tesifyFrance
Commencer gratuitement
Comment ça marcheBlogAideContactSe connecter

Étiquette : annuaire

  • Annuaire 2026 : chaque condition statistique et son plan de secours

    Annuaire 2026 : chaque condition statistique et son plan de secours

    Il est tard, SPSS vient de vous rendre un test de conditions significatif, et vous cherchez une seule information : qu’est-ce que je fais maintenant ?

    Cette page est faite pour ça. Elle réunit les onze conditions d’application qu’un mémoire quantitatif rencontre réellement, et pour chacune : comment on la diagnostique, quel seuil s’applique, ce qu’on fait quand elle échoue, et où lire le détail.

    Un principe la traverse. Une condition violée n’invalide presque jamais un mémoire. Chacune a une correction ou une alternative documentée. Ce qu’un jury sanctionne, ce n’est pas une condition non respectée — c’est une condition non testée, ou testée puis ignorée.

    Le tableau de correspondance

    Condition Diagnostic Seuil Plan de secours
    Normalité (2 groupes) Shapiro-Wilk + Q-Q plot p < 0,05 Mann-Whitney, ou test t si n > 30
    Normalité (3 groupes et +) Shapiro-Wilk par groupe p < 0,05 Kruskal-Wallis
    Normalité des résidus (régression) Q-Q plot des résidus Écart visuel net Bootstrap des IC
    Variances égales (2 groupes) Levene p < 0,05 Ligne « variances inégales » (Welch)
    Variances égales (3 groupes et +) Levene p < 0,05 ANOVA de Welch + Games-Howell
    Sphéricité (mesures répétées) Mauchly + epsilon p < 0,05 Greenhouse-Geisser ou Huynh-Feldt
    Homoscédasticité (régression) Nuage résidus × prédites Forme d’entonnoir Transformation log, ou erreurs standard robustes
    Multicolinéarité VIF et tolérance VIF > 10 (alerte dès 5) Retirer, combiner, ou assumer
    Indépendance des résidus Durbin-Watson Hors 1,5-2,5 Modèle multiniveau ou mesures répétées
    Linéarité Nuage résidus × prédites Courbure visible Terme quadratique, transformation, découpage en classes
    Absence de points influents Distance de Cook > 1 Analyse de sensibilité avec et sans
    Chaque condition d'application reliée à sa solution de repli
    À chaque condition correspond une route de repli identifiée. Aucune ne mène à l’abandon du modèle.

    Les conditions, une par une

    1 et 2. La normalité

    C’est la condition la plus testée et la plus mal comprise. Trois choses à savoir. D’abord, en régression, elle porte sur les résidus, pas sur vos variables brutes — tester la normalité de la variable dépendante ne renseigne pas sur la validité du modèle. Ensuite, au-delà d’une trentaine d’observations par groupe, le théorème central limite rend les tests paramétriques très robustes à un écart modéré. Enfin, le test de Shapiro-Wilk souffre du défaut de tous les tests de conditions : il ne détecte rien sur petit échantillon et devient significatif pour un rien sur grand échantillon.

    Regardez donc toujours le Q-Q plot à côté du test. Détail complet dans notre article sur le test de Shapiro-Wilk et l’interprétation de la normalité.

    Replis : pour deux groupes indépendants, Mann-Whitney ; pour deux mesures appariées, le test de Wilcoxon ; pour plusieurs mesures répétées, le test de Friedman.

    4 et 5. L’homogénéité des variances

    Le test de Levene répond à une question — les groupes sont-ils également dispersés ? — et à une seule. Il ne dit rien de la normalité, et c’est la source de l’erreur la plus répandue : basculer vers un test non paramétrique parce que Levene est significatif.

    La bonne réponse est paramétrique. Pour deux groupes, c’est la ligne « variances inégales » du tableau du test t, c’est-à-dire la correction de Welch. Pour trois groupes ou plus, c’est l’ANOVA de Welch, assortie du post-hoc de Games-Howell — un enchaînement détaillé dans notre article sur les variances inégales entre Welch, Games-Howell et Kruskal-Wallis.

    Nuance utile : l’ANOVA reste raisonnablement robuste à l’hétérogénéité quand les effectifs sont équilibrés. Le scénario dangereux est celui du petit groupe très dispersé face au grand groupe homogène.

    6. La sphéricité

    Elle ne concerne que les plans à mesures répétées comportant au moins trois niveaux — avec deux mesures, elle est vérifiée par construction et SPSS n’affiche aucun test. Le test de Mauchly l’évalue, mais les colonnes epsilon situées à sa droite sont plus informatives, car elles mesurent l’ampleur de l’écart.

    Le repli est intégré : SPSS calcule d’office les lignes Greenhouse-Geisser et Huynh-Feldt. Règle usuelle : epsilon inférieur à 0,75 → Greenhouse-Geisser ; au-dessus → Huynh-Feldt. Procédure complète dans notre guide de l’ANOVA à mesures répétées.

    7, 8, 9, 10 et 11. Les conditions de la régression

    La régression en concentre cinq à elle seule, plus le diagnostic des points influents. Deux d’entre elles se lisent sur le même graphique — le nuage des résidus standardisés en fonction des valeurs prédites : une courbure signale un problème de linéarité, une forme d’entonnoir un problème d’homoscédasticité. Les autres se lisent dans les tableaux : Durbin-Watson pour l’indépendance, VIF et tolérance pour la multicolinéarité.

    Le détail de la procédure et des cinq replis se trouve dans notre guide de la régression linéaire multiple sous SPSS, et la multicolinéarité — celle qui produit les contresens les plus coûteux — a son article dédié : multicolinéarité et VIF. Pour un modèle à variable dépendante binaire, les conditions changent : voyez la régression logistique binaire.

    Les conditions qui ne se testent pas

    Trois conditions décisives ne produisent aucune p-value, et ce sont souvent celles qui coûtent le plus cher.

    La nature de vos variables. Continue, ordinale, nominale ? Aucun logiciel ne vous arrêtera si vous calculez une moyenne sur une variable nominale codée 1, 2, 3. Le cas limite le plus fréquent concerne les échelles de Likert : un item unique est ordinal, un score composite d’échelle est traité comme continu.

    L’indépendance des observations. Elle relève du design, pas du calcul. Si vous avez interrogé trente élèves dans chacune de cinq classes, vos observations ne sont pas indépendantes, quelle que soit la valeur de Durbin-Watson.

    La puissance. Une condition respectée sur vingt participants ne rachète pas un échantillon trop petit pour détecter l’effet attendu. Le calcul de taille d’échantillon avec G*Power se fait avant la collecte, jamais après.

    À cela s’ajoute une condition invisible : la complétude. La suppression listwise par défaut peut réduire silencieusement votre N d’un tiers — voyez notre article sur les données manquantes.

    Le paragraphe de contrôle des conditions à écrire dans le mémoire
    Dix lignes en début de section résultats suffisent — et elles manquent dans la majorité des mémoires.

    Le paragraphe à écrire

    Toutes ces vérifications tiennent en un paragraphe placé en tête de votre section résultats, avant le premier test commenté. Sa structure :

    1. Les conditions testées et l’instrument utilisé pour chacune.
    2. Les valeurs obtenues, avec les statistiques et les seuils.
    3. Pour chaque condition violée : la correction retenue et sa justification.
    4. Le cas échéant, l’analyse de sensibilité qui montre que les conclusions tiennent.

    Modèle : « Les conditions d’application ont été vérifiées avant analyse. La normalité des distributions, examinée par le test de Shapiro-Wilk et les diagrammes Q-Q, est satisfaite dans les trois groupes (p > 0,05). Le test de Levene indique en revanche une hétérogénéité des variances, F(2, 117) = 5,08, p = 0,008 ; l’ANOVA de Welch et le post-hoc de Games-Howell ont donc été retenus, conformément à la règle annoncée en méthodologie. Deux observations présentant une distance de Cook supérieure à 1, les analyses ont été réétablies sans elles : les conclusions demeurent inchangées. »

    Cinq phrases. Elles répondent par avance à la première question du jury, et elles montrent que vous savez ce que vous faites.

    La règle d’or : annoncer avant, exécuter après

    Un principe rend tout le reste défendable : vos règles de décision s’écrivent dans la méthodologie, avant d’avoir vu les résultats. Le seuil de VIF que vous retenez, la correction de sphéricité que vous appliquerez, le pourcentage de données manquantes au-delà duquel vous imputez — tout cela s’annonce en amont.

