tesifyFrance
Commencer gratuitement
Comment ça marcheBlogAideContactSe connecter

Étiquette : mémoire de master

Auto-created tag: mémoire de master

  • La courbe ROC dans un mémoire : sensibilité, spécificité, aire sous la courbe et choix du seuil (2026)

    La courbe ROC dans un mémoire : sensibilité, spécificité, aire sous la courbe et choix du seuil (2026)

    Votre mémoire évalue un outil : une échelle de repérage de la fragilité, un score de risque de chute, un questionnaire de dépistage de l’épuisement professionnel, un indicateur composite censé prédire l’abandon en première année. La question posée est toujours la même : à partir de quelle valeur faut-il considérer que le résultat est positif, et l’outil sépare-t-il seulement quelque chose ?

    La courbe ROC répond aux deux, et elle le fait en une seule procédure. Elle est pourtant absente de la plupart des mémoires qui en auraient besoin, remplacée par un seuil emprunté à un article sans vérification, ou par une comparaison de moyennes qui ne dit rien de la décision à prendre.

    Cette masterclass suit les trois étapes : construire le tableau de décision, lire la courbe et son aire, choisir un seuil et savoir ce que ce choix vous engage à écrire.

    Ce que la courbe ROC répond — et ce qu’elle ne répond pas

    Il faut deux choses, et exactement deux.

    Une variable de test continue ou ordinale : un score total, une concentration, un temps, une note. C’est elle qu’on va découper.

    Un état de référence binaire : la présence ou l’absence réelle de ce que vous cherchez à repérer, établie par un moyen indépendant et considéré comme fiable — diagnostic médical posé, décision administrative constatée, observation directe. Sans état de référence, il n’y a pas de courbe ROC ; il y a une distribution.

    Trois conséquences immédiates. Si votre prédicteur est déjà binaire, la courbe ROC n’a aucun intérêt : le tableau croisé suffit, et le test du khi-deux répond à la question posée. Si votre état de référence est lui-même une mesure imparfaite, l’analyse reste possible mais tout ce que vous mesurez est l’accord avec cette référence, pas la vérité — écrivez-le. Et si vous voulez comparer deux évaluateurs plutôt qu’un score à une référence, ce n’est pas une courbe ROC qu’il vous faut mais un coefficient d’accord.

    Étape 1 — Le tableau 2×2 et les quatre indicateurs

    Fixez provisoirement un seuil. Chaque participant tombe alors dans une des quatre cases : le test le déclare positif ou négatif, la référence dit qu’il l’est ou non.

    Deux distributions qui se recouvrent et le seuil qui découpe vrais positifs, faux positifs, vrais négatifs et faux négatifs
    Tant que les deux distributions se recouvrent, aucun seuil ne supprime les erreurs : il ne fait que les déplacer d’un côté ou de l’autre.
    Indicateur Ce qu’il mesure Calcul Dépend de la prévalence ?
    Sensibilité Part des cas réels que le test détecte VP / (VP + FN) Non
    Spécificité Part des non-cas que le test laisse passer comme négatifs VN / (VN + FP) Non
    Valeur prédictive positive Probabilité d’être un cas quand le test est positif VP / (VP + FP) Oui
    Valeur prédictive négative Probabilité de ne pas être un cas quand le test est négatif VN / (VN + FN) Oui

    La colonne de droite est le point que les mémoires ratent le plus souvent. Sensibilité et spécificité sont des propriétés du test : elles se transportent d’un contexte à l’autre. Les valeurs prédictives sont des propriétés de la situation : le même test, appliqué à une population où la condition est rare, produit une valeur prédictive positive médiocre même avec une excellente spécificité, simplement parce que les non-cas sont beaucoup plus nombreux.

    Concrètement : si vous avez recruté vos participants en sur-représentant volontairement les cas — la situation la plus fréquente en mémoire, parce qu’on va les chercher là où ils sont —, vos valeurs prédictives ne sont pas transposables. Rapportez-les, mais précisez qu’elles reflètent la composition de votre échantillon et non celle du terrain. Sensibilité et spécificité, elles, restent utilisables.

    Étape 2 — De la table à la courbe

    Répétez l’opération pour tous les seuils possibles. Chaque seuil donne un couple (sensibilité ; 1 − spécificité), soit un point. L’ensemble des points forme la courbe ROC. La diagonale représente un test qui ne sépare rien : plus la courbe s’en éloigne vers le coin supérieur gauche, mieux le score discrimine.

    Une courbe ROC au-dessus de la diagonale, avec l'aire sous la courbe mise en évidence
    Chaque point de la courbe est un seuil possible. L’aire sous la courbe résume l’ensemble en un seul nombre.

    L’aire sous la courbe (AUC) résume la courbe entière. Son interprétation est très concrète : c’est la probabilité qu’un individu tiré au hasard parmi les cas obtienne un score plus élevé qu’un individu tiré au hasard parmi les non-cas. Une AUC de 0,50 correspond au hasard ; une AUC de 0,82 signifie que dans 82 % des paires cas / non-cas, le cas obtient le score le plus élevé.

    Les repères de lecture couramment employés — acceptable au-delà de 0,70, bon au-delà de 0,80, excellent au-delà de 0,90 — sont des conventions de commodité, pas des seuils fondés. Elles s’emploient comme un langage partagé, à condition de ne pas les présenter comme un verdict : citez-les en les nommant conventions, et discutez surtout l’intervalle de confiance.

    L’intervalle de confiance est plus informatif que l’AUC elle-même. Sur un échantillon de mémoire, avec parfois moins de vingt cas positifs, une AUC de 0,78 peut s’accompagner d’un intervalle allant de 0,61 à 0,95. Cela ne disqualifie pas le résultat, mais cela interdit d’écrire « l’outil est performant » sans nuance. La règle pratique est simple : si la borne inférieure descend sous 0,50, votre analyse ne permet pas de conclure que l’outil discrimine — voyez notre article sur l’interprétation des intervalles de confiance.

    Sous SPSS : Analyse → Statistiques descriptives → Courbe ROC. Placez le score dans Variables de test, l’état réel dans Variable d’état, et renseignez la valeur qui code le cas positif dans Valeur de la variable d’état — une erreur sur cette valeur retourne la courbe sous la diagonale et produit une AUC inférieure à 0,50, ce qui est le symptôme le plus courant d’un codage inversé. Cochez ensuite Erreur standard et intervalle de confiance et Points de coordonnées de la courbe ROC : c’est ce second tableau qui contient la liste des seuils avec leur sensibilité et leur spécificité, et c’est là que se fait l’étape 3.

    Si votre score provient d’un modèle plutôt que d’un instrument, la démarche est la même : enregistrez les probabilités prédites par votre régression logistique et utilisez-les comme variable de test. L’AUC devient alors une mesure de la capacité discriminante du modèle.

    Étape 3 — Choisir le seuil

    La courbe ne choisit pas pour vous. Elle expose l’arbitrage ; la décision est disciplinaire.

    L’indice de Youden est la réponse par défaut : J = sensibilité + spécificité − 1, calculé sur chaque ligne du tableau des coordonnées. Le seuil retenu est celui qui maximise J, c’est-à-dire le point le plus éloigné de la diagonale. Une colonne dans Excel suffit à le trouver.

    Ce critère traite un faux positif et un faux négatif comme équivalents. Ils ne le sont presque jamais. Trois cas de figure changent la décision :

    • Manquer un cas coûte cher — dépistage d’un risque suicidaire, repérage d’une situation de maltraitance, détection d’une complication. On fixe alors la sensibilité à un niveau exigé (0,90 ou 0,95) et on lit la spécificité obtenue à ce niveau, en acceptant les faux positifs comme le prix d’un filet plus serré.
    • Un faux positif déclenche une procédure lourde — orientation, signalement, examen invasif, exclusion d’un dispositif. On privilégie alors la spécificité.
    • Le seuil est déjà fixé par la littérature ou par un protocole de service. Dans ce cas, ne le remplacez pas : évaluez-le. Rapportez la sensibilité et la spécificité du seuil officiel dans votre échantillon, puis, en second, le seuil optimal observé. La comparaison des deux est souvent le résultat le plus intéressant du mémoire.

    La limite qu’il faut déclarer : un seuil déterminé sur les mêmes données que celles qui servent à l’évaluer est optimiste. Ses performances seront plus faibles sur un nouvel échantillon. Ce n’est pas une faute — c’est inévitable dans un travail de master —, mais cela doit apparaître dans les limites, avec la formule qui convient : le seuil est proposé à titre exploratoire et demande une validation sur un échantillon indépendant.

    Les erreurs les plus fréquentes

    • Dichotomiser le score avant l’analyse. Découper la variable de test en deux avant de lancer la procédure détruit exactement l’information que la courbe ROC exploite. Entrez le score continu.
    • Conclure sur l’AUC sans regarder l’effectif des cas. C’est le nombre de positifs, pas l’effectif total, qui gouverne la précision de l’estimation. Deux cents participants dont douze cas donnent une AUC fragile. Anticipez-le au moment de dimensionner votre échantillon.
    • Comparer deux AUC à l’œil. Deux courbes issues des mêmes participants ne sont pas indépendantes ; leur comparaison demande un test approprié, que SPSS ne fournit pas dans le menu ROC. Si la comparaison est le cœur de votre question, prévoyez l’outil avant.
    • Rapporter une valeur prédictive positive comme si elle était universelle. Elle vaut pour la prévalence de votre échantillon. Une phrase suffit à le préciser.
    • Confondre discrimination et calibration. L’AUC dit si le score classe bien les individus les uns par rapport aux autres. Elle ne dit rien de la justesse des probabilités annoncées. Un modèle peut très bien ordonner et mal calibrer.

    Écrire les résultats

    Un tableau et un paragraphe. Le tableau donne, pour deux ou trois seuils, la sensibilité, la spécificité, les valeurs prédictives et l’indice de Youden. Le paragraphe ressemble à ceci :

    « L’analyse ROC a porté sur 143 participants, dont 38 cas identifiés par la référence. L’aire sous la courbe est de 0,84 (IC à 95 % : 0,76–0,92 ; p < 0,001), indiquant une capacité discriminante satisfaisante. Le seuil maximisant l’indice de Youden est de 14 points (sensibilité = 0,82 ; spécificité = 0,76 ; J = 0,58). Le seuil de 12 points recommandé par la littérature donne dans cet échantillon une sensibilité de 0,92 et une spécificité de 0,61. Compte tenu du coût d’un cas non repéré dans ce contexte, le seuil de 12 points est retenu. Les valeurs prédictives, calculées sur un échantillon où la prévalence des cas atteint 27 %, ne sont pas transposables à une population générale. »

    Ce paragraphe contient tout ce qu’un jury attend : l’effectif des cas, l’AUC avec son intervalle, deux seuils comparés, une décision motivée, et une limite explicitement posée. Si votre outil est une échelle que vous avez également testée en fidélité, articulez-le avec votre section sur la validation de l’instrument : la fidélité et la capacité discriminante sont deux propriétés distinctes et complémentaires.

