Vous êtes sur la page 1sur 13

Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.

ne/rense, Mai 2003

International Program Development Evaluation Training

Module 7 : Echantillonnage

Introduction

Lorsqu’on commence à planifier une stratégie de collecte de données, il faut


décider s’il est possible de collecter des données sur toute la population. Est-
il possible d’étudier chaque document, d’observer chaque cultivateur ou de
discuter avec chaque personne ? Si oui, il serait possible de préparer un
rapport exact sur tous les professeurs du système d’éducation, sur le nombre
de kilomètres de toutes les routes qui sont goudronnées ou sur les points de
vue de toute la population du pays. Si ces données sont collectées de façon
exacte et viable, il y aura peu de chance de faire des erreurs.

Cependant, il n’est pas toujours possible de collecter des données à partir de


tous les documents, de tous les cultivateurs ou de toute la population. Cela
prend trop de temps et cela coûte trop d’argent. Au lieu de cela, on prélève
un échantillon – un sous-groupe de la population entière. Si on prélève un
échantillon au hasard, il est possible de faire des inférences sur une
population sur la base des résultats de l’échantillon : c'est-à-dire, on pourra
estimer les caractéristiques de toute la population sur la base des résultats
de l’échantillon.

Les échantillons sont utilisés dans tous les domaines. Par exemple, lorsqu’on
fait un examen du sang afin de contrôler l’état de notre santé, on prélève un
échantillon de sang pour examen dans un laboratoire, au lieu d’examiner tout
le sang. Des tests sont menés sur l’échantillon prélevé et en principe, ce
qu’on trouve dans l’échantillon est un reflet exact de l’état de tout le sang.

L’échantillonnage n’est pas une technique à appliquer seulement aux grandes


études quantitatives. Même lors d’une appréciation rapide rurale qui est
fortement qualitative, par exemple, on devra toujours réfléchir sur le choix
des régions à enquêter. Même avec une connaissance très modeste des
concepts de base d’échantillonnage systématique, on pourra améliorer
considérablement le niveau d’exactitude d’une appréciation.

Types d’échantillons : prélèvements au hasard et non au hasard

Echantillons prélevés au hasard

Des échantillons prélevés au hasard sont des échantillons dont chaque unité
de la population a des chances égales d’être sélectionnée. On pourra prélever
au hasard un échantillon de documents, de routes, de champs ou de
personnes. Un des avantages de l’échantillonnage est que cela permet
d’éliminer le risque de subjectivité dans la sélection. Puisque tout le monde a
une chance égale d’être sélectionnée, il est impossible de sélectionner ceux

1
Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.ne/rense, Mai 2003

qui ressemblent à l’évaluateur ou qui ont le même point de vue. Un


échantillon prélevé au hasard doit être représentatif de la population globale
à condition que la taille de l’échantillon soit suffisamment importante.
L’échantillon prélevé au hasard permet également de faire des
généralisations sur la population dont l’échantillon a été prélevé (c'est-à-dire,
faire des estimations pour toute la population sur la base des résultats de
l’enquête).

Une liste complète de chaque unité intéressante de la population, appelée


cadre d’échantillonnage, est nécessaire pour prélever un échantillon au
hasard. Ces unités sont sélectionnées à l’aide d’une procédure programmée:
normalement on utilise un tableau de nombres prélevés au hasard 1 pour
sélectionner chaque unité jusqu’à ce qu’un échantillon qui corresponde à la
taille voulue soit constitué. L’annuaire pourra servir d’exemple : on prélève
au hasard un échantillon de tout ceux qui ont un numéro de téléphone dans
une ville donnée.

Parfois il n’est pas possible d’appliquer la technique de prélèvement au


hasard. Dans ce cas, on pourra appliquer une technique d’échantillonnage
systématique à sa place (sélectionner un point de départ au hasard et
ensuite sélectionner chaque n ième cas). Par exemple, disons qu’on voudrait
étudier un lot de documents mais ils se trouvent dans des cartons et il est
impossible de les numéroter tous et puis sélectionner un échantillon au
hasard. Une sélection systématique avec un point départ sélectionné au
hasard est admissible, à condition que les documents ne soit pas organisés
d’une manière systématique au préalable. Par exemple, on pourra
commencer à un point de départ choisi au hasard et ensuite sélectionner
chaque 20ième document jusqu’à ce que le nombre total de documents voulus
pour l’analyse soit accumulé.