    Choisir la correction après coup en fonction de celle qui rend l’effet significatif porte un nom, et un jury le reconnaît immédiatement. Annoncer d’abord coûte trois phrases et vous protège entièrement, y compris — et surtout — quand les résultats ne vont pas dans le sens espéré. Sur la lecture du seuil lui-même, voyez notre article sur la p-value et le seuil de significativité, et n’oubliez pas de rapporter la taille d’effet adaptée à chaque test.

    Pour aller plus loin dans chaque famille de tests

    Écrire la méthodologie qui tient ces promesses

    Le travail réel n’est pas de cocher onze cases : c’est de tenir, sur cent pages, une cohérence entre la règle annoncée au chapitre 3 et le résultat commenté au chapitre 4, avec le même vocabulaire et les mêmes seuils.

    Tesify vous aide précisément là : structurer votre méthodologie, y inscrire vos règles de décision, et rédiger les justifications à partir de vos propres choix d’analyse — sans dérive de terminologie d’un chapitre à l’autre. Vos données et vos arbitrages restent les vôtres, et le texte est écrit à 100 % par vous.

    Structurer votre mémoire avec Tesify

    Questions fréquentes

    Faut-il tester toutes les conditions d’application ?

    Vous devez tester celles du test que vous employez, et les rapporter — pas les onze systématiquement. Un test t n’exige pas de vérifier la sphéricité. En revanche, ne rapporter aucune vérification est un signal négatif fort : un jury sanctionne beaucoup plus une condition non testée qu’une condition violée et assumée, parce que la première laisse penser que le résultat n’a jamais été contrôlé.

    Une condition violée invalide-t-elle mon mémoire ?

    Presque jamais. Chacune des conditions de ce tableau dispose d’une correction ou d’une alternative documentée, et la plupart tiennent en une case à cocher. Une condition violée est une bifurcation méthodologique que vous documentez, pas un échec. Ce qui pose problème, c’est de constater la violation et de rapporter quand même le test non corrigé.

    Dans quel ordre vérifier les conditions ?

    Avant de commenter le moindre résultat — c’est le point essentiel. L’ordre pratique : nature des variables, indépendance des observations, normalité, homogénéité des variances, puis les conditions propres au modèle (sphéricité, multicolinéarité, linéarité). Lire un tableau dans le mauvais ordre conduit à s’étonner d’un résultat dont l’explication figurait deux colonnes plus loin.

    Les tests de conditions sont-ils fiables ?

    Ils partagent tous la même faiblesse : ils manquent de puissance sur les petits échantillons — où la violation ne sera pas détectée — et deviennent significatifs pour des écarts triviaux sur les grands. Complétez-les donc systématiquement par un examen graphique et par l’ampleur de l’écart observé. Un Levene significatif accompagné d’un rapport de variances de 1,3 ne dit pas la même chose qu’un rapport de 9.

    Mon logiciel n’a pas l’option dont j’ai besoin : que faire ?

    C’est fréquent, en particulier pour les modules SPSS complémentaires absents de certaines licences universitaires. Trois voies : vérifier si l’option existe ailleurs dans le logiciel (l’ANOVA de Welch n’est pas dans le Modèle linéaire général mais bien dans l’ANOVA à un facteur), passer par un logiciel gratuit qui la propose, ou choisir une alternative disponible en le justifiant. Dans tous les cas, indiquez la version et le logiciel utilisés dans votre méthodologie.

  • Annuaire 2026 des modèles théoriques pour un mémoire, discipline par discipline (avec leurs instruments)

    Annuaire 2026 des modèles théoriques pour un mémoire, discipline par discipline (avec leurs instruments)

    Les guides expliquent comment rédiger un cadre théorique ; presque aucun ne répond à la question qui précède : quels modèles existent, et lequel correspond à ma question ? Cet annuaire recense douze modèles réellement utilisables dans un mémoire de master ou un travail de fin d’études, classés par type de question plutôt que par discipline d’inscription — parce qu’un modèle de santé sert régulièrement un mémoire de gestion, et inversement. Pour chacun : ce qu’il explique, s’il publie un instrument, et où se trouve son ancre française quand elle existe.

    Le critère d’entrée dans cette liste est celui détaillé dans le choix d’un modèle théorique : un modèle utilisable descend jusqu’à l’opérationnalisation — construits définis, mesure documentée. Les modèles purement spéculatifs, si stimulants soient-ils, n’y figurent pas.

    Casier de bibliothèque symbolisant l'annuaire des modèles théoriques par discipline
    Douze tiroirs, un critère unique : le modèle livre-t-il ses construits et sa mesure ?

    « Mon sujet parle de travail » — RH, management, santé au travail

    Le modèle demande-contrôle de Karasek explique la tension au travail par le croisement de la demande psychologique et de la latitude décisionnelle, complété par le soutien social. Instrument : le Job Content Questionnaire, 26 items dans la version française des enquêtes SUMER — protégé par des droits d’auteur, avec tarifs réduits académiques. Fiche INRS FRPS 2.

    Le déséquilibre efforts-récompenses de Siegrist explique l’usure par la combinaison d’efforts élevés et de faibles récompenses (rémunération, estime, statut). Instrument : 23 items validés en français, libre pour la recherche. Fiche INRS FRPS 3. Le face-à-face complet des deux — mécanismes, cotation, conditions d’utilisation — est dans Karasek ou Siegrist pour un mémoire RPS.

    « Mon sujet parle d’un outil numérique » — SI, gestion, éducation, santé

    Le TAM de Davis (1989) explique l’acceptation d’une technologie par deux construits — utilité perçue, facilité d’utilisation perçue. Sobre, outillé, idéal pour un échantillon modeste et un usage volontaire.

    L’UTAUT de Venkatesh et coauteurs (2003) synthétise huit modèles antérieurs en quatre construits — attente de performance, attente d’effort, influence sociale, conditions facilitatrices — modérés par le genre, l’âge, l’expérience et le volontariat. Le bon choix quand l’usage est imposé par l’organisation. Le comparatif détaillé, avec les définitions d’origine, est dans TAM ou UTAUT pour un mémoire sur l’adoption du numérique.

    « Mon sujet parle de motivation ou d’intention » — psychologie, STAPS, éducation, marketing

    La théorie de l’autodétermination (SDT) de Ryan et Deci explique la motivation par la satisfaction de trois besoins — autonomie, compétence, lien social — et se décline en six mini-théories. Son centre officiel met en ligne une quarantaine d’échelles, explicitement ouvertes aux projets de recherche académiques non commerciaux : c’est le modèle le mieux outillé de cette liste.

    La théorie du comportement planifié (TPB) d’Ajzen prédit une intention par l’attitude, la norme subjective et le contrôle comportemental perçu — et son auteur diffuse lui-même un guide de construction de questionnaire. Le modèle de tout sujet en « pourquoi les gens ont-ils (ou non) l’intention de… ». Ces deux modèles sont présentés en détail dans le guide du choix de modèle.

    « Mon sujet parle de changement de comportement » — prévention, éducation thérapeutique, addictologie

    Le modèle transthéorique de Prochaska et DiClemente décrit le changement comme un cycle de stades — pré-intention, intention, préparation, action, maintien, avec la rechute dans le cycle — chacun appelant une intervention adaptée. Ancre française rare : un outil officiel de la HAS (2014) le formalise en annexe de sa recommandation sur l’arrêt du tabac. Mode d’emploi complet dans les stades du changement dans un mémoire.

    « Mon sujet parle de développement et d’environnements » — éducation, travail social, petite enfance

    Le modèle écologique de Bronfenbrenner analyse tout phénomène de développement à travers cinq systèmes emboîtés — micro, méso, exo, macro, chronosystème — puis, dans sa version mature, le modèle PPCT centré sur les processus proximaux. Pas d’instrument standardisé : c’est un cadre d’analyse qualitative, pas un modèle de mesure. Les définitions exactes de 1994 et la grille d’application sont dans la masterclass Bronfenbrenner.

    « Mon sujet évalue un dispositif ou une organisation » — santé, qualité, management public

    Le triptyque de Donabedian évalue la qualité par trois approches — structure, processus, résultats — avec une mise en garde d’auteur sur les résultats utilisés seuls. Le cadre du mémoire de cadre de santé et de toute démarche qualité : voyez le modèle de Donabedian pour évaluer la qualité des soins.

