Échantillonnage dans un mémoire de master : probabiliste, raisonné, boule de neige — comment choisir 2026
Vous avez défini votre question de recherche, posé votre cadre théorique et choisi entre approche qualitative et quantitative. Vient alors une question que beaucoup d’étudiants sous-estiment : quelle méthode d’échantillonnage utiliser dans mon mémoire de master ? Ce n’est pas un détail technique à régler en cinq minutes — c’est un choix structurant qui doit être cohérent avec votre épistémologie, votre design de recherche et les contraintes réelles du terrain. Un jury chevronné lit la section « population et échantillon » avec attention : c’est là que la rigueur méthodologique se voit le mieux.
Ce guide cartographie les grandes familles de méthodes d’échantillonnage — probabilistes et non probabilistes — explique quand et pourquoi les utiliser, et vous donne les formulations pour les justifier solidement dans votre chapitre méthodologie. La question combien de personnes interroger est traitée séparément dans notre article dédié à la taille d’échantillon ; ici, nous nous concentrons exclusivement sur le type de méthode.
Les deux grandes familles d’échantillonnage
Toute technique d’échantillonnage appartient à l’une de deux grandes familles, selon qu’elle repose ou non sur un tirage aléatoire contrôlé.
L’échantillonnage probabiliste garantit que chaque individu de la population a une probabilité connue, calculable et non nulle d’être inclus dans l’échantillon. Cette propriété est indispensable si vous souhaitez réaliser des inférences statistiques — c’est-à-dire généraliser vos résultats à la population mère avec un intervalle de confiance défini. C’est la logique de la recherche quantitative confirmatoire.
L’échantillonnage non probabiliste ne repose pas sur un tirage aléatoire. La sélection est orientée par des critères qualitatifs, pratiques ou théoriques. Les résultats ne sont pas généralisables au sens statistique, mais ils peuvent être transférables si le chercheur documente rigoureusement le contexte. C’est la logique de la recherche qualitative exploratoire ou compréhensive. Selon Statistique Canada, les méthodes non probabilistes constituent une part très significative des enquêtes en sciences sociales appliquées, notamment dans les contextes où la constitution d’une base de sondage exhaustive est impossible.
Le choix entre ces deux familles découle directement de votre posture épistémologique et de votre paradigme de recherche : positiviste et hypothético-déductif → probabiliste ; interprétatif ou constructiviste → non probabiliste.
Comparatif rapide : probabiliste vs non probabiliste
| Critère | Probabiliste | Non probabiliste |
|---|---|---|
| Base de sondage | Requise | Non requise |
| Généralisation | Statistique | Transférabilité analytique |
| Logique | Représentativité | Richesse informationnelle |
| Paradigme adapté | Positiviste | Interprétativiste |
| Critère d’arrêt | Calcul de puissance statistique | Saturation théorique |
Adapté de Pires, A. (1997). Échantillonnage et recherche qualitative. Université d’Ottawa / Sorbonne.
Échantillonnage probabiliste : aléatoire, stratifié, par grappes
Aléatoire simple
Chaque individu de la base de sondage est numéroté et tiré au sort avec une probabilité égale. C’est la forme la plus pure du principe probabiliste : aucun biais de sélection ne peut être introduit par le chercheur. Condition sine qua non : disposer d’une base de sondage complète (liste de tous les individus de la population accessible). En contexte de mémoire de master, c’est réaliste si vous travaillez sur une cohorte fermée : tous les étudiants d’une promotion, tous les salariés d’une PME partenaire, tous les clients inscrits dans un CRM.
Aléatoire systématique
On choisit un point de départ aléatoire dans la liste, puis on sélectionne 1 individu sur k (où k = taille population / taille échantillon souhaité). Plus rapide que le tirage individuel et équivalent en termes de propriétés probabilistes si la liste n’est pas ordonnée selon une variable liée à l’objet d’étude.
Stratifié
La population est divisée en sous-groupes homogènes (strata) selon une ou plusieurs variables pertinentes (sexe, niveau d’études, secteur géographique), puis un tirage aléatoire est effectué dans chaque strate. Cette technique est particulièrement recommandée lorsque la population est hétérogène et que vous souhaitez garantir une représentation suffisante de sous-groupes minoritaires. Selon Qualtrics, l’échantillonnage stratifié est optimal « lorsque vous ciblez des segments démographiques spécifiques » dont les effectifs seraient trop faibles pour apparaître dans un tirage purement aléatoire.
Par grappes (cluster sampling)
On tire aléatoirement des groupes naturels (classes, établissements, quartiers, entreprises) plutôt que des individus, puis on interroge tous les membres du groupe tiré — ou un sous-échantillon si les grappes sont très grandes (sondage en deux degrés). Avantage majeur : idéal pour les populations géographiquement dispersées où il serait coûteux de se déplacer pour interroger des individus disséminés. Limite : variance plus élevée que l’aléatoire simple si les grappes sont hétérogènes en interne.
Échantillonnage non probabiliste : convenance, raisonné, quotas, boule de neige
Par convenance (accidentel)
Les participants sont recrutés selon leur disponibilité et accessibilité : étudiants de la même promotion, contacts LinkedIn, participants à un événement ouvert. C’est la technique la moins coûteuse en temps et en ressources. Elle est valide si — et seulement si — vous reconnaissez explicitement ses limites dans votre section dédiée et si vous ne revendiquez pas une représentativité que vous ne pouvez pas démontrer. Les jurys l’acceptent pour des travaux exploratoires à condition que la discussion des limites soit honnête.
Raisonné ou purposif (par critères)
Le chercheur sélectionne délibérément des individus présentant des caractéristiques jugées pertinentes pour la question de recherche. C’est la méthode de référence de la recherche qualitative compréhensive. Elle suppose de définir des critères d’inclusion (ex. : cadres de PME ayant vécu une transformation numérique) et des critères d’exclusion (ex. : dirigeants-fondateurs exclus car biais d’attachement). Plusieurs variantes existent :
- Échantillonnage typique : sélection de cas représentatifs du phénomène étudié.
- Échantillonnage en variation maximale : sélection délibérée de cas contrastés pour couvrir la diversité du phénomène.
- Échantillonnage de cas extrêmes : sélection de cas atypiques pour en apprendre plus sur les frontières du phénomène.
- Échantillonnage théorique (Grounded Theory) : les décisions d’échantillonnage évoluent en cours de collecte, guidées par les catégories émergentes de l’analyse — processus itératif jusqu’à la saturation théorique.
Par quotas
Le chercheur définit des sous-groupes cibles (quotas) en proportion de la population — par exemple 60 % femmes / 40 % hommes, répartis en trois tranches d’âge — et recrute jusqu’à atteindre chaque quota. Contrairement à l’échantillonnage stratifié, le recrutement au sein de chaque quota n’est pas aléatoire. Très utilisé en sondages d’opinion et études marketing, il est acceptable en mémoire si la structure de la population est documentée (données INSEE, rapports sectoriels) et si la procédure de recrutement dans chaque quota est décrite précisément.
Boule de neige (snowball)
Les premiers participants (dits « graines ») identifient et orientent vers d’autres individus correspondant aux critères. Cette technique est incontournable pour les populations difficiles d’accès : praticiens d’une spécialité rare, personnes en situation de marginalité, membres de communautés très spécifiques, ou encore réseaux professionnels fermés. Elle est largement reconnue dans la littérature méthodologique comme une solution valide et même nécessaire dans ces contextes. Ses limites principales : biais de réseau (les participants recrutent dans leurs propres cercles) et risque de sous-représentation des individus périphériques. Ces limites doivent être discutées dans les sections limites de votre mémoire.
Tableau comparatif : méthode → quand → comment justifier
| Méthode | Quand l’utiliser | Phrase-clé de justification | Limite à mentionner |
|---|---|---|---|
| Aléatoire simple | Base de sondage complète disponible, objectif de généralisation | « Un tirage au sort a été effectué sur la liste exhaustive de [population], garantissant une probabilité égale d’inclusion. » | Suppose une base de sondage complète et à jour |
| Stratifié | Population hétérogène, sous-groupes à représenter équitablement | « Afin de garantir la représentation de [strates], la population a été stratifiée selon [variables] avant tirage. » | Nécessite de connaître la composition de la population par strate |
| Par grappes | Population dispersée géographiquement, contraintes de déplacement | « Des unités de premier degré ont été tirées aléatoirement, puis interrogées dans leur intégralité. » | Variance estimateur plus élevée si grappes hétérogènes |
| Raisonné / purposif | Recherche qualitative compréhensive, critères précis définis a priori | « Les participants ont été sélectionnés selon des critères théoriques prédéfinis (…) afin d’optimiser la richesse informationnelle. » | Biais du chercheur dans la sélection ; non généralisable |
| Par quotas | Structure sociodémographique connue, objectif de représentativité structurelle | « Les quotas ont été définis à partir des données [INSEE / rapport sectoriel] de façon à refléter la structure de la population. » | Sélection au sein des quotas reste non aléatoire |
| Boule de neige | Population rare ou difficile d’accès, réseaux fermés | « En l’absence de base de sondage pour cette population, un recrutement en chaîne a été adopté à partir de [X] participants initiaux. » | Biais de réseau ; risque de cluster sociométrique |
| Convenance | Phase exploratoire, contraintes fortes de temps et d’accès | « Compte tenu des contraintes d’accès et du caractère exploratoire de la démarche, un échantillon de convenance a été constitué. » | Biais de sélection marqué ; non représentatif |
Comment rédiger la section « population et échantillon »
La section méthodologique consacrée à l’échantillonnage est souvent bâclée : un seul paragraphe vague, sans critères, sans justification du choix. Voici la structure en quatre blocs que les jurys attendent.
Bloc 1 — Définir la population cible et la population accessible
La population cible est l’ensemble des individus sur lesquels vous souhaitez produire des connaissances (ex. : tous les responsables RH de PME industrielles françaises). La population accessible est la portion à laquelle vous pouvez réellement accéder dans vos contraintes de temps et de ressources (ex. : responsables RH de la région Auvergne-Rhône-Alpes, contactables via un réseau professionnel). Distinguer les deux vous protège d’une sur-généralisation involontaire.
Bloc 2 — Énoncer les critères d’inclusion et d’exclusion
Rédigez sous forme de liste ou de tableau : critère / justification. Par exemple : Critère d’inclusion — avoir vécu au moins un projet de transformation numérique en tant que décideur / Justification — l’objet d’étude porte sur l’expérience vécue, non sur la connaissance théorique du phénomène. Cette formalisation démontre que votre sélection n’est pas arbitraire.
Bloc 3 — Décrire la technique d’échantillonnage et la justifier
Nommez explicitement la technique retenue, rattachez-la à votre paradigme de recherche (voir notre guide sur la posture épistémologique), et utilisez les formulations du tableau ci-dessus. Un jury attend que vous démontriez la cohérence entre paradigme, design et technique d’échantillonnage — pas seulement que vous nommiez la technique.
Bloc 4 — Présenter la composition de l’échantillon final
Un tableau récapitulatif (identifiant anonymisé, profil, mode de recrutement, date de collecte) est recommandé en recherche qualitative. En recherche quantitative, décrivez les caractéristiques sociodémographiques de l’échantillon final et comparez-les aux caractéristiques connues de la population accessible pour évaluer la représentativité.
Pour les études qualitatives, pensez à mentionner le critère de saturation théorique comme règle d’arrêt du recrutement : vous indiquez que vous avez poursuivi le recrutement jusqu’au moment où les nouveaux entretiens n’apportaient plus de catégories analytiques nouvelles. Cela remplace avantageusement un seuil numérique arbitraire. Relisez ensuite votre codage avec méthode grâce à notre article sur le codage des données qualitatives pour un mémoire.
Enfin, articulez cette section avec la présentation de vos instruments de collecte. Si vous menez des focus groups, par exemple, la taille de chaque groupe et les critères de constitution dépendent directement de votre stratégie d’échantillonnage.
Erreurs fréquentes et comment les éviter
Confondre méthode d’échantillonnage et taille d’échantillon
Ce sont deux questions distinctes. La méthode répond à « comment sélectionner », la taille répond à « combien sélectionner ». Traitez-les dans deux paragraphes séparés. Mélanger les deux dans un même passage introduit une confusion qui pénalise la lisibilité.
Justifier a posteriori sans cohérence théorique
Choisir l’échantillonnage par convenance parce que c’était le plus facile, puis le rebaptiser « purposif » pour paraître rigoureux — les jurys expérimentés reconnaissent immédiatement cette dérive. Soyez honnête : si vous avez utilisé la convenance, dites-le, et concentrez vos efforts sur la discussion des limites et biais.
Omettre les critères d’exclusion
Ne lister que les critères d’inclusion est une erreur courante. Les critères d’exclusion délimitent précisément le champ et protègent la validité interne. Exemple : « Les individus ayant occupé le poste de décideur depuis moins de six mois ont été exclus, car le phénomène étudié requiert une expérience suffisante pour en percevoir les effets. »
Négliger les biais dans la section limites
Toute méthode d’échantillonnage comporte des biais. Ne pas les nommer dans les limites revient à prétendre que votre étude est sans faille — ce qui sera perçu comme un manque de recul. Identifiez au moins un biais potentiel par méthode retenue et expliquez en quoi il est maîtrisé ou acceptable dans votre contexte. Consultez notre article sur les biais méthodologiques dans un mémoire pour une liste détaillée.
