Comment analyser un questionnaire de mémoire : tri à plat et tri croisé (2026)

Analyser un questionnaire de mémoire consiste à transformer des réponses brutes en résultats interprétables, en deux temps complémentaires : le tri à plat, qui décrit chaque variable isolément (fréquences et pourcentages), et le tri croisé, qui confronte deux variables pour repérer un lien entre elles. Cette étape suit la collecte des réponses et précède la rédaction du chapitre résultats.

Beaucoup d’étudiants se retrouvent avec un export Google Forms ou une base de données Excel sans savoir par où commencer : faut-il tout croiser avec tout ? Un simple pourcentage suffit-il, ou faut-il un test statistique ? La réponse dépend de votre problématique et du niveau de preuve attendu par votre jury, mais la méthode elle-même est standard et reproductible.

Ce guide détaille la démarche complète : préparer les données, réaliser le tri à plat, construire un tri croisé, savoir quand mobiliser un test du khi-deux, choisir un outil adapté à votre niveau et présenter les résultats sans les sur-interpréter.

Réponse rapide. Après avoir codé vos données (une ligne par répondant, une colonne par question), commencez par le tri à plat de chaque variable pour obtenir effectifs et pourcentages. Croisez ensuite les variables pertinentes pour votre problématique dans des tris croisés (tableaux à double entrée). Si vous voulez tester la significativité d’un lien entre deux variables qualitatives, appliquez un test du khi-deux, à condition d’avoir des effectifs suffisants par case.

Tri à plat vs tri croisé : quelle différence ?

Le tri à plat analyse une variable à la fois : pour chaque modalité de réponse, il indique combien de répondants l’ont choisie (effectif) et quelle proportion cela représente (pourcentage). Si votre question était « Quel est votre statut ? » avec les modalités étudiant, salarié, autre, le tri à plat vous donne la répartition globale.

Le tri croisé (ou tableau croisé, tableau de contingence) met en relation deux variables. Il répond à une question du type : « Le taux de satisfaction diffère-t-il selon le niveau d’études ? ». C’est l’outil central pour tester des hypothèses de mémoire qui comparent des sous-groupes.

En pratique, on commence toujours par un tri à plat systématique sur toutes les variables, avant de sélectionner les croisements réellement utiles à la problématique. Si vous n’avez pas encore diffusé votre enquête, notre guide sur comment diffuser un questionnaire de mémoire et améliorer le taux de réponse détaille la phase précédente.

Étape 1 : préparer et coder les données

Avant tout calcul, la base de données doit être propre et cohérente. Trois opérations sont indispensables.

Nettoyer les réponses

Supprimer les questionnaires incomplets ou visiblement remplis au hasard (patterns répétitifs, temps de réponse anormalement court).
Repérer les doublons (même répondant ayant validé deux fois).
Harmoniser les réponses libres proches (« Bac+5 », « M2 », « Master 2 » désignent souvent la même modalité).

Coder les variables

Chaque modalité de réponse doit recevoir un code numérique ou une étiquette stable (1 = étudiant, 2 = salarié, 3 = autre). Ce codage est ce qui permet ensuite au tableur ou au logiciel statistique de compter et croiser automatiquement les réponses. Si votre questionnaire utilisait des échelles de Likert, le codage suit une logique différente : consultez notre article dédié à l’échelle de Likert dans un mémoire pour le traitement statistique adapté (moyennes, alpha de Cronbach).

Structurer le tableau de données

La structure standard place une ligne par répondant et une colonne par question. C’est ce format que Google Sheets, Excel, Sphinx ou JASP attendent pour générer des tris automatiquement.

Étape 2 : réaliser le tri à plat

Pour chaque variable, calculez l’effectif (nombre de répondants par modalité) et le pourcentage correspondant. Sur un tableur, une formule de comptage conditionnel ou un tableau croisé dynamique à une seule dimension suffit.

Exemple illustratif ci-dessous, à des fins pédagogiques uniquement — ce ne sont pas des données réelles.

Exemple de tri à plat — « Quel est votre statut actuel ? » (n = 120, illustratif)
Modalité	Effectif	Pourcentage
Étudiant	68	56,7 %
Salarié	41	34,2 %
Autre / sans emploi	11	9,1 %
Total	120	100 %

Pensez à vérifier que le total des pourcentages atteint bien 100 % (aux arrondis près) et à indiquer systématiquement l’effectif total (n) sous le tableau : un pourcentage sans effectif associé n’a aucune valeur pour le lecteur.

Étape 3 : réaliser le tri croisé

Le tri croisé place une variable en ligne et l’autre en colonne. Choisissez généralement en ligne la variable « explicative » (le statut, l’âge, le genre) et en colonne la variable « à expliquer » (la satisfaction, l’usage, l’opinion), puis calculez les pourcentages en ligne pour comparer les profils entre eux.

Tableau croisé de données affiché dans un tableur — Un tableau croisé permet de confronter deux variables pour repérer un lien éventuel entre elles.

Exemple illustratif, données fictives construites pour la démonstration :

Exemple de tri croisé — Statut × Satisfaction vis-à-vis du dispositif étudié (illustratif)
Statut	Satisfait	Neutre	Insatisfait	Total
Étudiant	44 (64,7 %)	16 (23,5 %)	8 (11,8 %)	68 (100 %)
Salarié	19 (46,3 %)	14 (34,1 %)	8 (19,5 %)	41 (100 %)
Autre	5 (45,5 %)	4 (36,4 %)	2 (18,2 %)	11 (100 %)

La lecture se fait ligne par ligne : dans cet exemple fictif, la proportion de répondants satisfaits est plus élevée chez les étudiants que chez les salariés. Ce constat descriptif ne devient une conclusion solide qu’après un test de significativité, abordé dans la section suivante.

Quand utiliser un test du khi-deux ?

Le test du khi-deux d’indépendance (χ²) répond à une question précise : l’écart observé entre les groupes dans votre tri croisé est-il suffisamment marqué pour être considéré comme réel, ou pourrait-il s’expliquer par le simple hasard de l’échantillonnage ? Il s’applique à deux variables qualitatives (nominales ou ordinales traitées comme telles).

Conditions d’application

Les deux variables croisées doivent être catégorielles (statut, genre, tranche d’âge, oui/non…).
Les observations doivent être indépendantes (un même répondant ne compte qu’une fois).
Les effectifs théoriques attendus dans chaque case doivent être suffisants (un repère communément utilisé est un minimum de 5 par case) ; en dessous, le test perd sa fiabilité et un test exact de Fisher est parfois préféré.

Lecture du résultat

Le test fournit une statistique χ² et une valeur p. Une valeur p inférieure au seuil retenu (généralement 0,05) indique que le lien observé entre les deux variables est statistiquement significatif. Il ne mesure toutefois pas la force ni le sens du lien : pour cela, des indicateurs complémentaires comme le V de Cramér sont utiles.

Un test statistique n’est pas obligatoire dans tous les mémoires : s’il ne fait pas partie de la méthodologie annoncée, un tri croisé descriptif bien commenté peut suffire selon les exigences de votre discipline et de votre jury. Pour resituer cette décision dans l’ensemble de votre démarche quantitative, voir la méthodologie quantitative pour un mémoire.

Quels outils pour analyser un questionnaire ?

Outil	Pour quoi faire	Niveau requis
Google Sheets	Export direct de Google Forms, tableaux croisés dynamiques, graphiques simples	Débutant
Excel	Tris à plat et tris croisés via tableaux croisés dynamiques, plus de contrôle sur la mise en forme	Débutant à intermédiaire
Sphinx	Conception d’enquête + tri à plat et tri croisé automatisés, adapté aux mémoires en SHS	Intermédiaire
JASP / Jamovi	Tests statistiques (khi-deux, corrélations, ANOVA), gratuits, interface accessible sans ligne de code	Intermédiaire

Pour un échantillon de quelques dizaines à quelques centaines de répondants et des croisements simples, un tableur suffit dans la grande majorité des mémoires de master. Le recours à un logiciel statistique dédié devient pertinent surtout dès que vous devez produire un test du khi-deux, une corrélation ou une analyse multivariée.

Comment présenter les résultats dans le mémoire

La partie résultats gagne en clarté quand chaque tri est accompagné d’un commentaire court et d’une visualisation adaptée.

Graphiques en barres et diagramme circulaire de résultats d'enquête — Les graphiques en barres et diagrammes circulaires facilitent la lecture visuelle des résultats du questionnaire.

Tableaux pour les tris précis avec effectifs et pourcentages exacts (comme les deux exemples ci-dessus).
Graphiques en barres pour comparer visuellement des modalités ou des groupes en un coup d’œil.
Diagrammes circulaires à réserver aux variables à faible nombre de modalités (3 ou 4 maximum), pour rester lisibles.

Chaque tableau doit porter un numéro, un titre explicite et l’effectif total (n). Le commentaire qui l’accompagne se limite à la tendance principale et, le cas échéant, au résultat du test statistique : évitez de décrire chaque chiffre du tableau dans le texte, le tableau parle déjà de lui-même.

Pour rédiger cette section rapidement tout en gardant un style académique cohérent avec le reste du mémoire, l’éditeur IA de Tesify aide à formuler les commentaires de résultats à partir de vos tableaux, sans réécrire le mémoire à votre place.

Erreurs fréquentes à éviter

Sur-interpréter un écart faible

Un écart de quelques points de pourcentage entre deux groupes n’est pas nécessairement significatif, surtout sur un petit échantillon. Sans test statistique, formulez vos constats avec prudence (« semble plus élevé », « tend à »), plutôt que comme une certitude.

Croiser des variables avec des effectifs trop faibles

Un tri croisé où une modalité ne compte que 2 ou 3 répondants produit des pourcentages instables et trompeurs (passer de 1 à 2 répondants fait bondir un pourcentage de 50 %). Regroupez les modalités marginales avant de croiser, ou signalez explicitement la limite dans le texte.

Multiplier les croisements sans lien avec la problématique

Croiser systématiquement toutes les variables entre elles produit des dizaines de tableaux, dont la majorité n’apporte rien à la démonstration. Sélectionnez les croisements directement rattachés à vos hypothèses de recherche.

Confondre corrélation et causalité

Un tri croisé, même significatif au khi-deux, établit une association statistique, pas une relation de cause à effet. Cette nuance doit apparaître dans votre discussion des résultats.

Questions fréquentes

Quelle est la différence entre tri à plat et tri croisé ?

Le tri à plat présente la distribution d’une seule variable (effectifs et pourcentages pour chaque modalité). Le tri croisé confronte deux variables dans un même tableau pour repérer un lien éventuel entre elles, par exemple la satisfaction selon le niveau d’études.

Quand faut-il utiliser un test du khi-deux ?

Le test du khi-deux d’indépendance s’utilise après un tri croisé entre deux variables qualitatives, quand vous voulez savoir si l’écart observé entre les groupes est statistiquement significatif ou s’il peut être dû au hasard. Il suppose des effectifs théoriques suffisants dans chaque case du tableau.

Quel logiciel choisir pour analyser un questionnaire de mémoire ?

Pour un échantillon modeste et des tris simples, un tableur (Excel, Google Sheets) suffit largement avec des tableaux croisés dynamiques. Sphinx et Google Forms/Sheets combinés conviennent pour l’enquête et le tri à plat automatisé. JASP ou Jamovi, gratuits, sont recommandés dès que vous devez calculer un khi-deux, un coefficient de corrélation ou une ACP.

Combien de réponses faut-il pour croiser deux variables ?

Il n’existe pas de seuil universel, mais un repère prudent consiste à viser un effectif théorique d’au moins 5 dans chaque case du tableau croisé avant d’interpréter un test du khi-deux. En dessous, les résultats du tri croisé restent descriptifs et doivent être présentés avec prudence.

Comment présenter un tri croisé dans le mémoire ?

Présentez le tableau avec les effectifs et les pourcentages en ligne ou en colonne selon la variable de référence, commentez la tendance principale en une ou deux phrases, puis indiquez si un test statistique a été mené et son résultat, sans réinterpréter chaque chiffre du tableau dans le texte.

Faut-il analyser toutes les questions du questionnaire ?

Non. Priorisez les questions directement liées à vos hypothèses ou à votre problématique. Les questions de profil (âge, statut, ancienneté) servent surtout de variables de croisement, pas nécessairement d’analyses en tri à plat détaillées dans le corps du mémoire.

Passez du tableur au chapitre résultats rédigé

Une fois vos tris à plat et vos tris croisés stabilisés, reste à les intégrer dans une section résultats claire et une bibliographie conforme aux normes de votre établissement. Si vous avez suivi ce guide depuis la conception du questionnaire, retrouvez aussi comment créer un sondage en ligne pour son mémoire avec Google Forms pour la phase amont.

Tesify vous accompagne sur la suite : créez votre mémoire avec Tesify pour structurer le chapitre résultats à partir de vos tableaux, et utilisez le module Bibliographie de Tesify pour mettre en forme automatiquement vos références aux normes attendues.

Test du khi-deux dans un mémoire : tableau croisé, conditions d’application et interprétation SPSS (2026)

Dès qu’un mémoire compare deux variables catégorielles — le genre et le choix de filière, la catégorie socioprofessionnelle et l’adhésion à une pratique, le type d’établissement et le taux de réussite — le test du khi-deux d’indépendance est l’outil statistique de référence. Ce guide détaille la construction du tableau croisé, les conditions d’application souvent négligées, et la lecture précise de la sortie SPSS, jusqu’à la phrase de résultats à insérer dans votre partie analyse.

En résumé : Le test du khi-deux d’indépendance vérifie si deux variables catégorielles sont statistiquement associées. Il se construit dans SPSS via Analyse > Statistiques descriptives > Tableaux croisés, en cochant l’option Khi-deux. Deux conditions d’application doivent être vérifiées avant d’interpréter le résultat : au moins 80 % des cellules du tableau doivent avoir un effectif théorique ≥ 5, et aucune cellule ne doit avoir un effectif théorique < 1. Si ces conditions ne sont pas remplies, utilisez le test exact de Fisher. Le résultat se rapporte sous la forme χ²(ddl, N) = valeur, p = valeur, complété par une mesure de taille d’effet comme le V de Cramér.

1. Qu’est-ce que le test du khi-deux d’indépendance ?

Le test du khi-deux (χ², prononcé « ki-carré ») d’indépendance compare les effectifs observés dans un tableau croisé à ceux qu’on obtiendrait si les deux variables étaient totalement indépendantes l’une de l’autre. Plus l’écart entre effectifs observés et effectifs théoriques (attendus sous l’hypothèse d’indépendance) est grand, plus la statistique du khi-deux est élevée, et plus il est probable que les deux variables soient réellement associées dans la population.

Ce test s’applique exclusivement à des variables catégorielles (nominales ou ordinales) : genre, filière, statut d’emploi, niveau de diplôme, réponse oui/non. Il ne convient pas pour comparer une variable continue (âge en années, score sur une échelle) à une catégorie — dans ce cas, d’autres tests comme l’ANOVA ou la corrélation sont plus appropriés.

2. Quand l’utiliser dans un mémoire

Le test du khi-deux revient dans une grande variété de méthodologies quantitatives de mémoire. Quelques exemples typiques :

Comparer la répartition par genre entre deux groupes d’étude (par exemple, utilisateurs vs non-utilisateurs d’un outil ou d’un service).
Vérifier si le type de contrat de travail (CDI, CDD, intérim) est associé au niveau de satisfaction professionnelle regroupé en catégories.
Tester si la catégorie d’établissement scolaire est liée au choix d’une orientation post-bac.
Vérifier la représentativité de votre échantillon par rapport à la population de référence sur une variable catégorielle (test d’ajustement, une variante à un seul facteur du khi-deux).

Avant de lancer ce test, vos variables doivent déjà être codées en catégories dans votre base de données SPSS — un prérequis directement lié à la façon dont vous avez construit votre questionnaire. Si cette étape n’est pas encore faite, notre guide pour construire un questionnaire de mémoire de master détaille comment structurer vos variables fermées dès la conception.

3. Construire le tableau croisé dans SPSS

Le tableau croisé (ou table de contingence) est l’étape préalable indispensable au test du khi-deux. Voici la procédure dans SPSS :

Dans le menu, allez dans Analyse > Statistiques descriptives > Tableaux croisés.
Placez votre première variable catégorielle dans la case Ligne(s) et la seconde dans Colonne(s).
Cliquez sur le bouton Statistiques et cochez la case Khi-deux. Cochez également Phi et V de Cramér pour obtenir directement la taille d’effet.
Cliquez sur Cellules et cochez Effectifs observés, Effectifs théoriques et un pourcentage (ligne ou colonne selon votre lecture prévue) pour faciliter l’interprétation descriptive.
Validez : SPSS génère trois tableaux — le tableau croisé descriptif, le tableau des tests du khi-deux, et le tableau des mesures symétriques (Phi, V de Cramér).

Sortie SPSS d'un tableau croisé pour le test du khi-deux

4. Conditions d’application à vérifier avant d’interpréter

C’est l’étape la plus souvent négligée par les étudiants, et pourtant la plus scrutée par un directeur de mémoire ou un jury attentif à la rigueur méthodologique.

Règle des effectifs théoriques ≥ 5 : au moins 80 % des cellules du tableau croisé doivent afficher un effectif théorique (colonne « Effectif théorique » dans la sortie SPSS) supérieur ou égal à 5.
Aucune cellule avec un effectif théorique < 1 : cette condition est encore plus stricte et ne souffre aucune exception.
Indépendance des observations : chaque répondant ne doit apparaître qu’une seule fois dans le tableau (le khi-deux classique ne convient pas à des mesures répétées sur les mêmes individus).

SPSS affiche automatiquement un message d’avertissement sous le tableau des tests si une ou plusieurs cellules ont un effectif théorique inférieur à 5 (« X cellules ont un effectif théorique inférieur à 5 »). Ne l’ignorez pas : c’est le signal qu’il faut soit regrouper des catégories (par exemple fusionner des tranches d’âge trop fines), soit basculer vers le test exact de Fisher pour un tableau 2×2.

5. Interpréter la sortie SPSS

Le tableau des tests du khi-deux dans SPSS affiche plusieurs lignes ; la plus pertinente pour un tableau supérieur à 2×2 est le Khi-deux de Pearson. Trois valeurs sont à relever :

Valeur : la statistique du khi-deux calculée (notée χ²).
ddl : les degrés de liberté, calculés comme (nombre de lignes − 1) × (nombre de colonnes − 1).
Signification asymptotique (bilatérale) : la valeur p du test.

La règle de décision est identique à celle des autres tests statistiques : si p est inférieur au seuil de significativité fixé pour votre mémoire (généralement ,05), vous rejetez l’hypothèse d’indépendance et concluez à une association statistiquement significative entre les deux variables. Si p est supérieur à ,05, vous ne pouvez pas conclure à une association dans la population, sur la base de votre échantillon.

6. Le V de Cramér : mesurer la force de l’association

Un résultat significatif (p < ,05) indique qu’une association existe, mais ne dit rien sur son intensité — en particulier avec un grand échantillon, même une association faible peut ressortir comme statistiquement significative. Le V de Cramér, affiché dans le tableau des mesures symétriques de SPSS, complète cette lecture : il varie de 0 (aucune association) à 1 (association parfaite), et sa valeur s’interprète selon des seuils conventionnels communément admis en sciences sociales (association faible autour de 0,1, modérée autour de 0,3, forte à partir de 0,5, selon la convention établie par Jacob Cohen dans son ouvrage de référence sur l’analyse de la taille d’effet).

Toujours rapporter le V de Cramér aux côtés du p permet à votre jury de distinguer une association statistiquement significative mais négligeable en pratique d’une association à la fois significative et substantielle.