    Le CFIR (Consolidated Framework for Implementation Research) explique pourquoi une innovation valide ne s’installe pas dans un service, en cinq domaines — avec une traduction française officielle de ses construits. Voyez le cadre CFIR pour un mémoire professionnel en santé.

    RE-AIM évalue la portée réelle d’une action en cinq dimensions — Reach, Effectiveness, Adoption, Implementation, Maintenance. Le cadre de l’évaluation d’actions de prévention : voyez la masterclass RE-AIM.

    Le tableau récapitulatif

    Modèle Question type Instrument publié ? Ancre française
    Karasek (JCQ) Tension au travail Oui — 26 items, droits à régler Fiche INRS FRPS 2, enquêtes SUMER
    Siegrist (ERI) Efforts non récompensés Oui — 23 items, libre recherche Fiche INRS FRPS 3, validation Niedhammer
    TAM Acceptation d’un outil Oui — échelles reprises partout —
    UTAUT Adoption en organisation Oui — items publiés —
    SDT Motivation Oui — ~40 échelles en ligne Versions françaises de plusieurs échelles
    TPB (Ajzen) Intention Oui — guide de construction —
    Transthéorique Changement de comportement Algorithmes par comportement Outil HAS 2014
    Bronfenbrenner Développement en contexte Non — cadre d’analyse —
    Donabedian Qualité d’un service Non — catégories d’évaluation Socle des démarches qualité
    CFIR Implantation d’une innovation Oui — guide et grilles Traduction française des construits
    RE-AIM Portée d’une action Oui — cadres d’évaluation —
    Chemin reliant question de recherche, modèle théorique et instrument
    Le chemin ne part jamais du modèle : il part de la question, et l’instrument vient avec.

    Comment utiliser cet annuaire sans vous tromper

    Partez de votre question, pas de votre discipline. Un mémoire de gestion sur l’épuisement des managers relève de Karasek ou Siegrist ; un mémoire d’éducation sur l’usage d’une plateforme relève de TAM ou UTAUT. L’étiquette de la filière ne décide de rien.

    Vérifiez l’instrument avant de vous engager. « Instrument publié » ne veut pas dire « utilisable sans condition » : certains sont libres pour la recherche, d’autres sous droits. La procédure de vérification — conditions, version française validée, citation — est détaillée dans l’adoption d’une échelle validée.

    Un seul modèle porteur. La tentation de l’annuaire est le collage — trois modèles cités, aucun appliqué. Prenez-en un, faites-le descendre jusqu’aux items ou jusqu’à la grille d’analyse, et n’en ajoutez un second que s’il couvre un mécanisme que le premier ignore.

    Ouvrez votre mémoire dans Tesify une fois le modèle choisi : ses construits deviennent vos sections, du cadre théorique à la discussion — et chaque phrase reste la vôtre.

    Questions fréquentes

    Pourquoi ces douze modèles et pas d’autres ?

    Parce qu’ils passent tous le test de l’opérationnalisation : construits définis, mesure ou grille documentée, littérature d’application abondante. Il existe des centaines d’autres modèles ; beaucoup s’arrêtent au concept, ce qui en fait des références de cadre théorique mais pas des cadres de travail.

    Un modèle absent de cette liste est-il déconseillé ?

    Non — la liste est un point de départ, pas une frontière. Si votre directeur propose un modèle propre à votre champ, appliquez-lui simplement le même test : où sont les construits, où est la mesure, où sont les études d’application ?

    Que faire si deux modèles semblent convenir ?

    Comparez ce que chacun vous ferait mesurer, concrètement : les items ne sont pas les mêmes, les analyses non plus. Le modèle qui produit le protocole le plus faisable sur votre terrain, dans votre calendrier, est le bon.

    Les modèles anglophones posent-ils un problème pour un mémoire en français ?

    Non, à deux conditions : traduire chaque construit une fois pour toutes et tenir la traduction dans tout le texte, et utiliser une version française validée de l’instrument quand elle existe — ou signaler explicitement une traduction non validée dans les limites.

    Où trouver les textes fondateurs ?

    Chaque article détaillé lié dans cet annuaire donne la référence exacte de son modèle (revue, année, pages). Citez toujours l’article fondateur plus une application récente à votre champ : le couple ancre le cadre et prouve son actualité.

    Repérez la famille de votre question, ouvrez le mode d’emploi du modèle correspondant, vérifiez l’instrument — puis rédigez votre mémoire avec Tesify, avec vos propres mots.

  • Annuaire 2026 : chaque tableau de sortie SPSS, ce qu’il dit et le chiffre à recopier

    Annuaire 2026 : chaque tableau de sortie SPSS, ce qu’il dit et le chiffre à recopier

    Vous avez lancé la procédure. SPSS a produit sept tableaux. Sur la centaine de nombres affichés, votre mémoire en utilisera cinq — et le reste sert à vérifier des conditions ou n’a aucun intérêt pour vous.

    Cet annuaire range les sorties dans l’ordre où elles apparaissent, par famille d’analyse. Pour chacune : ce que le tableau dit, quel nombre recopier, et sous quelle forme l’écrire. Les intitulés donnés sont ceux de l’interface française ; l’équivalent anglais est indiqué quand il diffère nettement, parce que beaucoup de licences universitaires sont installées en anglais.

    La règle qui vaut pour tous les tableaux

    Trois repères suffisent à lire n’importe quelle sortie.

    1. Trouvez le N — et vérifiez qu’il correspond à ce que vous attendez. Un N plus petit signale des observations écartées pour valeurs manquantes, et il change selon les analyses. C’est le premier chiffre à contrôler, avant même le résultat.
    2. Trouvez la statistique et ses degrés de liberté — t, F, χ², U, accompagnés de leur ddl. Ce couple est ce qui identifie le test ; le p seul ne suffit jamais.
    3. Trouvez la colonne Sig. — c’est le p. SPSS ne l’appelle jamais p.
    Trois cellules d'un tableau de sortie deviennent une seule phrase de résultat
    Une phrase de résultat, c’est trois cellules : la statistique, ses degrés de liberté, et la significativité.

    Les conventions de transcription

    Elles ne sont écrites nulle part dans SPSS, et elles reviennent dans presque toutes les corrections.

    • Sig. affiche « ,000 » : n’écrivez jamais p = 0,000. Une probabilité n’est pas nulle ; SPSS a simplement arrondi à trois décimales. La forme correcte est p < 0,001. Pour toute autre valeur, écrivez l’égalité avec trois décimales : p = 0,032.
    • Deux décimales pour les statistiques (t = 2,41 ; F = 5,82 ; r = 0,43), trois pour les probabilités. Au-delà, vous affichez une précision que vos données n’ont pas.
    • Symboles en italiques : t, F, p, r, n, M, SD, d. Les lettres grecques (α, χ², η²) restent droites.
    • Virgule décimale en français, y compris dans les tableaux, et espace insécable avant les deux-points et les points-virgules. Si votre département impose un gabarit, il prime : vérifiez-le avant de tout reformater.
    • « Sig. (bilatéral) » veut dire bilatéral. Si votre hypothèse est unilatérale et que vous l’avez annoncée comme telle avant l’analyse, divisez par deux — et dites-le. Ne divisez jamais après avoir vu le résultat.

    Statistiques descriptives

    « Statistiques descriptives » / « Récapitulatif du traitement des observations ». À recopier : N, moyenne, écart-type, minimum et maximum. Le second tableau donne le nombre de valeurs manquantes par variable : regardez-le, il justifie les écarts de N entre analyses. Ces chiffres alimentent le tableau de description de l’échantillon, jamais le corps du texte ligne à ligne. Notre tutoriel d’analyse quantitative détaille l’enchaînement complet depuis l’import du fichier.

    Comparer deux groupes

    « Statistiques de groupe » donne n, moyenne et écart-type par groupe. C’est de là que sortent les M et SD de votre phrase.

    « Test d’échantillons indépendants » est le tableau le plus mal lu de tout SPSS, parce qu’il contient deux lignes de résultats. La partie gauche donne le test de Levene sur l’égalité des variances ; la partie droite donne le test t, une fois en supposant les variances égales, une fois sans cette hypothèse (correction de Welch). Lisez d’abord Levene, puis choisissez la ligne. Si le Levene est significatif, c’est la seconde ligne qu’il faut recopier, et ses degrés de liberté seront décimaux — c’est normal. Le détail du choix est traité dans notre article sur le test t et Mann-Whitney.