    Ce qu’il faut vérifier avant de lancer la procédure

    1. La variable d’état est binaire, sans valeur manquante, et vous savez laquelle de ses deux modalités code le cas.
    2. La variable de test est numérique et orientée dans le bon sens : un score élevé doit correspondre à une probabilité plus forte d’être un cas. Sinon, inversez-la explicitement plutôt que de bricoler l’interprétation.
    3. Le nombre de cas positifs est suffisant pour que l’intervalle soit lisible ; sinon, l’annoncer comme la limite principale.
    4. La distribution du score dans chacun des deux groupes a été examinée : deux distributions largement superposées annoncent une AUC proche de 0,50, et il vaut mieux le savoir avant. Notez au passage qu’une asymétrie marquée du score ne pose ici aucun problème : la courbe ROC ne suppose aucune forme de distribution, contrairement aux tests qui comparent des moyennes et qui obligent alors à choisir entre transformation, bootstrap et non-paramétrique. Si vous avez déjà comparé les deux groupes par un test t ou un Mann-Whitney, sachez que l’AUC est directement liée à ce dernier : elle en est la version normalisée.

    Rédiger le chapitre autour de la courbe

    La procédure prend un quart d’heure. Ce qui prend du temps, c’est de construire le raisonnement autour d’elle : poser l’état de référence, justifier le seuil par un argument de terrain plutôt que par un maximum arithmétique, et articuler la limite de validation sans que le mémoire donne l’impression de se rétracter.

    Tesify travaille avec vous sur cet enchaînement : structurer la section méthode et la section résultats, tenir un vocabulaire constant entre le protocole et la discussion, et rédiger la justification à partir de vos propres sorties. Vos données restent les vôtres, et le texte est écrit à 100 % par vous.

    Rédiger votre chapitre résultats avec Tesify

    Questions fréquentes

    Quelle AUC est « suffisante » pour un mémoire ?

    Aucune valeur n’est exigée. Un mémoire n’a pas à démontrer qu’un outil fonctionne : il a à mesurer correctement ce qu’il fait. Une AUC de 0,64 correctement estimée, correctement encadrée et correctement discutée vaut mieux qu’une AUC de 0,91 obtenue sur onze cas et présentée sans intervalle.

    Mon AUC est inférieure à 0,50. Est-ce possible ?

    C’est presque toujours un problème de codage : la valeur déclarée comme positive dans la variable d’état est en réalité la négative, ou le score est orienté à l’envers. Vérifiez ces deux points avant toute autre interprétation. Une AUC réellement inférieure à 0,50 signifierait que le test fait pire que le hasard de façon systématique, ce qui est rare.

    Peut-on faire une courbe ROC avec un score ordinal à cinq niveaux ?

    Oui, mais la courbe sera composée de quelques segments seulement, et le choix de seuil se réduit à quatre possibilités. C’est parfaitement acceptable ; il faut simplement renoncer à parler d’un « seuil optimal » comme s’il avait été finement ajusté.

    Faut-il un logiciel particulier ?

    Non. SPSS produit la courbe, l’AUC, son intervalle et le tableau des coordonnées dans une seule boîte de dialogue. jamovi et JASP le font également, R avec quelques lignes. L’indice de Youden se calcule ensuite dans un tableur à partir du tableau des coordonnées.

    Comment présenter la courbe dans le mémoire ?

    Une figure avec la diagonale de référence visible, les axes nommés en toutes lettres (sensibilité et 1 − spécificité), et l’AUC avec son intervalle indiquée en légende. Le tableau des coordonnées complet va en annexe : il est long et personne ne le lit dans le corps du texte.

    Et si je n’ai pas d’état de référence fiable ?

    Dites-le, et changez de question. Sans référence, vous ne pouvez pas mesurer une sensibilité. Ce que vous pouvez faire, c’est étudier l’accord entre votre outil et un autre instrument existant, ou sa structure interne — ce sont des questions valides, mais elles n’appellent pas une courbe ROC.

  • Vos données sont groupées : ANOVA classique, erreurs-types au cluster ou modèle multiniveau ? (2026)

    Vos données sont groupées : ANOVA classique, erreurs-types au cluster ou modèle multiniveau ? (2026)

    Vous annoncez fièrement 240 participants. Votre directeur pose une seule question : « ils viennent de combien de classes ? » Huit. Et là, la conversation change de nature.

    Parce que vos 240 élèves ne sont pas 240 observations indépendantes. Ceux d’une même classe partagent un enseignant, un emploi du temps, un quartier, une dynamique de groupe. Ils se ressemblent plus entre eux qu’ils ne ressemblent aux élèves des sept autres classes. Le même problème se pose avec des patients répartis dans des services, des salariés dans des agences, des sportifs dans des clubs, des répondants recrutés via quelques associations.

    L’indépendance des observations est la condition d’application la plus discrète de toutes : aucun logiciel ne la teste, aucune sortie ne signale sa violation, et elle est celle qui fausse le plus violemment les résultats. Voici les quatre façons de la traiter, et comment choisir.

    Le tableau de décision

    Stratégie Ce qu’elle fait Condition pour l’utiliser Ce qu’elle coûte
    Ignorer le groupement Analyse classique sur les individus Corrélation intraclasse quasi nulle, ou groupes très nombreux et très petits p-values trop optimistes si la condition n’est pas remplie
    Agréger au niveau du groupe Une ligne par classe, moyenne du groupe en variable Votre hypothèse porte réellement sur les groupes Vous tombez à 8 observations ; vous perdez toute variance individuelle
    Erreurs-types robustes au cluster Garde les individus, corrige seulement les écarts-types Vous ne voulez qu’un test honnête de l’effet moyen N’explique rien du groupement ; nécessite un nombre raisonnable de groupes
    Modèle multiniveau Modélise explicitement la variance entre groupes et à l’intérieur Idéalement une trentaine de groupes ou plus Plus lourd à apprendre, à écrire et à défendre

    La recommandation courte : mesurez d’abord la corrélation intraclasse. Si elle est négligeable, la première ligne suffit et vous le documentez. Si elle ne l’est pas et que vous avez peu de groupes, prenez les erreurs-types robustes. Si vous avez beaucoup de groupes et une question qui porte sur le niveau groupe, le modèle multiniveau est le seul qui y réponde. La suite explique comment trancher avec un chiffre plutôt qu’à l’intuition.

    Des observations regroupées en grappes plutôt que dispersées indépendamment
    À gauche, l’échantillon que suppose votre test. À droite, celui que vous avez réellement collecté.

    Le chiffre qui décide : la corrélation intraclasse

    La corrélation intraclasse, notée ρ ou ICC, mesure la part de la variance totale qui se situe entre les groupes plutôt qu’à l’intérieur. Un ICC de 0 signifie que les classes ne se distinguent en rien ; un ICC de 0,30 signifie que 30 % de la variabilité de votre variable tient à l’appartenance au groupe.

    Vous l’obtenez avec le modèle le plus simple qui soit, dit modèle vide : sous SPSS, Analyse → Modèles mixtes → Linéaire, en déclarant votre variable de groupe comme sujet, sans aucun prédicteur, en demandant la structure de covariance des effets aléatoires. Le tableau des paramètres de covariance vous donne deux variances : celle de l’intercept aléatoire et la résiduelle. L’ICC est la première divisée par leur somme.

    Ce chiffre gouverne tout, via l’effet de plan :

    effet de plan = 1 + (taille moyenne des groupes − 1) × ICC

    Prenons vos huit classes de 30 élèves avec un ICC de 0,10, une valeur courante en sciences de l’éducation : 1 + (30 − 1) × 0,10 = 3,9. Votre échantillon de 240 se comporte comme un échantillon de 240 ÷ 3,9 ≈ 62 observations indépendantes. Vous n’avez pas perdu des données ; vous découvrez ce que vous aviez réellement. C’est aussi la raison pour laquelle un test lancé sur 240 lignes produit des p-values beaucoup trop petites : il croit disposer de quatre fois plus d’information qu’il n’en existe.

    L'effectif effectif d'un échantillon groupé est plus petit que son effectif brut
    Effectif brut contre effectif effectif : l’écart est entièrement déterminé par l’ICC et par la taille des groupes.

    Le piège de la taille des groupes

    Regardez la formule : l’ICC est multiplié par la taille des groupes. Un ICC minuscule de 0,02 devient sérieux si vos grappes comptent 100 personnes chacune (effet de plan ≈ 3,0), et reste négligeable si elles en comptent 5 (≈ 1,08). Ce n’est pas l’ICC seul qui décide, c’est le produit. C’est pourquoi une enquête diffusée via trois grands groupes en ligne est bien plus exposée qu’une enquête menée dans quarante petites structures.

    Stratégie 1 — Ignorer le groupement, mais le documenter

    Ce n’est pas une faute en soi. C’est une faute si vous ne l’avez pas vérifié.

    Calculez l’ICC, calculez l’effet de plan, et si celui-ci reste proche de 1, écrivez-le dans la méthodologie : « la corrélation intraclasse liée à l’établissement est de 0,01, soit un effet de plan de 1,05 ; les analyses ont donc été conduites au niveau individuel. » Cette phrase désamorce la question du jury avant qu’elle soit posée, et elle prend deux lignes.

    La faute, c’est de ne jamais avoir regardé — et de découvrir en soutenance que vos p-values reposaient sur un effectif imaginaire. Notre inventaire des biais méthodologiques d’un mémoire de master range ce cas parmi les plus coûteux, parce qu’il est invisible jusqu’à ce qu’on le nomme.

    Stratégie 2 — Agréger au niveau du groupe

    Vous calculez la moyenne de chaque classe et vous travaillez sur 8 lignes. L’indépendance est restaurée : chaque classe n’apparaît qu’une fois.

    C’est légitime quand votre hypothèse porte vraiment sur les groupes — « les établissements qui ont mis en place le dispositif obtiennent-ils de meilleurs résultats moyens ? ». C’est un désastre quand votre hypothèse porte sur les individus, parce que vous perdez la totalité de la variance intra-classe et parce qu’un effet observé au niveau agrégé ne se transpose pas mécaniquement au niveau individuel.

    Et surtout : avec huit unités, votre puissance statistique s’effondre. Vérifiez ce que cela implique avec la procédure G*Power avant de vous engager dans cette voie — le résultat est souvent dissuasif.

    Stratégie 3 — Les erreurs-types robustes au cluster

    C’est le compromis le plus sous-utilisé dans les mémoires, et souvent le plus raisonnable.

    L’idée : garder toutes vos observations individuelles et tous vos prédicteurs, ne rien changer aux coefficients estimés, mais recalculer les écarts-types en tenant compte du fait que les erreurs sont corrélées à l’intérieur de chaque groupe. Vos intervalles de confiance s’élargissent, vos p-values remontent, et le test redevient honnête.

    Sous SPSS, la voie accessible passe par les équations d’estimation généralisées (Analyse → Modèles linéaires généralisés → Équations d’estimation généralisées) : déclarez votre variable de groupe comme variable sujet, une structure de corrélation de travail échangeable, et l’estimateur de covariance robuste. Sous R, la même chose s’obtient avec un estimateur sandwich groupé. Le comparatif R, Python ou SPSS pour l’analyse statistique pose les différences d’ergonomie entre ces environnements.

