Académique Documents
Professionnel Documents
Culture Documents
UE : METHODOLOGIE ET STAGE
ECUE : METHODOLOGIE DE LA RECHERCHE
APPLIQUEE A LA GESTION
Dispensé par :
Dr MUHINDO UHURU Michael
Professeur Associé
Appartenant à ……………………………………………………………….
Avril 2023
1
Faire de la recherche est un monde nouveau pour la majorité d’apprenants. Souvent ceux-ci n’ont
aucune idée sur les méthodes qui sont disponibles dans le domaine qu’ils ont choisi. Chacun, en fonction de
son domaine peut avoir eu un aperçu de certains résultats de recherche mais il n’est pas évident qu’ils
aient bénéficiée d'une réelle formation méthodologique à la recherche.
Le choix d’une méthodologie de recherche appropriée pour mener à bien le processus de recherche
n’est pas aisé. Etant donné la diversité importante des méthodes, et la complexité croissante des sujets de
recherche, le choix d’une méthode appropriée demande une réflexion sur une démarche de choix de la
méthode. Une démarche doit prendre en compte les différents facteurs qui influencent ce choix.
En effet, tout travail de recherche est une production de la connaissance. Une connaissance qui se
veut rigoureusement démontrée puisant d’un champ référentiel, quel qu’il soit, peu ou trop investigué,
dans lequel, éventuellement, des travaux ont été développés. La condition d’un travail de recherche est
d’apporter une valeur ajoutée à l’édifice de la connaissance dans tel ou tel domaine.
La connaissance scientifique est dès lors un processus de questionnement et de construction du
savoir humain. Elle se veut objective dans le sens où elle obéit à des processus de vérification. Elle est
supposée être exacte par les méthodes et méthodologies de ses tests largement empiriques et
rigoureusement mesurés.
La connaissance scientifique est présumée être évolutive du moment que tout travail
d’investigation et de recherche débouche inévitablement sur des pistes de progrès, d’amélioration et
d’approfondissement.
Un travail de recherche qui se veut scientifique est « …un effort analytique, rigoureux, progressif
et systématique d'éclaircissement d'une situation, d'un fait ou d'un ensemble de faits à l'aide d'outils et
de techniques spécifiques. Cet effort va de l'identification et la définition du problème jusqu'à
l'aboutissement à une ou plusieurs solutions ou possibilités de dépassement de la situation initiale
(meilleure connaissance, correction, amélioration, transformation ...) ».
Il est à signaler que la recherche scientifique prend comme point de départ un questionnement
pertinent suite à une ambiguïté, une insuffisance ou encore une ambition d’approfondissement et
d’enrichissement de l’investigation dans un domaine donné. Elle doit déboucher sur une
articulation de questions à investiguer via des théories appropriées pour produire de la connaissance.
La méthodologie scientifique constitue ainsi l’épine dorsale de toute recherche en sciences
sociales qui vise à produire des connaissances ou aspire à observer et à comprendre les comportements
ainsi que les changements sociaux, politiques et économiques.
Comme tout chercheur en sciences sociales, les apprenants en Sciences de Gestion sont appelés à
produire un travail scientifique mais aussi à jouer un rôle comme acteurs de la vie socio-économique,
politique et de développement. Pour y arriver, ils sont appelés à maîtriser des méthodes utilisées dans
les Sciences de Gestion
Nous partons ainsi avec l’idée selon laquelle les étudiants actuellement en L3 ont déjà bénéficié
d’une formation initiale en recherche scientifique. Ces notions générales constituent une base essentielle
en ce sens que dans le cadre du présent apprentissage, la réflexion sera centrée sur des notions de
recherche scientifique spécifiques à la Gestion.
Objectifs de l’ECUE
Au terme de l’activité d’apprentissage, l’étudiant doit être capable de :
3
-Saisir l’intérêt des différentes méthodes utilisées dans une recherche scientifique en Sciences de
Gestion ;
-Utiliser les outils de collecte et le traitement de l’information quantitative et qualitative en
Sciences de Gestion.
- Mener le processus cognitif et méthodologique lui permettant de définir non seulement une
thématique de travail/projet pertinente dans le domaine des sciences de gestion, mais aussi de poursuivre
ce processus jusqu’à produire un travail répondant aux normes scientifiques reconnues dans ce domaine.
Compétences visées
-Acquisition des démarches scientifiques, capacités à formuler une problématique, construction d’un
projet d’étude, analyse, interprétation des résultats ;
-Acquisition par des apprenants des techniques de recueil et traitement des données qualitatives,
quantitatives, mixtes ;
Méthode d’enseignement
Pour atteindre les objectifs ainsi définis, l’enseignement sera interactif. Il va nécessiter la
participation active des étudiants sous forme des travaux en auto-apprentissage, les travaux encadrés en
séance. Les apprenants sont appelés à travailler en groupe pour certains TP. Evaluation des
apprenants : Examen : 50%, CC : TP, TPE et INTER : 50%.
Enseignant :
Cet EUE est dispensé par Professeur MUHINDO UHURU Michael. Il est Docteur en Sciences
de Gestion dans le domaine de la finance organisationnelle et de la finance des marchés. E-mail :
mikeuhurulisso@gmal.com, Tél : +243994183914.
Ossature
CHAPITRE I. NOTIONS SUR LA RECHERCHE SCIENTIFIQUE
CHAPITRE II. METHODES QUALITATIVES ET METHODES QUANTITATIVES
CHAPITRE III. LES METHODES DE TRAITEMEMENT DES DONNEES
CHAPITRE IV. INDUCTION, DEDUCTION ET ELEMENTS D’EPISTEMOLOGIE
CHAPITRE V. CAS PRATIQUES ET CONSULTATIONS
Définir le champ de la gestion n’est pas facile, d’autant plus que nous vivons une importante
diversification de cette discipline par l’éclatement des sciences de gestion en différentes sous-
disciplines. Nous pouvons décrire la gestion d’après les définitions proposées par Cohen (1996), comme
« un ensemble de pratiques, de discours et de connaissances théoriques ou techniques relatifs à la
conduite des organisations ». Ainsi, ce questionnement sur l’objet de la gestion ne permet-il pas de
cerner les limites et les frontières de ce champ.