    « Test des échantillons appariés » pour deux mesures sur les mêmes personnes : le tableau des corrélations qui le précède n’est pas le résultat, c’est un indicateur de liaison entre les deux mesures.

    Comparer trois groupes ou plus

    « Tests des effets inter-sujets » (Tests of Between-Subjects Effects) est le tableau central de l’ANOVA. Recopiez, pour chaque effet : F, les ddl de l’effet, les ddl de l’erreur (dernière ligne du tableau), Sig. et l’êta-carré partiel si vous l’avez demandé. La ligne « Total corrigé » ne se rapporte jamais. La lecture de l’ANOVA factorielle, et notamment celle de l’interaction, mérite une attention particulière : c’est elle qui porte le résultat, pas les effets principaux.

    « Comparaisons multiples » contient les tests post-hoc. Chaque paire y figure deux fois, en miroir : n’en recopiez qu’une.

    Si vous avez ajouté une covariable, la sortie s’enrichit d’un tableau de moyennes ajustées — ce sont elles, et non les moyennes brutes, qui doivent être rapportées. Voyez notre article sur l’ANCOVA avec le pré-test en covariable.

    Tests non paramétriques

    La procédure moderne produit d’abord un « Récapitulatif des tests d’hypothèses » : une ligne, une décision en clair, et un Sig. C’est utile pour trancher, insuffisant pour rédiger. Double-cliquez pour ouvrir la vue détaillée, qui contient la statistique U ou H, les rangs moyens et les effectifs par groupe — ce sont ces valeurs qu’il faut rapporter. Les articles sur le test de Wilcoxon et le test de Friedman donnent la phrase type pour chacun.

    Croiser deux variables catégorielles

    « Tableau croisé » puis « Tests du khi-deux ». Recopiez la ligne Khi-deux de Pearson : valeur, ddl, Sig. La note sous le tableau indique le pourcentage de cellules dont l’effectif théorique est inférieur à 5 — c’est la condition d’application, et elle décide si vous devez passer au test exact de Fisher. Le tableau « Mesures symétriques » donne le V de Cramér, c’est-à-dire la taille d’effet. Tout est détaillé dans notre article sur le khi-deux sur tableau croisé.

    Relier deux variables continues

    « Corrélations » : une matrice symétrique où chaque coefficient apparaît deux fois. Recopiez la moitié inférieure. Attention au N propre à chaque paire, qui varie avec les valeurs manquantes. Le choix entre Pearson et Spearman se fait avant, pas en regardant lequel donne le plus petit p.

    Expliquer par plusieurs prédicteurs

    La régression linéaire produit quatre tableaux, et chacun a un usage distinct.

    • « Récapitulatif des modèles » — R, R-deux, R-deux ajusté, erreur standard de l’estimation. Rapportez le R-deux ajusté dès que vous avez plusieurs prédicteurs. La statistique de Durbin-Watson, si demandée, s’affiche ici.
    • « ANOVA » — le test global du modèle. Un F significatif dit que le modèle explique plus que rien, pas que chaque prédicteur compte.
    • « Coefficients » — le tableau qui porte le résultat : B non standardisé, erreur standard, bêta standardisé, t, Sig., et si vous les avez demandés l’intervalle de confiance de B et les indices de tolérance et de VIF.
    • « Diagnostics des observations » — la liste des cas dont le résidu standardisé dépasse 3. Ce tableau ne dit pas tout : la question de savoir si une observation pèse sur le modèle se traite avec la distance de Cook et le levier, qui s’enregistrent en colonnes plutôt qu’en tableau.

    Pour une issue binaire, la sortie change de noms : « Variables dans l’équation » remplace « Coefficients » et donne B, Wald, Sig. et Exp(B) — c’est ce dernier qui est l’odds ratio. S’y ajoutent le test de Hosmer-Lemeshow, où un résultat non significatif est le bon signe, et le tableau de classement.

    L'annuaire des tableaux de sortie, regroupés par famille d'analyse
    Chaque famille d’analyse a sa sortie type ; dans chacune, deux ou trois cellules seulement partent dans le mémoire.

    Questionnaires et échelles

    « Statistiques de fiabilité » donne l’alpha de Cronbach et le nombre d’éléments. Le tableau « Statistiques de total des éléments » qui suit est le plus utile des deux : sa colonne Corrélation complète des éléments corrigés repère les items qui ne collent pas à l’échelle, et sa dernière colonne indique l’alpha obtenu si l’item était supprimé. Une corrélation négative y signale presque toujours un item inversé non recodé — voyez notre article sur l’alpha de Cronbach.

    Pour une structure factorielle : « Indice KMO et test de Bartlett » (les deux conditions préalables), « Variance totale expliquée » (le nombre de facteurs retenus et leur part), et « Matrice des composantes après rotation » (les saturations à interpréter). Le détail figure dans nos articles sur l’analyse factorielle exploratoire et sur l’analyse en composantes principales. La suite confirmatoire relève des modèles d’équations structurelles.

    Conditions et diagnostics

    « Tests de normalité » donne Kolmogorov-Smirnov et Shapiro-Wilk. Ici, un résultat significatif est une mauvaise nouvelle — et ce que l’on en fait dépend de ce qu’on est prêt à changer : l’échelle de la variable, le calcul de l’incertitude ou le test lui-même.

    « Aire sous la courbe » accompagne la courbe ROC : recopiez l’AUC, son erreur standard, son Sig. et surtout son intervalle de confiance.

    Enfin, si un bloc « Bootstrap » apparaît sous vos tableaux habituels, c’est que l’option est cochée : ce sont ces intervalles-là qu’il faut rapporter, et non les intervalles théoriques de la ligne du dessus.

    Où va chaque nombre

    Ce que SPSS affiche Ce que vous recopiez Où cela va
    Sig. = ,000 p < 0,001 Dans la phrase de résultat
    Statistiques de groupe M et SD par groupe Tableau descriptif, puis la phrase
    Test de Levene Rien, sauf s’il est significatif Une incise dans la méthode
    ddl de l’erreur Le second nombre entre parenthèses de F Dans la phrase de résultat
    Récapitulatif des modèles R-deux ajusté Une phrase avant le tableau des coefficients
    Matrice de corrélations La moitié inférieure seulement Un tableau reformaté
    Le tableau SPSS lui-même Jamais tel quel Reformaté au gabarit de votre école

    Les cinq pièges

    • Coller la capture d’écran du tableau SPSS. Un tableau de résultats se reconstruit, avec ses seules colonnes utiles et le format imposé par votre établissement : voyez comment présenter tableaux et figures.
    • Recopier la mauvaise ligne du test t. Le tableau en contient deux ; Levene décide.
    • Oublier les degrés de liberté. F = 5,82 ne veut rien dire sans F(2, 147).
    • Rapporter Sig. sans la statistique. Un p isolé n’est pas vérifiable, et un lecteur ne peut pas le recalculer.
    • Prendre un N pour un autre. Le N de l’échantillon, le N valide d’une variable et le N d’une analyse donnée diffèrent souvent. C’est la première incohérence que relève un rapporteur.

    Sur le sens exact de la colonne Sig. et sur ce qu’un seuil autorise à conclure, voyez notre article sur le seuil de signification ; sur ce que les bornes chiffrées ajoutent, celui sur l’intervalle de confiance. Et si vous travaillez sous jamovi ou JASP, les intitulés changent mais la logique de lecture reste exactement la même.

    De la sortie au chapitre

    Extraire les bons nombres prend quelques minutes. Ce qui prend du temps, c’est de les enchaîner en un chapitre lisible : annoncer l’analyse, donner le résultat, l’interpréter en une phrase, et passer au suivant sans que le lecteur se perde.

    Tesify travaille avec vous sur ce passage : structurer le chapitre résultats à partir de vos propres sorties, tenir un vocabulaire constant d’une analyse à l’autre, et rédiger les transitions. Vos données restent les vôtres, et le texte est écrit à 100 % par vous.

    Rédiger votre chapitre résultats avec Tesify

    Questions fréquentes

    Mon SPSS est en anglais. Les intitulés correspondent-ils ?

    Oui, tableau pour tableau. Les correspondances les plus utiles : Group Statistics, Independent Samples Test, Tests of Between-Subjects Effects, Model Summary, Coefficients, Variables in the Equation, Reliability Statistics, Total Variance Explained. La colonne Sig. porte le même nom dans les deux langues.

    Faut-il mettre les sorties brutes en annexe ?

