---

Évolution des pertes russes d’après les données disponibles

---

Par Peter Turchin − Le 20 juillet 2026 − Source Cliodynamica

Dans le précédent article de cette série, intitulé « La guerre entre l’Ukraine et la Russie entre-t-elle dans sa phase finale ? », ma conclusion était que l’Ukraine était en passe de perdre la guerre, comme le prédisait le modèle d’attrition que j’avais développé pour ce conflit, mais avec une réserve :

L’Ukraine est comme une machine à vapeur dans laquelle la pression interne ne cesse de monter. Mais il est impossible de prévoir avec précision quand elle va exploser.

Cependant, depuis que j’ai publié cet article (le 20 mai de cette année), la presse grand public a publié une véritable avalanche de reportages et d’opinions affirmant le contraire — à savoir que c’est la Russie qui est à bout de souffle et sur le point de subir une défaite.

Un article du New York Times, citant une étude du CSIS intitulée « Sang russe et bon du trésor : les coûts galopants de la guerre de Poutine », indique

Selon cette étude, en 2026, le nombre mensuel de victimes russes, compris entre 30 000 et 34 000, dépassait probablement le taux de recrutement d’environ 27 000 nouvelles recrues par mois.

Le rapport du CSIS développe ce point comme suit :

Les pertes et les décès russes sur le champ de bataille sont nettement supérieurs à ceux de l’Ukraine. Pendant la majeure partie de la guerre, le rapport des pertes entre la Russie et l’Ukraine se situait entre 2:1 et 3:1 (entre deux et trois pertes russes pour chaque perte ukrainienne), bien que ce rapport ait probablement atteint près de 8:1 au cours du premier semestre 2026. Les forces ukrainiennes ont subi entre 525 000 et 625 000 pertes (morts, blessés et disparus) et entre 125 000 et 150 000 morts entre février 2022 et juin 2026.

Selon un rapport récent de Seymour Hirsch, intitulé Poutine dans une impasse après le renversement de la situation en Ukraine, un sentiment de plus en plus répandu à Washington est que, en raison des « succès militaires croissants de l’Ukraine », le président russe Poutine « se trouve dans une situation sans issue ».

D’un autre côté, les détracteurs américains des guerres « sans fin » menées par les États-Unis, tels que Larry Johnson, John Mearsheimer et Daniel Davis, rejettent ces rapports, les qualifiant de « psyop » (opération psychologique) conjointe de l’Ukraine et de l’OTAN. Par exemple, Larry Johnson, dans son billet du 1er juillet intitulé « Le New York Times ment sur les pertes russes et ukrainiennes », a souligné que ces estimations faisant état de pertes russes catastrophiques ne sont pas crédibles, en raison des disparités importantes en matière de tirs d’artillerie et de bombes planantes FAB, ainsi que du rattrapage de l’Ukraine par la Russie dans l’utilisation des drones.

En remontant à la source de ces récentes estimations des pertes russes, on constate que l’étude du CSIS, citée par le New York Times, fondait son évaluation sur « les estimations du CSIS ; le ministère britannique de la Défense ; l’analyse des données recueillies par le média russe Mediazona et le service russe de la BBC ; ainsi que des entretiens avec des responsables gouvernementaux américains, européens, ukrainiens et d’autres pays ».

L’Institute for the Study of War (ISW), dans ses « Évaluations de la campagne offensive russe », publie régulièrement des rapports similaires faisant état de 30 000 à 40 000 pertes russes par mois. Par exemple, selon l’ISW, les forces russes auraient subi 39 490 pertes en juin 2026. La source ? L’état-major ukrainien. Mais si la vague actuelle de reportages dans les médias grand public sur la défaite imminente de la Russie est une opération de guerre psychologique, alors l’état-major ukrainien est la dernière source à laquelle nous devrions nous fier (tout comme les déclarations publiques des porte-parole de l’armée russe).

À ma connaissance, la seule source de données raisonnablement fiable concernant les pertes russes est le rapport de Mediazona intitulé « Les pertes russes dans la guerre avec l’Ukraine ». Mediazona, un média indépendant de langue russe, est un fervent détracteur du régime de Poutine. Suite à la répression gouvernementale, la majorité de l’équipe s’est exilée hors de Russie, et bon nombre de ses membres sont désormais basés à Vilnius, en Lituanie. On ne s’attendrait donc pas à ce que Mediazona sous-estime le nombre de pertes rapportées.

Voici le résumé de la méthodologie utilisée par l’équipe de Mediazona pour compiler les données (traduction en anglais de « Как мы считаем ») :

Notre méthodologie

Mediazona, en collaboration avec une équipe de bénévoles, examine les publications sur les réseaux sociaux, les reportages dans les médias régionaux et les publications sur les sites web gouvernementaux.

