MESURER L'EXPÉRIENCE UTILISATEUR ET LA PERFORMANCE DIGITALE

ACCUEIL CONCEPTS ETUDES DE CAS MÉTHODES

INSIGHTS & DATA RÉFÉRENCES ! A PROPOS CONTACT

Comprendre les échelles FIND AN ARTICLE

de mesure
RECHERCHER…

" 23 novembre 2018 # Guillaume Deconde $ Méthodes

%0

ABONNEZ-VOUS

E-mail *

Nous gardons vos données

privées et ne les partageons
qu’avec les tierces parties qui
rendent ce service possible.
Lire notre politique de
confidentialité pour plus
d’informations.

JE M’ABONNE !

Icons made by Freepik from www.flaticon.com is licensed by CC 3.0

BY
FACEBOOK UXM
Avoir l’ambition de mesurer l’expérience utilisateur et la
performance digitale implique de s’intéresser aux échelles de
mesures. En effet, le choix de la graduation de l’outil avec
:
 lequel on va réaliser une mesure va avoir un impact sur la façon
Uxmetric
dont on pourra représenter et traiter les données que l’on
Like Page 95 likes
recueille. C’est pour cela qu’il faut soigneusement choisir les
échelles de mesure que l’on va utiliser pour caractériser un
service digital ou ses utilisateurs, car toutes n’ont pas les
mêmes avantages et inconvénients.

Quatre types d’échelles

La notion d’échelle de mesure est intimement liée à celle de
variable. Une variable est une grandeur qui peut prendre
différentes valeurs (ou modalités). Une variable peut prendre au
minimum deux valeurs (condition minimale de sa variation, elle
est alors dite dichotomique ou binomiale), mais elle peut
prendre plusieurs valeurs (multinomiale), voire même une
infinité de valeurs (on dit alors qu’elle est continue). On
distingue deux types de variables : qualitatives et
quantitatives. Les variables qualitatives sont évaluées grâce à
un libellé (un mot, une étiquette). Les variables quantitatives
sont quant à elles représentées par des nombres.

Il existe quatre types d’échelles de mesure, de la plus simple à

la plus élaborée :

1. nominales (qualitatives),
2. ordinales (qualitatives),
3. d’intervalle (quantitatives),
4. de rapport (quantitatives).

Chaque échelle de mesure dispose de caractéristiques qui lui

sont propres, mais conserve les propriétés des échelles de
niveau inférieur (mais la réciproque n’est pas vraie). Toutefois, il
est possible de transformer une échelle en une autre, dans un
sens ou dans l’autre, comme nous le verrons plus bas.

Chaque échelle de mesure se caractérise par son indice de

tendance centrale et sa dispersion. L’indice de tendance
centrale correspond à la valeur typique de la variable mesurée
:
 (ex: la moyenne). A l’inverse, l’indice de dispersion va
représenter la variabilité ou l’étendue de la mesure (ex: l’écart-
type). Nous présentons ci-dessous une version simplifiée de la
synthèse proposée par Yvonnick Noël dans son ouvrage :

Tableau synthétique des échelles de mesures (selon Yvonnick

Noël)

Variables qualitatives
Les échelles nominales

Le terme d’échelle ne convient pas vraiment aux échelles

nominales selon David C. Howell. En effet, elles ne classent
pas les observations. Elles se limitent à les désigner par une
étiquette (homme – femme, salarié – indépendant – sans
emploi). Cette étiquette peut être un nom ou un chiffre (dans ce
cas, il ne véhicule aucune grandeur mathématique, par
exemple groupe 1, groupe 2 ou groupe 3).

Il est seulement possible de compter le nombre d’éléments

(effectif) dans chacune des catégories ou classes. Si cet effectif
est rapporté au nombre total d’observations toutes catégories
confondues, on parle alors de fréquence (que l’on pourra
exprimer en pourcentage, par exemple).

L’indice de tendance centrale de l’échelle nominale est le mode.

C’est la catégorie sur laquelle se retrouve le plus grand nombre
d’observations. C’est donc la valeur qui présente la fréquence
la plus élevée. Ainsi, au sein d’un ensemble de mesures (que
l’on appelle une distribution, dans le jargon statistique) il peut
ne pas y avoir de mode (répartition égale de l’effectif dans
:
 chaque classe), ou bien plusieurs modes. Ce type d’échelle de
mesure ne permet que de classer l’objet de la mesure dans
telle ou telle catégorie.

L’échelle nominale ne permet pas de calculer d’indice de

dispersion.

Les échelles ordinales

En plus de ranger les observations dans des catégories

(comme les échelles nominales), les échelles ordinales classent
ces catégories les unes par rapport aux autres selon un ordre
défini. C’est en cela qu’elles constituent de véritables
« échelles ». Elles attribuent donc un rang aux différentes
catégories. Les échelles de Likert, couramment utilisées dans
les réponses aux enquêtes sont de très bons exemples
d’échelles ordinales :

1. Tout à fait d’accord

2. D’accord
3. Ni l’un ni l’autre
4. Pas d’accord
5. Pas du tout d’accord

Les échelles ordinales ne permettent pas de mesurer la taille de

l’écart qui existe entre ces rangs. On ne peut donc pas
considérer qu’il existe le même écart entre « tout à fait
d’accord » et « d’accord » qu’entre « ni l’un ni l’autre » et « pas
d’accord », même si ces catégories ordonnées sont
représentées ici par des chiffres. Seul compte l’ordre. C’est
pourquoi on ne peut pas réaliser sur de telles données le calcul
d’une somme ou d’une moyenne, car cela n’aurait aucun sens
mathématique.

