Le Data Sufficiency est le format le plus déroutant du GMAT. Beaucoup de candidats perdent des points non par manque de maths, mais parce qu'ils n'ont pas compris la logique particulière de ces questions. Or elle s'apprend.
La question piège. En Data Sufficiency, on ne vous demande pas de résoudre le problème, mais de déterminer si les informations fournies suffisent à le résoudre. C'est un glissement subtil mais radical : chercher la réponse au lieu d'évaluer la suffisance est l'erreur fatale.
Évaluer chaque énoncé séparément. Le réflexe à acquérir : tester d'abord chaque information indépendamment. L'énoncé 1 suffit-il seul ? L'énoncé 2 suffit-il seul ? Puis seulement, s'ils sont insuffisants isolément, les combiner. Mélanger les deux dès le départ mène aux erreurs.
« Suffisant » ne veut pas dire « identique ». Une information est suffisante si elle conduit à une réponse unique et déterminée — même si vous ne calculez pas cette réponse. Savoir qu'on pourrait trouver suffit ; il est inutile de finir le calcul.
Le piège de l'hypothèse cachée. On suppose souvent, à tort, qu'un nombre est entier, positif ou non nul. Le Data Sufficiency exploite précisément ces hypothèses implicites. Tester les cas limites — zéro, négatifs, fractions — révèle les insuffisances.
Gagner du temps. Comme on ne résout pas vraiment, on peut aller vite une fois la méthode automatisée. C'est même l'un des formats où l'on récupère du temps pour les questions plus longues.
À retenir : en Data Sufficiency, on évalue, on ne résout pas. Testez chaque énoncé seul, méfiez-vous des hypothèses cachées.
Notre module Quantitative Reasoning forme à maîtriser ce format. Préparation au test (hors RNCP), avec tests blancs chronométrés.