Non la différence est que je comprends le sujet de l’article pour ne pas répondre HS.
Merci pour ces détails.
Et surtout un grand merci pour ta conclusion sur les critères de sélection.
Les Femmes d’abord comme on dis!
Il a gardé les ingénieurs en priorité je pense, des gens qui produisent de la valeur, en général ces postes sont majoritairement masculins.
Il n’est donc pas étonnant que plus de femmes se soient faites virer. Faut arrêter de chercher du scandale de partout. Si les femmes étaient majoritaires dans les équipes de devs il y aurait eu plus d’hommes virés.
Sauf que comme le précise l’article, chez les ingénieurs les chiffres de licenciements sont encore plus déséquilibrés en défaveur des femmes…
1 « J'aime »
Si tu avais lu l’article, tu aurais vu qu’il n’est que à propos des ingénieurs. Donc, réponse HS.
1 « J'aime »
Plus j’y repense, et plus je me dis que dans le fond, Musk s’en tape probablement complétement de ce que les gens ont entre les jambes (ou dans leur tête pour ceux qui sont en situation de dysphorie de genre).
Lui, tout ce qui l’intéresse, c’est d’avoir des gens corvéable à merci, qui sont très productifs et qui lui vouent une admiration sans faille.
Et du coup un ou plusieurs critères utilisés pour séparer le bon grain de l’ivraie ont surement tapé sur un point que la culture/société associe davantage aux femmes.
Mais après, le fait que ce soit intentionnel ou non ne change rien au résultat qui est bel est bien biaisé en défaveur des femmes, donc il vas devoir expliquer ça devant la justice et réussir à convaincre que le biais est justifié par des critères bien objectifs et indiscutables. Et à mon avis, c’est pas gagné d’avance, et ça vas surement se régler à l’amiable en dehors des tribunaux.
1 « J'aime »
Musk ne va pas sur Clubic à vrai dire, il s’en tape « aussi » de ce que pensent les français à son sujet
Mouais, mais tu déroules ta démo avec des hypothèses non confirmées.
Pour discuter sainement, il faut les chiffres brutes (tous) et surtout ne pas faire d’hypothèses (de répartition par exemple).
C’est quoi les hypothèses non confirmées ?
Environ 3700 licenciements ? 50% de gens virés ? Les pourcentages d’hommes/femmes affectés ?
Toutes ces données de départ sont des chiffres certes arrondis, mais bien réels.
Les chiffres que j’en déroule après, c’est une conséquence mathématique directe, ça n’a rien d’hypothétique.
Le but de mon calcul c’est de montrer que les chiffres que tu cherches pour mieux te représenter le problème sont facilement retrouvables, ils ne sont juste pas fournis dans la source pour faire un texte plus court parce qu’ils sont redondants et que de toute façon les seuls chiffres importants pour montrer le biais c’est le pourcentage de personne affectées par genre (47% d’hommes touchés vs 57% de femmes touchées).
C’est un peu comme si tu décris un carré : tu dis juste que c’est un carré de 2cm de côté, ça sert à rien de donner la taille de chacun des 4 côtés. Ou pour un triangle rectangle, tu donnes juste 2 longueurs et le théorème de Pythagore permet de retrouver facilement la 3ème.
Si le truc qui te gènes c’est les arrondis, tu peux assez facilement refaire les mêmes calculs avec des fourchettes de valeurs, genre « environ 3700 » ça veut dire « entre 3650 et 3750 », mais ça vas pas changer grand chose au résultat final.
Non mais c’est absolument ça hein. C’est un sociopathe au sens stricte. Il ne vois pas ça en terme de sexe contre sexe (ce n’est pas sale) mais de resources, de rapport risques/cûts/gains etc. Et à ce jeux, dans une boite comme Twitter, les femmes partent perdantes. C’est pour ça d’ailleurs qu’il y a dufférentes lois et règles qui permettent aux femmes d’allier leur condition de femmes (je rappel au reste de l’humanité qu’on ne sait toujours pas faire des enfant entre hommes, juste au cas où) et un vie professionnelle.
Bref, comme je l’ai écrit plus haut dans mes posts, ses critères sont « objectifs » dans sa tête. Sauf que la société n’est pas régies que par des règles « objective » de rentabilité et d’efficacité, sinon on ferrait de l’engrais avec la moitié des enfants.
Le problème est là. Tu émets une hypothèse … donc ce n’est pas la réalité. Si tu arrives à obtenir le pourcentage home/femme AVANT, là on aura de meilleures bases pour causer. Tant qu’il y a de l’hypothétique, on est à côté de la question.
- Il a repris les chiffres (très arrondis) donnés par les journalistes, ce n’est pas son hypothèse.
- Si tu suis son calcul, ces taux de personnes virés et de rapport H/F ne changent pas la sur-représentation des femmes dans les personnes virés.
Lors d’une démonstration, en introduisant une information non factuelle (il considère que…) , tu peux ajuster les résultats et leur faire dire ce que tu veux.
En tant que lecteur, je m’arrête dès que l’information non factuelle apparaît. Toutes affirmations qui viennent ensuite dépendent de cette information non factuelle et sont donc potentiellement inexactes.
PaowZ et moi même avons demandé des chiffres exacts.
Mea culpa. J’ai vu tellement d’articles passer sur le fait que Elon Musk virait « la moitié » de l’effectif que j’ai oublié de le re-préciser dans les données de base.