Les sciences de gestion est un champ disciplinaire qui étudie de façon scientifique le
fonctionnement des systèmes d’organisation (entreprise, administration, institution, association,….).
La gestion peut être vue comme à la fois une pratique et une science de gouvernement des
organisations et ceci grâce à des actions et à des prises de décisions dans les disciplines formant le
champ de la gestion.
Nous pouvons diviser d’après Cohen (1996) la diversité de l’objet de gestion en quatre :
- Un ensemble de pratiques : considérer la gestion comme une composition d’opérations, de
pratiques, d’interventions qui se déroulent dans les entreprises ou les organisations. Ainsi, la gestion est
vue comme une discipline opératoire dont les moyens d’action et les effets présentent une réalité
empirique observable.
-Un ensemble de connaissances théoriques ou techniques : la gestion est présentée comme une
unité d’ambitions cognitives ou comme une unité de connaissances théoriques ou techniques.
Elle est considérée comme un ensemble de contributions cognitives ce qui induira une problématique
de cohérence et d’unité.
-Un ensemble de discours : c’est une composition de discours qui assurent une mobilisation et un
engagement dans l’action.
-Une visée commune : cette visée permet de regrouper les trois définitions précédentes et d’essayer
de les combiner afin d’avoir un objectif commun. C’est la maîtrise des différents problèmes qui se
présentent pour l’organisation, qu’ils soient théoriques ou pratiques ou cognitifs afin de conduire le
travail avec un ensemble de ressources et de contraintes.
La question qui se pose est : où classer la recherche en gestion? Une réponse est de présenter la
recherche dans le domaine du management et de la stratégie concernant le pourquoi et le quoi avec une
insistance sur l’efficacité. En revanche une recherche centrée sur les aspects techniques et analytiques,
7
concerne le pourquoi et le quoi avec une insistance sur l’efficience.
Une question de recherche n’est pas limitée à un thème sans finalité ni démarche ; c’est une
combinaison d’un thème (quoi étudier), d’une finalité (pourquoi) et d’une démarche (comment
procéder).
Au-delà des querelles entre courants et paradigmes, le problème est de savoir comment étudier le
management. Quelles sont les questions qu’un chercheur devrait se poser pour aborder un problème de
management ? Une pratique ou une science, une réalité objective ou un ensemble de représentations ?
Appréhende-t-on la réalité en management ou est-on un acteur de sa construction? Le but ultime de la
recherche ne doit pas être oublié, à savoir : éclairer et aider les acteurs confrontés aux problèmes concrets
de management. Les recherches en gestion ont généralement pour objectif de décrire, de comprendre,
d’expliquer ou de prédire des phénomènes liés aux organisations. Une recherche en gestion ne devrait
pas se focaliser sur un seul domaine ou discipline, elle devrait plutôt porter sur différentes idées et
concepts existants en interaction avec la problématique de recherche.
-Méthodologie de recherche
La méthodologie est l'étude de la meilleure façon que nous pouvons avoir, selon l'état de nos
connaissances actuelles sur un sujet, d'aborder des problèmes spécifiques; elle ne recherche pas des
solutions toutes faites mais le choix des manières de les trouver en intégrant les connaissances acquises
sur les méthodes en vigueur dans différentes discipline. C'est la science d'apprendre la manière dont la
recherche doit être effectuée systématiquement.
-Méthodologie de recherche en sciences de Gestion
C’est la manière et la démarche à appliquer pour étudier, par le biais d’ensemble d’outils et des
méthodes, une situation managériale ou organisationnelle sous forme d’une problématique en vue
d’apporter des éléments de réponse et donc des résultats. L’objectif est d’expliquer et d’appréhender la
démarche et les approches de recherche en sciences de gestion obligeant à suivre une méthodologie pour
un travail de recherche scientifique.
Comment choisir sa méthodologie ?
Le chercheur débutant doit débattre avec son directeur de la meilleure méthode, c'est-à- dire de
celle qui sera adaptée aux objectifs de la recherche (comment répondre aux questions posées ?) et aussi
aux conditions pratiques dans lesquelles il se trouve.
-Méthode de recherche
La méthode de recherche est définie comme la procédure appliquée par le chercheur pour
entreprendre des recherches. La méthode de recherche concerne toutes les méthodes qu’un chercheur
emploie pour entreprendre un processus de recherche afin de résoudre un problème donné. Les
principales méthodes en sciences sociales sont : la méthode déductive, la méthode inductive, la méthode
expérimentale, la méthode statistique.
-L’approche
8
Démarche intellectuelle qui n’implique ni étape, ni cheminement systématique, ni rigueur
particulière, mais, à peu près un état d’esprit, une sorte de disposition générale qui situe l’arrière fond
philosophique ou métathéorique du chercheur ou de la recherche.
-Technique
Moyen précis pour atteindre un résultat partiel, à un niveau et à un moment précis de la recherche.
- Problème exprimant des besoins réels de recherche
Un problème existe lorsqu’il y a un besoin ressenti par quelqu’un, une communauté ou une
société et qui nécessite des efforts de solution. Le besoin réellement ressenti doit venir d’un
commanditaire qui croit fermement que la situation à problème peut connaître une mutation si les
solutions appropriées sont apportées. En outre le besoin exprimé peut avoir découlé de situations de
doute, de tensions sociales, d’échec dans la réalisation d’un certain nombre d’objectifs, de
préoccupations pour la production d’évènements que l’on pourrait empêcher ou de l’absence de
connaissances nécessaires à la résolution d’un autre besoin de recherche. La résolution, à travers des
informations apportées par le processus de recherche, d’un vrai problème de recherche doit entraîner
une mutation de la situation précédente. De ce fait, tous les besoins ressentis ne peuvent pas faire l’objet
de formulation de problème de recherche dans la mesure où leur résolution n’apporte pas de changement
à la situation qui a existé avant la mise en œuvre du processus de recherche.
-Objet de la recherche.
L’objet d’une recherche est la question générale (ou encore la problématique) que la
recherche s’efforce de satisfaire, l’objectif que l’on cherche à atteindre. Il consiste en une
question relativement large et générale, qui se distingue des « questions de recherche » qui,
elles, sont des expressions plus précises et opératoires de la question générale originale.
C’est une question traduisant aussi le projet de connaissance du chercheur. La problématique est « l’art
de poser les bonnes questions ».