Nous considérons qu’un décès est confirmé s’il est rapporté par une source officielle russe ou un média russe, ou par un proche (sur la base d’une correspondance des noms de famille ou d’autres détails permettant l’identification) ; ou s’il apparaît dans d’autres sources — telles que des pages communautaires locales — accompagné de photos du défunt ou de détails concernant la cérémonie d’adieu et les funérailles ; ou encore si des preuves photographiques provenant de cimetières sont fournies.

Plus important encore, Mediazona publie les noms des soldats décédés, qui peuvent être vérifiés par des enquêteurs indépendants. Lorsque des erreurs sont détectées, l’équipe de Mediazona corrige la liste, ce qui entraîne parfois une révision à la baisse du nombre de victimes rapporté.

Notez qu’à partir de maintenant, lorsque j’utilise le terme « victimes », il fait référence au nombre de personnes tuées (« décès »), car c’est ce sur quoi porte le rapport de Mediazona.

Voici à quoi ressemble l’évolution la plus récente :

Voir image plus haut

On observe trois pics d’ampleur croissante, respectivement durant les hivers de 2022 (lorsque la guerre a éclaté), de 2023 et de 2025. À partir de décembre 2025, les chiffres affichent une tendance à la baisse. Cependant, cela ne prouve pas nécessairement que les pertes réelles du côté russe aient diminué en 2026. Il faut souvent littéralement des années pour que les rapports de décès parviennent à la base de données de Mediazona. Alors, comment interpréter cette tendance ?

Heureusement (et merci à eux pour cela), l’équipe de Mediazona publie non seulement les derniers chiffres, mais aussi les chiffres enregistrés à différentes dates dans le passé. Le data scientist de mon équipe (Jakob) a téléchargé ces chiffres, et dans la suite de cet article, je vais les soumettre à une analyse dont l’objectif est d’estimer la courbe des pertes en la corrigeant du biais de « récence » (le fait qu’il faille beaucoup de temps pour se rapprocher du chiffre réel).

La logique de l’analyse est simple. Chaque semaine, il y a un nombre réel, mais inconnu, de pertes. Au départ, le décompte hebdomadaire est bien inférieur à ce niveau réel. Mais, progressivement, les signalements de décès individuels s’accumulent sur Internet. Tous ces signalements ne sont pas immédiatement repérés par l’équipe de bénévoles de Mediazona, mais plus le temps passe, plus une grande partie d’entre eux est identifiée et ajoutée à la base de données. À la suite de ce processus, les décomptes hebdomadaires augmentent progressivement et deviennent plus stables. Plus le temps s’est écoulé, plus l’estimation des victimes hebdomadaires est précise. Le décompte réel n’atteindra jamais le niveau réel (que seul le ministère russe de la Défense connaît, et même ces données comportent une marge d’incertitude). Mais lorsqu’un laps de temps suffisant s’est écoulé, le décompte évolue à un rythme modéré, ce qui nous donne une estimation raisonnable de la dynamique de la trajectoire globale tout au long de la guerre — à savoir à quels moments les pertes augmentent, quand elles diminuent, et de quel pourcentage. En d’autres termes, notre objectif est d’estimer des chiffres relatifs afin d’évaluer cette dynamique.

Le modèle que j’utilise est similaire à l’équation logistique (mais pas exactement, voir ci-dessous). Le paramètre K (capacité de charge dans les applications écologiques) correspond au nombre réel de victimes pour la semaine. À chaque nouveau rapport, le décompte hebdomadaire se rapproche de ce niveau. Le taux de croissance est proportionnel au décompte lors de la mise à jour précédente. Voyez les choses ainsi. Si K est, disons, égal à 100, un premier décompte peut être de 10, et il augmentera par unités ou par dizaines. Mais si K est égal à 1 000, alors le premier chiffre sera dix fois plus élevé, soit 100, et il augmentera à un rythme dix fois plus rapide (par dizaines et par centaines).

Suivons maintenant les étapes de l’analyse.

Remarque importante : J’ai effectué l’essentiel de l’analyse ce week-end et, bien que je ne pense pas avoir commis d’erreur conceptuelle ou de codage, il est possible que quelque chose m’ait échappé. C’est l’une des raisons pour lesquelles je décris mon approche en détail ci-dessous. Pour les lecteurs moins à l’aise avec les chiffres, n’hésitez pas à passer directement à la réponse à la fin. Pour ceux qui maîtrisent mieux les méthodes statistiques, n’hésitez pas à signaler tout problème ou erreur manifeste — et je ferai de mon mieux pour les corriger.