Ne pas distinguer population cible et population accessible
Écrire « la population étudiée est l’ensemble des enseignants de France » alors que vous n’avez interrogé que douze enseignants d’une académie est une erreur de formulation grave. Délimitez précisément votre population accessible et déclinez en limites de transferabilité.
Pour intégrer ces éléments dans la structure globale de votre chapitre, consultez le guide complet sur la rédaction du chapitre méthodologie.
FAQ
Quelle est la différence entre échantillonnage probabiliste et non probabiliste ?
Dans l’échantillonnage probabiliste, chaque individu de la population a une probabilité connue et non nulle d’être sélectionné, ce qui permet des inférences statistiques généralisables. Dans l’échantillonnage non probabiliste, la sélection repose sur des critères qualitatifs ou pratiques, sans tirage aléatoire ; les résultats sont transférables mais non généralisables au sens statistique. Le choix entre les deux doit découler de votre paradigme de recherche, pas de vos contraintes pratiques.
Peut-on utiliser l’échantillonnage boule de neige dans un mémoire de master ?
Oui, tout à fait. L’échantillonnage boule de neige est particulièrement justifié lorsque la population cible est rare ou difficile d’accès : praticiens d’une niche professionnelle, personnes en situation de précarité, communautés spécifiques. Statistique Canada le reconnaît explicitement comme méthode valide pour ces configurations. Il faut cependant reconnaître dans les limites du mémoire le biais de réseau inhérent à cette technique.
Comment justifier son choix d’échantillonnage dans la section méthodologie ?
La justification doit articuler trois éléments : (1) le lien entre le paradigme épistémologique retenu et le type d’échantillonnage choisi, (2) les critères d’inclusion et d’exclusion de la population, et (3) les contraintes pratiques qui ont orienté le choix. Une formulation du type « Compte tenu de la nature exploratoire de la recherche et de la difficulté d’accès à la population, un échantillonnage raisonné par critères a été retenu » est un modèle acceptable pour un jury de master.
Quelle différence entre échantillonnage raisonné et échantillonnage par quotas ?
L’échantillonnage raisonné (ou purposif) sélectionne des individus précis en raison de caractéristiques jugées pertinentes pour la question de recherche. L’échantillonnage par quotas, lui, vise à reproduire les proportions de certaines variables sociodémographiques de la population. Le premier est orienté qualité informationnelle, le second représentativité structurelle. Les deux sont non probabilistes, mais leur logique et leur terrain d’application sont distincts.
L’échantillonnage par convenance est-il acceptable dans un mémoire de master ?
Il est acceptable si vous en reconnaissez explicitement les limites. Les jurys acceptent un échantillon de convenance (étudiants de votre promotion, réseau professionnel immédiat) à condition que vous ne revendiquiez pas une généralisation abusive et que vous explicitiez les biais de sélection potentiels dans la section limites. Évitez en revanche de le rebaptiser « purposif » ou « raisonné » : c’est une faiblesse qui se voit immédiatement.
Faut-il mentionner la saturation théorique dans la section sur l’échantillonnage ?
En recherche qualitative, oui. La saturation théorique — le moment où les nouvelles données n’apportent plus de catégories analytiques nouvelles — est le critère de clôture de l’échantillonnage le plus défendable. Indiquez que vous avez visé la saturation comme critère d’arrêt, et précisez à quel stade vous l’avez constatée. Cela renforce la crédibilité de votre démarche et replace la question de la taille dans son juste contexte.
Comment écrire la section « population et échantillon » dans un mémoire de master ?
Structurez en quatre blocs : (1) définir la population cible et la population accessible, (2) présenter les critères d’inclusion et d’exclusion avec leurs justifications, (3) décrire la technique d’échantillonnage choisie et en démontrer la cohérence avec le paradigme retenu, (4) présenter la composition de l’échantillon final sous forme de tableau. Ce plan garantit une évaluation claire par le jury et témoigne d’une réflexivité méthodologique solide.
Rédigez votre chapitre méthodologie avec Tesify
Tesify vous accompagne dans la rédaction et la structuration de votre chapitre méthodologie — de la formulation de votre problématique jusqu’à la justification de vos choix d’échantillonnage. L’outil génère une première version cohérente avec votre posture épistémologique, que vous affinez ensuite selon les retours de votre directeur de mémoire.
Leave a Reply