Problématiser un sujet, c’est : identifier l’intérêt et la question à résoudre, situer le sujet dans un
champ de questions intellectuellement légitimes, préciser et construire un besoin d’information,
questionner et explorer le sujet. La problématique est « un ensemble de questions pertinentes que se pose
l’observateur/chercheur à propos de phénomènes étudiés et qui sont susceptibles d’avoir une réponse
logique et vérifiable ».
Plusieurs critères sont utilisés pour apprécier une problématique. Il s’agit entre autres : elle fournit
un questionnement qui amène un débat, une confrontation, un cheminement de pensée et de méthode et
une structuration des données et des connaissances, elle donne du sens au sujet étudié, elle permet de
s’approprier le sujet, donne lieu à une argumentation, exprime une situation qui fait problème incitant à
émettre des hypothèses, conjectures ou propositions. Si la formulation du problème de recherche ne
conduit pas à la définition d’hypothèses testables pour la résolution du problème faisant l’objet
d’investigation, cela veut dire que le chercheur n’a pas formulé de manière appropriée le problème de
recherche.
-La recherche fondamentale : pour produire des connaissances, des cadres théoriques, des
paradigmes et des lois, permettant de comprendre des phénomènes ;
-La recherche appliquée : car les lois, paradigmes et théories doivent être confrontées à la réalité
pour en tester la validité et la stabilité.
Étape de sélection du sujet : La recherche scientifique commence par la sélection d'un sujet.
Habituellement, ce choix résulte d'un intérêt personnel pour un sujet spécifique, ou d'un changement
13
de société, ou encore de l'intérêt du bailleur de fonds pour un sujet spécifique, ou enfin de la
disponibilité de nouvelles informations. La motivation pour la recherche peut avoir une raison
politique. Comme le sujet de recherche est d’habitude général et vaste, il est nécessaire de définir
un angle spécifique pour la recherche et de passer du sujet à la question de la recherche.
Étape de définition de la question et des hypothèses : La question et les hypothèses de recherche sont
déterminées sur la base de lectures préalables et d’une réflexion. La question de recherche doit être
claire, précise et il doit être possible d’y répondre. Les hypothèses doivent être spécifiques, vérifiables
et réversibles. Il existe quatre types de questions de recherche : la question descriptive, la question
comparative, la question évolutive et la question théorique. Plus d’une question peut être incluse dans
une recherche. Quelle est finalement la question de recherche ? Avec quels concepts vais-je essayer d'y
répondre ? Telles sont les questions essentielles que l'étudiant a à résoudre. Il doit donc établir ce que
dans la tradition francophone nous appelons la "problématique", source de bien des malentendus entre
étudiants et enseignants.
La problématique, c'est la "façon d'articuler un ensemble de questions ou de problèmes en les
référant à des concepts précisément déterminés" (Dictionnaire de Philosophie, Baraquin et al., Paris, A.
Colin, 3e éd. 2007). Ou encore : "c'est un ensemble construit autour d'une question principale, des
hypothèses de recherche et lignes d'analyse qui permettront de traiter le sujet choisi" (Beaud). Il n'y a
pas de bonne recherche sans problématique claire, c'est-à-dire sans un texte où l'on a fixé la (ou les)
question(s) essentielles de la recherche, les concepts que l'on va utiliser et (s'il y a lieu) les hypothèses
qu'on va chercher à valider. C'est à ce moment que l'on voit clair sur les théories disponibles qui vont
servir à analyser le sujet.
Étape de sélection de la méthode de recherche : Cette étape comprend le choix de la
méthodologie qualitative ou quantitative en fonction de la question posée ainsi que la répartition
des thèmes principaux et sous-thèmes sur des fondements et des critères clairs. Une structure est
construite à ce stade également pour la recherche et la classification des informations (assignation
de titres principaux, sous-titres et titres partiels : parties, sections, chapitres, branches, etc.).
Etape de préparation à la recherche de terrain : Cette étape comprend la sélection de
l’échantillon et la rédaction du questionnaire (recherche quantitative) ou la préparation des
questions de recherche (recherche qualitative). C’est à ce moment qu’il convient de réfléchir à des
plans alternatifs, travailler en réseau et contacter des personnes qui peuvent faciliter la recherche et
aider à atteindre l’échantillon souhaité.
Étape de collecte d’informations : La recherche sur le terrain commence alors ; le chercheur/la
chercheuse collecte des informations selon la méthodologie utilisée et ce dans le cadre de l’éthique
de la recherche scientifique convenue.
Étape d’analyse des informations : A l’issue de sa recherche sur le terrain, le chercheur/la
chercheuse se retrouve au milieu d’une pléthore d’informations. Alors que doit-il/elle faire ? La
première étape consiste à passer au crible les informations obtenues, en donnant la priorité aux
sources originales, en scrutant les informations fiables de plus d’une source et en se concentrant sur
les références les plus récentes, que ce soit pour leurs statistiques, leurs chiffres, ou leur
documentation. Ce faisant il/elle devra écarter les informations qui ne sont pas directement liées au
sujet de recherche afin de ne pas prendre de direction erronée et de gagner du temps et des efforts.
Certains programmes peuvent être utilisés pour l’analyse scientifique.
Étape de rédaction et de publication : Il existe certaines méthodes de formulation et d’édition des
résultats de l’étude et certains moyens de diffusion des travaux de recherche scientifique.
L’analyse de contenu est une analyse thématique, qui consiste à lire l’ensemble d’un corpus en
identifiant les thèmes qu’il contient, pour ensuite produire du verbatim par thème ou procéder à une
analyse statistique des thèmes. Les méthodes d’analyse de contenu sont considérées comme très
consommatrices de temps et coûteuses pour l’analyse de corpus volumineux. Elle vise à :
- Retranscrire les données qualitatives
- Se donner une grille d’analyse
- Coder les informations recueillies
- Traiter ces informations
La phase de collecte des données recueille généralement une quantité importante et variée de
données, notamment des transcriptions d'entretiens, des notes de terrain et des commentaires
préliminaires, en plus de nombreux documents divers liés au sujet de recherche. À première vue, il
semble que l'analyse, l'interprétation et l'extraction des significations du matériel collecté soit une tâche
ardue. Le chercheur se trouve souvent dans un état de frustration face à l'énorme quantité de données.
