Skip to content
Retour aux résultats

Saturation des données en recherche qualitative

Introduite par
Barney Glaser and Anselm Strauss
Année
1967
Type
Concept
Famille
sampling-concept

Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais

Taille de police

À quoi sert-elle ?

La saturation des données est un principe fondamental en recherche qualitative qui décrit le point où la collecte de données ne produit plus de nouveaux thèmes, codes ou aperçus—les données supplémentaires deviennent redondantes.

Introduite par Glaser et Strauss (1967) dans leurs travaux sur la théorie enracinée (grounded theory), la saturation guide les décisions concernant la taille de l'échantillon et le moment d'arrêter le recrutement des participants. La saturation n'est pas un nombre fixe mais un point final dynamique déterminé en examinant si les nouvelles données apportent des informations substantiellement nouvelles. Ce concept est central aux affirmations de rigueur et d'adéquation théorique en recherche qualitative, signalant que le chercheur a recueilli suffisamment de données pour comprendre le phénomène en profondeur.

L’intuition derrière la méthode

La recherche qualitative ne consiste pas à compter le nombre de personnes étudiées, mais à déterminer si des données suffisantes ont été recueillies pour comprendre le phénomène en profondeur. La saturation opérationnalise ce principe : elle pose la question suivante : « Chaque nouvelle entrevue, groupe de discussion ou observation apporte-t-elle des informations significativement nouvelles ou entendons-nous les mêmes schémas de manière répétée ? » Les premières entrevues produisent généralement de nouveaux thèmes riches ; à mesure que l'on continue, les nouvelles données répètent de plus en plus les thèmes existants tout en ajoutant un minimum de nouvelles informations. La saturation indique que vous avez atteint une profondeur et une étendue de compréhension. Ceci est différent de la puissance statistique (qui vise la représentativité) ou de la généralisabilité (qui vise les estimations de population). La saturation indique plutôt que vous avez saisi la complexité et la variation du phénomène au sein de votre échantillon. Atteindre la saturation est une preuve que votre analyse est ancrée dans les données et non arbitraire.

Histoire

Saturation was introduced by Glaser and Strauss (1967) as a key principle of grounded theory: theoretical sampling continues until new data no longer contribute new conceptual categories to the emerging theory. Strauss and Corbin (1998) operationalized saturation for practical use. Bowen (2008) and Guest et al. (2006) demonstrated that saturation in homogeneous samples often occurs at 12–20 interviews, challenging earlier assumptions that many more interviews are required. Contemporary discussions emphasize the importance of documenting saturation processes transparently and recognizing that saturation varies by research context, sample characteristics, and researcher skill. Recent work (Francis et al. 2010) has highlighted the distinction between thematic saturation (no new themes) and conceptual saturation (theory is fully developed), and has called for more precise terminology and documentation.

Quand l’utiliser

La saturation est l'approche standard pour déterminer la taille de l'échantillon dans les études qualitatives utilisant l'analyse thématique, l'analyse de contenu ou la théorie enracinée (grounded theory). Elle s'applique aux entretiens, aux groupes de discussion, aux observations et à l'analyse de documents. Utilisez l'échantillonnage basé sur la saturation lorsque l'objectif est une compréhension exploratoire (générer une théorie, comprendre un phénomène) plutôt que la vérification d'hypothèses. Lors de la combinaison de méthodes qualitatives et quantitatives, la saturation guide la taille de l'échantillon qualitatif indépendamment des calculs de puissance quantitative. Documentez explicitement la saturation dans vos méthodes pour démontrer la rigueur méthodologique.

Limites et points d’attention

  • Requires ongoing analysis during data collection (time-intensive) and iterative decision-making; not possible if data collection and analysis are separated.
  • Subjective determination; researchers may disagree on when saturation is reached or what constitutes a 'new' theme.
  • Saturation varies by population homogeneity, research question complexity, and researcher skill; no universal threshold.
  • Can lead to prolonged or uncertain data collection timelines if saturation criteria are vague.
  • May delay or prevent publication if saturation is claimed prematurely or if researchers continue beyond saturation uncertainly.

Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.

Points forts

  • Provides principled, flexible approach to sample size determination; no need for a priori power calculations.
  • Grounds sample size in data itself; sample continues until theoretical adequacy is achieved rather than arbitrary cutoff.
  • Prevents both under-sampling (inadequate understanding) and over-sampling (unnecessary redundancy).
  • Encourages iterative, simultaneous data collection and analysis; allows emerging findings to guide further recruitment.
  • Strengthens rigor claims; saturation is recognized as evidence of methodological adequacy.

Applications

  • Exploratory qualitative research across disciplines: determining when sufficient interviews, focus groups, or observations have been conducted to understand a phenomenon.
  • Grounded theory studies: using theoretical sampling to continue data collection until the emerging theory is fully developed and saturated.
  • Qualitative health research: studies of patient experiences, barriers to care, or implementation of health interventions rely on saturation-based sampling.
  • Social science research: saturation guides sample sizes in studies of attitudes, behaviors, organizational cultures, or social phenomena.
  • Mixed-methods research: saturation determines the qualitative sample size independently of quantitative sample size requirements.

