UNIVERSITE ABDELMALEK ESSAADI

FACULTE POLYDISCIPLINAIRE DE LARACHE

MASTER MANAGEMENT ET FINANCE

Méthodologie de recherche

Échantillon de la recherche
Méthode et démarche
Préparé par : Encadré par :
ALOUAT Aya DR. MGHIZO
BLYA Meriem
BENTALEB Zainab
BEN ALI Achraf
AFAILAL Zainab
AZFA ahlam

ANNEE UNIVERSITAIRE
2023/2024
 Introduction :
L'échantillonnage, pierre angulaire de la recherche scientifique, influence de manière décisive la
qualité des résultats. Souvent sous-estimée, la sélection de l'échantillon constitue une étape
cruciale, déterminant la représentativité de la population étudiée. Cette phase exige une
compréhension approfondie des méthodes d'échantillonnage et une maîtrise de leur application.
La recherche, quête assidue de connaissances, dépend de la capacité à généraliser des résultats
significatifs d'un groupe soigneusement choisi pour éclairer une population plus large. Ainsi, la
méthodologie de recherche, chef d'orchestre de cette symphonie intellectuelle, place
l'échantillonnage au cœur du processus. C'est sur ce fondement que repose la crédibilité et la
validité des conclusions d'une étude, faisant de la méthodologie la garante de la rigueur
scientifique et de la pertinence des découvertes.
 Plan :
Introduction

1 Fondements théoriques de l'échantillonnage

2 Types d'échantillonnage

3 Processus de sélection et de taille d'échantillon

4 Considérations éthiques

Conclusion
Fondements théoriques de
l'échantillonnage :
 1- Définition de l'échantillonnage :

• Un échantillon est une partie de la population choisie spécialement pour

Un
echa la représenter.
ntillio
n

5
 1- Définition de l'échantillonnage :

• Echantillonnage est le processus par lequel ce choix est opéré. Il est

Echan donc évident que la généralisabilité des résultats obtenus dans toute
tillonn recherche est tributaire des techniques d'échantillonnage.
age

6
 2- Définition de la population :

La • Un ensemble de toutes personnes ou tous les objets qui sont vises

popul par une etude statistique.
ation
cible

7
Types d'échantillonnage :
 Types d'échantillonnage :

Population

1- Échantillonnage aléatoire 2- Échantillonnage non

(probabilistes) vs aléatoire

Loi de probabilité Méthodes non aléatoires

Tirage aléatoire

Base de sondage
1- Échantillonnage aléatoire (probabilistes) :

Échantillonnage aléatoire simple

Échantillonnage aléatoire stratifié

Échantillonnage en grappe

Échantillonnage systématique
 1- Échantillonnage aléatoire (probabilistes) :

1-1 Échantillonnage aléatoire simple :

L'échantillonnage aléatoire simple consiste à sélectionner

au hasard des éléments individuels à partir de la
population, garantissant ainsi que chaque élément a une
chance égale d'être choisi.
Forces :
 Facile à comprendre et à mettre en œuvre.
 Évite les biais de sélection, assurant la représentativité.
Faiblesses :
 Peut être coûteux et difficile à mettre en œuvre pour de
grandes populations.
 1- Échantillonnage aléatoire (probabilistes) :

1-2 Échantillonnage aléatoire stratifié :

L'échantillonnage stratifié divise la population en groupes

homogènes (strates) avant de sélectionner aléatoirement des
échantillons de chaque strate.
Forces :
 Assure la représentativité dans chaque sous-groupe de la
population.
Faiblesses :
 Nécessite une connaissance préalable des strates dans la
population.
 La classification des individus dans les strates peut être
 1- Échantillonnage aléatoire (probabilistes) :

1-3 Échantillonnage en grappe :

L'échantillonnage par grappes divise la population en groupes

(grappes) et sélectionne aléatoirement des grappes entières pour
l'échantillon.
Forces :
 Réduit les coûts et la complexité, surtout pour des
populations dispersées.
Faiblesses :
 Risque d'hétérogénéité intra-grappe.
 Les résultats peuvent manquer de précision par rapport à
d'autres méthodes.
 1- Échantillonnage aléatoire (probabilistes) :

1-4 Échantillonnage systématique :