On peut représenter la tendance centrale d’une échelle ordinale

par le mode, mais également par la médiane. La médiane est la
valeur qui partage une série d’observation ordonnée en 2
parties égales (c’est-à-dire contenant chacune le même nombre
d’observations).
:
 Contrairement aux échelles nominales, les échelles ordinales
permettent de calculer un indice de dispersion, et donc
d’évaluer la variabilité de la distribution des résultats. On le
nomme le quantile, c’est-à-dire la valeur qui divise un ensemble
de mesures en intervalles contentant le même nombre de
données. La médiane est donc le quantile qui sépare le jeu de
données en deux groupes de tailles égales.

Variables quantitatives
Les échelles d’intervalles

Les échelles d’intervalles permettent d’évaluer la différence qui

existe entre les modalités de l’échelle. Par exemple, il existe la
même différence entre l’année 1935 et l’année 1940, qu’entre
2007 et 2012. Par contre, ce type d’échelle ne présente pas un
zéro « naturel ». L’année 0 ne signifie pas une absence
d’année. C’est une convention arbitraire. Par conséquent, on ne
peut pas dire que l’an 2000 est deux fois plus récent que l’an
mille.

Les échelles de rapport

A l’inverse, les échelles de rapport disposent d’un zéro naturel.

Dans ce cas, le zéro n’est pas arbitraire et signifie véritablement
une absence du phénomène mesuré. C’est le cas des mesures
de durée : un temps de zéro seconde signifie une absence de
temps passé. Ainsi, 40 secondes sont bien le double de 20
secondes. Ce sont ces échelles de rapport qui offrent le plus de
possibilités en termes de traitement statistique des données.

Les échelles d’intervalles et de rapport peuvent être discrètes

ou continues.

Si l’échelle est discrète, l’intervalle entre deux valeurs de la

graduation ne peut être inférieur à l’unité. Le nombre de
sessions d’utilisation d’un service digital est discret : il n’existe
:
 pas de demi-sessions. Pour autant, on peut calculer le nombre
moyen de sessions, même si la valeur obtenue ne correspond
pas à un nombre entier.

Si l’échelle est continue, alors la mesure peut potentiellement

prendre une infinité de valeurs. C’est le cas des mesures de
temps passés. Il est toujours possible théoriquement de
préciser la mesure à un niveau supérieur (ex: 10 ème de
seconde, 100 ème de seconde, etc.), même si l’outil de mesure
ne le permet pas dans la pratique.

Concernant les mesures de variabilité et de tendance centrale,

les échelles quantitatives (qu’elles soient d’intervalles ou de
rapport) permettent de calculer une moyenne et un écart-type.
Puisqu’elles conservent les propriétés des échelles de niveaux
inférieurs, elles permettent aussi d’en déterminer la médiane et
les quantiles.

Pour le mode, les choses sont plus compliquées. En effet, si

une variable peut prendre une infinité de valeur (comme c’est le
cas pour les variables continues), le mode n’a que peu d’intérêt,
puisque chaque mesure peut être différente de toutes les autres
(si l’outil de mesure est suffisamment précis). Dans ce cas, on
préfèrera utiliser la notion de classe modale, qui correspond à
un regroupement de valeurs au sein d’intervalles. Bien
évidemment, le choix de la largeur de l’intervalle reste arbitraire,
mais si l’on veut pouvoir évoquer la notion de classe modale
(c’est-à-dire celle qui contient le plus d’observations), il faut que
les classes soient d’une étendue équivalente.

Passer d’une échelle à l’autre

En dépit de leur cloisonnement apparent, il est possible de
passer d’une échelle à l’autre. Par exemple, le type de terminal
utilisé pour consulter un site est une variable nominale
(smartphone, tablette ou ordinateur). Cependant, si l’on
s’attache à considérer la taille de l’écran de ces appareils, on
peut en faire une variable ordinale, du plus petit au plus grand.
De la même façon, on pourrait classer les appareils en fonction
:
 de la résolution de leur écran, qui est une variable de rapport.
Mais il est possible de faire le chemin inverse : on peut choisir
de fragmenter ces résolutions selon des classes arbitrairement
choisies (ex : de 0 à 200 000, de 200 001 à 400 000, et ainsi de
suite, en conservant un intervalle constant).

Ces choix doivent être guidés par une exigence de rigueur et

d’honnêteté intellectuelle au service des objectifs que l’on s’est
fixés.

Plus d’articles rédigés par Guillaume Deconde ( 12

Articles

& PRÉCÉDEN SUIVANT '

T
Le taux de
UX, bon sens et rebond permet il
logique vraiment de
mesurer l’intérêt
d’un utilisateur ?

Copyright © 2018 UX Metric - Mentions légales - Data Access Request

: