← Retour au cours
🧹

Du questionnaire à la régression

CM 23hmardi 6 oct. 2026 · 9h30–12h30

Le questionnaire en bref, puis la logique du test : une hypothèse, le test choisi selon la nature des variables, un résultat lu avec sa taille d'effet. Chi², tests t, ANOVA, corrélation et régression, sur vos données.

Collecter autrement : le questionnaire
Présentation
Une question d'échelle, et une question de contrôleJe recommanderais ce métier à un ami.1234567Pas du tout d'accordTout à fait d'accordCeci est une question de contrôle : cochez « Plutôt d'accord ».1234567Pas du tout d'accordTout à fait d'accord
Une échelle de Likert en sept points, et la question de contrôle qui repère les répondants inattentifs. Exemple de l'auteur.
Quand les données n'existent pas

Votre base existe déjà : quelqu'un l'a collectée pour vous.

Quand l'information n'existe nulle part, comme ce que pensent vos clients, il faut la produire, et le questionnaire est l'outil le plus courant.

Sa construction, l'échantillon et les biais de formulation sont au cœur du cours d'études de marché de Charlotte Lécuyer : ici, on ne garde que ce qui change l'analyse.

L'échelle de Likert : ordinale ou métrique ?

Une échelle de Likert demande un degré d'accord, de 1 à 5 ou de 1 à 7.

Strictement, c'est une variable ordinale : rien ne dit que l'écart entre 2 et 3 vaut celui entre 6 et 7.

En pratique, les études la traitent souvent comme métrique, avec une moyenne, à partir de cinq ou sept échelons.

Ce choix se discute et s'écrit : il décide des tests que vous aurez le droit de faire.

La question de contrôle

Une question dont la bonne réponse est imposée repère ceux qui cochent au hasard.

Les répondants qui la ratent sont retirés avant toute analyse, et leur nombre s'écrit dans le rapport.

C'est un nettoyage, au même titre que les doublons de votre base : on documente ce qu'on retire et pourquoi.

Poser une hypothèse
Présentation
Si H0 est vraie, la statistique t suit cette loi (22 degrés de liberté)−2,07+2,07t observé = −2,370 : aucune différencezone de rejet à 5 %p = 0,027
La statistique observée tombe dans la zone de rejet : si le marché n'avait pas bougé, un écart aussi grand n'arriverait qu'environ 3 fois sur 100. Exemple du test apparié, plus bas. Données : dépôt metier, offres actives au 5 octobre 2026.
Variable expliquée, variable explicative

Une question bivariée met deux variables face à face.

Celle qu'on cherche à comprendre est la variable dépendante, ou expliquée : le salaire, par exemple ; celle qui l'influencerait est la variable indépendante, ou explicative : le niveau du poste.

Le même salaire peut être expliqué dans une étude et explicatif dans une autre : c'est votre question qui fixe les rôles.

H0 et H1

Un test part d'une hypothèse nulle, H0 : aucune différence, aucun lien.

L'hypothèse alternative, H1, dit qu'il y en a un.

On n'essaie jamais de prouver H1 : on regarde si les données sont assez éloignées de H0 pour la rejeter.

La p-value et le seuil de 5 %
Nombre de suites possibles pour chaque nombre de piles, sur 10 lancers (1 024 suites en tout)1010145212032104252521061207458109110nombre de piles10 piles1 suite1 ÷ 1 0249 piles10 suites : la face tombe au 1er, au 2e… ou au 10e lancer10 ÷ 1 024Au moins 9 piles1 + 10 = 11 suites11 ÷ 1 024 = 0,0107
Avec une pièce équilibrée, les 1 024 suites de 10 lancers sont également probables. La p-value compte celles qui sont au moins aussi extrêmes que le résultat observé, en bleu. En formule : P(X = k) = C(n, k) × 0,5ⁿ, où C(n, k) est le nombre de façons de placer k piles parmi n lancers. Calcul de l'auteur.

La p-value est la probabilité d'observer un écart au moins aussi grand que le vôtre si H0 était vraie.

Un exemple : on suppose qu'une pièce est équilibrée, c'est H0, et elle tombe 9 fois sur 10 sur pile.

Sur 10 lancers, il existe 2¹⁰ = 1 024 suites possibles de piles et de faces, toutes aussi probables.

Une seule donne 10 piles ; dix donnent exactement 9 piles, selon le lancer où tombe la face.

Au moins 9 piles : 11 suites sur 1 024, soit p = 11 ÷ 1 024 = 0,0107.

Environ une fois sur cent : c'est trop rare pour croire au hasard, et on soupçonne la pièce.

Si on la soupçonne dans les deux sens, on compte aussi 9 ou 10 faces : p = 22 ÷ 1 024 = 0,021.

C'est la différence entre un test unilatéral et un test bilatéral ; les logiciels font le second par défaut.

Sous 0,05, on rejette H0 ; au-dessus, on ne la rejette pas.

Ce n'est ni la probabilité que H1 soit vraie, ni une mesure de l'importance du résultat.

Le seuil de 5 % est une convention : on accepte de se tromper une fois sur vingt en rejetant H0 à tort.