    La limite : cette correction est asymptotique. Elle suppose un nombre de groupes suffisant pour être fiable ; avec cinq ou six clusters, elle sous-corrige et donne une fausse impression de rigueur. Avec huit classes, présentez-la comme une correction imparfaite plutôt que comme une solution.

    Stratégie 4 — Le modèle multiniveau

    Le modèle multiniveau — aussi appelé modèle hiérarchique linéaire ou modèle mixte — ne corrige pas le problème : il le prend pour objet. Il décompose la variance en une part entre groupes et une part entre individus, puis permet de tester des prédicteurs à chaque niveau.

    Il devient indispensable dès que votre question de recherche contient elle-même les deux niveaux : « à motivation individuelle égale, le climat de la classe influence-t-il le résultat ? » Aucune des trois autres stratégies ne peut répondre à cette phrase.

    Sous SPSS : Analyse → Modèles mixtes → Linéaire. On procède par étapes — d’abord le modèle vide pour l’ICC, puis les prédicteurs de niveau 1, puis ceux de niveau 2, en comparant l’ajustement à chaque ajout. Jamovi et JASP proposent des interfaces plus lisibles pour ces modèles ; le comparatif JASP, jamovi ou SPSS détaille ce que chacun couvre.

    Combien de groupes faut-il ?

    C’est la question qui décide réellement, et la réponse est décevante : beaucoup plus que vous n’en avez. La règle empirique la plus citée en sciences sociales demande une trentaine de groupes pour estimer correctement les variances de niveau 2, et davantage encore pour tester des pentes aléatoires. C’est une convention, pas une loi — mais un jury la connaît.

    Avec huit classes, un modèle multiniveau est techniquement calculable et statistiquement fragile : les estimations de variance de niveau 2 seront instables, et un lecteur averti vous le dira. Ce n’est pas une raison pour renoncer à en parler ; c’est une raison pour choisir la stratégie 3 et expliquer pourquoi. Un mémoire qui écrit « le nombre de grappes est insuffisant pour un modèle multiniveau fiable, une correction robuste au cluster a donc été retenue » est plus solide qu’un mémoire qui empile les niveaux sans le dire.

    Ce qu’il faut écrire dans le mémoire

    Groupement négligeable : « Les participants étant recrutés dans six structures, la corrélation intraclasse a été estimée à partir d’un modèle vide : ρ = 0,012, soit un effet de plan de 1,20. Le regroupement a donc été considéré comme négligeable et les analyses conduites au niveau individuel. »

    Groupement traité par correction robuste : « Les 240 élèves étant répartis dans 8 classes, la corrélation intraclasse s’établit à ρ = 0,10, soit un effet de plan de 3,9 et un effectif effectif d’environ 62 observations. Le nombre de grappes étant trop faible pour un modèle multiniveau fiable, les erreurs-types ont été estimées de façon robuste au niveau de la classe. »

    Modèle multiniveau : « Un modèle multiniveau à intercept aléatoire a été spécifié, les élèves (niveau 1) étant imbriqués dans 42 classes (niveau 2). Le modèle vide indique ρ = 0,14. L’introduction des prédicteurs individuels réduit la variance résiduelle de 18 %. »

    Dans les trois cas, la structure d’échantillonnage doit apparaître explicitement dans la section méthode. Notre guide de l’échantillonnage en mémoire de master décrit comment décrire un tirage par grappes ; le présent article traite de ce qui vient après, au moment de l’analyse.

    Les erreurs qui coûtent cher

    • Confondre « beaucoup de participants » et « beaucoup d’information ». 240 élèves dans 8 classes en valent parfois 62.
    • Ne calculer l’ICC qu’après avoir vu que le résultat était significatif. Le calcul se fait avant, et se rapporte quel qu’en soit le verdict.
    • Empiler un modèle multiniveau sur cinq groupes parce que c’est la méthode qui impressionne. Le jury regardera d’abord le nombre de grappes.
    • Oublier de centrer les prédicteurs de niveau 1 dans un modèle multiniveau. Sans centrage, le coefficient mélange l’effet individuel et l’effet de contexte, et l’interprétation devient ambiguë.
    • Traiter les mesures répétées d’un même participant comme des grappes ordinaires. La logique est proche, mais le plan est un autre : voyez notre guide du design expérimental pour situer les deux structures.
    • Oublier que le groupement s’ajoute aux autres conditions. Si vous évaluez un dispositif sur deux classes entières avant et après, vous cumulez le problème d’indépendance traité ici et celui du niveau initial, traité dans notre article sur l’ANCOVA en plan pré-test / post-test.
    • Ajouter le groupe comme simple facteur fixe dans une ANOVA en croyant avoir réglé le problème. Cela consomme sept degrés de liberté et ne modélise toujours pas la corrélation résiduelle. Sur les plans à facteurs croisés, l’ANOVA factorielle reste l’outil adapté — mais à observations indépendantes.

    Écrire la partie méthode qui va avec

    Le calcul de l’ICC prend cinq minutes. Ce qui prend du temps, c’est de justifier la stratégie retenue en une demi-page défendable : dire pourquoi vos données sont groupées, ce que cela change à l’effectif, quelle correction vous avez choisie et ce que vous renoncez à savoir.

    Tesify travaille avec vous sur ce passage : structurer la section, tenir une terminologie constante entre méthode et résultats, et rédiger la justification à partir de vos propres choix. Vos données restent les vôtres, et le texte est écrit à 100 % par vous.

    Rédiger votre partie méthode avec Tesify

    Questions fréquentes

    À partir de quelle valeur d’ICC faut-il s’inquiéter ?

    Il n’existe pas de seuil universel, et c’est précisément le piège : la question n’est pas l’ICC seul mais l’effet de plan, qui dépend aussi de la taille des grappes. Calculez 1 + (taille moyenne − 1) × ICC. En dessous de 1,2, le groupement est négligeable en pratique ; au-delà de 2, il faut le traiter et le dire.

    Comment obtenir l’ICC si je n’ai pas accès aux modèles mixtes ?

    Une ANOVA à un facteur, avec la variable de groupe en facteur et votre variable d’intérêt en dépendante, donne les carrés moyens inter et intra à partir desquels l’ICC se calcule à la main. C’est moins direct qu’un modèle vide, mais la procédure existe dans toutes les versions de SPSS et dans les tutoriels d’analyse quantitative sous SPSS ou Excel.

    Mon questionnaire a circulé sur les réseaux sociaux : mes données sont-elles groupées ?

    Potentiellement, oui, et c’est le cas le plus difficile à traiter honnêtement. Si la diffusion s’est faite via un petit nombre de groupes ou de pages, les répondants issus d’une même source se ressemblent. Le problème est que vous ne connaissez généralement pas la source de chaque réponse. Deux options : ajouter une question sur le canal de recrutement dès le départ, ou reconnaître la limite en discussion sans prétendre la quantifier.

    Le modèle multiniveau est-il la même chose que la régression hiérarchique ?

    Non, et la confusion de vocabulaire est fréquente en français. La régression dite hiérarchique désigne l’introduction de prédicteurs par blocs successifs dans une régression ordinaire ; le modèle multiniveau, parfois appelé modèle hiérarchique linéaire, modélise une structure de données imbriquée. On peut faire l’une sans l’autre. Précisez toujours de laquelle vous parlez.

    Puis-je faire un mémoire en sciences de l’éducation sans modèle multiniveau ?

    Oui, très largement — la majorité des mémoires du domaine travaillent sur un nombre de classes trop faible pour cela. Ce qui est attendu n’est pas la technique la plus avancée, mais la conscience du problème : mesurer l’ICC, en tirer une conséquence, l’écrire. Notre guide de la méthodologie du mémoire en sciences de l’éducation replace cette décision dans l’ensemble du plan.

  • Vos données ne sont pas normales : transformer, bootstrapper ou passer au non-paramétrique ? (2026)

    Vos données ne sont pas normales : transformer, bootstrapper ou passer au non-paramétrique ? (2026)

    Le test de Shapiro-Wilk affiche p = 0,003. La normalité est rejetée, et le réflexe enseigné partout est immédiat : basculer sur l’équivalent non paramétrique. C’est une réponse correcte. Ce n’est pas la seule, et ce n’est pas toujours la meilleure.

    Il existe trois voies, et elles ne coûtent pas la même chose. On peut transformer la variable pour la ramener vers une forme symétrique. On peut garder le test paramétrique et bootstrapper ses intervalles. On peut changer de test. Chacune répond à une situation différente, et le choix se justifie en une phrase — à condition d’avoir compris ce que chacune abandonne.

    Avant de choisir : la normalité de quoi, exactement ?

    Deux vérifications préalables font disparaître le problème dans un cas sur deux.

    Première vérification : ce n’est pas la variable brute qui doit être normale. Pour un test t, une ANOVA ou une régression, la condition porte sur les résidus du modèle — l’écart entre chaque observation et ce que le modèle prédit. Une variable dépendante fortement asymétrique dans l’ensemble de l’échantillon peut parfaitement produire des résidus symétriques une fois les groupes ou les prédicteurs pris en compte. Enregistrez les résidus, testez-les, et relisez notre article sur le test de Shapiro-Wilk avant de conclure.

    Deuxième vérification : la taille de l’échantillon. Shapiro-Wilk devient très sensible au-delà de 200 ou 300 observations : il détecte des écarts minuscules et sans conséquence. Or c’est précisément dans les grands échantillons que le théorème central limite protège la distribution de la moyenne. Un test significatif sur n = 400, accompagné d’un histogramme d’allure raisonnable et d’un Q-Q plot sans décrochage massif, ne justifie pas de changer de méthode. À l’inverse, sur n = 25, un test non significatif ne prouve rien : il manque simplement de puissance.

    Regardez le graphique avant le p. Si, après ces deux vérifications, l’asymétrie est réelle et l’échantillon petit, alors la question se pose vraiment.

    Une variable asymétrique avant et après transformation logarithmique
    Une transformation ne « corrige » pas les données : elle change l’échelle sur laquelle la question est posée.

    Voie 1 — Transformer la variable

    Le principe est de remplacer votre variable par une fonction d’elle-même qui comprime les grandes valeurs. Sur une asymétrie à droite — salaires, durées, nombres de consultations, temps de réaction —, la transformation logarithmique est de loin la plus utilisée : sous SPSS, Transformer → Calculer la variable avec LN(variable). La racine carrée comprime plus doucement, l’inverse plus brutalement.

    Ce que vous gagnez : vous restez dans le monde paramétrique. Vous conservez l’ANOVA, la régression, les covariables, les interactions — tout l’appareil qui permet de contrôler plusieurs facteurs simultanément et qu’aucun test non paramétrique classique ne remplace.