Tout d’abord, il faut visualiser les données, car cela aide beaucoup à éviter de commettre des erreurs stupides. Ci-dessous, chaque courbe représente le nombre hebdomadaire de décès, pour chaque semaine au cours de laquelle ils se sont produits. Ce chiffre est représenté en fonction du « jour de déclaration ». Le jour 1 correspond au 24 février 2022, date du début de la guerre, et le jour 1 590 correspond au 7 février 2026, date de la dernière mise à jour de l’ensemble de données dont je dispose. Chaque courbe montre donc l’évolution du nombre hebdomadaire au fil du temps, à mesure que les informations sur les pertes de la semaine en question sont mises à jour.

En examinant les données à l’œil nu, on remarque immédiatement une forte discontinuité entre les jours 1 436 et 1 464 (du 29 janvier au 23 février). Entre ces dates, le total global a augmenté de 43 385 décès, soit 23,9 % du total post-mise à jour. Sur cette augmentation nette, 24 182 décès ont été attribués à 2024 et 12 268 à 2025. Mediazona a expliqué cette augmentation par un changement de méthodologie : l’organisation avait commencé à traiter des sources d’information supplémentaires, telles que les avis de personnes disparues accumulés, les listes d’effectifs des unités et d’autres documents divulgués, en vérifiant chaque décès par rapport aux bases de données de l’État. Comme nous le verrons, cette rupture structurelle nous posera quelques difficultés dans l’analyse et devra être traitée de manière appropriée.

Ensuite, nous représentons graphiquement toutes les trajectoires par « intervalle » — c’est-à-dire le laps de temps s’écoulant entre la semaine au cours de laquelle les pertes ont eu lieu et les dates de déclaration ultérieures.

Là encore, ce changement de méthodologie gênant de février 2026 masque les tendances révélées par les données. Examinons donc uniquement les trajectoires antérieures au 26 février :

La tendance est désormais claire. Elle s’apparente effectivement à une courbe logistique (remarque technique : mais pas exactement, car dans la courbe logistique, la période d’accélération initiale est plus marquée). De plus, plus le nombre réel de cas hebdomadaires est élevé (comme l’indique le niveau auquel les courbes atteignent leur saturation), plus le taux de croissance initial est rapide. Il semble donc justifié de passer à des taux de variation proportionnels.

J’estime cette variation relative, que j’appelle « delta », comme suit. Pour chaque bilan hebdomadaire, je calcule d’abord de combien le nombre de cas augmente entre deux jours de rapport consécutifs. Ensuite, je divise ce chiffre par le nombre de jours entre les deux rapports, afin d’exprimer cette variation sous forme de taux journalier. Puis, je le multiplie par 28 jours (4 semaines), car c’est l’intervalle de temps que j’utiliserai plus tard dans l’analyse. Enfin, je divise ce résultat par le nombre de cas enregistrés lors du rapport précédent, afin d’obtenir une variation relative.

J’obtiens ainsi une estimation de la variation relative sur 28 jours (par rapport au point de départ). Cette approche générale est très similaire à celle que j’ai déjà utilisée dans mes analyses de la dynamique des populations. Voici à quoi ressemblent ces données lorsqu’elles sont représentées graphiquement en fonction de l’intervalle :

On s’attend à ce que les taux de variation initiaux soient élevés (c’est-à-dire lorsque les courbes hebdomadaires augmentent rapidement en raison de nouveaux rapports), puis à ce qu’ils diminuent à des intervalles plus longs pour tendre vers zéro (à mesure que le nombre de soldats décédés non identifiés s’épuise progressivement). La plupart des points de données correspondent à cette prévision, mais il existe deux « flux » supplémentaires qui s’écartent clairement de ce schéma.

L’un de ces flux est dû au changement méthodologique du 26 février. Je marque tous les deltas de cette période en rouge, par mesure de précaution. Il s’avère que le deuxième flux correspond à une autre date, à savoir le changement survenu entre les jours 1 338 et 1 366 (novembre 2025). Je marque ces points en bleu.

En effet, les dates problématiques sont désormais clairement mises en évidence. En fait, remontons jusqu’à la toute première figure d’analyse et, forts de cette information, nous constatons qu’il y a là une deuxième rupture structurelle, bien que moins marquée que celle de février 2026. Si nous éliminons les deux dates problématiques, nous observons alors une tendance très claire :

ici, la ligne brisée indique le niveau zéro (et vous pouvez voir que certaines mises à jour se situent en dessous, reflétant des corrections qui suppriment des noms erronés).

Nous sommes désormais prêts à répondre à la question posée au début, à savoir : quelle a été l’évolution des pertes russes en 2026 ? Ont-elles augmenté, sont-elles restées à peu près constantes ou ont-elles diminué ?