La taille de l'effet
La même pièce, qui tombe sur pile 60 % du temps, lancée plus ou moins souvent10 lancers6 piles, soit 60 %effet : 10 pointsh de Cohen = 0,20p = 0,38non significatif100 lancers60 piles, soit 60 %effet : 10 pointsh de Cohen = 0,20p = 0,03significatif1 000 lancers600 piles, soit 60 %effet : 10 pointsh de Cohen = 0,20p = 0,000 000 000 1très significatifL'effet ne bouge pas d'une case à l'autre ; la p-value, si.
Dans chaque case, la barre montre 60 % de piles ; le pointillé, les 50 % d'une pièce équilibrée. Calcul de l'auteur (loi binomiale, h de Cohen).

Une p-value dit si un écart est probablement réel, pas s'il compte.

La taille de l’effet mesure l'écart lui-même, dans une unité qui ne dépend pas du nombre d'observations.

Reprenons la pièce : elle tombe sur pile 60 % du temps, au lieu des 50 % d'une pièce équilibrée.

L'effet, c'est cet écart de 10 points ; exprimé en unité standard, le h de Cohen vaut 0,20, tout juste au seuil d'un petit effet.

Il est le même quel que soit le nombre de lancers.

h de Cohen : où se situe notre résultatnégligeablepetitmoyenfort00,20,50,8ici : h = 0,20
Seuils usuels du h de Cohen, d'après Cohen (1988).

La p-value, elle, change : sur 10 lancers, 6 piles donnent p = 0,38 ; sur 100 lancers, 60 piles donnent p = 0,03 ; sur 1 000 lancers, 600 piles donnent une p-value d'environ un sur dix milliards.

Plus on observe, plus les caprices du hasard se compensent, et plus un petit écart devient impossible à lui attribuer.

Chaque test a sa mesure de l'effet : le V de Cramer pour le chi², le d de Cohen pour le test t, l'êta² pour l'ANOVA, le r pour la corrélation.

Chacune se lit avec des seuils usuels : petit, moyen, fort.

Avec vos milliers d'offres, presque tout sera significatif : c'est la taille de l'effet qui dit si le résultat mérite une décision.

Combien d'observations ? La puissance du test
Observations nécessaires pour détecter un effet 8 fois sur 10, au seuil de 5 %Effet fortEffet moyenEffet petitComparer 2 groupestest t, par groupe2664394Comparer 3 groupesANOVA, par groupe2253323Deux qualitativeschi² 2 × 2, au total3288785Deux quantitativescorrélation, au total3085783Sur vos donnéesinsuffisantÉtudes commerciales et marketing digital : 45 et 21 offres, trop peu pour un effet moyensolideTélétravail et contrat : 2 563 offres, assez même pour un petit effet
Effectifs calculés pour une puissance de 80 %, avec les seuils d'effet de Cohen (1988). Plus l'effet cherché est petit, plus il faut d'observations. Calcul de l'auteur (statsmodels).

Un test peut aussi passer à côté d'un effet réel, faute d'observations.

La puissance est la probabilité de détecter un effet quand il existe ; on vise d'habitude 80 %.

Le tableau donne le nombre d'observations nécessaire pour l'atteindre, selon le test et la taille de l'effet qu'on cherche.

Pas bon : 45 offres d'études commerciales et 21 de marketing digital suffisent à voir un écart fort de salaire, pas un écart moyen, qui en demanderait 64 par groupe.

Leur « pas de différence », plus bas, ne prouve donc pas que les deux métiers paient pareil.

Bon : télétravail et contrat se croisent sur 2 563 offres, bien au-delà des 785 qu'il faut pour détecter même un petit effet.

Le résultat du chi² est solide.

Quel test pour quelles variables ?
La nature des deux variables décide du testQualitative ×qualitativeChi²contrat × télétravaileffet : V de CramerQualitative à 2 groupes× quantitativeTest tdeux métiers × salaireeffet : d de CohenQualitative à 3 groupeset plus × quantitativeANOVAniveau du poste × salaireeffet : êta²Quantitative ×quantitativeCorrélation, régressionexpérience × salaireeffet : r, R²
Chaque test de ce cours, avec l'exemple sur vos données qui l'illustre plus bas et la mesure de la taille de l'effet qui l'accompagne.

Le chi² compare des effectifs : la répartition observée dans un tableau croisé face à celle qu'on attendrait s'il n'y avait aucun lien.

Le test t et l'ANOVA comparent des moyennes : entre deux groupes pour le test t, entre trois ou plus pour l'ANOVA.

La corrélation mesure si deux variables varient ensemble ; la régression estime de combien l'une change quand l'autre bouge.

Chaque test a ses conditions d'application, à vérifier avant de lire son résultat.

Le chi² : le télétravail dépend-il du contrat ?
Présentation
Construire un chi² en cinq étapes1Les totauxce qu'on saitd'avance2Le théoriques'il n'y avaitaucun lien3Le réelce qu'on observe4L'écartcase par case,puis la somme5Le verdictseuil, puis forcedu lien
La marche suivie dans ce chapitre, sur un exemple : le télétravail dépend-il du type de contrat ? Schéma de l'auteur.

Le chi² répond à une question : deux variables qualitatives sont-elles liées ?

Le télétravail dépend-il du contrat, le canal d'achat de la tranche d'âge, la marque choisie de la région ?

On le choisit quand les deux variables sont qualitatives et qu'on peut les croiser dans un tableau d'effectifs.