    Ce que vous perdez : l’interprétabilité directe. Un coefficient estimé sur LN(salaire) ne se lit pas en euros. Il faut le retransformer, et la retransformation d’une moyenne logarithmique ne redonne pas la moyenne arithmétique mais la moyenne géométrique. C’est une nuance à assumer, pas à cacher : écrivez que les analyses portent sur la variable log-transformée et donnez les statistiques descriptives sur l’échelle d’origine.

    Les trois pièges :

    • Les zéros et les valeurs négatives. Le logarithme n’est pas défini en zéro. La parade courante, LN(x + 1), fonctionne mais déplace la distribution et rend la constante ajoutée arbitraire : signalez-la.
    • Transformer une variable qui n’a aucune raison de l’être. Une variable de comptage ou une durée avec censure appelle un modèle adapté, pas une transformation. Corriger la distribution d’une variable mal modélisée, c’est traiter le symptôme.
    • Essayer les transformations les unes après les autres jusqu’à ce que Shapiro-Wilk passe. La méthode de Box-Cox, qui choisit l’exposant optimal, existe précisément pour éviter cette pêche — mais elle n’est pas accessible dans les menus de base de SPSS et demande de passer par R ou par une syntaxe dédiée. Si vous ne pouvez pas la mettre en œuvre, choisissez la transformation d’après la nature de la variable, pas d’après le résultat du test.

    Voie 2 — Garder le test et bootstrapper

    Le bootstrap ne transforme rien et ne change pas de test. Il change la façon dont l’incertitude est estimée. Au lieu de supposer que la statistique suit une loi théorique, on tire au sort, avec remise, des milliers de rééchantillons de la même taille dans votre propre base, on recalcule la statistique dans chacun, et on lit l’intervalle directement dans la distribution obtenue.

    Le principe du bootstrap : rééchantillonner la base pour construire un intervalle de confiance
    Le bootstrap remplace une hypothèse de forme par un calcul : l’incertitude est lue dans la variabilité des rééchantillons.

    Ce que vous gagnez : un intervalle de confiance qui ne repose plus sur la normalité, sur la statistique de votre choix — une différence de moyennes, un coefficient de régression, un effet indirect de médiation, une différence de médianes. C’est d’ailleurs pourquoi le bootstrap est devenu la norme en analyse de médiation, où la distribution de l’effet indirect n’est jamais normale.

    Ce que vous perdez : peu de choses sur le plan statistique, davantage sur le plan pratique. Sous SPSS, le bootstrap est un module additionnel : il apparaît sous forme d’un bouton Bootstrap dans la plupart des boîtes de dialogue lorsque la licence l’inclut, et il est simplement absent sinon. Vérifiez avant de bâtir votre plan dessus. R le fait nativement, jamovi et JASP le proposent sur plusieurs procédures — voyez notre comparatif des logiciels si vous devez changer d’outil.

    Les réglages à déclarer : le nombre de rééchantillons (1 000 suffit pour explorer, 5 000 pour un résultat que vous publiez), la méthode d’intervalle (percentile, ou BCa qui corrige le biais et l’asymétrie et qu’il faut préférer quand elle est disponible), et la graine aléatoire si vous voulez que le résultat soit reproductible à l’identique.

    Le malentendu à éviter : le bootstrap ne répare pas un échantillon trop petit, ne corrige pas une dépendance entre observations, et ne rattrape pas un modèle mal spécifié. Il relâche une hypothèse de forme, une seule.

    Voie 3 — Passer au non-paramétrique

    C’est la voie enseignée par défaut : Mann-Whitney à la place du test t sur deux groupes indépendants, Wilcoxon sur deux mesures appariées, Kruskal-Wallis à la place de l’ANOVA à un facteur, Spearman à la place de Pearson.

    Ce que vous gagnez : aucune hypothèse de forme, une robustesse totale aux valeurs extrêmes, et une perte de puissance bien plus faible qu’on ne le croit — de l’ordre de 5 % par rapport au test t lorsque les données sont réellement normales, et un gain lorsqu’elles ne le sont pas.

    Ce que vous perdez : l’objet même de la comparaison change, et c’est le point que les mémoires escamotent le plus souvent. Mann-Whitney ne compare pas deux moyennes. Il teste la probabilité qu’une observation tirée d’un groupe dépasse une observation tirée de l’autre. On ne peut le lire comme une différence de médianes que si les deux distributions ont approximativement la même forme : superposez-les avant d’écrire « la médiane du groupe A est significativement plus élevée ».

    La limite structurelle : ces tests comparent des groupes. Dès que votre question comporte plusieurs facteurs croisés, une covariable à contrôler ou une interaction à tester, il n’existe pas d’équivalent non paramétrique simple, et la voie 1 ou la voie 2 redevient la seule option praticable. C’est le cas, par exemple, dès que vous devez ajuster sur un pré-test en covariable.

    Le tableau de décision

    Transformer Bootstrapper Non-paramétrique
    Ce qui est modifié L’échelle de la variable Le calcul de l’incertitude Le test lui-même
    Modèle multifactoriel possible Oui Oui Non, en pratique
    Interprétation directe Non, retransformation nécessaire Oui Sur les rangs, pas sur les moyennes
    Robuste aux valeurs extrêmes Partiellement Non Oui
    Disponible sous SPSS de base Oui Selon la licence Oui
    Situation typique Asymétrie à droite, variable positive Petit échantillon, statistique complexe Variable ordinale, valeurs extrêmes

    Comment trancher en pratique

    Quatre questions, dans cet ordre, suffisent presque toujours.

    1. Ai-je besoin de contrôler autre chose ? Si oui — covariable, second facteur, interaction —, la voie 3 est écartée d’emblée.
    2. La variable est-elle naturellement asymétrique et strictement positive ? Un montant, une durée, un délai : la transformation logarithmique est la réponse conventionnelle, comprise par tous les jurys de la discipline.
    3. L’asymétrie vient-elle de quelques observations extrêmes ? Alors ni la transformation ni le bootstrap ne sont la bonne réponse : la question devient celle du poids de ces observations et de ce qu’il faut en faire.
    4. Ma variable est-elle ordinale par nature ? Un item unique de Likert, un stade, un grade : le non-paramétrique n’est pas un repli, c’est le choix correct dès le départ.

    Et une règle qui vaut pour les trois : annoncez la voie avant de la prendre. Une phrase dans la méthode — « en cas de violation de la normalité des résidus, les intervalles seront estimés par bootstrap à 5 000 rééchantillons » — vaut mieux que trois pages d’explications a posteriori. Le reproche de p-hacking ne porte que sur les décisions prises après avoir vu le résultat.

    Ce que vous écrivez

    Trois modèles, à adapter :

    Transformation. « La distribution des résidus s’écartant de la normalité (Shapiro-Wilk, p = 0,003 ; asymétrie = 1,84), la variable a fait l’objet d’une transformation logarithmique naturelle avant analyse. Les statistiques descriptives sont présentées sur l’échelle d’origine ; les tests portent sur la variable transformée. »

    Bootstrap. « La normalité des résidus n’étant pas vérifiée, les intervalles de confiance à 95 % ont été estimés par bootstrap (5 000 rééchantillons, méthode BCa). L’estimation ponctuelle reste celle des moindres carrés. »

    Non-paramétrique. « La normalité étant rejetée sur les deux groupes et l’effectif restant modeste (n = 31), la comparaison a été conduite par un test U de Mann-Whitney. Les distributions présentant des formes comparables, le résultat est interprété en termes de différence de tendance centrale. »

    Dans les trois cas, un jury retient la même chose : vous avez vu le problème, vous avez choisi, et vous savez ce que votre choix coûte.

    Rédiger la justification sans y passer la semaine

    Le calcul prend dix minutes. Ce qui prend du temps, c’est d’articuler le diagnostic, la décision et sa conséquence dans un paragraphe de méthode qui tienne debout du protocole jusqu’à la discussion, sans changer de vocabulaire en route.

    Tesify travaille avec vous sur ce passage : formuler la justification à partir de vos propres sorties, maintenir la cohérence terminologique entre les chapitres, et transformer une décision technique en un texte que le lecteur suit. Vos données restent les vôtres, et le texte est écrit à 100 % par vous.

    Rédiger votre section méthode avec Tesify

    Questions fréquentes

    Peut-on combiner deux voies ?

    Oui, et c’est parfois la meilleure solution : transformer la variable pour rendre le modèle raisonnable, puis bootstrapper les intervalles pour ne pas dépendre d’une normalité résiduelle imparfaite. Ce qu’il ne faut pas faire, c’est présenter successivement trois analyses et retenir celle qui donne le plus petit p.

    Le bootstrap fonctionne-t-il sur un très petit échantillon ?

    Mal. Le bootstrap rééchantillonne dans vos données : si elles sont trop peu nombreuses pour représenter la population, les rééchantillons héritent du problème. En dessous d’une vingtaine d’observations par groupe, il ne faut pas en attendre de miracle — le non-paramétrique est plus prudent.

    Faut-il retester la normalité après transformation ?

    Oui, mais sans en faire une condition de passage. Regardez surtout l’histogramme et le Q-Q plot des résidus. Si la transformation a réduit l’asymétrie sans l’annuler, le modèle est généralement utilisable : les procédures paramétriques sont robustes à des écarts modérés, beaucoup moins à des écarts massifs.

    Mon directeur me dit que le non-paramétrique « fait moins sérieux ». A-t-il raison ?

    Non, mais l’objection cache souvent une vraie question : un test non paramétrique répond à une question plus pauvre. Il dit qu’un groupe tend à dépasser l’autre, sans quantifier de combien sur l’échelle d’origine. Si votre discussion a besoin d’une taille d’effet interprétable en unités réelles, c’est un argument en faveur des voies 1 ou 2.

    Et si mes données ne sont pas normales parce qu’il y a deux populations mélangées ?

    Une distribution bimodale n’est pas un problème de normalité : c’est un signe que la variable qui distingue les deux sous-groupes manque à votre modèle. Ajoutez-la comme facteur — vous découvrirez souvent que les résidus redeviennent symétriques et que l’asymétrie n’était qu’un symptôme.

    Peut-on transformer la variable indépendante plutôt que la dépendante ?

    La condition de normalité ne porte jamais sur les prédicteurs, donc transformer un prédicteur ne sert pas à satisfaire une hypothèse. Cela peut en revanche se justifier pour linéariser une relation courbe — c’est une décision de spécification du modèle, à argumenter comme telle et non comme un correctif de distribution.

  • ANCOVA sous SPSS : analyser un plan pré-test / post-test avec groupe contrôle (2026)

    ANCOVA sous SPSS : analyser un plan pré-test / post-test avec groupe contrôle (2026)

    Vous avez deux groupes et deux temps de mesure. Une classe suit le dispositif, l’autre non ; vous mesurez tout le monde avant, puis après. C’est le plan le plus courant des mémoires d’évaluation.

    Puis vous ouvrez vos descriptives et vous voyez ce qui n’était pas prévu : les deux groupes n’étaient déjà pas au même niveau avant l’intervention. Le groupe expérimental part à 12,4, le témoin à 14,1. Vous n’avez pas pu tirer au sort — c’étaient deux classes existantes, deux services, deux promotions.

