Construire une échelle de Likert valide pour son mémoire 2026

Votre mémoire repose sur un questionnaire, et vous avez opté pour des items de type Likert — mais comment être sûr que votre échelle de Likert mémoire mesure vraiment ce qu’elle est censée mesurer ? La réponse passe par deux étapes que la plupart des étudiants négligent : la conception rigoureuse des items et le calcul de la validation alpha Cronbach. En 2026, les jurys de masters à Bordeaux, à Aix-Marseille ou à Sciences Po attendent ces indicateurs dans la section Méthode — savoir les présenter fait la différence entre un mémoire solide et un mémoire fragile.

Ce guide vous accompagne de zéro à l’interprétation finale : définition du construit, rédaction des items, format 5 ou 7 points, test pilote, calcul de l’alpha de Cronbach sous SPSS ou R, et analyse factorielle exploratoire. Chaque étape est illustrée par un exemple concret centré sur la mesure du stress académique chez les masterants.

Qu’est-ce qu’une échelle de Likert ?

Développée par le psychologue américain Rensis Likert en 1932, l’échelle de Likert est un outil psychométrique permettant de mesurer des attitudes, des perceptions ou des comportements latents. Elle demande au répondant d’indiquer son degré d’accord ou de désaccord vis-à-vis d’une série d’affirmations appelées items, sur une graduation numérique ou verbale.

Contrairement à une question ouverte, l’échelle de Likert produit des données ordinales (et parfois traitées comme des données de niveau intervalle selon la tradition méthodologique de votre discipline). Ce caractère quantifiable la rend compatible avec des analyses statistiques comme l’alpha de Cronbach, la corrélation inter-items et l’analyse factorielle — trois piliers de la validation d’instrument dans un mémoire de master.

Étape 1 — Définir le construit à mesurer

Avant de rédiger un seul item, vous devez définir précisément le construit — c’est-à-dire la variable psychologique ou sociale que vous souhaitez mesurer. Un construit mal défini entraîne des items hétérogènes, un alpha de Cronbach bas, et des critiques du jury sur la validité de contenu de votre instrument.

Comment procéder :

1. Formulez une définition en une ou deux phrases tirée de la littérature académique (cherchez sur Cairn.info ou dans les manuels de référence de votre discipline).
2. Identifiez les dimensions du construit. Par exemple, le stress académique peut se décomposer en trois dimensions : charge de travail perçue, sentiment de compétence et soutien social.
3. Décidez si votre échelle est unidimensionnelle (toutes les questions mesurent un seul facteur) ou multidimensionnelle (plusieurs sous-échelles).

Étape 2 — Rédiger les items

Chaque item est une affirmation brève à laquelle le répondant réagit. La rédaction obéit à des règles strictes pour éviter les biais de mesure :

• Unicité : un item ne mesure qu’une seule idée à la fois. Évitez les doubles négations et les conjonctions (“Je suis stressé et démotivé” — c’est deux items).
• Clarté : utilisez un vocabulaire accessible à vos répondants. Si votre population est composée d’étudiants non spécialistes, évitez le jargon disciplinaire.
• Items inversés : incluez 20 à 30 % d’items formulés négativement pour détecter les répondants qui cochent mécaniquement la même case. Un item inversé doit ensuite être recodé avant l’analyse (si l’échelle va de 1 à 5, le score 1 devient 5, le score 2 devient 4, etc.).
• Nombre d’items : visez 5 à 10 items par dimension pour un mémoire de master. En deçà de 5, l’alpha de Cronbach est peu fiable ; au-delà de 10, le questionnaire devient long et le taux de réponse chute.

Exemple d’items pour la dimension “stress temporel” (6 items dont 2 inversés) :

1. J’ai l’impression de ne jamais avoir assez de temps pour rédiger mon mémoire. (direct)
2. Les délais imposés par mon université me semblent impossibles à tenir. (direct)
3. Je parviens à organiser mon emploi du temps de façon satisfaisante. (inversé)
4. Je ressens une pression constante liée aux échéances de mon mémoire. (direct)
5. Je sais exactement combien de temps me prendra chaque chapitre. (inversé)
6. L’approche des dates de rendu m’empêche de dormir. (direct)

Pour affiner vos items avant le test pilote, soumettez-les à deux ou trois experts du domaine (enseignants, doctorants, membres de votre labo) qui évalueront leur pertinence — c’est la validité de contenu. Vous pouvez également utiliser la technique du jury de juges : demandez à plusieurs évaluateurs de classer indépendamment chaque item dans la dimension qui lui correspond, et ne conservez que ceux sur lesquels l’accord est unanime ou quasi-unanime.

Étape 3 — Choisir le format de réponse (5 ou 7 points)

Le choix entre 5 et 7 points de réponse influence la variabilité de vos données et, par suite, la valeur de votre alpha de Cronbach. En sciences humaines et sociales françaises, le format à 5 points est le standard le plus répandu :

• 1 — Pas du tout d’accord
• 2 — Plutôt en désaccord
• 3 — Ni d’accord ni en désaccord
• 4 — Plutôt d’accord
• 5 — Tout à fait d’accord

Le format à 7 points est préférable lorsque vous devez différencier des groupes proches ou lorsque la littérature de référence de votre discipline l’impose (par exemple en psychologie clinique ou en psychologie du travail). Quelle que soit votre décision, appliquez le même format à tous les items d’une même sous-échelle : mélanger 5 et 7 points dans un même questionnaire rend les scores non comparables.

La question du point médian neutre (ni d’accord ni en désaccord) est souvent posée. Sur des échelles impaires (5 ou 7 points), il est recommandé de le conserver : le supprimer contraint les répondants sans opinion à choisir une position artificielle, ce qui introduit du bruit dans vos données.

