Skip to content
Retour aux résultats

Enquête — Recherche par enquête

Introduite par
Francis Galton, Charles Booth, and early social statisticians; formalised by Paul Lazarsfeld in the 1940s
Année
Late 19th century; systematic social-science use from 1940s
Type
Quantitative (primarily) or mixed-methods data-collection instrument
Famille
Data collection

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 ?

Une enquête est une méthode systématique de collecte de données dans laquelle un ensemble standardisé de questions est posé à un échantillon de répondants pour mesurer des attitudes, des comportements, des données démographiques ou d'autres construits.

Les enquêtes peuvent être administrées par papier, téléphone, plateformes en ligne ou en personne. Elles figurent parmi les instruments les plus utilisés dans la recherche sociale, comportementale, sanitaire et éducative car elles permettent de toucher de larges échantillons géographiquement dispersés à un coût relativement faible.

L’intuition derrière la méthode

Considérez une enquête comme une machine à instantanés : elle capture l'état d'une population définie à un moment particulier en posant à chacun les mêmes questions de la même manière. La valeur clé est la standardisation — chaque répondant reçoit des stimuli identiques, de sorte que les réponses peuvent être agrégées et comparées. Contrairement à un entretien approfondi, l'enquête sacrifie la profondeur de la compréhension au profit de l'étendue de la couverture. Un instrument d'enquête bien conçu, correctement pré-testé et administré à un échantillon représentatif, permet aux chercheurs de tirer des inférences sur une population beaucoup plus large à partir d'un nombre gérable de réponses complétées.

Histoire

Les enquêtes sociales systématiques ont émergé à la fin du XIXe siècle avec les études sur la pauvreté de Charles Booth (1889) et Seebohm Rowntree (1901) en Angleterre. Paul Lazarsfeld à l'Université Columbia a formalisé la méthodologie d'enquête en tant qu'outil de sciences sociales dans les années 1940, établissant la théorie de l'échantillonnage et les techniques de mesure d'attitude. Rensis Likert a introduit son échelle de réponse éponyme en 1932. La croissance de l'échantillonnage téléphonique dans les années 1970-1980 et d'Internet dans les années 1990-2000 a transformé l'administration des enquêtes ; la méthode de conception adaptée de Don Dillman est devenue le cadre pratique dominant pour maximiser les taux de réponse sur tous les modes.

Quand l’utiliser

Utiliser une enquête lorsque vous avez besoin de décrire la distribution des attitudes, des comportements ou des caractéristiques dans une population définie, ou pour tester les relations entre les variables dans un grand échantillon. Les enquêtes sont particulièrement adaptées aux études de prévalence transversales, aux évaluations des besoins, aux évaluations de programmes et aux tests d'hypothèses en recherche sociale ou sanitaire. N'utilisez pas d'enquête lorsque la question de recherche nécessite une exploration approfondie de l'expérience vécue (utilisez la phénoménologie ou des entretiens approfondis à la place), lorsque les construits d'intérêt résistent à l'auto-déclaration (utilisez l'observation ou des mesures physiologiques), ou lorsque la population cible ne peut pas être atteinte de manière fiable par un mode d'enquête quelconque. Évitez les enquêtes pour l'inférence causale sans conceptions longitudinales ou expérimentales.

Limites et points d’attention

  • Les données auto-déclarées sont sujettes au biais de désirabilité sociale, aux erreurs de rappel et au biais d'acquiescement.
  • Les options de réponse fixes peuvent ne pas capturer toute la complexité ou la nuance des points de vue des répondants.
  • Les enquêtes transversales établissent une association, pas une causalité ; des conceptions longitudinales sont nécessaires pour l'inférence temporelle.
  • Les faibles taux de réponse — courants dans les enquêtes en ligne — introduisent un biais de non-réponse et menacent la généralisabilité.
  • Les effets de formulation des questions peuvent considérablement fausser les résultats si les items sont mal conçus.