Ses forces : il ne suppose rien sur la forme des données, accepte autant de catégories qu'on veut, et se calcule à la main.

Ses limites : il dit qu'un lien existe, pas dans quel sens ni avec quelle force ; il demande au moins 5 effectifs théoriques par case ; et sur une grande base, il devient significatif pour des écarts minimes.

Étape 1 : la question et les totaux
Ce qu'on sait d'avance : les totaux, 2 563 offres en CDI ou en CDDTélétravailSans télétravailTotalCDI??1 632CDD??931Total2392 3242 563
Les cases intérieures restent vides : c'est ce qu'il faut deviner, d'abord en théorie, puis en regardant les données. Données : dépôt metier, offres actives au 5 octobre 2026.

H0 : le télétravail ne dépend pas du contrat.

H1 : il en dépend.

Avant de regarder le croisement, on connaît les totaux : 1 632 CDI, 931 CDD, 239 offres avec télétravail sur 2 563.

Tout le calcul part de là.

Étape 2 : le tableau théorique
S'il n'y avait aucun lien : le tableau théoriqueTélétravailSans télétravailTotalCDI1 632 × 239 ÷ 2 563152,21 632 − 152,21 479,81 632CDD931 × 239 ÷ 2 56386,8931 − 86,8844,2931Total2392 3242 563
Sans lien, chaque contrat aurait la même part de télétravail que l'ensemble : 239 sur 2 563. On applique cette part au total de chaque ligne ; le reste de la ligne va à « sans télétravail ». Données : dépôt metier, offres actives au 5 octobre 2026.

S'il n'y avait aucun lien, CDI et CDD auraient la même part de télétravail que l'ensemble des offres : 239 ÷ 2 563 = 9,3 %.

Appliquée aux 1 632 CDI : 1 632 × 239 ÷ 2 563 = 152,2 offres attendues avec télétravail.

C'est la même chose que la formule des manuels : total de la ligne × total de la colonne ÷ total général.

Étape 3 : le tableau réel
Ce qu'on observe : le tableau réelTélétravailSans télétravailTotalCDI196théorique 152,21 436théorique 1 479,81 632CDD43théorique 86,8888théorique 844,2931Total2392 3242 563
En CDI, 196 offres proposent du télétravail au lieu des 152,2 attendues ; en CDD, 43 au lieu de 86,8. Données : dépôt metier, offres actives au 5 octobre 2026.

On place maintenant les effectifs observés à côté des théoriques.

Les CDI ont plus de télétravail que prévu, les CDD moins.

Reste à savoir si cet écart dépasse ce que le hasard pourrait produire.

Étape 4 : l'écart, case par case
L'écart de chaque case : (réel − théorique)² ÷ théoriqueTélétravailSans télétravailTotalCDI(196 − 152,2)² ÷ 152,212,6(1 436 − 1 479,8)² ÷ 1 479,81,313,9CDD(43 − 86,8)² ÷ 86,822,1(888 − 844,2)² ÷ 844,22,324,4Total34,73,6χ² = 38,3
Chaque case mesure combien le réel s'éloigne du théorique, rapporté au théorique. La somme des quatre cases est le chi² : 38,3. Données : dépôt metier, offres actives au 5 octobre 2026.

Dans chaque case, on mesure l'écart entre le réel et le théorique, on l'élève au carré pour que les écarts positifs et négatifs ne s'annulent pas, et on le divise par le théorique pour le rapporter à la taille de la case.

Les CDD avec télétravail pèsent le plus, 22,1 : c'est là que le réel s'éloigne le plus de la théorie.

La somme des quatre cases est le chi² : 38,3.

Étape 5 : le verdict
Valeur critique du chi² au seuil de 5 %, selon les degrés de libertéDegrés de libertéValeur critique13,8425,9937,8149,49612,59Ici : 1 degré de liberté, valeur critique 3,84 ; notre chi² vaut 38,3, bien au-delà.
Les valeurs critiques sont celles de la loi du chi², à retrouver dans n'importe quelle table statistique.

Le chi² se compare à une valeur critique, qui dépend du nombre de degrés de liberté : (lignes − 1) × (colonnes − 1), soit 1 pour un tableau 2 × 2.

Au seuil de 5 %, la valeur critique est 3,84.

Avec 38,3, on rejette H0 : le télétravail dépend du contrat.

La force du lien : le V de Cramer

Le chi² dit qu'un lien existe, pas sa force.

Le V de Cramer la mesure : V = √(χ² ÷ N) pour un tableau 2 × 2, soit √(38,3 ÷ 2 563) = 0,12.

V de Cramer : où se situe notre résultatnégligeablepetitmoyenfort00,10,30,5ici : V = 0,12
Seuils usuels du V de Cramer, d'après Cohen (1988).

Le lien est réel, mais faible : le type de contrat n'explique qu'une petite part du télétravail.

Le même calcul, sans lien

Télétravail selon le groupe de métiers : 9 % des offres en marketing, 9 % dans le digital.

Le chi² vaut 0,34, très loin de 3,84 : on ne rejette pas H0.

« Pas de différence » est un résultat, pas un échec : il s'écrit avec la même rigueur.

Ce que le logiciel affiche

Quatre lignes de Python donnent tout ce qu'on vient de construire à la main :

pythonfrom scipy.stats import chi2_contingency
chi2, p, ddl, attendus = chi2_contingency([[196, 1436], [43, 888]])

chi2      = 37.43
p         = 9.5e-10
ddl       = 1
attendus  = [[152.2, 1479.8], [86.8, 844.2]]

On y retrouve les effectifs théoriques et le degré de liberté.

Un seul chiffre diffère : sur un tableau 2 × 2, Python applique d'office la correction de continuité de Yates et affiche 37,43 au lieu de 38,30.

Pour retrouver le calcul à la main, on ajoute correction=False.

Comparer des moyennes : les tests t
Présentation
Trois situations, trois tests tUn échantillonun groupe, une référenceIndépendantsdeux groupes distinctsAppariéles mêmes, mesurés deux fois
Le test t compare des moyennes ; le bon test dépend de la façon dont les données ont été recueillies. Schéma de l'auteur.
Un échantillon face à une référence
Salaire annuel brut des 23 offres salariées d'assistant(e) marketing qui l'affichentSMIC annuel 22 404moyenne 23 66910 00015 00020 00025 00030 00035 00040 000
Chaque point est une offre. Le SMIC est celui en vigueur depuis le 1er juin 2026, 1 867,02 euros bruts par mois (Service public). Données : dépôt metier, offres actives au 5 octobre 2026.

Le test t à un échantillon compare la moyenne d'un groupe à une valeur connue d'avance.

Question : les offres d'assistant(e) marketing paient-elles plus que le SMIC ?

Moyenne : 23 669 euros bruts par an, pour un SMIC annuel de 22 404. t = 0,91, p = 0,37 : on ne rejette pas H0.

Sur 23 offres, l'écart au SMIC n'est pas significatif.

Ce n'est pas pour autant la preuve qu'elles paient le SMIC : avec 23 offres, le test n'a que 63 % de chances de détecter un écart moyen, et presque aucune de voir un petit écart.

Il en faudrait 34 pour un écart moyen.

Taille de l'effet : d = (23 669 − 22 404) ÷ 6 638, l'écart-type des salaires, soit 0,19 : à la limite entre négligeable et petit.

d de Cohen : où se situe notre résultatnégligeablepetitmoyenfort00,20,50,8ici : d = 0,19
Seuils usuels du d de Cohen, d'après Cohen (1988).

Les offres d'apprentissage ont été retirées avant le test : leur salaire est fixé par la loi en pourcentage du SMIC, il ne dit rien du marché.

Deux groupes indépendants
Salaire annuel brut de chaque offre salariée, et la moyenne de chaque métierÉtudescommerciales · 45 offresmoyenne 32 058Marketingdigital · 21 offresmoyenne 31 80710 00020 00030 00040 00050 00060 000
Chaque point est une offre, le trait noir la moyenne du métier. Les deux nuages se recouvrent presque entièrement. Données : dépôt metier, offres actives au 5 octobre 2026.

La question : le chargé d'études commerciales est-il mieux payé que le chargé de marketing digital ?

Deux groupes d'offres distincts, aucune offre n'appartient aux deux.

Sur le graphique, les deux nuages se recouvrent presque entièrement, et les moyennes ne diffèrent que de 251 euros : 32 058 contre 31 807.

Le test t pose la question du chapitre précédent : un écart de 251 euros pourrait-il venir du hasard ?

H0 : les deux métiers paient pareil en moyenne.

H1 : ils paient différemment.

Il faut d'abord regarder l'étalement de chaque nuage, ce que mesurent la variance et l'écart-type vus au TD 1.

Le test t classique suppose que les deux groupes sont aussi étalés.

Ici, le marketing digital paraît plus dispersé : 10 508 euros d'écart-type, contre 7 532.

Le test de Levene vérifie si cette différence d'étalement est réelle.

Sa p-value se lit comme toutes les autres : 0,19, au-dessus de 0,05, donc rien ne prouve que les étalements diffèrent.

Par prudence, on utilise quand même la version de Welch, qui ne suppose pas l'égalité : elle donne le même verdict quand les étalements sont proches, et reste juste quand ils ne le sont pas.

La statistique t rapporte l'écart des moyennes à l'incertitude qui l'entoure.

Cette incertitude, l'erreur standard, grandit avec l'étalement des salaires et diminue avec le nombre d'offres : ici, 2 553 euros. t = 251 ÷ 2 553 = 0,10.

Le seuil, c'est la zone de rejet de la courbe du chapitre précédent : au-delà d'environ 2,0 en valeur absolue, l'écart est significatif à 5 %.

Avec 0,10, on en est très loin.

La p-value dit la même chose en probabilité : si les deux métiers payaient pareil, un écart au moins aussi grand apparaîtrait 92 fois sur 100. p = 0,92 : on ne rejette pas H0.

La taille de l'effet, le d de Cohen, exprime l'écart en écarts-types : 251 euros sur un écart-type commun d'environ 9 100 euros, soit d = 0,03 : un effet quasi nul.

d de Cohen : où se situe notre résultatnégligeablepetitmoyenfort00,20,50,8ici : d = 0,03
Seuils usuels du d de Cohen, d'après Cohen (1988).

Reste la puissance : avec 45 et 21 offres, le tableau du chapitre précédent montre que seul un écart fort aurait pu se voir.