    Comment comparer les scores finaux sans que l’écart de départ pollue tout ? La réponse s’appelle l’ANCOVA. Cet article déroule la décision entre les trois analyses possibles, la procédure SPSS, la condition d’application qui n’existe que pour elle, et la phrase à écrire dans le chapitre résultats.

    Trois analyses possibles pour le même plan

    Le même tableau de données peut être traité de trois façons. Elles ne donnent pas le même résultat et ne répondent pas exactement à la même question.

    Analyse Ce que vous testez Ce qu’elle suppose Verdict
    Test t sur les scores de gain (post − pré) Les deux groupes progressent-ils différemment ? Que la relation entre pré et post soit de pente 1 exactement Simple, mais généralement le moins puissant
    ANOVA à plan mixte (groupe × temps) L’interaction groupe × temps est-elle significative ? Les conditions habituelles de l’ANOVA sur mesures répétées Correct, mais répond en termes d’interaction, pas d’écart final
    ANCOVA (post en VD, pré en covariable) À niveau initial égal, les groupes diffèrent-ils à la fin ? Une condition supplémentaire : des pentes de régression homogènes La plus puissante quand pré et post sont corrélés — c’est-à-dire presque toujours

    Le point décisif est la puissance. Le score initial explique en général une grande part de la variance du score final — sur une échelle psychométrique stable, la corrélation pré-post tourne couramment autour de 0,6 à 0,8. L’ANCOVA retire cette part de la variance résiduelle avant de tester l’effet du groupe : le dénominateur du F rétrécit, et un effet invisible dans une comparaison brute devient détectable au même effectif. Le score de gain, lui, impose implicitement que la pente de régression du post sur le pré vaille exactement 1 ; quand elle vaut 0,7, vous perdez de la précision sans le voir.

    Sur le choix du plan lui-même — inter-sujets, intra-sujets, quasi-expérimental — notre guide du design expérimental pose le cadre. Cet article commence là où ce cadre s’arrête.

    La procédure sous SPSS, étape par étape

    Vos données doivent être en format large : une ligne par participant, une colonne pour le score pré, une colonne pour le score post, une colonne pour le groupe codée en 0/1.

    1. Analyse → Modèle linéaire général → Univarié.
    2. Variable dépendante : le score post. C’est le point que tout le monde rate au premier essai — la VD n’est ni le gain, ni le pré.
    3. Facteur fixe : votre variable de groupe.
    4. Covariable(s) : le score pré. Vous pouvez en ajouter d’autres (l’âge, l’ancienneté), à condition qu’elles aient été mesurées avant l’intervention. Une covariable mesurée après peut avoir été modifiée par l’intervention elle-même : l’inclure retire une partie de l’effet que vous cherchez à démontrer.
    5. Bouton Options : déplacez le facteur groupe dans la zone des moyennes marginales estimées, cochez Comparer les effets principaux avec l’ajustement Bonferroni, puis Statistiques descriptives, Estimations de la taille d’effet et Tests d’homogénéité.
    6. Bouton Diagrammes : rien d’obligatoire ici, mais un nuage de points post en fonction de pré, coloré par groupe, est la figure la plus parlante que vous puissiez mettre dans le mémoire.

    Un mot sur l’effectif avant de lancer. L’ANCOVA est plus économe qu’une comparaison brute, précisément parce que la covariable absorbe de la variance — mais « plus économe » ne veut pas dire « indifférente à la taille ». La procédure G*Power traite ce cas sous ANCOVA : fixed effects, main effects and interactions, où le nombre de covariables est un paramètre d’entrée à renseigner honnêtement.

    L’hypothèse qui n’appartient qu’à l’ANCOVA : les pentes de régression homogènes

    L’ANCOVA hérite des conditions de toute ANOVA — indépendance des observations, normalité des résidus, homogénéité des variances. Elle en ajoute une qui lui est propre, et c’est celle que les jurys interrogent.

    L’ANCOVA ajuste les moyennes en supposant que la relation entre la covariable et la variable dépendante est la même dans les deux groupes. Autrement dit : les deux droites de régression doivent être parallèles. Si elles ne le sont pas, il n’existe pas d’écart unique entre les groupes à rapporter — l’écart dépend du niveau de départ, et une moyenne ajustée unique devient un artefact.

    Deux droites de régression parallèles contre deux droites qui se croisent
    À gauche, l’ANCOVA est légitime : un seul écart décrit les deux groupes. À droite, l’écart change de signe selon le niveau initial — une moyenne ajustée n’aurait aucun sens.

    Comment tester la condition dans SPSS

    Le test n’est pas coché par défaut ; il faut le construire une fois, dans un modèle jetable.

    1. Refaites Univarié avec les mêmes variables.
    2. Bouton Modèle → choisissez Personnalisé.
    3. Faites passer dans la zone du modèle : le facteur groupe, la covariable pré, puis le produit des deux (sélectionnez les deux ensemble et choisissez le terme Interaction).
    4. Lancez, et regardez la seule ligne qui compte : groupe × pré.

    Si cette interaction est non significative (p > 0,05), la condition est remplie : jetez ce modèle, revenez au modèle complet par défaut, et c’est lui que vous rapportez. Si elle est significative, vous avez une information réelle et non un échec : l’effet de l’intervention dépend du niveau initial.

    Si les pentes ne sont pas homogènes

    Trois issues, par ordre de solidité.

    • Rapportez l’interaction comme un résultat. C’est un effet de modération : le dispositif profite davantage aux participants qui partaient bas, ou l’inverse. C’est souvent plus intéressant que l’effet moyen que vous cherchiez, et cela se raconte très bien en discussion. Notre article sur la médiation et les macros PROCESS sous SPSS décrit l’outillage voisin de ce type de modèle.
    • Repliez-vous sur le score de gain. Un test t sur (post − pré) ne suppose pas de pentes homogènes. Vous perdez de la puissance ; vous gagnez une analyse défendable. Le test t de Student et son alternative non paramétrique couvrent la procédure et le repli si la normalité pose aussi problème.
    • Découpez et décrivez. En dernier recours, décrivez l’effet séparément sous et au-dessus de la médiane du pré-test, en annonçant qu’il s’agit d’une analyse descriptive, non confirmatoire.

    Ce qu’il ne faut pas faire : constater l’interaction, ne rien dire, et rapporter quand même les moyennes ajustées. C’est la seule des trois voies qui soit une faute.

    Lire la sortie : les moyennes marginales estimées

    Le tableau central s’appelle Tests des effets inter-sujets. Vous y lisez deux lignes.

    La ligne de la covariable confirme d’abord que l’ajustement servait à quelque chose : elle est presque toujours très significative, et c’est normal — c’est même la raison d’être de l’analyse. Ne la présentez pas comme un résultat de recherche.

    La ligne du groupe est votre réponse. Elle teste la différence entre les groupes une fois le niveau initial neutralisé. Rapportez son F, ses degrés de liberté, son p et l’êta carré partiel.

    Puis vient le tableau des moyennes marginales estimées. Ce ne sont pas vos moyennes observées : ce sont les moyennes que les deux groupes auraient eues s’ils étaient partis du même niveau, à savoir la moyenne générale du pré-test. C’est ce couple de valeurs qu’il faut mettre dans le tableau du mémoire, avec les moyennes brutes juste à côté pour que le lecteur voie l’ampleur de l’ajustement.

    Comparaison entre moyennes observées et moyennes marginales estimées après ajustement
    L’ajustement peut agrandir l’écart, le réduire, ou l’inverser. C’est pour cela qu’il faut afficher les deux jeux de moyennes plutôt que le seul qui vous arrange.

    Le piège du groupe non équivalent

    Voici la limite qu’il faut connaître avant que le jury ne la formule à votre place.

    L’ANCOVA a été conçue pour des groupes constitués par tirage au sort, chez qui l’écart initial n’est que du bruit d’échantillonnage. Quand vos groupes sont naturels — deux classes, deux services, des volontaires contre des non-volontaires —, cet écart n’est pas du bruit : il est le symptôme d’une différence réelle et souvent non mesurée entre les deux populations. Ajuster sur le pré-test en corrige une partie, sans garantie de la corriger entièrement.

    Cette ambiguïté est ancienne et bien documentée : sur les mêmes données non randomisées, une analyse en moyennes brutes et une analyse ajustée peuvent conduire à des conclusions opposées, et aucune des deux n’est arithmétiquement fausse. Ce que vous pouvez faire est simple et honnête :

    • Écrire noir sur blanc que l’affectation n’était pas aléatoire.
    • Décrire ce qui distinguait les groupes en dehors du pré-test, avec les chiffres dont vous disposez.
    • Nommer la conséquence : l’effet estimé est un effet ajusté sur le niveau initial, pas un effet causal établi.

    Cette phrase-là dans vos limites vaut mieux qu’une prudence vague. Notre inventaire des biais méthodologiques d’un mémoire de master détaille comment formuler ce type de limite sans démolir votre propre travail.

    Vérifier les conditions restantes

    Une fois le modèle final tourné, testez la normalité des résidus — enregistrez-les (bouton Enregistrer → Résidus non standardisés) plutôt que de tester les variables brutes ; la démarche est décrite dans notre article sur le test de Shapiro-Wilk. Vérifiez ensuite le test de Levene, apparu grâce à l’option Tests d’homogénéité : avec deux groupes d’effectifs comparables il n’est pas rédhibitoire, avec des effectifs très déséquilibrés il faut le signaler.

    Rédiger le résultat dans le mémoire

    Condition vérifiée, effet significatif : « L’interaction entre le groupe et le score initial n’est pas significative, F(1, 84) = 1,12, p = 0,293 ; l’hypothèse d’homogénéité des pentes de régression est donc retenue. L’ANCOVA, avec le score pré-test en covariable, révèle un effet significatif du groupe sur le score post-test, F(1, 85) = 8,74, p = 0,004, η²p = 0,09. Les moyennes marginales estimées s’établissent à 16,2 (ET = 0,41) pour le groupe expérimental contre 14,5 (ET = 0,40) pour le groupe témoin, contre respectivement 15,8 et 14,9 en moyennes observées. »

    Condition non vérifiée : « L’interaction groupe × score initial est significative, F(1, 84) = 6,03, p = 0,016 : l’hypothèse d’homogénéité des pentes n’est pas tenable et l’ANCOVA n’a pas été retenue. L’effet du dispositif dépend du niveau initial des participants, et il est décrit ci-dessous séparément selon ce niveau. »

    Trois détails de forme comptent : la virgule décimale française, l’êta carré partiel systématiquement joint au p, et le mot « significatif » réservé à son sens statistique strict.