L’hypothèse dans la phrase que tu cites, ce n’est pas le fait qu’il ait viré la moitié des gens, l’hypothèse c’est de dire que la moitié vaut exactement 50% plutôt qu’un arrondi un peu grossier d’une valeur réelle comme 48.5% ou 53.9%, parce que ça simplifie grandement les calculs.
Si tu t’arrêtes là dessus, tu aurais du t’arréter avant sur le « environ 3700 » que j’ai repris en tant que 3700 tout pile dans mon calcul, parce que c’est exactement le même genre d’approximation. Et encore le 50% à de bonne chances d’être bien net, parce que quitte à virer la moitié des gens autant le faire bien, alors qu’un effectif à 4 chiffres il y a assez peu de chances que ça se finisse en 00.
Mais encore une fois, ça ne change rien au résultat, tu peux refaire les calcul avec n’importe quelle valeur approximative, tu arriveras toujours au même résultat : les femmes ont étés proportionnellement plus impactées que les hommes par la vague de licenciement, c’est indiqué clairement par le 47% vs 57% qui est donné dans l’article.
Après, on peut re-faire le calcul en prenant des inconnues au lieu de choisir 3700 employés virés et 50% de licenciements, et à la fin un coup de force brute en testant toutes les valeurs dans une plage réaliste pour voir ce que ça donne.
Pour le nombre d’employés virés, en partant de « environ 3700 », ça fait une plage de 3650 à 3750, sinon ça aurait été à la place « environ 3600 » ou « environ 3800 ».
Pour le pourcentage d’employés virés, en guise de moitié j’ai initialement testé entre 40% et 60% (dans certains cas l’équation est insoluble et donne des nombres négatifs d’employés).
Dans tous les cas, la répartition H/F voit le nombre de femmes baisser après la vague de licenciement, ce qui reste parfaitement cohérent, puisque les femmes ont étés plus virées que les hommes.
EDIT : Formules de calcul à mettre dans un tableur pour reproduire mon calcul.
Avec la ligne 1 qui contient les pourcentages exacts de licenciements pour faire « la moitié », et la colonne A qui contient les nombres exacts de personnes licenciées.
La formule est pour la cellule B2, à répliquer dans toutes les autres cellules qui vont bien.
1er onglet : nombre de femmes avant licenciement : 10*(B$1-0.47)*$A2/B$1
2ème onglet : nombre d’hommes avant licenciement : $A2/B$1-'Sheet1'!B2
3ème onglet : nombre de femmes après licenciement : 'Sheet1'!B2*(1-0.57)
4ème onglet : nombre d’hommes après licenciement : 'Sheet2'!B2*(1-0.47)
5ème onglet : pourcentage de femmes parmi les employés avant les licenciements : 'Sheet1'!B2/('Sheet1'!B2+'Sheet2'!B2)
6ème onglet : pourcentage de femmes parmi les employés après les licenciements : 'Sheet3'!B2/('Sheet3'!B2+'Sheet4'!B2)
7ème onglet : baisse du pourcentage de femme suite aux licenciements : 'Sheet6'!B2-'Sheet5'!B2
Pour un homme qui soutient le parti républicain américain sur la seule base de ses réductions d’impôts, ça ne m’étonne pas. Depuis un certain temps, ses frasques deviennent de plus en plus visibles.
@tous: Merci de revenir au sujet; Ces démonstrations mathématiques sur les probabilités et les pourcentages sont certes intéressantes, mais s’éloignent quand même un peu du post, et ces « querelles de chiffres » peuvent finir par lasser les lecteurs. 
Merci pour votre compréhension 
C’est quoi le sujet au juste ?
L’article présente une accusation de discrimination lors d’une vague de licenciement.
Ça aurait annoncé vaguement sans aucun chiffre, les misogynes habituels seraient venu protester que l’accusation est du flan qui repose sur rien.
Mais il y a des chiffres qui montrent bien qu’il y a un biais.
Donc à la place, c’est l’argument « oui mais les chiffres c’est n’importe quoi, on leur fait dire ce qu’on veut » qui ressort, en prétextant qu’il manque certaines données pour mieux comprendre la situation.
Avec 2-3 calculs, on trouve facilement les données manquantes réclamés par ces messieurs, et on voit bien qu’on en retombe sur l’accusation d’origine : les licenciement étaient bel et bien biaisés en défaveur des femmes.
Du coup, je vois pas en quoi ça s’éloigne du sujet ?
Je peux comprendre l’aspect lassant pour les lecteurs (même si je doute que les moins motivés seraient allés au bout des 105 commentaires de toute façon), mais ce n’est pas moins lassant que les autres qui débitent des âneries et des fausses vérités pour essayer de convaincre que le sexisme n’existe pas. Je me serais d’ailleurs jamais embêté à faire ces calculs s’il n’y avait pas l’argumentaire d’en face : j’avais bien compris l’article à la 1ère lecture, c’était pas la peine d’aller de faire des calculs pour retrouver les données redondantes.
Il vous a fallu 8 mois pour… ne toujours pas comprendre ?
Pourtant j’avais bien quotté l’article avant votre citation recopiant mes chiffres (et que vous m’accusez maintenant d’avoir coupé) :
Auquel vous avez répondu :
Puis :
Pour finir sur:
Mais merci d’encore me donner raison 
et pourtant c’est bien toi qui a relancé le débat 8 mois après !