Pour répondre à cette question, j’utilise une technique appelée « bootstrap non paramétrique ». On constate sur le graphique ci-dessus que (comme prévu) l’amplitude du changement relatif diminue avec l’intervalle. Plutôt que de supposer une forme fonctionnelle à ajuster à ces données, je vais simplement échantillonner ce nuage de points dans la simulation décrite ci-dessous. Cette approche non paramétrique présente deux avantages. Premièrement, je n’introduis aucune erreur d’ajustement, puisque je n’ajuste pas ces données à une courbe théorique. Deuxièmement, je ne suppose pas de modèle statistique spécifique concernant la distribution des erreurs, car j’échantillonne à partir de la distribution empirique réelle.

Le principe de la simulation est assez simple. Supposons que nous disposions d’un décompte le plus récent (au 2 juillet 2026) des décès survenus il y a 6 mois. Au cours des mois et des années à venir, ce décompte augmentera à mesure que de nouvelles informations seront disponibles. Nous simulons ce processus de manière stochastique, en partant du décompte actuel. Ensuite, tous les 28 jours, nous l’augmentons en tirant au sort un delta aléatoire à partir de la partie appropriée de la courbe (en commençant donc par les données situées dans l’intervalle de 168 à 196 jours — où se situent les 6 mois — puis en progressant vers la droite par paliers de 28 jours). Nous effectuons ce calcul prospectif sur 1 590 jours à compter de la semaine où les décès ont eu lieu (car c’est la durée couverte par notre ensemble de données). Au final, nous obtenons une estimation de ce que sera le nombre « final » pour la semaine (en réalité, le nombre après 1 590 jours passés à recenser de nouveaux cas et à les ajouter à la base de données).

Mais il ne s’agit là que d’une simple estimation, alors que ce qui nous intéresse, c’est de connaître le degré d’incertitude qui y est associé. Nous répétons donc la procédure 1 000 fois, en écartant les 50 valeurs les plus basses et les 50 valeurs les plus élevées, ce qui nous permet d’obtenir un intervalle de confiance à 90 %. Et nous procédons ainsi pour chaque semaine couverte par les données, de février 2022 à juillet 2026. Cela nous donne le résultat dont nous avons besoin.

Encore une fois, il convient de souligner qu’il s’agit d’un rapport préliminaire. Je prévois de publier un résultat mis à jour dès que j’aurai reçu les commentaires de mes collègues et effectué quelques tests supplémentaires (par exemple, mon analyse repose sur l’hypothèse de stationnarité, mais il convient de vérifier cette hypothèse à l’aide d’un test formel).

Compte tenu de ces réserves, voici le résultat :

La courbe continue (marron) correspond aux chiffres hebdomadaires réels (au 2 juillet 2026). La bande (bleue) indique les limites d’incertitude à 90 % de l’estimation des chiffres hebdomadaires après 1 590 jours (ce ne sont pas tout à fait les chiffres définitifs, mais ils s’en rapprochent suffisamment). On observe qu’au début de la guerre, la bande est assez étroite, puis s’élargit progressivement. Elle explose ensuite après le jour 1 512 (15 avril 2026). À la toute fin, l’intervalle d’incertitude s’étend de 0 à un nombre très élevé hors du graphique — en d’autres termes, il pourrait s’agir de n’importe quelle valeur.

Avant cette date, cependant, la tendance est assez claire. Entre le pic, survenu le jour 1 009 (28-11-24), et la mi-avril 2026, la tendance générale est à la baisse. Ce résultat semble aller à l’encontre de l’hypothèse de pertes russes catastrophiques en 2026 (du moins au cours des trois premiers mois et demi de l’année). Si les pertes sont catastrophiques aujourd’hui, elles étaient probablement plusieurs fois plus élevées durant l’hiver 2025, ce qui ne semble pas crédible, pour diverses raisons.

Je vous invite à faire part de vos commentaires et de vos critiques constructives. Je sais qu’il s’agit d’un sujet très sensible — après tout, des centaines de milliers d’êtres vivants ont perdu la vie au cours de cette guerre. Mais sur ce Substack, nous limiterons la discussion aux aspects analytiques (et je veillerai à ce qu’il en soit ainsi en bannissant les contrevenants si nécessaire).

Note ajoutée le 21 juillet 2026 : j’ai demandé à l’équipe de Mediazona de commenter l’analyse présentée dans cet article et elle m’a fait part de ses remarques, qui m’ont été très utiles. Comme je m’en doutais, le processus est non stationnaire et je vais devoir tenir compte de cette caractéristique dans mon analyse. J’espère pouvoir publier une mise à jour d’ici samedi ou dimanche.

Peter Turchin

Traduit par Hervé, relu par Wayan, pour le Saker Francophone