    Les erreurs qui coûtent cher

    • Mettre le score de gain en variable dépendante et le pré-test en covariable. Cela revient à ajuster deux fois ; le test change de sens et devient très difficile à interpréter.
    • Choisir la covariable après avoir vu les résultats. Essayer l’âge, puis l’ancienneté, puis les deux, et garder la combinaison qui rend p inférieur à 0,05 : la démarche se repère immédiatement. Annoncez vos covariables dans la méthodologie.
    • Utiliser une covariable mesurée après l’intervention. Elle peut porter une partie de l’effet ; vous retirez alors de la variance qui vous appartenait.
    • Rapporter uniquement les moyennes ajustées. Le lecteur ne peut plus juger de l’ampleur de la correction. Donnez les deux.
    • Oublier de comparer les groupes sur le pré-test. Ce test descriptif justifie l’ANCOVA ; son absence est la première question du jury.
    • Traiter des données groupées comme des données indépendantes. Si vos participants sont imbriqués dans des classes ou des services entiers, l’unité d’analyse n’est plus l’individu, et c’est une autre condition qui saute — celle de l’indépendance des observations.

    Transformer ces sorties en chapitre résultats

    L’analyse prend un quart d’heure. Ce qui prend des jours, c’est le texte autour : annoncer la covariable en méthodologie, justifier l’ANCOVA plutôt que le score de gain, présenter les deux jeux de moyennes sans noyer le lecteur, et écrire la limite du groupe non équivalent sans saborder votre propre conclusion.

    Tesify travaille avec vous sur cette partie-là : structurer le chapitre, tenir une terminologie constante d’un bout à l’autre du mémoire, et rédiger les passages de justification à partir de vos propres choix d’analyse. Vos données restent les vôtres, et le texte est écrit à 100 % par vous.

    Rédiger votre chapitre résultats avec Tesify

    Questions fréquentes

    Faut-il que les groupes soient équivalents au pré-test pour faire une ANCOVA ?

    Non — c’est même l’inverse : l’ANCOVA existe précisément pour traiter un écart initial. Ce qu’il faut, c’est que la relation entre le pré-test et le post-test soit la même dans les deux groupes. Comparez tout de même les groupes sur le pré-test et rapportez le résultat : cette comparaison ne conditionne pas l’analyse, elle documente l’ampleur de l’ajustement que vous demandez au modèle.

    Peut-on faire une ANCOVA avec trois groupes ou plus ?

    Oui, la logique est identique : la ligne du facteur teste alors une différence globale entre les groupes ajustés, et les comparaisons par paires ajustées selon Bonferroni indiquent lesquels diffèrent. La condition d’homogénéité des pentes se teste de la même façon, sur le terme d’interaction. Pour un plan à deux facteurs croisés sans covariable, voyez plutôt notre guide de l’ANOVA factorielle.

    Combien de covariables puis-je inclure ?

    Peu, et choisies à l’avance. Chaque covariable consomme un degré de liberté et doit être justifiée théoriquement. Deux ou trois covariables préenregistrées valent mieux que huit choisies après coup ; au-delà, vous risquez surtout d’introduire de la colinéarité entre elles et de rendre le modèle instable.

    Ma covariable doit-elle être corrélée à la variable dépendante ?

    Oui, sinon elle ne sert à rien : une covariable non corrélée au post-test n’absorbe aucune variance et vous coûte un degré de liberté pour rien. Vérifiez la corrélation pré-post avant de construire le modèle — notre article sur les corrélations de Pearson et de Spearman sous SPSS couvre la procédure. En revanche, la covariable ne doit pas être corrélée à l’appartenance au groupe pour une raison causale, sans quoi vous risquez d’ajuster sur une conséquence de l’intervention.

    ANCOVA ou régression multiple : est-ce la même chose ?

    Mathématiquement, oui : une ANCOVA est une régression avec une indicatrice pour le groupe et une variable continue pour la covariable. La différence est de présentation. Sous Univarié, SPSS produit les moyennes marginales estimées et l’êta carré partiel — exactement ce qu’un jury attend dans un chapitre d’évaluation ; une sortie de régression donnerait le même effet sous forme de coefficient B, moins immédiat à lire.

  • Le mémoire de master en école d’architecture (2026) : 8 crédits non compensables

    Le mémoire de master en école d’architecture (2026) : 8 crédits non compensables

    En école nationale supérieure d’architecture, le mémoire de master vaut 8 crédits européens « non compensables », et la soutenance du projet de fin d’études en vaut 10. Ces 18 crédits se situent au-delà des crédits des unités d’enseignement : rien d’autre dans le cycle ne peut les rattraper.

    C’est la particularité que les étudiants découvrent le plus tard, et celle qui explique pourquoi un dossier de master par ailleurs solide peut bloquer sur le mémoire. Voici ce que l’arrêté du 20 juillet 2005, dans sa version en vigueur, dit exactement du deuxième cycle.

    Le cadre du deuxième cycle

    L’arrêté du 20 juillet 2005 relatif aux cycles de formation des études d’architecture conduisant au diplôme d’études en architecture conférant le grade de licence et au diplôme d’État d’architecte conférant le grade de master fixe le volume du cycle master à son article 15 : « Les enseignements de ce cycle sont organisés sur 4 semestres valant 120 crédits européens. Ce cycle comporte 2 600 heures dont 1 200 heures encadrées par des enseignants. »

    Autrement dit, sur 2 600 heures, 1 400 heures sont du travail personnel non encadré. C’est dans ce volume-là que se logent le mémoire et le projet de fin d’études, et c’est pourquoi la question de l’organisation personnelle pèse davantage ici que dans beaucoup d’autres masters.

    Le mémoire : ce que le texte dit, et ce qu’il ne dit pas

    L’article 18 donne la définition, et elle est brève :

    « Le mémoire est un travail personnel d’études et(ou) de recherche qui permet à l’étudiant de traiter d’une problématique propre à un séminaire ou à un travail en lien avec le projet. »

    Deux choses en découlent.

    D’abord, deux ancrages sont explicitement admis : une problématique propre à un séminaire, ou un travail en lien avec le projet. Le second est souvent ignoré des étudiants qui se croient obligés de produire un travail d’histoire ou de théorie déconnecté de leur pratique de projet. Le texte autorise l’articulation ; c’est votre école qui en fixe les modalités.

    Ensuite, la conjonction « et(ou) » n’est pas un détail de rédaction : le mémoire peut être un travail d’études, un travail de recherche, ou les deux. Un mémoire qui documente et analyse rigoureusement un corpus sans prétendre à une contribution de recherche originale reste dans le cadre.

    Ce que le texte ne dit pas : ni nombre de pages, ni format, ni calendrier. Ces éléments relèvent du règlement des études de votre ENSA, et ils varient sensiblement d’une école à l’autre.

    Atelier de projet avec maquette et planches de projet de fin d'études
    Le PFE est « un projet architectural ou urbain accompagné d’un rapport de présentation » — environ 200 heures de travail personnel.

    Le PFE d’architecture n’est pas un rapport

    L’article 19 est catégorique : « Le projet de fin d’études consiste en un projet architectural ou urbain accompagné d’un rapport de présentation. Il équivaut à environ 200 heures de travail personnel sur un semestre. »

    Le PFE est donc un projet, pas un document — le rapport de présentation l’accompagne. C’est une distinction essentielle pour qui cherche des ressources en ligne : le sigle « PFE » désigne dans les écoles d’ingénieurs un tout autre exercice, un travail écrit de résolution d’un problème technique commandité. Si c’est celui-là que vous préparez, c’est notre guide pour rédiger son PFE en école d’ingénieur qu’il vous faut. Même acronyme, deux livrables sans rapport.

    Les 18 crédits non compensables

    C’est le point de mécanique qui change la stratégie de fin de cycle.

    Épreuve Crédits Statut Article
    Mémoire 8 crédits européens Non compensables, au-delà des crédits de l’UE où il se situe Art. 33
    Soutenance du projet de fin d’études 10 crédits européens Non compensables, au-delà des crédits de l’UE Art. 34

    « Non compensable » signifie ce qu’il dit : ces crédits ne s’obtiennent pas par une moyenne. Une excellente année de projet ne rachète pas un mémoire insuffisant, et l’inverse est vrai aussi. Les 18 crédits concernés représentent 15 % des 120 crédits du cycle, mais leur poids réel est bien supérieur, parce qu’ils constituent deux verrous indépendants.

    La conséquence pratique est un problème de calendrier plus que de qualité. Les deux exercices arrivent dans la même fenêtre, tous deux logés dans les 1 400 heures de travail personnel, et aucun ne peut absorber le retard de l’autre. Un rétroplanning qui traite le mémoire comme une variable d’ajustement du projet est le scénario d’échec le plus courant.

    Espace de soutenance avec cimaises vides devant une rangée de sièges de jury
    Six à huit membres, cinq au minimum pour siéger valablement, une majorité d’architectes.

    Le jury du projet de fin d’études

    L’article 34 fixe une composition précise : un jury de six à huit membres, dont cinq au minimum doivent être présents pour qu’il siège valablement. Il réunit un représentant du groupe où le projet a été préparé, le directeur d’études de l’étudiant, un ou deux enseignants de l’école issus d’autres groupes, un ou deux enseignants extérieurs dont au moins un venant d’une autre école d’architecture, et une ou deux personnalités extérieures. La majorité des membres doit être composée d’architectes, et au moins un membre doit être habilité à diriger des recherches.

    Deux enseignements pratiques. La présence obligatoire d’un enseignant d’une autre école signifie qu’une partie du jury ne connaît ni votre parcours ni les conventions internes de votre atelier : ce qui va de soi chez vous doit être explicité. Et l’exigence d’au moins un membre habilité à diriger des recherches garantit qu’un regard académique sera porté sur la rigueur de votre argumentation, y compris dans un exercice de projet.

    La mention recherche : soutenir le mémoire et le PFE ensemble

    L’article 17 ouvre une voie particulière : l’étudiant « peut choisir d’approfondir sa préparation à la recherche par des enseignements méthodologiques et fondamentaux complémentaires dont le descriptif figure sur son diplôme d’architecte ». Dans ce cas, précise le texte, « il doit soutenir en même temps son mémoire et son projet de fin d’études devant le jury », dont la composition est renforcée par des membres titulaires d’un doctorat et habilités à diriger des recherches.

    C’est la voie à considérer si vous envisagez un doctorat en architecture. Elle a un coût réel : des enseignements complémentaires et une soutenance unique où les deux travaux sont défendus ensemble, ce qui laisse moins de marge de rattrapage entre eux. En contrepartie, elle apparaît sur le diplôme et elle oblige à construire dès le départ une cohérence entre le mémoire et le projet — ce qui, quand cela fonctionne, produit les meilleurs dossiers.

    Organiser les deux travaux

    Quelques repères qui découlent directement du cadre réglementaire plutôt que d’une recette :

    1. Décidez tôt de l’ancrage du mémoire — séminaire ou lien avec le projet. Le texte admet les deux, mais l’articulation avec le projet ne s’improvise pas au dernier semestre.
    2. Traitez les 8 crédits comme un jalon indépendant. Fixez une date de rendu du mémoire antérieure à la phase intensive de projet, et tenez-la.
    3. Écrivez pour un lecteur extérieur à votre école. Le jury en comprend obligatoirement un ; les références implicites de votre atelier ne lui parlent pas.
    4. Documentez le corpus au fil de l’eau. Sur la méthode de constitution et d’exploitation d’un corpus de références, notre guide pour faire une revue de littérature reste transposable, à condition d’y intégrer les sources propres à la discipline — archives, relevés, iconographie, documents de projet.

