4 fois à l’adresse/au numéro qui lui a été indiqué.

Cette méthode présente l’avantage de la

simplicité : on choisit quelques caractéristiques dont on connaît la distribution statistique

dans la population étudiée (par exemple, sexe, âge, catégorie socioprofessionnelle [CSP]

du chef de famille), puis on donne à chaque enquêteur un plan de travail qui lui impose le

respect de certaines proportions au sein des interviewés. Cette méthode, par opposition

aux deux méthodes précédentes, donne des estimations biaisées car les différentes catégories de
population présentent des probabilitiés différentes et inconnues d’être touchées

par un enquêteur. D’autre part, la méthode des quotas ne permet théoriquement pas de

calculer les marges d’erreur associées aux résultats trouvés, comme une méthode aléatoire

permet de le faire.

• Méthode des itinéraires (ou random route) : dans une commune, par exemple, on

impose à l’enquêteur un point de départ et un itinéraire à suivre, avec tirage systématique des
logements dans lesquels il doit effectuer des interviews (par exemple, interroger les foyers toutes les
trois portes dans un immeuble).

• Échantillonnage de convenance : il est conçu par l’enquêteur pour des raisons de praticité. Il fait
généralement appel à des personnes interceptées dans la rue, à la sortie des
caisses en magasin, etc. C’est la moins coûteuse et la plus rapide de toutes les techniques

d’échantillonnage mais elle présente de fortes limites : biais de sélection, non-représentativité. Il n’est
donc théoriquement;pas significatif de généraliser les résultats.

• Échantillonnage « boule de neige » : on choisit un premier groupe de répondants, au

hasard généralement, puis on leur demande d’indiquer d’autres répondants potentiels

appartenant à la population ciblée. Cette méthode peut être utile pour des enquêtes sur

les leaders d’opinion par exemple.

La détermination de la taille de l’échantillon est une étape cruciale en analyse de données.

Un échantillon trop petit peut induire une perte d’informations importante ou empêcher

la réalisation de nombreux tests soumis à des contraintes en termes de nombre d’observations. À

l’inverse, un échantillon trop important constitue une perte de temps et de budget

dommageable pour la réussite de l’étude. Il est important de noter que la précision de

l’information recueillie dépend principalement de la taille de l’échantillon et non du taux

de sondage (défini par le rapport n/N, où n est la taille de l’échantillon et N celle de la

population).

Dans la pratique, les chargés d’études utilisent des abaques (feuilles de calcul) donnant la

taille de l’échantillon en fonction du degré de précision des résultats que l’on veut obtenir.

Certains professionnels des études considèrent qu’il n’y a pas de raison valable de travailler

avec des échantillons de plus de 1 000 à 1 500 répondants. En effet, s’il est admis que la

précision des résultats est influencée par la taille de l’échantillon, cette influence s’avère

négligeable au-dessus de 1 500 observations. Pour trouver la taille adéquate de

l’échantillon N, une règle empirique facile à appliquer – même si elle est contestable d’un

point de vue purement statistique – consiste à partir de l’erreur, exprimée en pourcentage,

que l’on est prêt à tolérer :

N = 1/erreur2.

Par exemple, si l’on accepte une erreur de +/–5 % au niveau de la précision des résultats,
on obtient une taille d’échantillon de 1/0,052, soit 400 répondants.

Les éléments liés à la précision de la mesure sont centraux en analyse de données. Nous

détaillons la méthode de calcul de l’intervalle de confiance dans le focus 1.3. Les éléments

de discussion dépendant du principe de test statistique seront abordés dans le chapitre 2