Cependant, avec l'expérience, la richesse informationnelle devient une source de créativité et d'analyse
approfondie.
La phase d'analyse des données comprend leur organisation et leur répartition en unités qui
peuvent être traitées et synthétisées afin de rechercher des modèles et des tendances permettant de
découvrir ce qui est important et ce qui peut être appris de ces données.
20
Il y a six étapes à suivre pour analyser les données qualitatives : transcrire les entretiens, organiser les
données, désagréger les données, enregistrer les données, identifier les modèles et les tendances et
vérifier les résultats.
Transcription des entretiens : Il est très important que les entretiens soient rédigés afin de faciliter
le processus d'analyse. Si l'entretien est enregistré, il est possible de télécharger et d'écrire
uniquement les parties importantes directement liées à la recherche.
Organisation des données : À ce stade, le chercheur dispose d'une grande quantité de données,
entre entretiens, observation, les documents, etc. Il a également fait quelques observations initiales
lors de la collecte d'informations. Ces informations doivent être organisées et arrangées de manière
à y revenir rapidement et à les traiter de manière à faciliter leur analyse. Il n'y a pas de modèle
d'organisation unique mais le chercheur peut organiser les données en fonction de la méthode de
collecte des informations (observation, entretien ou documents). Le classement peut aussi s’opérer,
en fonction des individus avec qui il a mené la recherche, ou autrement, selon ce que le chercheur
jugera approprié pour lui et pour la méthode qu'il adoptera dans l'analyse.
Cette organisation peut être faite manuellement, en plaçant les données dans des fichiers. Sinon,
des programmes automatisés peuvent être utilisés pour les classer et les indexer sur l'ordinateur. Il existe
également des programmes de recherche qualitative dédiés qui facilitent l'organisation des données et
les processus d'analyse, tels que NVivo, MXQDA, ATLAS.ti, Sonal, Hyperbase, Lexico, TXM, ...
Codage des données : Lors de la lecture initiale des données, le chercheur commence à pratiquer
un système de classification qui l'aide lors de l'analyse. Ce type de classification consiste à donner
des titres aux informations contenues dans les données collectées.
Cette classification consiste à donner un titre ou un nom aux parties qui, selon le chercheur, sont
significatives dans sa recherche. Les questions de recherche sont considérées comme un facteur
fondamental dans la définition et l'orientation du système de classification car le chercheur élabore des
questions de recherche à la lumière des sujets et des facteurs importants de sa recherche.
Enregistrement des données : Après l'étape de classification, le chercheur doit relire les données
et enregistrer ses observations après avoir établi dans son esprit une structure pour ce système de
classification. Il procède ainsi après avoir donné un titre, en fonction du sujet traité aux nombreuses
unités de données dont il dispose et que des points qui représentent des repères aient commencé à
voir le jour, bien que pas totalement clairs au début de leur formation et pas visibles lors de la
collecte initiale des informations.
Ces notes se présentent sous la forme de questions qui mènent à des recherches plus poussées, que
ce soit à partir des informations disponibles ou pour la recherche d’informations complémentaires.
Lesdites notes peuvent revêtir la forme d'enregistrement des relations entre les catégories qui ont été
définies mais qui doivent être vérifiées.
Plus la lecture est répétée, plus la probabilité de découvrir de nouveaux éléments dans les données est
grande. Le chercheur/la chercheuse doit donc lire ses données plusieurs fois et ne pas se contenter d’une
ou deux lectures. Chaque fois qu'il y a de nombreuses questions sans réponse ou qu'il n'est pas possible
de construire un bon système de classification, cela est un indicateur de la faiblesse de l'échantillon et
du besoin de disposer de plus de données.
Déterminer les tendances et les modèles : La détermination des tendances et des modèles est un
type de classification mais il s’agit d’un niveau d'abstraction plus élevé.
Par conséquent, certains chercheurs l'appelleront codage axial parce qu'il fait tourner les catégories sur
un seul axe. D'autres le nommeront familles de codage car il regroupe un certain nombre de catégories
dans une même famille. On peut également la qualifier de classification déductive (par opposition à la
classification descriptive).
21
Une fois la classification ouverte effectuée et les notes placées dessus, les données classifiées sont relues
pour classer à nouveau les catégories sous la forme de modèles et de tendances à un niveau d’abstraction
supérieur à la classification ouverte qui consiste à attribuer des titres pour les unités d'information.
Ce type de classification nécessite une réflexion approfondie et une lecture attentive en vue de trouver
des relations et de faire des comparaisons entre les ensembles de données. Ainsi, le chercheur
déterminera les modèles et tendances qui ont été formés à partir de la classification des données et
commencera à intégrer certains d’entre eux tout en les comparant.
Recoupement : À la fin de la phase d'analyse, le chercheur peut revenir aux études précédentes pour
vérifier les résultats de son étude. Le processus d'analyse est un processus échelonné qui se poursuit
jusqu'au dernier moment de la rédaction du rapport de recherche. L’analyse de contenu est en essence
proche de ce que l'on apprend à faire en cours de français : comprendre un texte, en faire la synthèse,
en extraire les idées... pour cela, on peut construire un tableau au fur et à mesure de la lecture,
fabriquer seul ou en groupe une carte conceptuelle.
L’analyse de contenu appliquée aux textes et aux discours se fait également avec l'aide de logiciels
(Hyperbase, Lexico, TXM) et tente de saisir la dimension contextuelle des textes analysés. Une analyse
de contenu fait habituellement ressortir les déterminants des textes analysés. Pour ce type d’analyse, la
réalité du discours existe en dehors du texte lui-même. Ainsi, l’analyse de contenu traditionnelle a
tendance à minimiser l’importance de la linguistique. Cependant, la différence entre une analyse de
discours, qui accorde une importance à la linguistique des textes, et une analyse de contenu tend à
disparaître. Cette analyse de contenu soucieuse du texte pourra être appelée textométrie. Cette analyse
de contenu soucieuse du discours pourra être appelée logométrie.
2.2. Les méthodes quantitatives
2.2.1. Définition
Les méthodes quantitatives sont des méthodes de recherche, utilisant des outils d'analyse
mathématiques et statistiques, en vue de décrire, d'expliquer et prédire des phénomènes par le biais de
données historiques sous forme de variables mesurables.