Étape 4 — Mener le test pilote

Avant le déploiement complet de votre questionnaire, un test pilote (aussi appelé pré-test) sur 15 à 30 personnes représentatives de votre population cible est indispensable. Il vise trois objectifs :

1. Identifier les items mal compris — Après la passation, interrogez quelques répondants sur les formulations qui les ont fait hésiter ou qui les ont surpris.
2. Mesurer le temps de passation — Un questionnaire de plus de 15 minutes génère un fort taux d’abandon ou de réponses au hasard.
3. Calculer un premier alpha de Cronbach indicatif — Si l’alpha est déjà ≥ 0,70 sur 15 à 30 répondants, c’est un signal encourageant. S’il est < 0,60, il faut reformuler ou supprimer des items avant le déploiement complet.

Si vous avez des difficultés à recruter des répondants pour le test pilote, consultez le guide sur la durée d’analyse des données dans un mémoire pour mieux planifier cette phase dans votre calendrier.

Étape 5 — Calculer et interpréter l’alpha de Cronbach

L’alpha de Cronbach est le coefficient de cohérence interne le plus utilisé pour valider une échelle de Likert. Il mesure dans quelle mesure les items d’une même sous-échelle convergent vers le même construit. Sa valeur varie de 0 à 1 : plus elle est proche de 1, plus les items sont homogènes.

Selon les ressources pédagogiques de l’ULB (Centre d’appui à l’enseignement) et les recommandations de Kline (2016) reprises dans de nombreux cursus de master en France, les seuils d’interprétation usuels sont les suivants :

Comment calculer l’alpha sous SPSS

1. Dans SPSS : menu Analyser → Échelle → Analyse de fiabilité.
2. Déplacez les items de votre sous-échelle dans la zone Éléments.
3. Assurez-vous d’avoir préalablement recodé les items inversés (Transformer → Recoder en différentes variables).
4. Dans Statistiques, cochez « Supprimer l’élément » pour afficher la colonne Alpha if item deleted.
5. Cliquez sur OK. L’alpha global s’affiche dans le tableau Statistiques de fiabilité.

Comment calculer l’alpha sous R

Avec le package psych :

install.packages("psych")
library(psych)
# Sélectionner les colonnes correspondant aux items
donnees_echelle <- df[, c("item1","item2","item3","item4","item5","item6")]
alpha(donnees_echelle)

La sortie affiche l’alpha global, la corrélation moyenne inter-items (average r) et la valeur de l’alpha si chaque item était retiré (alpha if item dropped). Un average r entre 0,20 et 0,40 est signe d’une bonne homogénéité sans redondance.

Une fois votre alpha calculé et satisfaisant, vous êtes prêt à présenter vos résultats de manière claire avec tableaux et figures dans le corps de votre mémoire.

Étape 6 — Analyse factorielle exploratoire

L’alpha de Cronbach confirme la fidélité de votre instrument, mais ne dit rien de sa structure dimensionnelle. Pour valider que vos items se regroupent bien en deux dimensions distinctes (stress cognitif et stress temporel dans notre exemple), vous devez réaliser une analyse factorielle exploratoire (AFE).

Selon le guide méthodologique disponible sur Méthodo Recherche, le processus de validation d’un instrument en deux étapes (AFE puis analyse factorielle confirmatoire) est la démarche standard pour une publication académique. Pour un mémoire de master, l’AFE seule est généralement suffisante.

Conditions préalables à l’AFE

• Taille d’échantillon : 5 à 10 répondants par item, avec un minimum absolu de 50 répondants.
• Test de Kaiser-Meyer-Olkin (KMO) : une valeur ≥ 0,60 indique que les données sont factorisables (≥ 0,80 est considéré comme bon).
• Test de sphéricité de Bartlett : doit être significatif (p < 0,05) pour confirmer que les corrélations inter-items ne sont pas toutes nulles.

Interpréter les saturations factorielles

Après extraction par composantes principales et rotation Varimax (pour des facteurs non corrélés) ou Oblimin (pour des facteurs corrélés), chaque item doit saturer fortement sur un seul facteur (saturation ≥ 0,40) et faiblement sur les autres (cross-loading < 0,30). Les items à saturations ambiguës sont à reformuler ou à supprimer.

La méthodologie complète de justification de vos choix instrumentaux est détaillée dans l’article sur la façon de justifier le choix de sa méthodologie dans un mémoire.

Erreurs fréquentes à éviter

• Oublier de recoder les items inversés — C’est l’erreur la plus fréquente. Un item inversé non recodé fait chuter artificiellement l’alpha et peut déclencher son retrait à tort.
• Confondre l’échelle de Likert et le format de réponse Likert — L’échelle de Likert est un ensemble d’items additifs. Un questionnaire avec un seul item noté de 1 à 5 n’est pas une échelle de Likert.
• Calculer un seul alpha global sur une échelle multidimensionnelle — Si votre échelle comporte deux dimensions, calculez un alpha par dimension. Un alpha global sur des items hétérogènes n’a pas de sens psychométrique.
• Ignorer la validité de contenu — Un bon alpha ne garantit pas que l’échelle mesure le bon construit. La validité de contenu (jugement d’experts) reste indispensable.
• Mélanger items positifs et négatifs sans recodage préalable — Vérifiez votre base de données avant toute analyse. Une simple inversion de colonne dans Excel ou R peut invalider toute votre analyse.

Pour comprendre comment positionner votre instrument dans la section résultats de votre mémoire, consultez aussi l’article sur comment rédiger la discussion d’un mémoire master 2026.

FAQ