Conclusion : on n'a pas trouvé de différence de salaire entre les deux métiers, ce qui ne prouve pas qu'il n'y en a aucune.

Les mêmes, mesurés deux fois : le test apparié
Offres actives par métier, le 22 septembre puis le 5 octobre22/095/10Chargé(e) d'études commerciales : +46Responsable e-commerce : −56Chargé(e) de communication : −633480
Chaque ligne relie un métier à lui-même : 16 baissent (en bleu), 7 montent (en gris). Données : dépôt metier, offres actives au 5 octobre 2026.

Pour chacun des 23 métiers, le nombre d'offres actives le 22 septembre et le 5 octobre.

Ce ne sont pas deux groupes : ce sont les mêmes métiers, mesurés deux fois, et le test porte sur la différence de chacun.

Différence moyenne : -10,8 offres par métier. t = -2,37 pour 22 degrés de liberté, p = 0,027 : le marché a significativement baissé en deux semaines.

Taille de l'effet : d = 10,8 ÷ 21,9, l'écart-type des différences, soit 0,49 : à la limite entre petit et moyen.

d de Cohen : où se situe notre résultatnégligeablepetitmoyenfort00,20,50,8ici : d = 0,49
Seuils usuels du d de Cohen, d'après Cohen (1988).

Le test dit que la baisse n'est probablement pas due au hasard ; il ne dit pas pourquoi.

Deux semaines, c'est court : au TD 3, vous aurez deux mois de recul pour refaire le test.

Plus de deux groupes : l'ANOVA
Présentation
Salaire annuel brut des offres salariées, selon le niveau du posteAssistant(e)63 offres24 143Chargé(e)343 offres29 761Responsable240 offres39 198Directeur(rice)16 offres59 375020 00040 00060 00080 000100 000
Chaque point est une offre, le trait noir la moyenne du niveau. Les salaires au-delà de 100 000 euros sont posés sur le bord. Données : dépôt metier, offres actives au 5 octobre 2026.
Pourquoi pas plusieurs tests t

Avec quatre niveaux de poste, il faudrait six tests t, et à chaque test 5 % de risque de se tromper : le risque de trouver une différence qui n'existe pas grimpe vite.

L'analyse de la variance répond en un seul test à la question : au moins une des moyennes diffère-t-elle des autres ?

Le principe : entre les groupes, à l'intérieur des groupes
Groupes serrésF grand : le groupe compteGroupes étalésF proche de 1 : il ne prouve rien
Trois groupes, avec exactement les mêmes moyennes (traits noirs) à gauche et à droite. Seul l'étalement à l'intérieur des groupes change, et avec lui la conclusion. Schéma de l'auteur, données fictives.

Pour savoir si le niveau du poste compte, l'ANOVA compare deux choses : à quel point les moyennes des niveaux s'éloignent les unes des autres, et à quel point les offres s'étalent à l'intérieur de chaque niveau.

À gauche, les moyennes sont éloignées et chaque groupe est serré autour de la sienne : savoir à quel groupe appartient une offre dit presque tout de sa valeur.

À droite, les moyennes sont exactement les mêmes, mais les groupes sont si étalés qu'ils se chevauchent : le même écart de moyennes ne prouve plus rien.

La statistique F est le rapport des deux : l'écart entre les groupes divisé par l'étalement à l'intérieur des groupes.

Proche de 1, les groupes ne se distinguent pas plus que les offres entre elles.

Bien plus grand que 1, le groupe fait une vraie différence, et H0, « toutes les moyennes sont égales », est rejetée.

Le résultat

F = 77,4 pour 3 et 658 degrés de liberté, p < 0,001 : le salaire dépend du niveau du poste.

Êta² = 0,26 : le niveau explique 26 % de la variation des salaires affichés.

C'est un effet fort, mais les trois quarts restent à expliquer.

êta² : où se situe notre résultatnégligeablepetitmoyenfort00,010,060,14ici : êta² = 0,26
Seuils usuels du êta², d'après Cohen (1988).
La condition, et ce qu'on fait quand elle manque

L'ANOVA classique suppose des variances comparables d'un groupe à l'autre.

Ici le test de Levene la rejette (p < 0,001) : les salaires des directeurs varient beaucoup plus que ceux des assistants.

La version de Welch, qui s'en passe, confirme le résultat : F = 73,9, p < 0,001.

Une condition non remplie ne s'ignore pas : elle se signale, et on prend l'outil adapté.

Quels groupes diffèrent ? Les tests post hoc
Écart de salaire moyen entre deux niveaux de poste, avec sa marge d'incertitude0 : aucune différenceChargé(e) − assistant(e)+5 617Responsable − chargé(e)+9 437Responsable − assistant(e)+15 055Directeur(rice) − responsable+20 177Directeur(rice) − chargé(e)+29 614Directeur(rice) − assistant(e)+35 232-10 0000+10 000+20 000+30 000+40 000+50 000+60 000euros bruts par an
Le point est l'écart des moyennes, la barre sa marge d'incertitude, élargie par la correction de Bonferroni. En bleu, les paires dont la barre ne touche pas zéro : la différence est significative. En gris, celle qui le touche. Données : dépôt metier, offres salariées actives au 5 octobre 2026.

L'ANOVA dit qu'au moins un groupe diffère, pas lesquels.