En Sciences de Gestion, les études quantitatives utilisent généralement le questionnaire.
2.2.2. Le questionnaire d’enquête
A. Définition
C’est un outil qui permet de recueillir des informations auprès d’individus cibles et de les analyser,
dans le cadre d’une étude quantitative. Un questionnaire est constitué d’un ensemble de questions
spécifiques, qui sont posées directement (entretien face-à-face, téléphonique, etc.) ou indirectement
(courrier, email, etc.) aux individus. Les données recueillies peuvent être quantitatives, on peut les
mesurer, les traduire par des nombres.
B. Etapes d’un questionnaire d’enquête
a) Structuration
- Déterminez les thèmes à aborder puis leurs sous-parties. Procédez en entonnoir, du général au
spécifique, pour mettre en confiance l’individu interrogé.
- Commencez par des questions d’introduction simples, à réponses dichotomiques (oui ou non). -
Abordez les questions factuelles, sur les habitudes et comportements.
- Enfin abordez les questions d’opinion.
b) Rédaction du questionnaire
Les objectifs préalablement définis doivent guider la rédaction.
- Les questions doivent être claires, compréhensibles, et concises.
- Employez un vocabulaire courant sans terme technique, et ayant une signification identique pour
tous.
22
- Utilisez des termes précis (« 2 fois/semaine » plutôt que « souvent ») car les termes imprécis
peuvent être compris différemment selon les personnes.
c) Sélection du type de questions
Les questions quantitatives impliquent des réponses fermées. La personne interrogée choisi une
ou des réponses parmi une liste. Ces données sont faciles à traiter statistiquement car tous les individus
répondent avec les mêmes termes.
Si les réponses proposées sont multiples, elles peuvent être présentées sous forme de liste.
Ex : Quelle est votre produit préféré ? 1. Foyer Amélioré, 2. Lampe Solaire, 3. Foyer à gaz
Les réponses peuvent aussi être présentées sous forme d’échelle d’attitude (Echelle de Likert).
Ex : Quel est votre niveau de satisfaction concernant le service rendu par la SNEL ? « Très
satisfait », « Satisfait », « Pas Satisfait » ou « Pas du tout Satisfait ».
d) Présentation du questionnaire
Veillez à ce que le questionnaire soit clair et bien présenté à la fois pour les individus interrogés
et pour les enquêteurs et preneurs de notes qui administrent le questionnaire. Rajoutez des indications
complémentaires si elles sont utiles aux enquêteurs. Veillez à identifier clairement les différentes parties
et à laisser un espace de réponse suffisant pour que les notes prises en temps réel puissent y être inscrites.
e) Validation du questionnaire (prétest)
Réalisez un questionnaire pilote auprès d’une dizaine de personnes, si possible n’appartenant pas à
l’échantillon de l’enquête, afin vérifier : la qualité du questionnaire, sa longueur, sa clarté, la pertinence
des questions, la facilité à prendre des notes, etc.
C. Types de questions
Questions fermées
Avantages
• Facilitent la compréhension de la question
• Facilitent l’expression de la réponse
• Fixent le sens de la réponse
• Facilitent la compilation des réponses
Inconvénients
• Limitent les possibilités d’expression du répondant
• Influencent les répondants
• Provoquent des effets d’ancrage (halo)
Questions ouvertes
Avantages
• Met le répondant en confiance sur le mode de la conversation et favorise l’empathie
• Limite les biais liés à l’influence de la question
• Permet de «faire des découvertes»
Inconvénients
• Demande un effort et une compétence de parole ou d’écriture de la part du répondant
• Pose le problème du sens de la réponse et de sa compréhension
• Pose le problème de la synthèse par l’enquêteur
• Coûteux à enregistrer et nécessite une analyse lexicale (complexe)
D. Les biais liés au questionnaire d’enquête
23
a) Le biais de désirabilité sociale
Les personnes altèrent leurs réponses car elles pensent que c’est ce que l’enquêteur veut entendre. Les
personnes valorisent leurs réponses car elles pensent que les réponses positives sont mieux reçues par
l’enquêteur. Les enquêteurs doivent rester neutres.
b) L’effet de halo
La réponse à une question est induite par les réponses aux questions précédentes. Attention donc à
l’ordre de passation des questions, poser la question générale avant la question particulière.
c) Le biais de crainte de représailles
Si la réponse au questionnaire se fait directement avec un enquêteur, l’anonymat de l’individu n’est pas
assuré. Cela peut conduire la personne interrogée à s’autocensurer. L’enquêteur doit mettre son
interlocuteur en confiance.
d) L’effet d’ancrage
Dans un questionnaire à choix multiple (QCM), les réponses proposées en premier ont une probabilité
plus élevée d’être choisies. Attention donc à modifier l’ordre des réponses proposées d’un questionnaire
à l’autre.
e) Le biais d’acquiescement
Les personnes interrogées ont tendance à sélectionner systématiquement les réponses positives.
Attention à formuler les questions de façon neutre et ouverte.
2.2.3. Les échelles de mesure
A. L’échelle nominale
L’échelle nominale implique un simple groupement des observations en catégories qualitatives
identifiées par un symbole (souvent une étiquette, tel « Homme » et « Femme » pour identifier le sexe).
La seule opération mathématique possible avec cette échelle est de compter le nombre d’éléments (les
effectifs) dans chacune des catégories (parfois nommées des classes), qu’on appelle aussi la fréquence
observée ou plus simplement, la fréquence.
B. L’échelle ordinale
L’échelle ordinale est similaire à l’échelle nominale exceptée qu’elle permet d’établir une relation
d’ordre entre les éléments d’un ensemble, sans toutefois être capable d’évaluer de façon quantitative la
distance qui les sépare. Dans l’exemple précédent, il est impossible de dire si la catégorie « Homme »
doit être placée avant la catégorie « Femme ». Un exemple d’échelle ordinale est donné par les notes
scolaires. Clairement, un A vaut mieux qu’un B, qui lui-même est meilleur qu’un C, etc. Cependant,
avoir A ne signifie pas que l’étudiant maîtrise deux fois plus la matière que celui qui a un B. Une échelle
ordinale représente des rangs. Avec cette échelle de mesure, on peut calculer des fréquences, mais aussi
des moyennes et d’autres statistiques. Dans ce contexte, la moyenne doit être comprise comme le rang
moyen.