L'échantillonnage systématique implique de choisir un

élément de la population à intervalles réguliers après en avoir
sélectionné un au hasard parmi les premiers.
Forces :
 Moins coûteux que l'échantillonnage aléatoire simple.
 Facile à mettre en œuvre pour des populations organisées.
Faiblesses :
 Sensible aux motifs périodiques dans la population.
 Peut introduire des biais si la liste de départ est ordonnée de
manière non aléatoire.
 1- Échantillonnage aléatoire (probabilistes) :

1-4 Échantillonnage systématique :

1. Déterminez la taille de l'échantillon : Vous voulez un

échantillon de 100 étudiants.

2. Calculez l'intervalle d'échantillonnage : 1000/100 =

10.

3. Sélectionnez un numéro aléatoire initial : ex 3

4. Sélectionnez les échantillons : 3, 13, 23, 33, ..., 993.

 2 - Échantillonnage non aléatoire :

Échantillonnage par quotas

Échantillonnage par convenance

Échantillonnage par jugement

Échantillonnage en boule de neige

 2- Échantillonnage non aléatoire :

2-1 Échantillonnage par quotas :

L'échantillonnage par quotas consiste à fixer des quotas pour

certains critères, puis à sélectionner des individus selon ces
critères jusqu'à atteindre les quotas.
Forces :
 Peut être plus représentatif que l'échantillonnage par
convenance.
 Plus flexible que l'échantillonnage aléatoire.
Faiblesses :
 Risque de biais si les quotas ne sont pas bien définis.
 Moins précis que l'échantillonnage probabiliste.
 2- Échantillonnage non aléatoire :

2-2 Échantillonnage par convenance:

L'échantillonnage par convenance implique la sélection

d'individus disponibles et accessibles sans processus de
sélection aléatoire.
Forces :
 Facile à mettre en œuvre et moins coûteux.
 Utile pour des recherches exploratoires.
Faiblesses :
 Risque de biais de sélection important.
 La représentativité de l'échantillon est souvent limitée.
 2- Échantillonnage non aléatoire :

2-3 Échantillonnage par jugement :

L'échantillonnage par jugement implique la sélection

d'individus en fonction du jugement de l'enquêteur ou d'autres
experts.
Forces :
 Rapidité et économie de coûts.
 Utilisé dans des domaines où l'expertise est cruciale.
Faiblesses :
 Fort potentiel de biais, car basé sur l'opinion subjective.
 La généralisabilité peut être limitée.
 2- Échantillonnage non aléatoire :

2-4 Échantillonnage en boule de neige :

L'échantillonnage en boule de neige implique de

demander aux participants de recommander d'autres
personnes pour l'étude.
Forces :
 Utile pour les populations difficiles à atteindre.
 Peut révéler des groupes sociaux spécifiques.
Faiblesses :
 Risque de biais si le réseau social est non représentatif.
 Difficile de contrôler la taille de l'échantillon.
 Exemple:

Etude :Expériences des personnes vivant avec une maladie rare et peu connue.

But : commençant avec une connaissance initiale de quelques patients de cette maladie, le chercheur
décide d’utiliser l'échantillonnage en boule de neige pour élargir son échantillon.

Démarche:
3. Nouveau contact: recueille
informations des 6 personnes.
1.Contact initial :
3 patients atteints
de la maladie rare
qui vont suivis
dans un centre
médical spécialisé

2.Recommandations: chaque 4.Expansion continue: le

patient recommande 2 autres processus se poursuit .
personnes 5. Saturation
Processus de sélection et de
taille d'échantillon
La taille de l'échantillon :

Étape 1 : Identifier les variables nécessaires au calcul
01
Taille de la population cible
La taille de la population cible
représente le nombre total de
personnes ou d'éléments dans
un groupe spécifique visé par
une étude
Calcul de la taille de l'échantillon :
02
La marge d'erreur
La marge d'erreur représente
la fourchette ou la distance
acceptable entre la moyenne
ou le résultat obtenu dans un
échantillon et ce qui pourrait
être la moyenne ou le résultat
réel dans toute la population.
03 04
Le niveau de confiance l'écart type
représente la certitude que les l'écart type mesure la
résultats d'une recherche, variation des réponses
basés sur un échantillon autour de la moyenne
spécifique de la population, d'un groupe
soient représentatifs de
l'ensemble de cette
population.
 Calcul de la taille de l'échantillon :