Pour le savoir, on compare ensuite les groupes deux à deux : ce sont les tests post hoc, littéralement « après coup ».

On ne les lance que si l'ANOVA est significative.

Quatre niveaux de poste font six paires.

Six tests au seuil de 5 % multiplient le risque de trouver une différence par hasard ; la correction de Bonferroni divise donc le seuil par le nombre de comparaisons : 0,05 ÷ 6 = 0,008 pour chaque paire.

Sur le graphique, chaque paire a son écart et sa marge d'incertitude.

Si la barre ne touche pas zéro, la différence est significative.

Ici, toutes les paires diffèrent sauf directeur(rice) et responsable : 20 177 euros d'écart, mais avec seulement 16 offres de directeur(rice), très dispersées, cet écart reste trop incertain (p = 0,08 après correction).

Bonferroni est la correction la plus simple, et la plus sévère.

Il en existe d'autres : Tukey quand les groupes ont des étalements comparables, Games-Howell quand ils n'en ont pas, comme ici.

Sur ces données, Games-Howell donne la même lecture.

Deux quantitatives : la corrélation
Présentation
Expérience demandée et salaire annuel brut, 630 offres salariées020 00040 00060 00080 000100 0000 an2 ans4 ans6 ans8 ans10 ans12 ansr = 0,48
Chaque point est une offre, légèrement décalé à l'horizontale pour qu'on distingue les points empilés. Expérience plafonnée à 12 ans, salaires à 100 000 euros sur le graphique. Données : dépôt metier, offres salariées actives au 5 octobre 2026.
Le coefficient r

La corrélation de Pearson mesure si deux variables quantitatives varient ensemble.

Elle va de −1, quand l'une baisse chaque fois que l'autre monte, à +1, quand elles montent ensemble parfaitement ; 0 veut dire qu'aucune ligne droite ne les relie.

Elle se calcule en rapportant la covariance, qui mesure à quel point les deux variables s'écartent de leur moyenne en même temps, au produit de leurs écarts-types : r = cov(x, y) ÷ (écart-type de x × écart-type de y) = 12 908 ÷ (2,07 × 12 852) = 0,48.

Années d'expérience demandées et salaire : r = 0,48, sur 630 offres, p < 0,001.

Un lien positif, moyen, tout près du seuil d'un lien fort.

r de Pearson, de −1 à +1 : où se situe notre résultat← lien négatiflien positif →fortmoyenpetitnégligeablepetitmoyenfort−0,5−0,3−0,1+0,1+0,3+0,5−10+1ici : r = +0,48
Le signe dit le sens du lien, la distance à 0 sa force : r = −0,5 est un lien aussi fort que r = +0,5, mais de sens inverse. Seuils usuels d'après Cohen (1988).
Quand les données ne s'y prêtent pas

Pearson suppose une relation en ligne droite et se laisse tirer par les valeurs extrêmes.

Pour une variable ordinale, ou une relation qui monte sans être droite, on prend la corrélation de Spearman, calculée sur les rangs plutôt que sur les valeurs.

Ici, Spearman donne 0,48 : les deux lectures concordent.

Corrélation n'est pas causalité

Que l'expérience et le salaire montent ensemble ne prouve pas que l'une cause l'autre : les postes de responsable demandent plus d'expérience et paient plus, et c'est peut-être le niveau du poste qui fait les deux.

Pour parler de cause, il faut que la cause précède l'effet, qu'elles varient ensemble, et qu'aucune troisième variable n'explique le lien.

La régression permet de contrôler la troisième ; seule une expérience contrôle tout.

Expliquer : la régression
Présentation
Expérience demandée et salaire annuel brut, 630 offres salariées020 00040 00060 00080 000100 0000 an2 ans4 ans6 ans8 ans10 ans12 anssalaire = 26 968 + 3 004 × annéesr = 0,48
Chaque point est une offre, légèrement décalé à l'horizontale pour qu'on distingue les points empilés ; la droite et son équation sont expliquées plus bas. Expérience plafonnée à 12 ans, salaires à 100 000 euros sur le graphique. Données : dépôt metier, offres salariées actives au 5 octobre 2026.

La régression va plus loin que la corrélation : elle résume le nuage par une droite, et met cette droite en équation.

Toute droite s'écrit ŷ = a + b × x : a est la valeur prévue quand x vaut 0, b ce qu'ajoute chaque unité de x.

La forme générale, puis nos chiffresŷsalaire prévu==a26 968a : l'ordonnée à l'origine,le salaire prévu pour 0 an++b3 004b : la pente, ce querapporte chaque année××xannéesx : l'expériencedemandée
En italique gris, la forme générale de toute droite ; en dessous, les valeurs tirées de vos offres.

Ici : salaire prévu = 26 968 + 3 004 × années d'expérience.

Pour une offre qui demande 3 ans : 26 968 + 3 × 3 004 = 35 980 euros par an.

Comment on trouve a et b : les moindres carrés
écartChaque pointillé est l'écartentre une offre et la droite.La méthode des moindres carrésretient la droite pour laquellela somme de ces écarts, élevésau carré, est la plus petite.
Schéma de l'auteur, données fictives.

Parmi toutes les droites qu'on pourrait tracer, la régression retient celle qui passe au plus près de l'ensemble des points : celle qui rend la plus petite possible la somme des écarts au carré.