    Pour lire des mémoires et des travaux d’étudiants déjà validés dans le réseau des écoles, notre annuaire des mémoires professionnels indique le point d’entrée documentaire du domaine. Et si vous cherchez l’étape d’après — l’habilitation qui permet d’exercer en son nom propre —, voir notre guide du mémoire de HMONP, qui est un exercice entièrement différent, postérieur au diplôme.

    Ce que Tesify ne fait pas

    • Tesify ne produit pas un mémoire remettable en l’état et ne conçoit évidemment pas votre projet de fin d’études. Le mémoire est défini par le texte comme « un travail personnel d’études et(ou) de recherche » : la formule ne laisse aucune ambiguïté sur qui doit le produire.
    • Tesify ne promet pas de « passer » un détecteur de plagiat ou d’IA. La promesse est vide. Le contrôle n’est pas le problème : c’est le travail personnel manquant qui l’est. Vous soutenez devant un jury majoritairement composé d’architectes, dont au moins un membre habilité à diriger des recherches et un enseignant venu d’une autre école.
    • Tesify ne connaît pas le règlement des études de votre ENSA, qui est le seul document fixant le volume, le format et le calendrier du mémoire.

    Ce que l’outil fait : tenir la structure d’un mémoire écrit en parallèle d’une charge de projet, garder la cohérence entre la problématique de départ et ce que le texte démontre à l’arrivée, et expliciter ce qui, pour un lecteur extérieur à votre atelier, resterait implicite.

    Structurez votre mémoire de master en architecture avec Tesify — votre corpus et votre projet restent les vôtres.

    FAQ — Le mémoire de master en école d’architecture

    Qu’est-ce que le mémoire de master en ENSA ?

    L’arrêté du 20 juillet 2005 le définit comme « un travail personnel d’études et(ou) de recherche qui permet à l’étudiant de traiter d’une problématique propre à un séminaire ou à un travail en lien avec le projet ». Deux ancrages sont donc admis : le séminaire, ou l’articulation avec la pratique de projet.

    Combien de crédits vaut le mémoire ?

    8 crédits européens non compensables, au-delà des crédits de l’unité d’enseignement dans laquelle il se situe. La soutenance du projet de fin d’études en vaut 10, également non compensables : ces deux épreuves constituent deux verrous indépendants du cycle master.

    Que signifie « crédits non compensables » ?

    Que ces crédits ne peuvent pas être obtenus par une moyenne avec d’autres résultats. Une excellente année de projet ne compense pas un mémoire insuffisant, et réciproquement. C’est la raison pour laquelle le mémoire ne peut pas servir de variable d’ajustement au calendrier de projet.

    Le PFE d’architecture est-il un document écrit ?

    Non. Le texte précise qu’il « consiste en un projet architectural ou urbain accompagné d’un rapport de présentation » et qu’il équivaut à environ 200 heures de travail personnel sur un semestre. Le sigle PFE désigne un exercice tout à fait différent en école d’ingénieur, où il s’agit d’un travail écrit de résolution d’un problème technique.

    Qui compose le jury du projet de fin d’études ?

    Six à huit membres, dont cinq au minimum pour que le jury siège valablement : un représentant du groupe où le projet a été préparé, le directeur d’études, un ou deux enseignants de l’école issus d’autres groupes, un ou deux enseignants extérieurs dont au moins un d’une autre école d’architecture, et une ou deux personnalités extérieures. La majorité doit être composée d’architectes et au moins un membre doit être habilité à diriger des recherches.

    Qu’est-ce que la mention recherche ?

    Une voie prévue par l’article 17 : l’étudiant approfondit sa préparation à la recherche par des enseignements méthodologiques et fondamentaux complémentaires, dont le descriptif figure sur son diplôme d’architecte. Il doit alors soutenir en même temps son mémoire et son projet de fin d’études devant un jury renforcé par des membres titulaires d’un doctorat et habilités à diriger des recherches.

    Combien d’heures représente le cycle master en architecture ?

    Quatre semestres valant 120 crédits européens, pour 2 600 heures dont 1 200 encadrées par des enseignants. Les 1 400 heures restantes relèvent du travail personnel, et c’est dans ce volume que se logent le mémoire et le projet de fin d’études.

  • Qu’est-ce qu’un rapporteur et à quoi sert le pré-rapport ? (2026)

    Qu’est-ce qu’un rapporteur et à quoi sert le pré-rapport ? (2026)

    Qu’est-ce qu’un rapporteur et à quoi sert le pré-rapport ? (2026)

    Un rapporteur est un enseignant-chercheur chargé d’examiner un travail de recherche avant sa soutenance et de rendre un avis écrit. C’est sur la base de ces rapports que l’établissement autorise — ou non — la soutenance. Le pré-rapport désigne ce document d’évaluation préalable, distinct du rapport de soutenance rédigé après la séance.

    Réponse rapide : le rapporteur évalue le manuscrit avant la soutenance et rend un avis écrit qui conditionne l’autorisation de soutenir. En doctorat, la procédure est encadrée par l’arrêté du 25 mai 2016 : au moins deux rapporteurs, en principe extérieurs à l’école doctorale et à l’établissement, transmettent leurs rapports au moins quatorze jours avant la date prévue de soutenance. En master, la fonction existe mais relève des règlements propres à chaque formation.

    Quel est le rôle exact d’un rapporteur ?

    Le rapporteur remplit une fonction de filtre scientifique préalable. Il lit le manuscrit complet et se prononce sur une question simple mais décisive : le travail est-il en état d’être soutenu ? Son avis n’est pas une note ; c’est une autorisation technique qui conditionne la tenue même de la soutenance.

    Cette étape explique un phénomène qui surprend beaucoup de candidats : lorsqu’une soutenance a lieu, l’issue est rarement un échec. Le tri s’opère en amont, au stade des rapports. Un manuscrit manifestement insuffisant ne franchit pas ce filtre et la soutenance est repoussée plutôt qu’organisée pour être sanctionnée.

    Enseignant-chercheur annotant un manuscrit de thèse avant la soutenance
    Le rapporteur examine le manuscrit complet et rend un avis écrit avant la soutenance.

    Quelle différence entre rapporteur, directeur et membre du jury ?

    La confusion entre ces trois rôles est fréquente. Ils correspondent pourtant à des positions distinctes, et l’indépendance du rapporteur est précisément ce qui donne du poids à son avis.

    Rapporteur, directeur et membre du jury : trois rôles distincts
    Rôle Intervient Lien avec le travail Fonction principale
    Directeur de recherche Pendant toute la durée du travail Encadre et accompagne le candidat Suivi scientifique et validation du dépôt
    Rapporteur Avant la soutenance Aucune participation aux travaux Avis écrit conditionnant l’autorisation de soutenir
    Membre du jury Le jour de la soutenance Variable selon la composition Interroger le candidat et délibérer

    En doctorat, l’arrêté du 25 mai 2016 précise que les rapporteurs n’ont pris aucune part aux travaux du doctorant. Les rapporteurs peuvent ensuite siéger dans le jury de soutenance, mais leur fonction de rapporteur reste antérieure et séparée. Sur la composition et les critères d’évaluation du jury lui-même, voir notre article sur les critères d’évaluation du jury de mémoire de master.

    Qui nomme les rapporteurs ?

    En doctorat, la nomination suit une chaîne précise : les rapporteurs sont désignés par le chef d’établissement, sur proposition du directeur de l’école doctorale, après avis du directeur de thèse. Le candidat ne les choisit pas.

    Deux conditions d’indépendance s’ajoutent. Les rapporteurs doivent être habilités à diriger des recherches ou appartenir à des catégories équivalentes prévues par le texte. Et, sauf lorsque le champ disciplinaire ou le contenu des travaux ne le permet pas, ils sont extérieurs à l’école doctorale et à l’établissement du doctorant.

    Cette extériorité est le cœur du dispositif. Elle vise à garantir qu’un regard neuf, sans lien institutionnel ni relationnel avec le candidat ou son encadrement, se prononce sur la qualité du travail.

    Quels sont les délais à respecter ?

    Le délai le plus structurant est celui des rapports. En doctorat, les rapporteurs font connaître leur avis par des rapports écrits au moins quatorze jours avant la date prévue de la soutenance. C’est sur cette base que le chef d’établissement autorise la soutenance.

    Ce délai a une conséquence pratique directe : le manuscrit doit être transmis aux rapporteurs bien plus tôt. En pratique, les écoles doctorales demandent couramment un envoi six à huit semaines avant la date envisagée, afin de laisser aux rapporteurs un temps de lecture réaliste tout en préservant la marge de quatorze jours.

    Rétroplanning type autour du pré-rapport en doctorat
    Étape Repère temporel
    Proposition des rapporteurs et du jury Environ 3 mois avant la soutenance
    Envoi du manuscrit aux rapporteurs 6 à 8 semaines avant (pratique courante des ED)
    Transmission des rapports écrits Au moins 14 jours avant (cadre réglementaire)
    Autorisation de soutenance Après réception des rapports
    Soutenance Date prévue
    Calendrier de préparation de soutenance avec échéances de dépôt et de rapports
    Le délai réglementaire de quatorze jours impose d’envoyer le manuscrit plusieurs semaines en amont.

    Que contient un pré-rapport ?

    Le pré-rapport est un texte argumenté, généralement de deux à quatre pages, qui suit une logique d’expertise plutôt que de notation. On y retrouve le plus souvent :

    • un résumé du travail montrant que le rapporteur en a saisi l’objet et la démarche ;
    • une appréciation de la problématique et de sa pertinence scientifique ;
    • un examen de la méthodologie et de la solidité des données ;
    • une évaluation de l’originalité et de l’apport à la discipline ;
    • des critiques et des questions destinées à être discutées en soutenance ;
    • une conclusion explicite : autorisation de soutenir, ou non.

    Les rapports sont communiqués au jury et au candidat avant la soutenance. Ils constituent donc une ressource de préparation précieuse : les questions qu’ils soulèvent sont très souvent celles qui reviendront lors de la séance. Les intégrer à sa préparation — quitte à répéter les réponses lors d’une soutenance blanche — est l’un des usages les plus efficaces de ce document.

    Que se passe-t-il en cas d’avis défavorable ?

    Un avis défavorable n’est pas un échec définitif. Dans la très grande majorité des cas, il se traduit par un report de la soutenance accompagné d’une demande de corrections, et non par une exclusion.

    Trois scénarios se rencontrent en pratique :

    1. Avis favorables assortis de réserves — la soutenance est autorisée ; les réserves alimentent la discussion et, parfois, une demande de corrections après soutenance.
    2. Avis partagés — un rapport favorable, un défavorable. L’établissement peut désigner un troisième rapporteur pour départager.
    3. Avis défavorables convergents — la soutenance n’est pas autorisée à la date prévue. Le candidat retravaille son manuscrit et une nouvelle procédure est engagée ultérieurement.