Types d’échantillon prélevé au hasard

Echantillon simple prélevé au hasard


C’est l’échantillon le plus simple. On fixe la taille voulue de l’échantillon et
ensuite on sélectionne des unités au hasard jusqu’à ce que la taille voulue
soit constituée. Disons qu’on doit sélectionner 100 cas d’une population de
500. Tous les cas ont été identifiés et classés en ordre numérique de 1 à
500. Ensuite, à l’aide d’un tableau de nombres générés au hasard, il faudra
les répartir en blocs de nombres composés de trois chiffres et puis
sélectionner les premiers 100 nombres entre 1 et 500. Ces nombres
correspondent aux cas sélectionnés pour l’étude.

1
Des nombres peuvent être générés au hasard sans beaucoup de difficulté à l’aide d’un des principaux logiciels tableur.
Pour générer un nombre entier au hasard entre 1 et 100 à l’aide du logiciel Microsoft Excel, par exemple, il faut saisir
la formule =RAND ()*100 et formater la cellule comme un nombre ayant zéro décimaux, puis copier à autant de
cellules qu’il faut des nombres prélevés au hasard (c'est-à-dire, la taille d’échantillon voulu). Pour générer des nombres
au hasard entre 100 et 200, il faut simplement ajouter 100 à la formule, c'est-à-dire, =RAND*100+100.

Un tableau généré par Excel de nombres composés de deux chiffres prélevés au hasard (la forme des nombres d’un
tableau standard) se trouve en Exercice 7-1 à la fin de ce module.

2
Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.ne/rense, Mai 2003

Echantillon stratifié prélevé au hasard


Parfois il faudra assurer l’inclusion dans l’échantillon des groupes spécifiques
qui seraient autrement exclus dans un échantillon simple ; ces groupes
constituent d’habitude une faible proportion de la population. Dans ce cas, on
répartit la population en strates sur la base d’un critère ou d’une
caractéristique significative. Par exemple, il faudra s’assurer que
suffisamment de cas provenant du milieu rural soient inclus dans
l’échantillon. Si la proportion d’habitants en milieu rural est faible par rapport
à toute la population dans la zone, un échantillon simple prélevé au hasard
ne permettra pas d’inclure assez de ruraux dans l’échantillon. Ceci est
spécialement important s’il faut suffisamment de cas dans chaque strate pour
faire des comparaisons significatives. Par exemple, on pourra prélever des
échantillons stratifiés de cultivateurs provenant des localités à des distances
différentes de la ville.

Echantillon groupé
L’échantillon groupé est une méthode composée d’une multiplicité d’étapes
pour collecter des données dans des situations où il n’existe pas de liste
complète de tout le monde dans la population d’intérêt. Par exemple, on ne
dispose pas d’une seule liste complète de tous les patients atteints du SIDA
dans le pays mais peut-être on pourra obtenir une liste de toutes les
cliniques de soins du SIDA. A partir de ces cliniques, on pourra prélever au
hasard un échantillon de cliniques de soins du SIDA et ensuite prélever au
hasard un échantillon de patients dans chacune des cliniques.

Le désavantage des échantillons groupés est qu’ils ne donnent pas


nécessairement une représentation exacte de la population. Par exemple,
disons qu’il faudra faire des entretiens avec 200 patients atteints du SIDA,
mais à cause des contraintes budgétaires, il faudra sélectionner ces 200
patients dans seulement 4 cliniques. Il est possible que ces 4 cliniques
servent des populations qui sont très similaires en termes économiques ou
d’autres caractéristiques et qu’elles ne sont pas représentatives de tous les
patients atteints du SIDA. Il serait préférable, dans cette situation,
d’employer une stratégie d’échantillonnage non au hasard (délibérée) pour
sélectionner les cliniques. C'est-à-dire, en demandant aux personnes bien
informées d’identifier une gamme de cliniques différentes, on pourra
s’assurer que l’échantillon comporte un assortiment représentatif de niveaux
économiques et d’autres caractéristiques de la population.