Cette règle donne deux formules.

La pente : b = cov(x, y) ÷ variance de x = 12 908 ÷ 4,30 = 3 004.

L'ordonnée à l'origine : a = moyenne de y − b × moyenne de x = 33 002 − 3 004 × 2,01 = 26 968.

Le R²

Le R² dit quelle part de la variation du salaire la droite reproduit : de 0, rien, à 1, tout.

En régression simple, c'est le carré de r : 0,48² = 0,23, soit 23 %.

Un R² faible n'invalide pas un coefficient significatif : il dit seulement que d'autres choses, absentes du modèle, comptent aussi.

Plusieurs variables : toutes choses égales par ailleurs
On ajoute les variables une à une : le poids de l'expérience baisse, la part expliquée monteModèle 1l'expérience seulePoids d'une année d'expérience3 004 € par anR², part des salaires expliquée23 %Modèle 2+ le niveau du postePoids d'une année d'expérience2 141 € par anR², part des salaires expliquée38 %Modèle 3+ le télétravailPoids d'une année d'expérience2 145 € par anR², part des salaires expliquée39 %
Mêmes 630 offres dans les trois modèles ; seules les variables changent. Données : dépôt metier, offres salariées actives au 5 octobre 2026.

Seule, l'expérience pèse 3 004 euros par année et explique 23 % des salaires.

Mais elle n'agit pas seule : les postes élevés demandent plus d'expérience, 1,1 an en moyenne pour un assistant, 4,3 ans pour un directeur.

En ajoutant le niveau du poste, le poids de l'expérience tombe à 2 141 euros : une partie de ce qu'on lui attribuait revenait en fait au niveau.

Et la part expliquée monte à 38 % : le modèle décrit mieux les salaires, et attribue chaque effet à ce qui le produit probablement.

Le télétravail, lui, ne change presque rien au poids de l'expérience, 2 145 euros, parce qu'il n'est pas lié à elle ; il ajoute seulement un peu d'explication, 39 %.

C'est ce qu'on appelle raisonner toutes choses égales par ailleurs : chaque coefficient se lit à valeur égale des autres variables.

L'équation du modèle 3 ajoute un coefficient par variable, sur le modèle ŷ = a + b₁ × x₁ + b₂ × x₂ + … :

salaire prévu = 25 497 + 2 145 × années − 3 981 × assistant + 6 868 × responsable + 23 867 × directeur + 4 047 × télétravail.

Effet de chaque variable sur le salaire, les autres restant égalesUne année d'expérience de plus+2 145Assistant(e) plutôt que chargé(e)−3 981Responsable plutôt que chargé(e)+6 868Directeur(rice) plutôt que chargé(e)+23 867Télétravail proposé+4 047-20 000-10 0000+10 000+20 000+30 000
Le point est l'effet estimé, la barre son intervalle de confiance à 95 %. Référence : un poste de chargé(e), sans expérience, sans télétravail. Données : dépôt metier, offres salariées actives au 5 octobre 2026.
Une variable qualitative dans le modèle

Le niveau du poste entre dans l'équation sous forme d'indicatrices : assistant vaut 1 si l'offre est un poste d'assistant, 0 sinon, et de même pour responsable et directeur.

Le niveau chargé(e) n'a pas d'indicatrice : c'est la référence, à laquelle les autres se comparent.

Pour un poste de responsable qui demande 5 ans et propose du télétravail : 25 497 + 5 × 2 145 + 6 868 + 4 047 = 47 139 euros.

Le télétravail va de pair avec un salaire plus élevé, sans qu'on puisse dire qu'il en est la cause.

Ce que le modèle ne dit pas

61 % de la variation reste inexpliquée : l'entreprise, la ville, le secteur ne sont pas dans le modèle.

Et deux variables explicatives trop liées entre elles brouillent leurs coefficients : on le vérifie avec le facteur d'inflation de la variance (VIF).

Vers des méthodes plus poussées
Présentation
modèle structurelmodèles de mesureSatisfactionFidélitéβQ1λ1ε1Q2λ2ε2Q3λ3ε3Q4λ4ε4Q5λ5ε5Q6λ6ε6ζ
En carrés, les questions posées ; en cercles, ce qu'on cherche à mesurer et qu'on ne voit pas directement. En bleu, les modèles de mesure, vérifiés par une analyse factorielle confirmatoire ; en rouge, le modèle structurel, qui relie les concepts. Schéma de l'auteur, d'après la représentation usuelle des modèles d'équations structurelles.
Ce qu'on ne mesure pas directement

La satisfaction, la confiance, l'attachement à une marque : ce sont des variables latentes.

Personne ne les observe directement ; on les approche par plusieurs questions, les échelles de Likert du premier chapitre.

Une seule question mesure mal : elle mélange le concept et le bruit de la formulation.

Plusieurs questions qui visent le même concept permettent d'isoler ce qu'elles ont en commun.

L'analyse factorielle confirmatoire

L'analyse factorielle confirmatoire vérifie que les questions censées mesurer un même concept le mesurent bien : chacune doit y être fortement liée, c'est son poids λ, et la part qui ne s'explique pas est son erreur ε.