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

Points forts

  • Permet de toucher de larges échantillons géographiquement dispersés de manière efficace à un coût relativement faible.
  • Des questions standardisées garantissent la comparabilité des réponses entre les répondants et dans le temps.
  • Flexible quant au mode (papier, téléphone, en ligne, en personne) pour s'adapter à différentes populations et budgets.
  • Permet une généralisation statistique lorsque l'échantillonnage probabiliste est utilisé.
  • Peut mesurer simultanément plusieurs construits et leurs interrelations.
  • Des outils psychométriques établis (alpha de Cronbach, analyse factorielle) soutiennent une évaluation rigoureuse de la validité et de la fiabilité.

Applications

  • Recensements nationaux et enquêtes de santé publique mesurant la prévalence des maladies, les comportements à risque et l'utilisation des soins de santé.
  • Études d'évaluation éducative examinant l'engagement des étudiants, les résultats d'apprentissage ou la satisfaction du corps professoral dans différentes institutions.
  • Recherche organisationnelle et RH sur les attitudes des employés, la satisfaction au travail et le climat de travail.
  • Études de marché et de comportement des consommateurs évaluant les préférences des produits et les intentions d'achat.
  • Sondages politiques et prévisions électorales suivant les attitudes et intentions des électeurs.
  • Études d'évaluation de programmes évaluant la satisfaction des participants et les résultats auto-déclarés suite à une intervention.

Comment ça marche

Comment ça marche

1

Spécifier les questions de recherche, la population cible et les construits à mesurer. Déterminer si l'étude est transversale (un seul point temporel) ou longitudinale (plusieurs vagues). Décider de la stratégie d'échantillonnage — échantillonnage probabiliste (par ex., aléatoire simple, stratifié, en grappes) ou non probabiliste (par ex., de convenance, intentionnel) — et calculer la taille d'échantillon requise pour atteindre la puissance et la précision souhaitées.

2

Développer le questionnaire en sélectionnant ou en créant des items pour chaque construit. Adapter le format des items au construit : échelles de type Likert pour les attitudes, différentiels sémantiques pour les perceptions, items à choix multiples ou de classement pour les préférences, et items ouverts lorsque la profondeur exploratoire est nécessaire. Porter attention à la formulation des questions (éviter les questions à double barre, suggestives ou ambiguës), à l'étiquetage des échelles de réponse et à la longueur du questionnaire. Valider les items par rapport à des échelles établies lorsque cela est possible.

3

Administrer le projet de questionnaire à un petit échantillon de convenance (typiquement 10 à 30 personnes de la population cible) pour détecter une formulation peu claire, des erreurs de logique de saut, un temps de complétion excessif et des problèmes techniques (pour les enquêtes en ligne). Réviser les items en fonction des retours d'entretiens cognitifs et examiner les corrélations inter-items ou les chargements factoriels comme preuves préliminaires de la validité du construit.

4

Déployer l'enquête finalisée auprès de l'échantillon sélectionné en utilisant le mode choisi (en ligne, postal, téléphonique ou en personne). Maximiser le taux de réponse par des lettres d'accompagnement personnalisées, des rappels et des incitations lorsque cela est approprié. Suivre les taux de réponse et comparer les premiers et les derniers répondants ou les répondants par rapport aux caractéristiques connues de la population pour évaluer le biais de non-réponse.

5

Nettoyer les données en traitant les valeurs manquantes et les réponses hors limites, puis attribuer des scores aux échelles composites. Réaliser des statistiques descriptives pour chaque variable, évaluer la fiabilité (par ex., alpha de Cronbach) pour les échelles à items multiples, et appliquer des méthodes inférentielles adaptées aux questions de recherche — fréquences et chi-carré pour les résultats catégoriels, tests t et ANOVA pour les comparaisons de groupes, régression ou SEM pour les modèles explicatifs.