Conjugaison
Parfois il faudra conjuguer des méthodes. On pourra répartir le groupe en
strates ; on pourra sélectionner tous ceux qui se trouvent dans une strate et
on pourra prélevé au hasard un échantillon des cas dans les autres strates.
Le programme au Ghana (voir l’étude de cas 7-1) est un exemple de la
complexité potentielle des techniques d’échantillonnage conjuguées.

3
Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.ne/rense, Mai 2003

Etude de cas 7-1 : Impact sur la nutrition : Le programme de la


banque rurale du bas Pra au Ghana

L’intention du programme est d’améliorer le statut nutritionnel et la


sécurité alimentaire des ménages des pauvres au Ghana. Le programme de
crédit avec la formation comportent :1) du crédit aux participants ainsi que
2) de la formation sur les notions de base en matière de santé, de nutrition,
d’espacement des naissances et de capacités en commerce.

Des questions d’évaluation : Le programme avait-il un impact sur le


statut nutritionnel des enfants, sur les capacités économiques des femmes,
de la compréhension des femmes sur des questions de santé et leur capacité
de fournir leurs enfants un régime alimentaire nutritif ?
Suite : Etude de cas 7-1

Le plan global : un plan quasi-expérimental à l’aide de deux enquêtes. Les


19 communautés qui n’ont pas encore bénéficié du programme de crédit
avec la formation ont été les communautés cibles de cette étude. Les
communautés ont été réparties en groupes (strate) sur la base des critères
fixés d’avance. Dans chaque strate, les communautés ont été attribuées soit
à un groupe de traitement (destinées à bénéficier du programme), soit à un
groupe de contrôle (aucun programme). Elles n’ont pas été prélevées au
hasard ; trois ont été sélectionnées pour des raisons politiques et trois ont
été sélectionnées pour servir de contrôles.

L’échantillonnage au sein des communautés : Trois groupes de femmes


ayant des enfants ont été enquêtées : celles qui ont participé pendant au
moins un an (tous les participants ont été sélectionnés) ; celles qui n’ont pas
participé mais qui faisaient partie des communautés du programme (un
échantillon prélevé au hasard) ; et celles qui font partie des communautés de
contrôle (un échantillon prélevé au hasard). Au total, 10 paires de
mère/enfant dont les enfants sont âgés de 12 à 23 mois ont été
sélectionnées dans chaque communautés ayant une population très réduite ;
30 ont été sélectionnées dans chaque communautés ayant une population
très importante.

Echantillonnage non au hasard

Lorsqu’il n’est pas possible d’appliquer la technique d’échantillonnage au


hasard, il faudra prélever un échantillon différemment. Ces autres approches
permettent d’étudier un groupe plus restreint que la population globale. Ces
techniques d’échantillonnage non au hasard sont connues sous beaucoup de
noms, mais toutes ont une capacité limitée de faire des généralisations à la
population d’origine.

4
Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.ne/rense, Mai 2003

Types d’échantillon non au hasard

Quota : Un échantillon dont un nombre spécifique de


différents types d’unités sont sélectionnés. Par
exemple, peut-être il faudra faire des entretiens
avec 10 professeurs et décider que cinq seront des
hommes et cinq seront des femmes.

Par Accident: Dans cette approche, la sélection est purement par


accident. Par exemple, peut-être il faudra faire des
entretiens avec des participants de la séance de
formation la plus récente. Les participants ont donc
été sélectionnés par accident. Si on décide de faire
des entretiens avec n’importe quel client qui passe
au marché local, ces participants ont donc été
sélectionnés par accident.

« Boule de neige »: Ce type d’échantillonnage est utilisé lorsqu’on


ne sait pas qui il faudra inclure dans l’échantillon.
Normalement utilisé dans des entretiens, il faudra
demander aux participants de proposer d’autres
participants pour l’entretien. Il faudra continuer
jusqu’à ce qu’aucun nouveau nom ne soit proposé.