On juge le modèle sur sa fiabilité, avec l'alpha de Cronbach au-dessus de 0,7, et sur son ajustement aux données, avec des indices comme le CFI au-dessus de 0,90 et le RMSEA sous 0,08.

C'est le modèle de mesure, en bleu sur le schéma.

Les équations structurelles

Une fois les concepts mesurés, le modèle d’équations structurelles les relie entre eux : la satisfaction augmente-t-elle la fidélité, et de combien ?

C'est le coefficient β, en rouge sur le schéma.

Par rapport à la régression, il tient compte de l'erreur de mesure de chaque question, et il estime plusieurs relations à la fois : la satisfaction peut agir sur la fidélité directement, et à travers la confiance.

Les grands baromètres de satisfaction client, comme l'ACSI américain, reposent sur ce type de modèle.

Il se construit avec lavaan en R ou semopy en Python.

On le met en pratique au CM 3, sur vos données de Prix : beaucoup de valeur pour un mémoire.

Médiation et modération : le modèle 7 de PROCESS
Le modèle 7 : une médiation dont le premier chemin dépend d'un modérateurXPrix en promotionMValeur perçueYIntention d'achatWFamiliarité avec la marqueabc′ : effet directmodère aM = a₀ + a₁ X + a₂ W + a₃ X × Wla valeur perçue, avec l'interaction qui porte la modérationY = c′₀ + c′ X + b Ml'intention d'achat, expliquée par X et par Mindice de médiation modérée = a₃ × bl'effet indirect change-t-il selon W ?
Exemple de l'auteur, sur le schéma conceptuel du modèle 7 (Hayes, Introduction to Mediation, Moderation, and Conditional Process Analysis, 3ᵉ éd., 2022).

La médiation dit par où passe un effet.

La promotion n'augmente pas l'intention d'achat directement : elle augmente la valeur perçue, qui augmente l'intention d'achat.

L'effet indirect est le produit des deux chemins, a × b ; ce qui reste, c′, est l'effet direct.

La modération dit quand un effet est plus ou moins fort.

La promotion n'augmente peut-être la valeur perçue que chez les clients qui connaissent déjà la marque : la familiarité, W, modère le lien.

On la teste par une interaction, X × W, ajoutée à la régression.

Le modèle 7 combine les deux : une médiation dont le premier chemin, de X vers M, est modéré par W. On parle de médiation modérée.

L'indice a₃ × b dit si l'effet indirect change avec W ; on le juge par bootstrap, et il est significatif quand son intervalle de confiance ne contient pas zéro.

C'est l'un des modèles de la macro PROCESS d'Andrew Hayes, disponible pour SPSS, SAS et R ; il se reproduit aussi avec lavaan ou semopy, puisqu'il s'agit de deux régressions estimées ensemble.

Des mots aux chiffres
Trois intitulés réels, et le tableau qu'on en tire : une ligne par offre, une colonne par motProduct Manager - Data & IA - H/FChef de produit (H/F)Alternance - Marketing et Social Media H/Fdataiaproduitmarketing110000100001
Chaque mot devient une variable : 1 s'il apparaît dans l'offre, 0 sinon. Sur les 3 113 offres et toutes leurs descriptions, le même tableau compte des milliers de colonnes. Données : dépôt metier, offres actives au 5 octobre 2026.

Vos offres contiennent aussi du texte : leurs descriptions totalisent environ 950 000 mots.

La fouille de textes les transforme en chiffres.

On découpe chaque texte en mots, on retire les mots vides (le, de, et…), puis on compte : chaque offre devient une ligne, chaque mot une colonne.

C'est le sac de mots : l'ordre des mots est perdu, leur présence est gardée.

Un mot devient une variable
Part des offres dont la description cite l'IA, selon le groupe de métiersDigital12,5 % (78 sur 624)Marketing7,7 % (110 sur 1 421)Frontière2,8 % (30 sur 1 068)
Une offre « cite l'IA » si sa description contient IA, intelligence artificielle ou ChatGPT. Données : dépôt metier, offres actives au 5 octobre 2026.

Une fois le texte en tableau, tous les outils de ce cours s'appliquent.

La présence du mot « IA » est une variable qualitative, oui ou non, qu'on peut croiser avec le groupe de métiers.

Les offres du digital citent l'IA 12,5 fois sur 100, celles du marketing 7,7, les métiers frontières 2,8.

Chi² = 59,0, 2 degrés de liberté, p < 0,001 ; V de Cramer = 0,14 : un lien réel, mais faible.

V de Cramer : où se situe notre résultatnégligeablepetitmoyenfort00,10,30,5ici : V = 0,14
Seuils usuels du V de Cramer, d'après Cohen (1988).
Les pièges du comptage

Un mot n'est pas un sens.

Dans l'une des offres comptées, « IA » apparaît dans le nom d'une formation, un « Mastère … & IA », pas dans le poste : le comptage la range parmi les offres qui parlent d'IA.

Synonymes, négations, homonymes produisent les mêmes erreurs.

Avant de croire un comptage, on lit un échantillon d'offres à la main.

Les méthodes récentes, les plongements de mots puis les modèles de langage, comparent le sens plutôt que les mots, mais leurs résultats se vérifient de la même façon : sur un échantillon codé à la main.

← TD 1 · Décrire et montrer : les premiers graphiquesCM 3 · Analyser votre projet de Prix →