Pièges courants

  • Ignorer le biais de non-réponse — ne pas comparer les répondants aux non-répondants sur les caractéristiques disponibles signifie que l'échantillon obtenu peut mal représenter systématiquement la population.
  • Questionnaires trop longs — les enquêtes dépassant 15 à 20 minutes de temps de complétion voient leur taux d'abandon augmenter considérablement et la qualité des données diminuer ; prioriser les construits essentiels aux questions de recherche.
  • Utiliser des échelles non validées — créer des items ad hoc sans pré-test ou tests psychométriques produit des mesures de fiabilité et de validité inconnues ; préférer les instruments établis lorsqu'ils existent.
  • Confondre association et causalité — rapporter des corrélations d'enquête comme des relations causales sans contrôles de conception appropriés ou données longitudinales est une mauvaise interprétation courante.
  • Négliger les effets de l'ordre des items — la séquence des questions peut influencer les répondants ; les items sensibles placés tôt peuvent modifier les réponses aux items suivants.

Questions fréquentes

Quelle doit être la taille de mon échantillon ?

La taille de l'échantillon dépend de la marge d'erreur souhaitée, du niveau de confiance, de la taille de l'effet attendue et du plan d'analyse. Pour les enquêtes descriptives estimant une proportion, la formule standard est n = z²p(1-p)/e², où z est le score z pour le niveau de confiance, p est la proportion estimée et e est la marge d'erreur. Pour les enquêtes analytiques testant des relations, une analyse de puissance a priori basée sur le test statistique prévu est préférable. Les calculateurs en ligne (par ex., G*Power) automatisent ces calculs. Les tailles d'échantillon de convenance courantes dans la recherche étudiante (100-300) sont souvent sous-dimensionnées pour les analyses de sous-groupes.

Quel taux de réponse est acceptable ?

Il n'y a pas de seuil universel. Les enquêtes en ligne atteignent couramment 20 à 40 %, les enquêtes postales 50 à 60 %, et les enquêtes téléphoniques ont fortement diminué. La question la plus importante est de savoir si la non-réponse est aléatoire ou systématique. Même un taux de réponse de 20 % peut être acceptable si vous pouvez démontrer que les répondants ne diffèrent pas des non-répondants sur les variables clés ; inversement, un taux de réponse de 70 % reste problématique si les 30 % manquants diffèrent systématiquement.

Puis-je mélanger des questions ouvertes et fermées ?

Oui, et c'est une pratique courante. Les items fermés fournissent des données quantifiables ; les items ouverts ajoutent une profondeur contextuelle et permettent des réponses inattendues. Cependant, les items ouverts augmentent considérablement le temps de complétion et génèrent des données textuelles qui doivent être codées qualitativement. Limitez les items ouverts aux construits pour lesquels les options fixes ne peuvent réellement pas capturer l'éventail des réponses.

Quand dois-je utiliser une échelle de Likert par rapport à une échelle visuelle analogique ?

Les échelles de Likert (typiquement 5 ou 7 points de réponse étiquetés) sont faciles à administrer et à coter, et leurs propriétés psychométriques sont bien comprises. Les échelles visuelles analogiques (lignes continues de 0 à 100) offrent une discrimination plus fine et sont courantes dans la recherche sur la douleur et la santé. Les échelles de Likert conviennent à la plupart des recherches sociales et comportementales ; les échelles visuelles analogiques sont préférables lorsque la détection de petits changements chez les individus au fil du temps est la priorité.

Quelle est la différence entre une enquête et un entretien structuré ?

Dans une enquête, le répondant lit et complète lui-même le questionnaire sans la présence d'un enquêteur. Dans un entretien structuré, les mêmes questions fixes sont délivrées verbalement par un enquêteur. Les enquêtes permettent de toucher des échantillons plus larges à moindre coût ; les entretiens structurés obtiennent des taux de complétion plus élevés et peuvent clarifier des items confus, mais sont plus gourmands en ressources et introduisent des effets d'enquêteur.

Méthodes associées

Sources

  1. Dillman, D. A., Smyth, J. D., & Christian, L. M. (2014). Internet, Phone, Mail, and Mixed-Mode Surveys: The Tailored Design Method (4th ed.). Wiley.

    ISBN : 978-1118456149
    Copié.
  2. Fowler, F. J. (2013). Survey Research Methods (5th ed.). Sage.

    ISBN : 978-1452259000
    Copié.