Skip to content
Retour aux résultats

Recherche par enquête — Conception de la recherche par enquête

Introduite par
Francis Galton, Charles Booth, and early social statisticians; systematised by Paul Lazarsfeld and colleagues at Columbia in the 1940s
Année
Late 19th century; methodologically systematised 1940s–1960s
Type
Quantitative (and mixed) non-experimental design
Famille
Survey / observational design

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 recherche par enquête est une conception quantitative (et parfois à méthodes mixtes) dans laquelle un chercheur recueille des données auto-déclarées standardisées auprès d'un échantillon tiré d'une population définie, à l'aide d'un questionnaire ou d'un entretien structuré.

C'est la stratégie non expérimentale dominante pour décrire les caractéristiques de la population, estimer la prévalence, cartographier les distributions d'attitudes et tester les associations bivariées ou multivariées dans les sciences sociales, comportementales et de la santé.

L’intuition derrière la méthode

Considérez une enquête comme un instrument de mesure standardisé appliqué simultanément à de nombreuses personnes. Plutôt que d'observer chaque participant en profondeur, le chercheur pose le même ensemble de questions à chaque répondant. L'ensemble de données résultant est un rectangle : les lignes représentent les personnes, les colonnes représentent les variables. La magie de la recherche par enquête réside dans l'agrégation — même lorsque les réponses individuelles sont bruitées, les tendances observées chez des centaines de répondants peuvent révéler des vérités au niveau de la population avec une confiance quantifiable. Le compromis clé est l'étendue par rapport à la profondeur : les enquêtes capturent de nombreuses variables sur de nombreuses personnes, mais ne peuvent pas sonder l'expérience d'une seule personne avec la richesse qu'un entretien offrirait.

Histoire

La prospection sociale systématique a émergé à la fin du XIXe siècle avec les cartes de pauvreté de Londres de Charles Booth (1889-1903) et des efforts similaires de Seebohm Rowntree. L'enquête probabiliste moderne a été façonnée par le développement de la théorie de l'échantillonnage aléatoire — l'article de Jerzy Neyman de 1934 sur l'échantillonnage stratifié étant une étape marquante — et par l'industrialisation des sondages d'opinion publique par Gallup, Roper et Crossley dans les années 1930. Paul Lazarsfeld et ses collègues de l'Université Columbia ont formalisé la méthodologie des enquêtes pour les sciences sociales dans les années 1940. Floyd Fowler, Don Dillman et Robert Groves ont ensuite produit les manuels méthodologiques canoniques qui définissent les meilleures pratiques actuelles.

Quand l’utiliser

La recherche par enquête est appropriée lorsque l'objectif est de décrire les caractéristiques d'une population définie, ou les relations entre les variables de celle-ci — en particulier lorsque l'observation directe ou l'expérimentation est impraticable. C'est la méthode de choix pour la mesure des attitudes, l'évaluation des besoins, l'évaluation de programmes et les études de prévalence épidémiologique. Utilisez-la lorsque les variables ne peuvent pas être manipulées et lorsque la mesure standardisée de nombreux participants est réalisable. N'utilisez pas la recherche par enquête lorsque la question de recherche nécessite une compréhension approfondie du sens subjectif (utilisez la phénoménologie ou l'enquête narrative), lorsque l'inférence causale à partir de conditions manipulées est requise (utilisez des conceptions expérimentales ou quasi-expérimentales), ou lorsque la population d'intérêt est trop petite ou inaccessible pour obtenir un taux de réponse utilisable.

Limites et points d’attention

  • Les conceptions transversales (la forme la plus courante) ne peuvent pas établir la précédence temporelle ni exclure les facteurs de confusion, ce qui limite l'inférence causale.
  • Les données auto-déclarées sont vulnérables à la variance commune des méthodes, au biais de désirabilité sociale et aux effets d'acquiescement.
  • Le biais de non-réponse est une menace persistante — les répondants qui complètent l'enquête peuvent différer systématiquement des non-répondants.
  • La formulation des items, le format de l'échelle de réponse et l'ordre des questions peuvent influencer considérablement les réponses d'une manière difficile à détecter.
  • La profondeur de l'information par répondant est limitée ; les construits complexes peuvent être mal capturés par un petit ensemble d'items.