Comment ça marche

Comment ça marche

1

Commencez la collecte de données par des entretiens initiaux, des groupes de discussion ou des observations. Analysez les données simultanément à la collecte (analyse itérative) plutôt que d'attendre que toutes les données soient recueillies. Après chaque épisode de collecte de données, codez et analysez les données. Au fur et à mesure que de nouveaux codes et thèmes émergent, notez-les. Continuez à recruter et à collecter des données. À chaque nouvel épisode de collecte de données, demandez-vous : ces nouvelles données ajoutent-elles des thèmes ou des codes substantiellement nouveaux, ou s'intègrent-elles dans les catégories existantes ? Suivez la fréquence des nouveaux codes : si les 3 à 5 derniers épisodes de collecte de données ne produisent qu'un ou deux nouveaux codes à chaque fois (ou aucun), la saturation approche. Certains chercheurs utilisent une grille de saturation : listez les codes et marquez les entretiens/groupes qui contiennent chaque code. Lorsque la grille se stabilise (peu de nouveaux codes apparaissent chez les nouveaux participants), la saturation est atteinte. Documentez votre prise de décision : combien de participants avez-vous recrutés, combien de participants supplémentaires ont été nécessaires avant d'atteindre la saturation, et qu'est-ce qui constituait un « nouveau » thème (élaboration mineure vs. aperçu substantiellement différent).

2

Opérationnalisez la saturation en définissant ce qui constitue un « nouveau » thème. Un nouveau thème signifie généralement une perspicacité substantiellement différente non précédemment capturée—pas une élaboration mineure ou une nuance de thèmes existants. Créez un inventaire thématique : listez tous les thèmes identifiés et notez dans quels entretiens/groupes chacun apparaît. Lorsque de nouveaux entretiens n'ajoutent que des détails mineurs ou des élaborations aux thèmes existants, la saturation approche. Générez des tableaux de saturation montrant la fréquence des codes chez les participants : le tableau devrait se stabiliser, avec peu de nouveaux codes chez les participants ultérieurs. Certains chercheurs utilisent des taux de redondance : calculez le pourcentage de contenu « nouveau » dans chaque entretien successif. Lorsque le nouveau contenu tombe en dessous de 5–10 % par entretien, la saturation est probablement atteinte. Pour les échantillons homogènes (âge, expérience, antécédents similaires), la saturation se produit généralement autour de 12–15 entretiens ; pour les échantillons hétérogènes, 20–30+ entretiens peuvent être nécessaires. Rapportez explicitement comment la saturation a été évaluée et à quel point elle a été jugée atteinte.

Pièges courants

  • Treating minor elaborations or contextual details as 'new' themes; inflating saturation criteria to justify stopping early.
  • Failing to analyze data during collection; waiting until all data are gathered makes saturation assessment difficult and reactive.
  • Not documenting the saturation process transparently; claiming saturation without showing the evidence (code frequency tables, saturation grids).
  • Assuming saturation in one subgroup applies to another; homogeneous samples reach saturation faster than diverse ones.
  • Continuing data collection far beyond saturation without justification; saturation does not require continued collection to verify or deepen findings, though some researchers do this intentionally.

Questions fréquentes

How many interviews do I need to reach saturation?

For homogeneous samples (similar demographics, experiences), saturation typically occurs at 12–20 interviews. For heterogeneous samples (diverse backgrounds, experiences), 20–30+ interviews may be needed. Pilot studies suggest that among relatively homogeneous samples, saturation often occurs by the 12th interview with little new information after that (Guest et al. 2006). Document your actual data and show when saturation was reached rather than assuming a fixed number.

What counts as a 'new' theme?

A new theme is a substantively different insight not previously identified—a new perspective, explanation, or experience. Minor elaborations or contextual details related to existing themes do not count as new themes. Example: if you've identified that patients fear side effects, a patient describing specific side effects is not a new theme; but a patient discussing how side effects affect relationships is a new theme.

Can I claim saturation if I've done only 8 interviews?

Yes, but rarely and with caveats. If your sample is highly homogeneous and the research question is narrow, saturation may occur at 8 interviews. However, this requires documentation: show your coding tables or saturation grids demonstrating that new codes stabilized by interview 8 and no new codes appeared in interviews 9+ (if you conducted them). Be transparent about the limitation: acknowledge that your sample is small and findings apply to your specific context.

Do I need to continue data collection after reaching saturation?

No. Once saturation is reached, continuing to collect data yields redundancy, not deeper insight. However, some researchers intentionally collect additional data to verify or deepen understanding. This is acceptable but should be explicitly stated as a choice, not presented as required for saturation.

How do I reconcile saturation with ethics and feasibility?

Saturation is flexible. If resources (time, funding, access) limit data collection before saturation is reached, report this as a limitation. You can claim 'preliminary saturation' or 'saturation within resource constraints.' Be transparent: 'We reached saturation in themes A and B but not in theme C due to limited access to participants with C experiences.'

Méthodes associées

Sources

  1. Glaser, B. G., & Strauss, A. L. (1967). The Discovery of Grounded Theory: Strategies for Qualitative Research. Aldine.

    ISBN : 978-0202302560
    Copié.
  2. Strauss, A., & Corbin, J. (1998). Basics of Qualitative Research: Techniques and Procedures for Developing Grounded Theory (2nd ed.). SAGE Publications.

    ISBN : 978-0803959393
    Copié.
  3. Bowen, G. A. (2008). Naturalistic inquiry and saturation (S): Determining when enough is enough. Journal of Research in Education, 18(1), 137-152.

    Ouvrir la référence de la publication
    Copié.
  4. Guest, G., Bunce, A., & Johnson, L. (2006). How many interviews are enough? An experiment with data saturation and variability. Field Methods, 18(1), 59-82.

    Ouvrir la référence DOI
    Copié.