    La plupart des établissements l’apprécient, certains l’exigent. Mettez-y les sorties complètes des analyses principales, pas l’intégralité de vos essais. Le corps du texte ne contient que des tableaux reformatés.

    SPSS affiche « . » ou une cellule vide. Pourquoi ?

    Une valeur non calculable : effectif nul dans une cellule, variance nulle, ou modèle non identifié. Ce n’est pas un bug d’affichage, c’est un signal — revenez aux données avant d’interpréter quoi que ce soit du tableau.

    Dois-je rapporter tous les tableaux produits ?

    Non. Un chapitre résultats rapporte ce qui répond aux hypothèses annoncées, plus les vérifications de conditions. Tout le reste appartient aux annexes ou à rien du tout. Le critère n’est pas « SPSS l’a produit » mais « ma question de recherche en a besoin ».

    Comment citer une taille d’effet quand SPSS ne l’affiche pas ?

    Plusieurs procédures ne la fournissent pas par défaut. L’êta-carré partiel se coche dans les options de l’ANOVA ; le d de Cohen se calcule à partir des moyennes et des écarts-types du tableau descriptif ; le V de Cramér figure dans les mesures symétriques du khi-deux. Pour un accord entre juges, c’est le kappa de Cohen qui joue ce rôle.

    Deux tableaux donnent des N différents. Lequel est le bon ?

    Les deux, pour leur analyse respective. SPSS exclut les observations au cas par cas ou liste par liste selon les procédures et les options. Notez le N de chaque analyse dans son propre tableau et expliquez l’écart une fois pour toutes en début de chapitre.

  • Annuaire 2026 : l’analyse qui correspond à votre variable dépendante

    Annuaire 2026 : l’analyse qui correspond à votre variable dépendante

    La question que tout le monde pose à son directeur est « quel test dois-je faire ? ». Ce n’est pas la bonne. La bonne est : qu’est-ce que vous mesurez, exactement ?

    La nature de la variable dépendante — ce que vous cherchez à expliquer — élimine à elle seule les trois quarts des méthodes possibles, avant même qu’on parle du nombre de groupes ou des conditions d’application. Un nombre de rechutes, une note sur 20, un « oui / non », un délai avant abandon : ce sont quatre objets mathématiques différents, et ils n’appellent pas la même famille de modèles.

    Cet annuaire les range, du cas le plus courant au plus négligé, avec pour chacun ce qui existe déjà sur ce site et ce qu’il faut savoir avant de choisir.

    Le tableau d’orientation

    Nature de la VD Exemple typique Comparer des groupes Expliquer par plusieurs facteurs
    Continue Score composite, temps de réaction, montant Test t, ANOVA, ANCOVA Régression linéaire multiple
    Ordinale Un item de Likert, un stade, un grade Mann-Whitney, Kruskal-Wallis, Wilcoxon, Friedman Régression ordinale
    Binaire Réussite / échec, abandon oui-non Khi-deux, test exact Régression logistique binaire
    Nominale à 3 modalités ou plus Filière choisie, type de stratégie Khi-deux Régression logistique multinomiale
    Comptage Nombre d’absences, d’incidents, de consultations Comparaison de taux Régression de Poisson ou binomiale négative
    Durée avant événement Délai avant abandon, avant rechute Kaplan-Meier + log-rank Modèle de Cox
    Latente multi-items Un construit mesuré par 8 items — Équations structurelles
    Cinq natures de variable dépendante conduisant chacune à une famille d'analyses
    La nature de ce que vous mesurez décide de la famille de modèles. Le reste — nombre de groupes, conditions, logiciel — vient après.

    Variable continue

    Le cas le plus fréquent, et le mieux couvert. Deux groupes indépendants : le test t de Student et son alternative de Mann-Whitney. Deux facteurs croisés : l’ANOVA factorielle. Un lien entre deux variables continues : les corrélations de Pearson et de Spearman.

    Deux cas particuliers valent d’être connus. Si vous comparez deux groupes après une intervention et que les groupes n’étaient pas au même niveau au départ, la bonne analyse n’est pas un test t mais une ANCOVA avec le pré-test en covariable. Et si vos participants ont été mesurés plusieurs fois, le plan devient intra-sujets, ce qui change la condition d’application à vérifier.

    La condition de normalité, dans tous ces cas, porte sur les résidus du modèle et non sur la distribution brute de la variable : enregistrez-les puis testez-les, comme le décrit notre article sur le test de Shapiro-Wilk.

    Variable ordinale

    Une variable ordinale a un ordre mais pas d’unité : entre « pas du tout d’accord » et « plutôt pas d’accord », l’écart n’est pas nécessairement le même qu’entre « plutôt d’accord » et « tout à fait d’accord ».

    Pour comparer deux mesures appariées, le test de Wilcoxon ; pour trois mesures ou plus sur les mêmes personnes, le test de Friedman.

    Pour expliquer une variable ordinale par plusieurs prédicteurs, il existe un outil que les mémoires ignorent presque toujours : la régression ordinale, sous SPSS via Analyse → Régression → Ordinale. Elle estime un effet unique par prédicteur sur l’ensemble des seuils de la variable, sous une hypothèse dite des cotes proportionnelles — que SPSS teste automatiquement sous le nom de test des lignes parallèles. Si ce test est significatif, l’hypothèse tombe et il faut se rabattre sur une régression multinomiale ou sur une dichotomisation assumée.

    La question du seuil « ordinal ou continu » se pose surtout pour les échelles de Likert, et elle a une réponse pratique : un item isolé est ordinal, un score composite validé se traite comme quasi-continu. Écrivez le choix, ne le subissez pas.

    Variable binaire et variable nominale

    Pour un simple croisement, le test du khi-deux sur tableau croisé. Pour expliquer un résultat binaire par plusieurs facteurs simultanés, la régression logistique binaire et son odds ratio.

    Quand la variable a trois modalités ou plus sans ordre — la filière choisie, le type de stratégie adoptée —, l’extension est la régression logistique multinomiale (Analyse → Régression → Logistique multinomiale). Elle produit un jeu de coefficients par modalité, comparée à une modalité de référence que vous choisissez : le résultat se lit toujours « par rapport à la référence », et le choix de cette référence est une décision à justifier.

    Variable de comptage — le cas le plus souvent mal rangé

    Nombre d’absences dans le semestre, nombre d’incidents déclarés, nombre de consultations, nombre d’erreurs commises. Le réflexe est de traiter ces nombres comme une variable continue et de lancer une régression linéaire. Ce n’est pas absurde, c’est simplement inadapté dès que les comptages sont faibles.

    Une distribution de comptages, très asymétrique et bornée à zéro
    Une variable de comptage est bornée à zéro, entière et asymétrique. La courbe normale superposée montre pourquoi le modèle linéaire s’y applique mal.

    Trois raisons : la variable est bornée à zéro, elle est entière, et sa distribution est asymétrique à droite — beaucoup de zéros, quelques grandes valeurs. Un modèle linéaire peut prédire −1,4 absence, ce qui n’existe pas, et ses résidus ne seront pas normaux.

    Le modèle adapté est la régression de Poisson, accessible sous SPSS par Analyse → Modèles linéaires généralisés en choisissant la loi de Poisson et la fonction de lien logarithmique. Ses coefficients exponentiés se lisent comme des rapports de taux : 1,35 signifie « 35 % d’événements en plus, toutes choses égales par ailleurs ».

    Une vérification est indispensable : la loi de Poisson suppose que la variance égale la moyenne. Dans les données réelles, la variance est souvent bien supérieure — c’est la surdispersion, que SPSS signale par un rapport déviance / degrés de liberté nettement supérieur à 1. La réponse standard est alors la régression binomiale négative, disponible dans le même menu. Et si vos données comptent une masse de zéros que le modèle n’explique pas — par exemple parce qu’une partie de vos répondants n’était structurellement pas exposée —, mentionnez la question des modèles à inflation de zéros plutôt que de l’ignorer.

    Dernier point souvent omis : si vos participants n’ont pas été observés pendant la même durée, il faut inclure cette durée comme variable de décalage (offset) en logarithme, faute de quoi vous comparez des comptages non comparables.

    Durée avant événement

    Si votre variable est un délai et que tous vos participants n’ont pas été suivis aussi longtemps, aucune des familles précédentes ne convient : il faut une analyse de survie — Kaplan-Meier, log-rank et modèle de Cox. Le signe qui doit alerter est simple : vous avez des participants pour qui l’événement n’était pas survenu à la fin de l’observation. Les traiter comme des « non » dans une régression logistique jette l’information temporelle et biaise le résultat.