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

Points forts

  • Permet la description et l'analyse de populations vastes et géographiquement dispersées à un coût relativement faible par répondant.
  • Les instruments standardisés maximisent la comparabilité entre les répondants et la réplication entre les études.
  • L'échantillonnage probabiliste soutient la généralisation statistique à une population définie avec une incertitude quantifiée.
  • Le mode d'administration flexible (en ligne, postal, téléphonique, en personne) permet une adaptation à la population cible.
  • Produit des ensembles de données structurés, compatibles avec un large éventail de procédures statistiques inférentielles.
  • Peut mesurer un grand nombre de variables simultanément, permettant une analyse multivariée de relations complexes.

Applications

  • Enquêtes de santé nationales estimant la prévalence des maladies, les comportements à risque pour la santé et l'utilisation des soins de santé auprès des populations adultes.
  • Enquêtes sur l'engagement des employés et le climat organisationnel utilisées pour surveiller les attitudes au travail et guider la politique des ressources humaines.
  • Enquêtes d'évaluation éducative mesurant les expériences d'apprentissage des étudiants, l'auto-efficacité et la satisfaction dans l'enseignement supérieur.
  • Sondages d'opinion publique évaluant les attitudes politiques, les intentions de vote et les préférences politiques avant les élections.
  • Enquêtes d'évaluation de programmes recueillant la satisfaction des participants et des données auto-déclarées sur les résultats pour les interventions sociales.
  • Questionnaires de recherche de marché cartographiant les préférences des consommateurs, les perceptions des marques et les comportements d'achat.

Comment ça marche

Comment ça marche

1

Le chercheur spécifie les questions de recherche et les construits d'intérêt — ce que l'enquête doit mesurer et pour quelle population. Les objectifs déterminent si la conception est purement descriptive (estimation de la prévalence), relationnelle (test des associations) ou prédictive (modélisation des résultats). Des objectifs clairs empêchent le gonflement de l'instrument et maintiennent l'analyse ciblée.

2

Les items individuels (questions) sont rédigés et affinés pour opérationnaliser chaque construit. La formulation des items, le type d'échelle de réponse (Likert, différentiel sémantique, dichotomique, ouverte), l'ordre et la logique de saut sont autant de décisions prises à ce stade. Des tests pilotes auprès d'un petit échantillon de convenance sont utilisés pour identifier les formulations ambiguës et estimer le temps d'achèvement avant de finaliser l'instrument.

3

Une stratégie d'échantillonnage est choisie pour tirer les répondants de la population cible. Les conceptions probabilistes (aléatoire simple, stratifié, en grappes, systématique) permettent une généralisation statistique à la population ; les conceptions non probabilistes (de convenance, intentionnelles, boule de neige) ne le permettent pas mais sont acceptables pour des travaux exploratoires ou confirmatoires où la représentativité n'est pas l'objectif. La taille d'échantillon requise est estimée à partir des attentes de taille d'effet, de la puissance désirée et de la marge d'erreur acceptable.

4

L'instrument est administré selon le mode choisi — en ligne (plateformes d'enquêtes web), par courrier postal, par téléphone ou par entretien en personne. Le choix du mode affecte le taux de réponse, le biais de désirabilité sociale et l'accès aux sous-populations. Des rappels de suivi sont envoyés pour améliorer les taux de réponse, et le suivi du taux de réponse est maintenu tout au long du travail de terrain.

5

Les réponses complétées sont nettoyées (traitement des données manquantes, des valeurs hors limites et du 'straight-lining'), puis analysées. Les statistiques descriptives résument les distributions des items et des échelles. Les analyses inférentielles — tests t, ANOVA, chi-carré, régression, modélisation par équations structurelles — sont sélectionnées pour répondre aux questions de recherche. Des pondérations d'enquête sont appliquées lorsqu'une conception probabiliste a été utilisée et que les taux de réponse ont varié selon les strates.

6

Les résultats sont interprétés en relation avec les questions de recherche et replacés dans le contexte de la littérature antérieure. Les rapports incluent les détails de l'échantillonnage, le taux de réponse, les indices de fiabilité de l'instrument (par ex., alpha de Cronbach pour les échelles à plusieurs items), les tailles d'effet et les intervalles de confiance. Les limitations concernant le biais de non-réponse, la variance commune des méthodes et la généralisabilité sont discutées de manière transparente.