Jugement : Dans ce genre d’échantillon, les sélections se font


selon des critères prédéterminés. Par exemple,
peut-être il faudra faire des entretiens avec des
directeurs des écoles primaires et décider que
certains devraient provenir des écoles primaires
rurales ainsi que des écoles primaires urbaines
(sans établir un quota).

Commodité : Dans ce genre d’échantillon, les sélections se font


selon ce qui est convenable pour l’évaluateur. Par
exemple, les directeurs des écoles primaires les
plus proches de la localité de l’évaluateur pourront
être sélectionnés.

Lorsqu’il s’agit d’un échantillon qui n’a pas été prélevé au hasard, la question
de subjectivité devient très importante. Y a-t-il une caractéristique de cet
échantillon en particulier qui distingue l’échantillon de la population globale ?
Disons qu’on voudrait collecter des renseignements démographiques afin de
pouvoir décrire les caractéristiques de l’échantillon. Idéalement, il n’y aura
pas de différences évidentes entre l’échantillon et la population globale.
Lorsqu’on présente les caractéristiques démographiques de l’échantillon, cela
permet aux personnes intéressées par cette étude de juger le niveau de
similitude entre l’échantillon et la population globale.

5
Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.ne/rense, Mai 2003

Dans le cas des échantillons qui n’ont pas été prélevés au hasard, il faudra
présenter les résultats en termes des participants. Par exemple, « de toutes
les mères ayant participé aux entretiens, 70% sont satisfaites de la qualité
des soins de santé dispensés à leurs enfants ». Si l’échantillonnage n’est pas
au hasard, il faudra être très prudent en faisant des inférences
(généralisations) sur la population en général. Cependant, les données
disponibles pourront être très utiles et il se peut qu’elles soient les meilleures
données possibles dans la situation. Il est essentiel d’expliquer clairement les
critères et les procédures de sélection de l’échantillon.

Quel niveau de confiance et de précision faut-il ?

Même si l’échantillon a été prélevé au hasard, la possibilité d’erreur pourra


être introduite. Il est possible que l’échantillon soit très différent de la
population globale. C’est ici que les statistiques pourront être utiles (voir
Module 8). La définition la plus précise de la statistique concerne les données
provenant des échantillons prélevés au hasard. En fait, cette définition est
l’estimation de la probabilité que les résultats sur l’échantillon ne soient pas
représentatifs de la population globale. Des statisticiens ont élaboré des
théories et des formules qui leur permettent de faire ces estimations. Ils ont
également développé des formules pour la sélection de la taille de
l’échantillon. 2 Quelques méthodes statistiques seront présentées en Module
8, mais le point d’intérêt de ce module est la compréhension des concepts de
base et comment les appliquer lors de la planification des évaluations.

Il existe quelques options pour décider du niveau d’exactitude et de précision


nécessaires pour faire des inférences sur la population en général. La
première tâche est de décider du niveau de confiance qu’il faut afin que les
résultats de l’échantillon soient une estimation exacte pour toute la
population. Le niveau normal de confiance est de 95%. Cela veut dire qu’il
faudra un niveau de certitude de 95% pour que les résultats de l’échantillon
reflètent la population entière. Si le niveau de certitude descend à 90%, la
taille de l’échantillon sera réduite. S’il faut un niveau de confiance de 99%
(seulement 1% de possibilité que l’échantillon soit très différent de la
population en général), il faudra que la taille de l’échantillon soit plus
importante.

Ensuite, les options concernent le niveau de précision qu’il faut. Parfois on


l’appelle l’erreur d’échantillonnage ou marge d’erreur. On la voit souvent lors
des sondages. Par exemple, on pourra lire dans le journal que 48% sont en
faveur d’une augmentation des impôts contre 52% qui s’oppose à
l’augmentation des impôts (+/-3%). Cela veut dire que si on avait posé la
question à toute la population, les proportions réelles seront quelque part
entre 45% et 51% en faveur et entre 49% et 55% contre. La plupart des
élections admettent une erreur d’échantillonnage de 5%. Dans l’exemple des
impôts ci-dessus, si on avait une marge d’erreur de 5%, alors l’image réelle