    Variable latente mesurée par plusieurs items

    Quand ce que vous voulez expliquer n’est pas directement observable — la satisfaction, l’engagement, l’anxiété — et qu’il est mesuré par un bloc d’items, deux voies s’ouvrent.

    La voie simple : réduire le bloc à un score, après avoir vérifié sa structure par une analyse factorielle exploratoire et sa cohérence par un alpha de Cronbach, puis retomber sur le cas « variable continue ».

    La voie complète : les modèles d’équations structurelles, qui estiment simultanément le modèle de mesure et le modèle de relations. Plus exigeants en effectif et en rédaction, mais seuls capables de tester un réseau d’hypothèses d’un seul tenant.

    Trois questions à poser avant de valider votre choix

    Trois questions successives à se poser avant de choisir une analyse
    La nature de la variable oriente ; la structure de l’échantillon peut tout changer.

    1. Vos observations sont-elles indépendantes ? Si vos répondants sont imbriqués dans des classes, des services ou quelques structures de recrutement, la famille de modèle change ou doit être corrigée : voyez notre article sur les données groupées et le modèle multiniveau. Cette question prime sur toutes les autres, parce qu’elle affecte chaque ligne du tableau ci-dessus.

    2. Sur qui vos conclusions portent-elles ? Un modèle correct sur un échantillon mal cadré reste un modèle mal interprété. Notre article sur ce qu’il faut faire quand l’échantillon n’est pas représentatif traite de la portée à donner aux résultats.

    3. Cherchez-vous à expliquer une variable, ou à décrire des personnes ? S’il n’y a pas de variable dépendante du tout — vous voulez repérer des profils —, vous n’êtes pas dans ce tableau : vous êtes dans une démarche de typologie, qui répond à une autre question.

    Les trois erreurs de rangement les plus fréquentes

    • Dichotomiser une variable continue pour « simplifier ». Couper un score en deux au niveau de la médiane fait perdre de l’information et de la puissance, et le seuil choisi devient un résultat arbitraire. Gardez la variable continue et laissez le modèle faire son travail.
    • Traiter un comptage comme une note. Le nombre d’absences n’est pas un score : il a un plancher, il est entier, et il est asymétrique.
    • Transformer une durée en « oui / non ». C’est la perte d’information la plus coûteuse du tableau, parce qu’elle rend incomparables des participants suivis inégalement.

    Une quatrième, plus insidieuse : changer de famille de modèle après avoir vu les résultats. Le choix se déduit de la nature de la variable, il s’annonce dans la méthodologie, et il ne dépend pas du p obtenu. Notre guide général de l’analyse de données replace cette décision dans l’enchaînement complet du chapitre.

    Écrire la justification du choix

    Choisir le bon modèle prend cinq minutes une fois la nature de la variable identifiée. Ce qui prend du temps, c’est d’écrire le paragraphe qui l’explique : nommer la nature de la variable dépendante, en déduire la famille de modèle, annoncer les conditions que vous allez vérifier, et tenir ce vocabulaire jusqu’à la discussion.

    Tesify travaille avec vous sur ce passage : structurer la section méthode, tenir une terminologie constante d’un chapitre à l’autre, et rédiger les justifications à partir de vos propres choix d’analyse. Vos données restent les vôtres, et le texte est écrit à 100 % par vous.

    Rédiger votre partie méthode avec Tesify

    Questions fréquentes

    Un score de Likert est-il continu ou ordinal ?

    Un item isolé est ordinal. Un score composite, obtenu en moyennant plusieurs items d’une même dimension dont la fidélité a été vérifiée, se traite par convention comme quasi-continu — c’est la pratique dominante en sciences sociales et elle est acceptée par les jurys. Ce qui ne l’est pas, c’est de ne rien dire : écrivez le choix et sa raison en une phrase.

    Peut-on faire une régression linéaire sur un nombre d’événements ?

    C’est possible et parfois acceptable lorsque les comptages sont élevés et la distribution proche d’une normale. Cela devient inadapté dès que les zéros sont nombreux ou que les valeurs restent basses. Le signe qui tranche : si votre modèle linéaire prédit des valeurs négatives, changez de famille.

    Faut-il tester la normalité de la variable dépendante ?

    Non : la condition porte sur les résidus du modèle. Et si votre variable est ordinale, binaire, de comptage ou de durée, la question ne se pose même pas — c’est le modèle qu’il faut changer, pas la distribution qu’il faut corriger par une transformation.

    Que faire si j’ai plusieurs variables dépendantes ?

    Trois cas de figure. Si elles mesurent le même construit, agrégez-les en un score et vérifiez la fidélité. Si elles sont conceptuellement distinctes mais corrélées, une analyse multivariée se justifie. Si elles sont indépendantes, analysez-les séparément — en annonçant à l’avance combien de tests seront conduits, ce qui est la seule protection contre le reproche d’avoir cherché jusqu’à trouver.

    Et pour une synthèse de résultats déjà publiés ?

    Il ne s’agit alors plus d’analyser des individus mais des études, et la nature de l’unité change tout : c’est le domaine de la méta-analyse, avec ses propres tailles d’effet et ses propres indicateurs d’hétérogénéité.

  • Quelle source publique répond à quelle question de mémoire : le tableau d’orientation 2026

    Quelle source publique répond à quelle question de mémoire : le tableau d’orientation 2026

    La plupart des guides de sources sont classés par discipline. C’est commode à écrire et peu utile à lire : un étudiant ne cherche pas « des données en sociologie », il cherche de quoi répondre à une question précise.

    Ce tableau part donc de la question. Pour chaque type d’interrogation, une source, un régime d’accès — et surtout ce que la source ne pourra jamais vous dire.

    La question préalable : agrégé ou individuel ?

    Différence entre des données agrégées par territoire et des données au niveau individuel
    Ce choix commande tout le reste : il détermine la source, le délai et la formalité.

    Avant toute recherche, tranchez ce point, car il partage le paysage en deux.

    Les données agrégées décrivent des ensembles : un territoire, un secteur, une classe d’âge. Elles sont massivement disponibles, sans aucune formalité, immédiatement. Elles permettent de comparer, de dater, de cartographier.

    Les données individuelles décrivent des personnes ou des unités. Elles permettent de croiser des caractéristiques au niveau de l’individu — diplôme et salaire, âge et trajectoire. Elles supposent presque toujours une démarche, un engagement signé et un délai.

    La conséquence est nette : si votre question peut se reformuler à l’échelle agrégée, vous économisez des semaines. Si elle ne le peut pas, engagez la démarche dès aujourd’hui.

    Les trois régimes d’accès

    Trois régimes d'accès aux données, du libre au conditionné puis au fermé
    Trois portes, trois calendriers — et une seule s’ouvre le jour même.

    Libre. Téléchargement immédiat, sans compte. C’est le cas de toutes les données ouvertes agrégées.

    Conditionné. Gratuit, mais sur signature d’un engagement et sous condition de rattachement institutionnel. C’est le régime des fichiers d’enquête individuels.

    Fermé pour un mémoire. Autorisation d’une autorité et avis d’un comité, sur des calendriers dimensionnés pour des équipes de recherche. C’est le cas des grandes bases de santé individuelles.

    Le tableau d’orientation

    « Je veux étudier des décisions de justice »

    Source : la base d’open data des décisions judiciaires, en accès libre, moteur de recherche et interface de programmation gratuits. Limite décisive : la diffusion suit un calendrier réglementaire qui n’est pas achevé — le pénal de première instance n’est pas attendu avant fin 2027, et les décisions prud’homales avant fin septembre 2026. Un corpus exhaustif n’est donc pas possible sur toutes les matières. Le détail du calendrier et de ses conséquences est dans la jurisprudence en open data.

    « Je veux comparer l’accès aux soins entre territoires »

    Source : le portail ouvert de l’Assurance Maladie, libre, 32 jeux de données et 11 505 229 lignes au 11 août 2026. Limite décisive : tout y est agrégé — aucun parcours individuel, aucun appariement au niveau de la personne. Le décompte exact et les sujets ouverts sont détaillés dans les données de santé ouvertes sans démarche.

    « Je veux relier composition sociale et résultats scolaires »

    Source : le catalogue ouvert de l’Éducation nationale, libre, 307 jeux et 20 527 518 lignes au 11 août 2026. Limite décisive : plus de la moitié du volume tient dans quatre fichiers de métriques d’usage numérique sans rapport avec les questions pédagogiques. Voyez les données pour un mémoire en sciences de l’éducation, qui explique comment viser le bon fichier.