C. L’échelle relative ou d’intervalles
L’échelle relative (encore appelée l’échelle ou d’intervalles) définit numériquement les intervalles
entre les données. Cette échelle possède une unité de mesure arbitraire mais constante. Cependant, le
zéro sur ces échelles est défini de façon arbitraire. Un exemple est la température exprimée en Celsius.
Zéro Celsius est un point arbitraire qui a été choisi par convention. D’ailleurs les échelles Fahrenheit et
Celsius n’ont pas le même zéro. Passer de 10 à 15 Celsius demande le même travail (le même nombre
de joules) que pour passer de 40 à 45 Celsius. Cependant, cette échelle de mesure ne permet pas
d’affirmer que de l’eau à 10 Celsius est deux fois plus chaude que de l’eau à 5 Celsius. Un autre exemple
d’échelle relative est l’échelle de Q.I. où le Q.I. moyen est arbitrairement placé à 100.
24
D. L’échelle absolue ou de rapport
L’échelle absolue (parfois appelée échelle de rapport ou de proportion) implique que la distance
entre deux unités est la même tout au long de l’échelle (tout comme dans l’échelle relative) mais aussi
que le zéro existe (autrement que par un choix arbitraire). En plus de permettre de quantifier la différence
entre deux éléments, elle permet aussi de calculer des rapports entre deux mesures. Par exemple, une
distance de 4 mètres est belle et bien le double d’une distance de 2 mètres. Un autre exemple est la
température en Kelvin. De l’eau à 300 Kelvin est deux fois plus chaude que de l’eau à 150 Kelvin en ce
sens que l’on peut en extraire deux fois plus d’énergie cinétique.
2.2.4. Les types des variables
A. Variables qualitatives ou non métriques
Une variable qualitative réfère à une caractéristique qui n’est pas quantifiable. Une variable
catégorique peut être nominale ou ordinale.
a) Variables nominales
Une variable nominale décrit un nom, une étiquette ou une catégorie sans ordre naturel. Le sexe
et le genre de logement en sont des exemples.
b) Variables ordinales
Une variable ordinale est une variable dont les valeurs sont définies par une relation d’ordre entre
les catégories possibles. La variable « conditions de travail » est ordinale parce que la catégorie «
Excellent » est meilleure que la catégorie « Très bon », qui est elle-même meilleure que la catégorie «
Bon » et ainsi de suite. On y trouve un certain ordre naturel, mais celui-ci est limité par le fait que nous
ne savons pas dans quelle mesure le comportement « Excellent » est meilleur que le comportement «
Très bon » par exemple.
Il est important de noter que bien que les variables catégoriques ne soient pas quantifiables, elles
peuvent apparaître sous forme de nombre dans un ensemble de données. La correspondance entre ces
nombres et les catégories correspondantes est établie au cours du codage des données. Pour bien
identifier les types de variables, il faut donc s’assurer de disposer des métadonnées (les données à propos
des données) qui doivent inclure les ensembles de codes utilisés pour chaque variable catégorique. Par
exemple, les catégories présentées dans le tableau 4.2.2 pourraient apparaître sous forme d’un nombre
allant de 1 à 5 : 1 pour « très mauvais », 2 pour « mauvais », 3 pour « bon », 4 pour « très bon » et 5
pour « excellent ».
Une variable numérique (aussi appelée variable quantitative) est une caractéristique quantifiable
dont les valeurs sont des nombres, à l’exclusion des nombres qui correspondent en fait à des codes.
25
Les variables numériques peuvent être continues ou discrètes.
Nous savons comment analyser séparément chacune de ces 4 variables, soit en faisant un
graphique, soit en calculant des résumés numériques. Nous savons également qu’on peut regarder les
liaisons entre 2 variables (par exemple mathématiques et français), soit en faisant un graphique du type
30
nuage de points, soit en calculant leur coefficient de corrélation linéaire, voire en réalisant la régression
de l’une sur l’autre.
Mais comment faire une étude simultanée des 4 variables, ne serait-ce qu’en réalisant un
graphique ? La difficulté vient de ce que les individus (les élèves) ne sont plus représentés dans un plan,
espace de dimension 2, mais dans un espace de dimension 4 (chacun étant caractérisé par les 4 notes
qu’il a obtenues).
L’objectif de l’Analyse en Composantes Principales est de revenir à un espace de dimension
réduite en déformant le moins possible la réalité. Il s’agit donc d’obtenir le résumé le plus pertinent des
données initiales.
B. Analyse Factorielle des Correspondances
a) Définition
Les méthodes d'analyse factorielle des correspondances (AFC) tout comme celles d'analyse en
composantes principales (ACP) s'utilisent pour décrire et hiérarchiser les relations statistiques qui
peuvent exister entre des individus placés en ligne et des variables placées en colonnes dans un tableau
rectangulaire de données. L’une et l’autre de ces deux méthodes considèrent le tableau de données
comme un nuage de points dans un espace mathématique ayant autant de dimensions qu’il y a de
colonnes dans le tableau de données ; elles cherchent à le projeter sur des axes ou des plans (appelés
factoriels) de façon que l’on puisse en visualiser et étudier au mieux la forme et donc rechercher
globalement des corrélations.
La spécificité de l’AFC est qu’elle considère en même temps un nuage de point représentant les
lignes (individus) et un autre représentant les colonnes (variables). Les logiciels d’AFC fournissent
donc en sortie une ou plusieurs figures de plans factoriels sur lesquels sont positionnés à la fois les
individus et les variables. Par exemple, la participation croisée boursière : si 6 investisseurs répartissent
leurs portefeuilles entre 10 entreprises, on obtient par AFC une carte comprenant 16 points, dont 6
représentent chacun des investisseurs et les 10 autres représentent chacune des 10 entreprises. L'analyse
informe sur la distance entre les points, permettant d'interpréter indirectement les pourcentages de
participation au capital des entreprises.