Étape 2 : Calculer la taille de l’échantillon

La formule de calcul de la taille de l’échantillon

Trouvez votre Score Z

Pour réaliser le calcul d'échantillonnage, n = z² * p ( 1 – p ) / m²

il est nécessaire de convertir votre niveau
de confiance en score Z.
90% : score Z = 1,645
95% : score Z = 1,96
99 % : score Z = 2,576
 n = taille de l’échantillon
 z = niveau de confiance selon la loi normale centrée
réduite
 p = proportion estimée de la population qui présente la
caractéristique
 m = marge d’erreur tolérée.
 Exemple

Un institut de recherche veut estimer la proportion de personnes dans une région qui
utilisent une certaine application mobile. Ils visent une marge d'erreur de ±5 % et un niveau
de confiance de 95 %. Si l'institut estime que la proportion d'utilisateurs de cette application
est d'environ 30 %, quelle serait la taille minimale de l'échantillon nécessaire pour cette
étude ?
 Solution

Utilisons la formule pour calculer la taille de l'échantillon nécessaire :

n = z² x p ( 1 – p ) / m²
Z :correspond à la valeur critique pour un niveau de confiance de 95 %, ce qui est environ 1,96.
p : est l'estimation de la proportion d'utilisateurs de l'application, donc p=0,30.
m :est la marge d'erreur en décimal, donc m=0,05.
Plaçons ces valeurs dans la formule :
n= 1.96²*0,30(1-0.30)/0.05²
Calculons :
n= 3.8416*0.30*0.70/0.0025
n≈322,69
Donc, la taille minimale de l'échantillon requise pour estimer la proportion d'utilisateurs de cette application serait d'environ 323
personnes
2- Les erreurs et les biais
d’échantillonnage:
 la différence entre erreur aléatoire et biais
Erreur total

Non Aléatoire
(Biais) : systématique Aléatoire: vraies
une situation dans laquelle certains individus ou
groupes d'une population sont plus susceptibles
d'être inclus dans un échantillon que d'autres, ce
qui conduit à un échantillon biaisé .
Valeur réel
Valeur mesuré

 Illustration de la différence entre erreur

aléatoire et biais:
 Types de biais d'échantillonnage

Biais dans les Biais de non-

Biais de sélection Biais de mesure
rapports réponse

Les membres de la
Les personnes population ne
Les données interrogées répondent pas à
L'échantillon n'est
collectées sont fournissent des l'enquête, ce qui
pas représentatif de
inexactes ou informations conduit à un
la population.
incomplètes. inexactes ou échantillon non
incomplètes. représentatif.
 Comment éviter les biais d’échantillonnage?

Keep your survey length Set your survey goals

Define your population short and easily accessible
and sampling frame.

Do a follow up Convenience sampling is Give respondents a

not the best option chance to participate
aqually
Considérations éthiques
 1- Considérations éthiques :

• l’éthique en recherche scientifique comme étant l’ensemble des valeurs et des finalités qui fondent
et qui légitiment le métier de chercheur. Plus spécifiquement, la problématique de l’éthique dans le
domaine de la recherche porte habituellement sur deux dimensions du travail du chercheur. Dans
une large mesure ce sont essentiellement ces deux dimensions qui font l’objet d’interrogations de
la part des comités d’éthique de la recherche des universités. En premier lieu, l’éthique aborde la
question des conduites du chercheur tant dans ses comportements que dans ses attitudes.
 Conclusion :

En conclusion, notre exposé souligne l'importance fondamentale de suivre une démarche rigoureuse
dans le processus d'échantillonnage. Les exposés futurs exploreront des concepts tels que la validité
et la fiabilité, contribuant ainsi à approfondir notre compréhension de la méthodologie de recherche.
Restez attentifs à ces perspectives enrichissantes qui élargiront notre vision du processus
scientifique. Merci de votre attention.
 Questions récapitulatives:

• Quels sont les types d'échantillons probabilistes ?

• Quels sont les types d’échantillons non probabilistes ?