    « Je veux mesurer les créations, les reprises ou les défaillances d’entreprises »

    Source : les annonces légales en open data, libres, 50 294 290 annonces couvrant 2008 à aujourd’hui. Limite décisive : ce sont des événements, pas des états financiers — la base signale un dépôt de comptes, elle ne contient pas les comptes. Voyez les données d’entreprise pour un mémoire de gestion.

    « Je veux croiser des caractéristiques au niveau des personnes »

    Source : les fichiers des grandes enquêtes nationales, gratuits pour les étudiants rattachés à un organisme d’enseignement, sur signature d’un engagement. Limite décisive : le délai d’instruction, et l’interdiction de rediffuser les données — vous ne pourrez pas les joindre en annexe. La procédure complète est dans la commande de données d’enquête.

    « Je ne sais pas encore et je veux explorer »

    Source : le portail national, 73 884 jeux et 6 508 organisations productrices au 11 août 2026. Limite décisive : l’abondance elle-même. Parcourir ce catalogue sans question précise est le meilleur moyen d’y passer un mois — voyez pourquoi l’abondance est un problème et la méthode pour en sortir.

    Ce que ce tableau ne couvre pas

    Trois familles de matériaux en sont absentes, et il vaut mieux le savoir avant de conclure qu’il n’existe rien pour vous.

    Les corpus textuels et patrimoniaux. Archives numérisées, bibliothèques nationales, corpus linguistiques : ils obéissent à d’autres logiques d’accès et se prêtent à des analyses qualitatives plutôt qu’à des décomptes. Un mémoire d’histoire, de lettres ou de sciences du langage y trouvera davantage que dans un portail de données tabulaires.

    Les données produites par des acteurs privés. Plateformes, éditeurs, cabinets : leurs jeux existent mais relèvent d’accords commerciaux, et un mémoire ne peut en général pas y prétendre. N’en faites pas le pivot de votre projet.

    Les données que vous produisez vous-même. Ce tableau ne remplace pas un terrain. Il existe pour les cas où le terrain est impossible, trop lent, ou insuffisant à lui seul — pas pour vous dissuader d’en faire un quand il est accessible.

    Comment vous en servir concrètement

    Trois gestes, dans cet ordre.

    1. Écrivez votre question, puis la variable qu’elle exige, en une phrase chacune. Sans cette phrase, aucun tableau d’orientation ne vous servira.
    2. Repérez la ligne correspondante ci-dessus et lisez d’abord la limite, pas la source. Si la limite tue votre question, vous venez d’économiser trois semaines.
    3. Vérifiez le décompte vous-même avant de citer quoi que ce soit. Les chiffres donnés ici ont été relevés le 11 août 2026 et évoluent ; la méthode pour refaire le comptage sans programmer est dans compter dans un jeu de données ouvert.

    Si aucune ligne ne correspond parce que votre terrain vient de tomber, la marche à suivre — et le calendrier de bascule — sont dans les trois voies de repli. Et pour un panorama par discipline plutôt que par question, voyez les jeux de données ouvertes par discipline.

    Ouvrez votre mémoire dans Tesify et arrimez votre problématique à une source que vous avez vérifiée — la structure suit, les phrases restent les vôtres.

    Trois règles qui valent pour toutes les sources

    Datez chaque extraction. Ces bases vivent. Un chiffre sans date n’est pas reproductible, et un lecteur qui relance votre requête plus tard obtiendra autre chose sans savoir pourquoi.

    Lisez la documentation avant le fichier. Le titre d’un jeu ne dit pas ce qu’il compte. Deux fichiers nommés « effectifs » peuvent compter des personnes, des inscriptions ou des dossiers, et l’erreur d’unité traverse ensuite tout le mémoire sans être vue.

    Signalez vos calculs. Un total renvoyé par la base est une donnée ; un pourcentage que vous en tirez est un calcul. Dire lequel est lequel coûte trois mots et vous protège d’une objection en soutenance.

    Questions fréquentes

    Puis-je combiner plusieurs de ces sources ?

    Oui, et c’est souvent le meilleur design : une source ouverte pour cadrer le problème, une source individuelle ou un terrain pour l’analyser finement. Précisez seulement quelle source sert à quoi, car elles relèvent de régimes d’accès différents à déclarer séparément.

    Ces sources sont-elles utilisables dans toutes les disciplines ?

    Le classement par question rend la plupart transversales : un mémoire de sociologie peut exploiter des données d’entreprise, un mémoire de gestion des données d’éducation. Ne vous laissez pas enfermer par l’étiquette disciplinaire du portail.

    Faut-il citer la source dans le corps du texte ou en bibliographie ?

    Les deux. Dans le texte, mentionnez le producteur et la date d’extraction au moment où le chiffre apparaît ; en bibliographie, traitez le jeu comme une référence à part entière, avec son adresse.

    Que faire si la donnée existe mais pas à la maille dont j’ai besoin ?

    Deux options honnêtes : remonter d’un cran votre question pour l’aligner sur la maille disponible, ou conserver la maille fine et changer de source. Ce qu’il ne faut pas faire, c’est désagréger vous-même une donnée agrégée — le résultat n’aurait aucune validité.

    Ces volumétries seront-elles encore exactes l’an prochain ?

    Non, et ce n’est pas un défaut : ce sont des bases vivantes. Les nombres cités valent au 11 août 2026 et servent d’ordre de grandeur. Refaites le comptage à votre date, et citez la vôtre.

    Y a-t-il un intérêt à utiliser une source peu exploitée ?

    Un intérêt considérable. Sur le portail national, on compte environ neuf réutilisations déclarées pour cent jeux publiés : la plupart des données publiques n’ont jamais été analysées. Un mémoire qui en exploite une sérieusement est original par construction.

    Combien de sources faut-il pour un mémoire ?

    Une, exploitée sérieusement, suffit largement. Multiplier les sources est une tentation de dernière minute qui produit des chapitres juxtaposés sans démonstration. Ajoutez-en une seconde uniquement si elle répond à une question que la première ne peut pas traiter, et dites-le explicitement.

    Partez de la question, choisissez la source, vérifiez le chiffre. Écrivez votre mémoire avec Tesify.

  • Où lire des mémoires professionnels validés : annuaire 2026 par diplôme

    Où lire des mémoires professionnels validés : annuaire 2026 par diplôme

    Lire deux ou trois mémoires validés de son propre diplôme est le geste le plus rentable avant d’écrire. Pour les mémoires universitaires, les portails d’archives ouvertes sont bien connus. Pour les diplômes professionnels, les mémoires existent aussi — mais ils sont dispersés dans les catalogues des écoles et des professions, et la plupart ne sont pas sur Google.

    Cet annuaire recense les points d’entrée réels, filière par filière. Il dit aussi, sans détour, les cas où aucun dépôt public n’existe : c’est une information utile, parce qu’elle vous évite de chercher pendant des heures ce qui n’est pas en ligne.

    D’abord : ce qui n’existe pas

    Contrairement aux mémoires de master, il n’y a pas de dépôt national obligatoire pour les écrits de certification professionnelle. Un mémoire de titre RNCP, un dossier professionnel, un livret 2 de VAE ne rejoignent aucune archive ouverte : ils restent chez l’organisme certificateur, qui n’a aucune obligation de les publier.

    Concrètement, cela signifie que pour ces certifications, les seules sources fiables sont l’organisme lui-même — cahier des charges, mémoires anonymisés parfois communiqués aux promotions — et le référentiel de certification publié par le certificateur. Notre annuaire des textes officiels par type de travail indique où trouver ce référentiel dans chaque cas.

    Là où des collections publiques existent, elles sont adossées à une école ou à une profession. Voici lesquelles.

    Architecture — le réseau ArchiRès

    ArchiRès est le portail documentaire commun aux bibliothèques des écoles nationales supérieures d’architecture et de paysage. C’est le catalogue de référence du domaine, et il donne accès aux travaux d’étudiants déposés par les écoles du réseau.

    Deux précisions pratiques. Les collections et les droits d’accès varient d’une école à l’autre : certaines notices renvoient à un document en ligne, d’autres à une consultation sur place. Et la connexion avec ses identifiants d’école ouvre davantage de contenus qu’une consultation anonyme — si vous êtes inscrit en ENSA, connectez-vous avant de conclure qu’un document est introuvable.