La technique de l'AFC est essentiellement utilisée pour de grands tableaux de données toutes
comparables entre elles (si possible exprimées toutes dans la même unité, comme une monnaie, une
dimension, une fréquence ou toute autre grandeur mesurable). Elle peut en particulier permettre d'étudier
des tableaux de contingence (ou tableau croisé de cooccurrence).
b) Principes
Le principe de ces méthodes est de partir sans a priori sur les données et de les décrire en analysant
la hiérarchisation de l'information présente dans les données. Pour ce faire, les analyses factorielles
étudient l'inertie du nuage de points ayant pour coordonnées les valeurs présentes sur les lignes du
tableau de données.
La « morphologie du nuage » et la répartition des points sur chacun de ces axes d'inertie permettent
alors de rendre lisible et hiérarchiser l'information contenue dans le tableau. Mathématiquement, après
avoir centré et réduit le tableau de données que l'on a affecté d'un système de masse (par exemple, les
sommes marginales de chaque ligne), on calcule la matrice d'inertie associée et on la diagonalise (la
répartition de l'information selon les différents axes est représentée par l'histogramme des valeurs
propres). On effectue alors un changement de base selon ses vecteurs propres, c'est-à-dire selon les axes
principaux d'inertie du nuage de points. On projette alors les points figurant chaque ligne sur les
nouveaux axes. L'ensemble de l'information est conservé, mais celle-ci est maintenant hiérarchisée, axe
d'inertie par axe d'inertie. L'histogramme des valeurs propres permet de voir le type de répartition de
l'information entre les différents axes et l'étendue en dimension de celle-ci.
c) Les données
31
On considère deux variables qualitatives : X à r modalités notées x1, …., xl, …. X3 ; Y à c modalités
notées y1, …., yh; ….., yc ; on les observe simultanément sur n individus (ayant ici obligatoirement tous
le même poids 1/n). On sait que ces données peuvent être présentées sous la forme d'une table de
contingence, ou tableau à double entrée :
y1 … yh … yc sommes
x1 n11 … n1h … n1c n1+
. . . . .
. . . . .
. . . . .
xl nl1 … nlh … nlc nl+
. . . . .
. . . . ..
. . . .
xr nr1 … nrh … nrc nr+
Sommes n+1 … n+h … n+c n
5. Exemple
La table de contingence suivante donne la répartition des exploitations agricoles de la Région
Midi-Pyrenées dans les différents départements en fonction de leur taille. Elle croise la variable
département à 8 modalités et la variable taille découpée en 6 classes.
INF05 S1020 S2035 S3550 SUP50
ARIE 870 730 680 470 890
AVER 820 1260 2460 3330 2170 2960
H.G. 2290 1070 1420 1830 1260 2330
GERS 1650 890 1350 2540 2090 3230
LOT 1940 1130 1750 1660 770 1140
H.P. 2110 1170 1640 1500 550 430
TARN 1770 820 1260 2010 1680 2090
T.G. 1740 920 1560 2210 990 1240
Les 73000 exploitations agricoles de la région Midi-Pyrénées ont été ventilées dans cette table
de contingence selon le département (en ligne, 8 modalités), et la S.A.U (Surface Agricole Utilisée, en
colonnes, 6 classes).
Les codes des départements sont les suivants :
ARIE = Ariège ; AVER = Aveyron ; H.G. = Haute-Garonne ; GERS = Gers ; LOT = Lot ; H.P. =
Hautes-Pyrénées ; TARN = Tarn ; T.G. = Tarn-et-Garonne Les
codes des classes de S.A.U. sont les suivants :
INF05 = moins de 5 hectares ; S0510 = entre 5 et 10 hectares ; S1020 = entre 10 et 20 hectares ;
S2035 = entre 20 et 35 hectares ; S3550 = entre 35 et 50 hectares ; SUP50 = plus de 50 hectares
C. Analyse des Correspondances Multiple
a) Définition
L'Analyse Factorielle des Correspondances (A.F.C.), méthode factorielle de Statistique
Descriptive Multidimensionnelle qui permet d'analyser la liaison entre deux variables qualitatives
(éventuellement catégorielles). Dans la mesure où elle ne peut prendre en compte que deux variables,
32
l'A.F.C. est naturellement limitée (elle est d'ailleurs parfois appelée Analyse des Correspondances
Binaire, ou encore Analyse des Correspondances Simple).
Dans la pratique, en particulier dans le domaine du traitement d'enquêtes (ou de questionnaires),
il est rare qu'on se limite à deux variables (deux questions). Le problème statistique que pose alors ce
type de données est l'analyse de la liaison pouvant exister entre un nombre quelconque de variables
qualitatives. L'Analyse des Correspondances Multiple (ACM) est la méthode factorielle de Statistique
Descriptive Multidimensionnelle qui permet de traiter ce problème.
Dans son principe, l'ACM est une AFC particulière. Ce qui change est le tableau des données
sur lequel on applique la méthode. Le problème fondamental est en effet de savoir quel tableau
statistique, croisant un nombre quelconque de variables qualitatives, peut généraliser la table de
contingence : c'est le tableau de Burt. Ainsi, l'ACM est une AFC réalisée sur un tableau de Burt relatif
à au moins trois variables qualitatives.
La façon d'interpréter les résultats d'une ACM sera donc analogue à la façon d'interpréter ceux
d'une AFC. Malheureusement, certains indicateurs d'aide à l'interprétation utilisés en AFC ne sont plus
valables dans le contexte de l'ACM. De plus, la présence d'un nombre plus important de variables rend
l'interprétation plus délicate. Une bonne maîtrise de l'ACM nécessite donc une grande pratique de cette
méthode (plus que de vastes connaissances mathématiques).
b) Principes de l'A.C.M.
Il s'agit d'étudier les liaisons pouvant exister entre les p variables considérées. En fait, dans la
mesure où les données se présentent sous forme d'un tableau de Burt, juxtaposition de tables de
contingence, seules les liaisons entre variables prises deux à deux sont considérées (il s'agit de ce que
l'on appelle en statistique les interactions d'ordre deux). Pour étudier ces liaisons, la démarche sera de
même nature qu'en AFC.