Pièges courants

  • Gonflement de l'instrument — inclure chaque item potentiellement intéressant augmente le temps d'achèvement, accroît les taux d'abandon et produit un ensemble de données trop volumineux pour être analysé de manière cohérente ; prioriser les items qui répondent directement aux questions de recherche.
  • Négliger les tests pilotes — les items qui semblent clairs au chercheur sont souvent mal compris par les répondants ; un petit pilote (n = 5–10) permet de détecter la plupart des problèmes de formulation avant le déploiement à grande échelle.
  • Traiter un échantillon de convenance comme représentatif — les résultats d'un échantillon non probabiliste ne peuvent être généralisés qu'avec une grande prudence ; indiquer explicitement les limites de l'échantillonnage et éviter les affirmations de prévalence au niveau de la population.
  • Ignorer le biais de non-réponse — un faible taux de réponse n'invalide pas automatiquement une étude, mais une analyse comparant les répondants précoces et tardifs (ou les répondants et les non-répondants connus) est nécessaire pour évaluer la menace.
  • Omettre les preuves de fiabilité et de validité pour les échelles à plusieurs items — la publication dans des revues à comité de lecture attend la présentation de l'alpha de Cronbach et, le cas échéant, des résultats d'analyse factorielle confirmatoire.

Questions fréquentes

Quelle doit être la taille de mon échantillon d'enquête ?

La taille d'échantillon requise dépend de la taille d'effet attendue, de la puissance statistique désirée (conventionnellement 0,80), du niveau de signification (typiquement 0,05) et de la complexité des analyses prévues. Pour une simple comparaison de deux groupes détectant un effet moyen (d = 0,50) avec 80 % de puissance, il faut environ 64 par groupe. Les modèles d'équations structurelles nécessitent généralement au moins 200 cas complets. Utilisez une analyse de puissance a priori (par ex., G*Power) plutôt que des règles empiriques, et ajoutez 20 à 30 % pour tenir compte des réponses incomplètes anticipées.

Un faible taux de réponse est-il un défaut fatal ?

Un faible taux de réponse est une menace, pas nécessairement un défaut fatal. Ce qui importe, c'est de savoir si les répondants diffèrent systématiquement des non-répondants sur les variables pertinentes pour l'étude. Menez une analyse du biais de non-réponse — comparez les répondants précoces et tardifs sur les données démographiques clés, ou comparez le profil de votre échantillon aux repères connus de la population — et rapportez les résultats. Reconnaissez l'incertitude restante quant à la généralisation, même si l'analyse est rassurante.

Qu'est-ce que la variance commune des méthodes et comment y remédier ?

La variance commune des méthodes (VCM) est une covariance fallacieuse entre les variables causée par le fait qu'elles ont été mesurées avec le même instrument au même moment — gonflant les corrélations observées. Les remèdes procéduraux incluent la séparation temporelle de la mesure des prédicteurs et des résultats, l'utilisation de formats de réponse différents pour des construits différents, et l'inclusion d'une variable marqueur. Les vérifications statistiques telles que le test du facteur unique de Harman ou l'approche du facteur latent non mesuré peuvent détecter mais pas corriger entièrement la VCM.

Quand devrais-je choisir une enquête en ligne plutôt qu'une enquête postale ou téléphonique ?

Les enquêtes en ligne sont rentables, rapides et appropriées lorsque la population cible a un accès fiable à Internet — la plupart des adultes en âge de travailler dans les pays développés. Les enquêtes postales restent précieuses pour les populations plus âgées ou celles sans accès à Internet, au prix d'un délai plus long et d'un coût par réponse plus élevé. Les enquêtes téléphoniques ont des taux de réponse en baisse mais permettent une logique de branchement complexe et atteignent des populations sans Internet. Les conceptions multi-modes (offrant plusieurs canaux de réponse) obtiennent généralement des taux de réponse plus élevés que n'importe quel mode unique.

Une enquête peut-elle établir la causalité ?

Une seule enquête transversale ne peut pas établir la causalité car elle manque d'ordre temporel et d'assignation aléatoire. Les conceptions de panel longitudinales qui mesurent les mêmes répondants à plusieurs moments peuvent établir la précédence temporelle, qui est une condition nécessaire (mais non suffisante) de la causalité. Les modèles de panel croisés et les modèles de panel croisés à interceptes aléatoires peuvent contrôler les différences individuelles stables, renforçant l'inférence causale, mais les facteurs de confusion non mesurés restent une menace. Pour des affirmations causales sans ambiguïté, des conceptions expérimentales ou quasi-expérimentales sont requises.

Méthodes associées

Sources

  1. Fowler, F. J. (2014). Survey Research Methods (5th ed.). Sage Publications.

    ISBN : 978-1452259000
    Copié.
  2. 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.