2
Une discussion sur les formules statistiques ne sera pas présentée ici.

6
Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.ne/rense, Mai 2003

des opinions serait entre 43% et 53% en faveur de l’augmentation et entre


47% et 57% contre l’augmentation. Il est évident qu’il existe plus de
variabilité (moins de précision) dans les estimations avec une marge d’erreur
de +/-5% par rapport aux estimations ayant une marge de +/-3%. Plus il
faut être précise, plus l’échantillon est important. Dans les deux exemples,
cependant, les erreurs d’échantillonnage se chevauchent. Cela veut dire que
ces résultats sont trop proches pour pouvoir prononcer un résultat définitif.

Lorsqu’on travaille avec des nombres réels, tels que l’âge ou le revenu, la
précision est présentée en termes d’un intervalle de confiance. (A noter : il
ne faudra pas confondre l’intervalle de confiance avec le concept de niveau
de confiance expliqué ci-dessus). Ce concept est utilisé lorsqu’il faudra
estimer la moyenne de la population entière sur la base des rés ultats de
l’échantillon. Par exemple, si le revenu moyen per capita des pauvres en
milieu rural de l’échantillon s’élève à 2 000 Rands sud Africains par an,
l’ordinateur va calculer l’intervalle de confiance. Le niveau normal est de
95%. L’ordinateur calcule que le niveau de confiance se trouve entre R 1 800
et R 2 000. On pourra dire qu’on est 95% certain (c’est le niveau de
confiance) que le salaire moyen réel de la population est entre 1 800 et
2 200 (c’est le niveau de confiance).

Quelle taille d’échantillon ?

La taille de l’échantillon dépend de la taille de la population étudiée, le niveau


de confiance voulu et le niveau de précision voulu. On pourra faire des
calculs à l’aide d’une formule pour déterminer la taille convenable de
l’échantillon ou bien on pourra consulter un guide pour la taille d’échantillon
comme en Table 7-1. Plus la population est réduite, plus la proportion de cas
nécessaire est élevée. Si la population s’élève à 200 et le niveau de confiance
voulu est de 95%, la taille de l’échantillon sera à peu près 100. Si la
population s’élève à 700, la taille de l’échantillon sera à peu près 300.
Lorsque la taille de la population dépasse le niveau de100 000 personnes, un
échantillon de 385 personnes sera nécessaire (voir la Table 7 -1).

Ces tailles d’échantillon sont des tailles minimales. Il faudra sélectionner une
taille d’échantillon un peu plus importante s’il y a une possibilité que le taux
de réponse n’est pas près de 100%. Par exemple, si les questionnaires
d’enquête sont envoyés par la poste, il faudra augmenter la taille de
l’échantillon par un multiple d’au moins 4 ou 5 afin de tenir compte du
pourcentage de participants qui probablement ne répondra pas. S’il faudra
comparer des strates, il faudra sélectionner une taille d’échantillon pour
chaque strate sur la base de la taille de la population et le degré de confiance
et de précision nécessaires. Il y a des circonstances (par exemple, lors des
appréciations rapides) où un degré très élevé de précision n’est pas
nécessaire et moins de cas sont donc nécessaires.

Lorsqu’on utilise des échantillons dans le but de diminuer le coût de la


collecte des données, un échantillon aussi grand que possible sera

7
Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.ne/rense, Mai 2003

préférable. Cela va assurer autant que possible l’exactitude des estimations


de la population. S’il est possible d’utiliser un échantillon de toute la
population, il faudra le faire, parce que dans ce cas, il n’y aura aucune
possibilité d’erreur dans l’échantillonnage.

Table 7-1
Guide pour la taille minimum d’échantillon correspondant à la taille
de la population3

Taille de la Taille de Taille de la Taille de


population l’échantillon population l’échantillon
10 10 550 226
20 19 600 234
40 36 700 248
50 44 800 260
75 63 900 269
100 80 1 000 278
150 108 1 200 291
200 132 1 300 297
250 152 1 500 306
300 169 3 000 341
350 184 6 000 361
400 196 9 000 368
450 207 50 000 381
500 217 100 000 385
Source : Krejce, R.V. and Morgan, D.W. “Determining Sample Size for Research Activities”;
Educational and Psychological Measurement, vol. 30: 607-610, 1970.

