorie des contraintes, recommencer.
- Stress-test. En mode Crise (départ du premier client, −15 % de mandats, départ d'un senior), A + B + D garde au moins 18 % de marge dans 8 futurs sur 10 ; C seul passe sous 12 % dans un futur sur trois.
À quoi ressemble la réponse finale ?
Réponse d'abord : revenir à 20 % passe par l'encours et la revue des shortlists, pas par le prix. Trois mouvements : plafonner l'encours à quatre mandats par consultant, déléguer la revue aux seniors, outiller le sourcing. Attendu : 21 % de marge (18 à 23 %) et une fondatrice présente sur 15 % des shortlists au lieu de 60 %. Risque principal : la qualité perçue des shortlists. Garde-fou : la fondatrice garde les mandats au-dessus de 150 k€ pendant six mois.
L'agent associé pose ensuite la question qui tue : « Qu'est-ce qui te ferait changer d'avis ? ». La réponse devient un critère d'alerte, et la décision entre au registre des prédictions, contrôlée à 3, 6 et 12 mois.
| Critère | Ce qui est mesuré |
|---|---|
| Valeur | Résultat de la stratégie face à la frontière de l'optimiseur |
| Robustesse | Part des futurs simulés qui atteignent l'objectif, chocs compris |
| Économie d'enquête | Jetons dépensés pour atteindre la cause racine |
| Discipline | Hypothèses pariées avant les tests, confiances bien calibrées (score de Brier) |
| Synthèse | Réponse d'abord, structure sans recouvrement, chiffres, risques, critère de changement d'avis |
Qui joue ce genre de cas, et pourquoi ?
- Dirigeants et associés, sur leur propre jumeau, le temps d'une soirée ou d'une journée de « war game ». Sur un vrai cabinet, aucune réponse n'est plantée d'avance : le cas devient une vraie enquête, et le registre des prédictions tranche à 3, 6 et 12 mois.
- Repreneurs en due diligence, sur le jumeau de la cible construit depuis la data room, avant de signer.
- Équipes en formation, sur des cabinets fictifs de difficulté croissante, où le concepteur plante une cause racine et des fausses pistes comme un level designer.
Un garde-fou : ces cas ne servent jamais à noter des candidats à l'embauche. Un système d'IA qui évalue des candidats est à haut risque au sens de l'AI Act ; l'exercice reste animé et jugé par une personne.
Jouez ce cas sur votre propre cabinet.
Votre cabinet a sa propre question « Maison Delaunay ». Un appel de cadrage en fait la première question de votre jumeau. Build du jumeau à partir de 55 555 €.
- Échauffez-vous avec le simulateur : le même mécanisme sur dix de vos chiffres.
- Lisez ce qu'est un jumeau numérique.
- Réservez 30 minutes.