L'ACM consiste simplement à réaliser l'AFC du tableau de Burt considére. On peut en effet
montrer d'une part que cela a un sens, d'autre part que, dans le cas où l'on fait l'AFC du tableau de Burt
relatif à deux variables qualitatives (cas où p = 2), on obtient sensiblement les mêmes résultats qu'en
partant de la table de contingence relative à ces deux variables : l'ACM est donc bien une généralisation
de l'AFC
D. Les méthodes de classification
L’objectif d’une méthode de classification est la recherche d’une typologie ou segmentation,
c’est-à-dire d’une partition, ou répartition des individus en classes, ou catégories. Ceci est fait en
optimisant un critère visant à regrouper les individus dans les classes, chacune le plus homogène possible
et, entre elles, les plus distinctes possible.
Dans les méthodes de classification, les individus sont regroupés dans les classes homogènes.
Ceci signifie que les individus d’une même classe sont « proches ». On a donc besoin d’une notion de
proximité entre individus. Il existe un concept mathématique adéquat, à la base de toute méthode de
classification, qui est celui de distance
Il y a deux grands types de méthodes de classification :
- Classifications non hiérarchiques (partitionnement) : décomposition de l’espace des individus
en classes disjointes
- Classifications hiérarchiques : à chaque instant, on a une décomposition de l’espace des
individus en classes disjointes. Au début, chaque individu forme une classe à lui tout seul. Puis
à chaque étape, les deux classes les plus proches sont fusionnées. A la dernière étape, il ne reste
plus qu’une seule classe regroupant tous les individus.
Exemple : on veut étudier l’incidence du taux de change sur le prix du Tilapia fumé en 2009
Il faudra chercher à vérifier si le taux de change influence le prix du Tilapia fumé
Mois Taux de change moyen Prix moyen Tilapia fumé en FC
Janvier 725 650
Février 725 650
Mars 725 650
Avril 825 650
Mai 825 650
Juin 825 700
Juillet 820 750
Août 840 750
Septembre 860 750
Octobre 860 800
Novembre 875 900
Décembre 900 900
Dans ce cas la variable indépendante ou explicative c’est le taux de change et la variable à expliquer ou
dépendante est représentée par le prix du Tilapia fumé.
b) Test sur les corrélations et les coefficients de régression
- Corrélation
Le coefficient de corrélation linéaire de BRAVAIS-PEARSON, appelé aussi coefficient de
corrélation des produits des moments, se définit comme le rapport entre la covariance et le produit des
écarts types de X et Y. Dans le calcul, on cherche le degré de correspondance qui unit deux séries de
mesures. Ce degré est apprécié par le coefficient r qui est toujours compris entre –1 et +1.
Ce test de conformité avec une valeur nulle théorique nulle est aussi appelé test de signification
du coefficient de corrélation. On veut savoir si une valeur observée de corrélation est représentative de
l’intensité réelle de la liaison pouvant exister entre X et Y au niveau de toute la population.
34
- Régression
La question qu’on se pose est de savoir si un coefficient de régression linéaire b entre deux
variables X et Y est-il significatif, autrement dit différent de zéro ? L’hypothèse nulle à éprouver est :
H0 : ß = 0
L’hypothèse alternative est H1 : ß ≠ 0 pour un test bilatéral
Ou H1 : ß < 0 pour un test unilatéral à gauche
Ou H1 : ß > 0 pour un test unilatéral à droite
a) Définition
L'analyse de la variance (terme souvent abrégé par le terme anglais ANOVA : Analysis Of
Variance) est un test statistique permettant de vérifier que plusieurs échantillons sont issus d'une même
population.
Ce test s'applique lorsque l'on mesure une ou plusieurs variables explicatives catégorielles
(appelées alors facteurs de variabilité, leurs différentes modalités étant parfois appelées « niveaux ») qui
influence sur la distribution d'une variable continue à expliquer. On parle d'analyse à un facteur, lorsque
l'analyse porte sur un modèle décrit par un facteur de variabilité, d'analyse à deux facteurs ou d'analyse
multifactorielle.
b) Principes
L'analyse de la variance permet d'étudier le comportement d'une variable à expliquer continue en
fonction d'une ou plusieurs variables explicatives catégorielle. Lorsque l'on souhaite étudier le
comportement de plusieurs variables à expliquer en même temps, on utilisera une analyse de la variance
multiple (MANOVA). Si un modèle contient des variables explicatives catégorielles et continues et que
l'on souhaite étudier les lois liant les variables explicatives continues avec la variable à expliquer en
fonction de chaque modalité des variables catégorielles, on utilisera alors une analyse de la covariance
(ANCOVA).
c) Hypothèses fondamentales
La forme générale de l'analyse de variance repose sur le test de Fisher et donc sur la normalité des
distributions et l'indépendance des échantillons.
• NormalitLe tCopparaé de la distribution : on suppose, sous l'hypothèse nulle, que les échantillons
sont issus d'une même population et suivent une loi normale. Il est donc nécessaire de vérifier la
normalité des distributions et l'homoscédasticité (homogénéité des variances, par des tests de
Bartlett ou de Levene par exemple). Dans le cas contraire, on pourra utiliser les variantes non
paramétriques de l'analyse de variance (ANOVA de Kruskal-Wallis ou ANOVA de Friedman).
• Indépendance des échantillons : on suppose que chaque échantillon analysé est indépendant des
autres échantillons. En pratique, c'est la problématique qui permet de supposer que les échantillons
sont indépendants. Un exemple fréquent d'échantillons dépendants est le cas des mesures avec
répétitions (chaque échantillon est analysé plusieurs fois). Pour les échantillons dépendants, on
utilisera l'analyse de variance à mesures répétées ou l'ANOVA de Friedman pour les cas non
paramétriques.
36
Exemple
Afin de tester l’hypothèse que la consommation de caféine facilite l’apprentissage, trois groupes
d’étudiants se préparent à un examen: le groupe 1 boit une tasse, le groupe 2 boit 2 tasses et le groupe 3
boit 3 tasses de café. Voici leurs scores à l’examen:
- un apport en termes de prescription si l’on considère que les sciences de gestion appartiennent
aux sciences de l’action, question de l’impact.
La recherche en gestion se construit par des allers et retours entre la théorie et les observations
empiriques de phénomènes physiques, sociaux ou organisationnels. La théorie peut précéder
l’observation empirique ou émerger à partir de cette dernière. Trois types de raisonnements peuvent être
adoptés dans un processus de recherche :
Conceptualisations
(hypothèses, théories, modèles)
Démarche Démarche
abductive hypothético
déductive