3
Ce sont des tailles d’échantillon du niveau de confiance de 95% et d’une erreur d’échantillonnage de +/-5%

8
Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.ne/rense, Mai 2003

Exercice d’application 7-1

Comment utiliser un tableau de nombres prélevés au hasard

Instructions :

On a demandé de sélectionner 20 dossiers d’un groupe de 300 hommes et


femmes en milieux urbain et rural. Tous les dossiers ont été numérotés de 1
à 300. Maintenant il faut proposer trois stratégies différentes d’utilisation du
tableau à la page suivante pour sélectionner les 20 dossiers pour étude. Dans
quelles conditions faut-il utiliser chaque méthode ?

Stratégie 1 :

Conditions :

Stratégie 2 :

Conditions :

Stratégie 3 :

Conditions :

Finalement, faire une liste des cas sélectionnés à l’aide de la stratégie la plus
simple de sélection au hasard :

_____ _____ _____ _____ _____ _____ _____ _____ _____ _____

_____ _____ _____ _____ _____ _____ _____ _____ _____ _____

9
Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.ne/rense, Mai 2003

Table de nombre prélevés au hasard (générée par Excel) pour


l’exercice 7-1

10
Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.ne/rense, Mai 2003

Exercice d’application 7-2


Stratégie d’échantillonnage

Instructions : travaillant en groupes restreints si possible, identifier une


mesure adaptée ou une statistique pour chaque question d’évaluation et
décider quelle stratégie d’échantillonnage il faut utiliser pour chacune de ces
situations suivantes et préciser les raisons pourquoi.

1. Comment déterminer la qualité des routes villageoises dans une


région donnée du Cambodge immédiatement après l’hivernage ?

Mesure :

Stratégie d’échantillonnage (et de logique) :

2. Comment découvrir la proportion d’enfants qui sont atteints du


paludisme au moins une fois avant l’âge de 10 ans dans une région
spécifique de l’Inde ?

Mesure :

Stratégie d’échantillonnage (et de logique) :

11
Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.ne/rense, Mai 2003

Concepts d’échantillonnage : Glossaire

Population : L’ensemble total d’unités. Il se peut que ce


soit tous les citoyens d’un pays, toutes les
exploitations agricoles d’une région ou tous
les enfants de moins de cinq ans sans accès
à l’eau du robinet dans une zone spécifique.

Recensement : Un comptage (ou la collecte de


renseignements) de la population entière

Echantillon : Un sous-groupe d’unités sélectionné d’un


groupe plus important composé des mêmes
unités

Cadre d’échantillonnage : La liste dont on prélève l’échantillon

Plan d’échantillonnage : La méthode de sélection de l’échantillon

Echantillon prélevé
au hasard : Un échantillon dont chaque unité
de la population a des chances égales d’être
sélectionnée

Echantillon de quota : Un échantillon dont un nombre spécifique de


différents

Echantillon progressif
ou « boule de neige » : Une stratégie d’échantillonnage
normalement appliquée aux entretiens, où
on demande à la personne de suggérer
d’autres personnes.

Echantillon de jugement : Un échantillon sélectionné sur la base


des critères pré-déterminés

Echantillon de commodité: Un échantillon sélectionné sur la base de la


commodité à l’évaluateur (c'est-à-dire, ils se
trouvent dans une région ou une
organisation à laquelle l’évaluateur à
facilement accès)

Paramètre : Une caractéristique de la population

Statistique : Une caractéristique d’un échantillon

Niveau de confiance : Niveau de certitude (nécessaire)

12
Traduit par le Réseau nigérien de Suivi Evaluation (ReNSE), http://www.pnud.ne/rense, Mai 2003

que les statistiques obtenues de l’échantillon


sont des estimations exactes de la
population entière

Intervalle de confiance : La gamme de valeurs entre lesquelles on


pourra être 95% certain (ou le niveau de
confiance prévu) que les vraies valeurs de la
population s’y trouvent

13