7. Rédiger la section résultats

La phrase type de présentation d’un résultat de khi-deux dans un mémoire suit un format standardisé, à adapter à votre style bibliographique :

Exemple de phrase de résultats : « Un test du khi-deux d’indépendance a été réalisé pour examiner la relation entre [variable 1] et [variable 2]. La relation entre ces deux variables était significative, χ²(2, N = 180) = 8,42, p = ,015, V de Cramér = ,22, indiquant une association d’intensité modérée. »

Complétez toujours cette phrase par une lecture descriptive du tableau croisé (quel groupe présente la proportion la plus élevée dans quelle catégorie), afin que votre jury comprenne le sens concret de l’association et non seulement sa significativité statistique.

8. Erreurs fréquentes et alternative (test de Fisher)

Utiliser le khi-deux sur une variable continue non recodée en catégories : erreur fréquente avec l’âge ou un score d’échelle utilisé tel quel plutôt que regroupé en tranches.
Ignorer l’avertissement sur les effectifs théoriques faibles : un résultat calculé malgré des conditions non respectées n’est pas fiable et peut être contesté en soutenance.
Confondre significativité et force de l’association : un p très petit avec un grand échantillon n’implique pas automatiquement une association forte — toujours vérifier le V de Cramér.
Oublier l’alternative pour les petits échantillons : pour un tableau 2×2 avec des effectifs théoriques faibles, le test exact de Fisher (disponible dans la même boîte de dialogue SPSS, section Statistiques exactes) est la méthode recommandée à la place du khi-deux classique.

Si votre variable dépendante est en réalité un score continu plutôt qu’une catégorie, le test du khi-deux n’est pas l’outil adapté : consultez plutôt notre guide sur le test de Wilcoxon avec SPSS pour des comparaisons non paramétriques, ou notre guide de méthodologie quantitative pour mémoire pour resituer le khi-deux dans l’ensemble de votre plan d’analyse. Une fois vos échelles de mesure validées par un test de fiabilité, notre article sur l’alpha de Cronbach avec SPSS complète utilement cette étape de vérification préalable à toute analyse croisée. Pour la formulation académique de cette section de résultats, des outils comme Tesify peuvent aider à structurer la phrase dans le style attendu par votre établissement, sans remplacer votre propre lecture du tableau croisé.

FAQ — Questions fréquentes

Quand utiliser le test du khi-deux dans un mémoire ?

Le test du khi-deux d’indépendance s’utilise pour vérifier si deux variables catégorielles (nominales ou ordinales) sont statistiquement associées, par exemple le genre et le choix d’une filière, ou la catégorie socioprofessionnelle et l’adhésion à une pratique. Il ne s’applique pas à des variables continues.

Quelles sont les conditions d’application du test du khi-deux ?

Les effectifs théoriques (attendus) doivent être supérieurs ou égaux à 5 dans au moins 80 % des cellules du tableau croisé, et aucune cellule ne doit avoir un effectif théorique inférieur à 1. Si ces conditions ne sont pas remplies, notamment avec un petit échantillon, le test exact de Fisher est recommandé à la place.

Comment lire un tableau croisé dans SPSS ?

Dans SPSS, le tableau croisé se génère via Analyse > Statistiques descriptives > Tableaux croisés. Le résultat affiche les effectifs observés, les pourcentages par ligne ou colonne, et dans une table séparée les tests du khi-deux avec la statistique, les degrés de liberté (ddl) et la signification asymptotique (p).

Comment interpréter et rapporter le résultat du khi-deux dans le mémoire ?

On rapporte la statistique du khi-deux, les degrés de liberté, la taille de l’échantillon et la valeur p, par exemple : χ²(2, N = 180) = 8,42, p = ,015. Une valeur p inférieure au seuil de significativité fixé (généralement ,05) indique une association statistiquement significative entre les deux variables, à compléter par une mesure de taille d’effet comme le V de Cramér.

Sources et références

Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2e éd.). Lawrence Erlbaum Associates — référence académique des seuils conventionnels d’interprétation de la taille d’effet (V de Cramér, d de Cohen).
IBM SPSS Statistics — Documentation officielle : procédures Tableaux croisés et tests du khi-deux.

Étiquette : khi-deux