    Pour ce que le jury attend ensuite, voir notre guide du mémoire de HMONP.

    Poste de consultation d'un catalogue documentaire en bibliothèque
    Beaucoup de ces catalogues ne sont pas indexés par les moteurs de recherche : il faut y entrer directement.

    Santé publique et direction d’établissement — la documentation de l’EHESP

    Le catalogue en ligne du service documentation de l’École des hautes études en santé publique est le point d’entrée pour les travaux liés à la santé publique, au management hospitalier et à la direction d’établissement sanitaire, social et médico-social.

    C’est la ressource la plus pertinente si vous préparez un mémoire d’élève-directeur, puisque l’école est l’opérateur de la formation statutaire. Elle l’est aussi, indirectement, pour le CAFDES, dont l’EHESP est l’établissement délivrant le diplôme — voir notre comparatif CAFDES ou DEIS.

    Comme pour ArchiRès, une partie du catalogue est réservée aux comptes de l’école ; la création d’un compte externe est proposée.

    Expertise comptable — la Bibliotique

    Bibliotique est la bibliothèque de la profession comptable. C’est le point d’entrée documentaire pour la filière, y compris pour la production des mémorialistes.

    Un détail technique qui a son importance : l’adresse avec www ne répond pas correctement, alors que l’adresse sans www fonctionne. Si vous obtenez une erreur de connexion sécurisée, essayez la seconde avant de conclure que le site est hors service.

    Pour les règles de l’épreuve elle-même — agrément du sujet, volume, soutenance — voir notre guide du mémoire du DEC.

    Ingénieur, paramédical, master — DUMAS et les archives ouvertes

    DUMAS reste le dépôt le plus large pour les travaux d’étudiants en France, et il ne contient pas que des mémoires de master : on y trouve aussi des travaux de filières paramédicales et d’établissements comme le Cnam, selon la politique de dépôt de chaque établissement.

    C’est donc la première recherche à faire si vous préparez un mémoire d’ingénieur du Cnam ou un mémoire de fin d’études paramédical — avec une réserve : le dépôt dépend de l’établissement et de l’autorisation de l’auteur, donc l’absence d’un travail sur DUMAS ne signifie pas qu’il n’existe pas.

    Pour le détail du fonctionnement de DUMAS, de HAL, de theses.fr, de Cairn et du SUDOC — modes de recherche, dépôt, différences entre plateformes —, notre annuaire des portails de mémoires traite ce volet en détail. Le présent article ne le double pas : il complète la carte du côté professionnel.

    Plusieurs mémoires professionnels classés par filière sur une table
    Trois mémoires validés de votre propre diplôme valent mieux que quinze exemples d’une autre filière.

    Validation des acquis de l’expérience — vae.gouv.fr

    Le portail public vae.gouv.fr centralise l’information sur la démarche. Il ne diffuse pas de livrets validés — ceux-ci ne sont pas publics — mais il donne le cadre, les étapes et les interlocuteurs, ce qui est l’essentiel de ce qu’on cherche au départ.

    Tableau récapitulatif

    Filière / diplôme Point d’entrée Accès aux travaux
    Architecture (DEA, HMONP) ArchiRès Variable selon l’école ; connexion école recommandée
    Santé publique, direction d’établissement (D3S, CAFDES) Documentation EHESP Catalogue public, compte externe possible
    Expertise comptable (DEC) Bibliotique Bibliothèque de la profession
    Ingénieur Cnam, paramédical, master DUMAS Accès libre, dépôt non systématique
    Titre RNCP, titre professionnel, CQP Organisme certificateur Aucun dépôt public — demander à l’organisme
    VAE vae.gouv.fr Cadre et démarche ; livrets non publics

    Comment lire un mémoire validé — et ce qu’il ne faut pas en faire

    Lire des exemplaires validés sert trois choses précises, et une seule d’entre elles concerne le contenu.

    1. Calibrer le volume et la structure. C’est l’usage le plus rentable. Vous voyez ce que 60 pages représentent réellement, comment la problématique est posée, où s’arrête la partie contextuelle.
    2. Comprendre le registre. Un mémoire de direction ne s’écrit pas comme un mémoire de recherche ; le lire est plus efficace que se le faire expliquer.
    3. Repérer ce que le jury a laissé passer et ce qu’il a manifestement exigé. Les rapports de jury, quand ils existent, sont encore plus instructifs que les mémoires eux-mêmes.

    En revanche, un mémoire validé n’est pas un gisement de contenu. Reprendre l’analyse d’un autre sur un terrain qui n’est pas le vôtre est du plagiat, et c’est aussi le meilleur moyen de vous retrouver incapable de répondre à la première question du jury. Si vous cherchez surtout des exemples commentés côté universitaire, notre sélection de mémoires réussis par discipline les analyse déjà.

    Un dernier réflexe, valable pour tous ces catalogues : vérifiez l’année. Un mémoire de CAFDES antérieur à la réforme de 2022, ou de DEIS antérieur à celle de 2024, décrit une architecture de certification qui n’est plus la vôtre. Il reste utile pour le style ; il ne l’est plus pour le cadre.

    Ce que Tesify ne fait pas

    • Tesify ne vous fournit pas de mémoires d’autres candidats et ne réécrit pas un travail existant. Lire des exemplaires validés relève de votre préparation, pas d’un service.
    • Tesify ne promet pas de « passer » un détecteur de plagiat ou d’IA. La promesse est vide, et elle est particulièrement déplacée ici : le risque, quand on lit beaucoup d’exemplaires, est de s’approprier sans s’en rendre compte l’analyse de quelqu’un d’autre. Le contrôle n’est pas le problème — c’est le travail personnel manquant qui l’est.
    • Tesify ne vous dispense pas d’être l’auteur.

    Ce que l’outil fait, une fois vos deux ou trois exemplaires lus : traduire ce que vous en avez retenu en une structure applicable à votre terrain, tenir cette structure sur une rédaction longue, et vérifier que chaque exigence de votre référentiel trouve une réponse dans le texte.

    Structurez votre mémoire avec Tesify — après avoir lu ce qui a été validé avant vous.

    FAQ — Trouver des mémoires professionnels

    Les mémoires de certification professionnelle sont-ils publics ?

    Non, en règle générale. Il n’existe pas de dépôt national obligatoire pour les écrits de certification professionnelle : mémoires de titre RNCP, dossiers professionnels et livrets de VAE restent chez l’organisme certificateur, qui n’a pas d’obligation de publication. Les collections publiques existent seulement là où une école ou une profession en a constitué une.

    Où trouver des mémoires en architecture ?

    Sur ArchiRès, le portail documentaire commun aux bibliothèques des écoles nationales supérieures d’architecture et de paysage. Les collections et les droits d’accès varient selon l’école, et une connexion avec ses identifiants d’école ouvre davantage de contenus qu’une consultation anonyme.

    Où trouver des mémoires de direction d’établissement sanitaire ou social ?

    Dans le catalogue en ligne du service documentation de l’École des hautes études en santé publique, qui est l’opérateur de la formation statutaire des élèves-directeurs et l’établissement délivrant le CAFDES. Un compte externe peut être créé pour accéder à une partie des ressources.

    Où trouver des mémoires d’expertise comptable ?

    Auprès de Bibliotique, la bibliothèque de la profession comptable. Attention à l’adresse : la version avec www ne répond pas correctement, contrairement à l’adresse sans www.

    DUMAS contient-il autre chose que des mémoires de master ?

    Oui. Selon la politique de dépôt de chaque établissement, on y trouve aussi des travaux de filières paramédicales et d’établissements comme le Cnam. Le dépôt n’étant ni systématique ni obligatoire, l’absence d’un travail sur DUMAS ne signifie pas qu’il n’existe pas.

    Peut-on s’inspirer d’un mémoire validé sans plagier ?

    Oui, à condition de s’en servir pour calibrer le volume, la structure et le registre, et non pour reprendre une analyse. Un mémoire professionnel s’appuie sur votre terrain et vos décisions : une analyse empruntée ne résiste pas à la première question du jury, indépendamment de toute question de plagiat.

    Faut-il vérifier l’année du mémoire consulté ?

    Impérativement. Un mémoire de CAFDES antérieur à la réforme de 2022 ou un mémoire de DEIS antérieur à celle entrée en vigueur en septembre 2024 décrit une architecture de certification qui n’est plus applicable. Ces exemplaires restent utiles pour le style et la méthode, pas pour le cadre réglementaire.