    Dans tous les cas, l’interlocuteur à mobiliser en premier est le directeur de recherche, puis l’école doctorale ou le responsable de formation. Un avis défavorable porte sur un état du manuscrit à une date donnée, pas sur la valeur du candidat.

    Et en master : y a-t-il des rapporteurs ?

    Le cadre réglementaire national des rapporteurs concerne le doctorat. En master, il n’existe pas d’équivalent uniforme : chaque formation fixe ses propres modalités dans son règlement des études.

    On observe néanmoins des pratiques comparables. De nombreux masters désignent un second lecteur ou un évaluateur distinct du directeur de mémoire, chargé de lire le travail en amont et de produire une appréciation écrite. Selon les formations, cette lecture peut conditionner l’autorisation de soutenir, ou simplement alimenter la note finale.

    La conséquence pratique est claire : en master, la seule source fiable est le règlement des études de votre formation. Les délais de dépôt, le nombre de lecteurs et le rôle exact de leur avis y sont précisés, et ils varient sensiblement d’une université à l’autre. Anticiper ces échéances est l’un des points couverts par notre checklist de la dernière semaine avant la soutenance.

    Questions fréquentes

    Combien de rapporteurs faut-il pour une thèse de doctorat ?

    Au moins deux rapporteurs, selon l’arrêté du 25 mai 2016. Ils sont désignés par le chef d’établissement sur proposition du directeur de l’école doctorale, après avis du directeur de thèse, et doivent en principe être extérieurs à l’école doctorale et à l’établissement du doctorant.

    Quel est le délai légal entre les rapports et la soutenance ?

    Les rapporteurs font connaître leur avis par des rapports écrits au moins quatorze jours avant la date prévue de la soutenance. C’est sur la base de ces rapports que le chef d’établissement autorise la soutenance.

    Peut-on choisir ses rapporteurs ?

    Non. Le candidat ne désigne pas ses rapporteurs. Ils sont nommés par le chef d’établissement, sur proposition du directeur de l’école doctorale et après avis du directeur de thèse. Cette procédure garantit l’indépendance de l’évaluation préalable.

    Le rapporteur peut-il faire partie du jury de soutenance ?

    Oui, un rapporteur peut ensuite siéger dans le jury de soutenance. Sa fonction de rapporteur reste toutefois distincte et antérieure : elle consiste à rendre un avis écrit préalable conditionnant l’autorisation de soutenir, indépendamment de sa participation éventuelle au jury.

    Que faire si un rapporteur rend un avis défavorable ?

    Un avis défavorable entraîne généralement un report de la soutenance assorti d’une demande de corrections, et non un échec définitif. En cas d’avis partagés, l’établissement peut désigner un troisième rapporteur. Le directeur de recherche et l’école doctorale sont les premiers interlocuteurs à solliciter.

    Un mémoire de master a-t-il aussi des rapporteurs ?

    Le cadre réglementaire des rapporteurs concerne le doctorat. En master, chaque formation fixe ses propres modalités : beaucoup désignent un second lecteur ou un évaluateur distinct du directeur de mémoire. Le règlement des études de la formation est la seule source fiable sur ce point.

    Reçoit-on les rapports avant la soutenance ?

    Oui. Les rapports sont communiqués au jury et au candidat avant la soutenance. Ils constituent un excellent support de préparation, car les critiques et questions qu’ils formulent sont fréquemment reprises lors de la séance.

  • Comment rédiger l’avant-propos et la dédicace d’un mémoire de master (2026)

    Comment rédiger l’avant-propos et la dédicace d’un mémoire de master (2026)

    Comment rédiger l’avant-propos et la dédicace d’un mémoire de master (2026)

    L’avant-propos d’un mémoire de master explique en une demi-page le contexte personnel ou professionnel du choix de sujet, tandis que la dédicace, une à trois lignes maximum, adresse le travail à une personne précise. Les deux sont facultatifs, se placent avant l’introduction et ne doivent jamais reprendre le contenu académique de celle-ci.

    Différence entre avant-propos, préface, dédicace et remerciements

    Pages liminaires d'un mémoire relié
    Avant-propos, dédicace et remerciements se placent dans les pages liminaires, avant l’introduction.

    Ces quatre sections liminaires se confondent souvent dans l’esprit des étudiants, alors qu’elles répondent à des objectifs distincts. L’avant-propos est rédigé par l’auteur du mémoire pour situer le sujet dans son parcours personnel ou professionnel : pourquoi ce thème, dans quel contexte, à la suite de quel stage ou de quelle rencontre. La préface, elle, est écrite par une autre personne, en général le directeur de mémoire, un professionnel reconnu du secteur ou un membre du jury, qui présente et cautionne le travail de l’extérieur. Dans un mémoire de master, la préface reste exceptionnelle, réservée aux travaux destinés à une diffusion élargie.

    La dédicace, quant à elle, n’a aucune vocation explicative : elle adresse le mémoire à une ou plusieurs personnes, en signe de reconnaissance affective plutôt qu’académique. Les remerciements, enfin, listent nommément les personnes ayant contribué au travail — directeur de mémoire, enseignants, structure d’accueil du stage, relecteurs — avec une formulation plus détaillée que la dédicace.

    Comparatif des sections liminaires d’un mémoire
    Rubrique Objectif Longueur Position
    Dédicace Adresser le travail à une personne, sans justification 1 à 3 lignes Juste après la page de garde
    Remerciements Nommer et remercier les contributeurs au travail 10 à 20 lignes Après la dédicace
    Avant-propos Expliquer le contexte personnel ou professionnel du sujet 1/2 à 1 page Après les remerciements, avant le résumé
    Préface Présenter et cautionner le mémoire par un tiers 1 à 2 pages Avant l’avant-propos, si elle existe

    Où placer l’avant-propos et la dédicace dans le mémoire ?

    L’ordre canonique retenu par la majorité des guides méthodologiques est le suivant : page de garde, dédicace, remerciements, avant-propos, résumé ou abstract, sommaire, introduction. Cet enchaînement suit une logique de proximité affective décroissante : on commence par le geste le plus personnel (la dédicace), on poursuit par la reconnaissance envers les tiers (remerciements), puis on bascule vers le registre académique avec l’avant-propos qui prépare déjà le lecteur au sujet traité.

    Certaines filières, notamment en écoles de commerce ou en formations professionnalisantes, inversent avant-propos et remerciements, ou encore placent l’avant-propos juste avant l’introduction, presque fusionné avec elle. Avant de figer votre plan, consultez systématiquement le guide méthodologique fourni par votre établissement : l’ordre imposé par votre jury prime toujours sur les conventions générales décrites ici. Pour la mise en forme technique de ces pages liminaires (numérotation en chiffres romains, styles de titres), voir notre guide sur les styles Word et la mise en forme d’un mémoire.

    Que mettre (et ne pas mettre) dans un avant-propos

    Un avant-propos réussi répond à trois questions en une demi-page : pourquoi ce sujet vous concerne personnellement, dans quel contexte concret il a émergé, et ce que cette expérience apporte à la lecture du mémoire. On y trouve typiquement une mention du stage, de l’alternance, d’une expérience professionnelle antérieure, ou d’un questionnement personnel né d’un cours ou d’une lecture.

    Ce qu’il ne faut surtout pas y mettre : la problématique, les objectifs de recherche, l’annonce du plan ou une revue de littérature, même sommaire. Ces éléments relèvent strictement de l’introduction. L’avant-propos reste également étranger aux résultats ou aux conclusions du travail — il se situe avant l’entrée en matière, pas après. Enfin, évitez d’y glisser des remerciements nominatifs : ils ont leur propre section, juste avant.

    Ton et longueur : quelles règles respecter ?

    Le ton de l’avant-propos est plus personnel que celui de l’introduction, mais il reste sobre : on écrit à la première personne, sans tomber dans l’anecdote longue ni dans le registre confidentiel. Une à deux phrases de contexte, une phrase sur la motivation, une phrase de transition vers le sujet suffisent généralement. La longueur cible se situe entre 150 et 350 mots, soit une demi-page à une page maximum en interligne standard.

    La dédicace, elle, obéit à un registre encore plus resserré : une à trois lignes, sans justification ni développement. Le ton y est libre — sobre, chaleureux ou sincère selon la relation évoquée — mais toujours bref. Les remerciements adoptent un registre intermédiaire : plus long que la dédicace, plus formel dans la structure (une phrase par personne ou groupe remercié), mais toujours à la première personne et sans jargon académique.

    Exemples concrets de formulations

    Pour une dédicace

    • « À mes parents, pour leur soutien constant durant ces cinq années d’études. »
    • « À toutes celles et ceux qui ont cru en ce projet avant même qu’il n’existe. »
    • « À ma grand-mère, qui m’a transmis le goût du travail bien fait. »

    Pour un avant-propos

    « Ce mémoire trouve son origine dans mon stage de six mois effectué au sein du service marketing d’une entreprise industrielle, où j’ai été confronté aux limites des outils d’analyse concurrentielle alors utilisés. Cette expérience de terrain a nourri mon intérêt pour la question du repositionnement des marques traditionnelles face aux nouveaux entrants numériques, thème que ce travail se propose d’approfondir. »

    Un second exemple, plus court, pour un contexte académique sans stage préalable : « Le choix de ce sujet découle d’un cours de méthodes quantitatives suivi en première année de master, durant lequel la question des biais de sélection dans les enquêtes en ligne a suscité chez moi un intérêt que ce mémoire cherche à prolonger de façon plus approfondie. »

    Erreurs fréquentes à éviter

    Rédaction manuscrite d'une dédicace de mémoire
    La dédicace, brève et personnelle, se distingue de l’avant-propos au ton plus méthodologique.
    • Confondre avant-propos et introduction : reprendre la problématique ou le plan dans l’avant-propos crée une redondance immédiatement repérée par le jury.
    • Une dédicace trop longue : au-delà de trois lignes, elle empiète sur le registre des remerciements.
    • Un avant-propos impersonnel : recopier une formule générique sans lien réel avec le parcours de l’étudiant affaiblit sa crédibilité.
    • Oublier de vérifier les consignes de l’établissement : certains guides interdisent purement et simplement la dédicace ou imposent un ordre de pages différent.
    • Négliger la relecture orthographique : ces pages courtes et très visibles sont souvent les premières lues par le jury ; une faute y est particulièrement visible.
    • Placer l’avant-propos après l’introduction : il doit systématiquement précéder l’entrée en matière académique.

    Faut-il un avant-propos si on a déjà une introduction ?

    Dans la majorité des cas, non. L’introduction suffit à poser le sujet, la problématique et le plan du mémoire ; ajouter un avant-propos devient redondant si vous n’avez rien de spécifiquement personnel à raconter sur le contexte du choix de sujet. L’avant-propos prend tout son sens lorsque le mémoire s’appuie sur une expérience concrète — stage, alternance, engagement associatif, parcours professionnel antérieur — qui a directement motivé le sujet, mais que l’introduction, de nature strictement académique, ne peut pas mentionner sans casser sa rigueur méthodologique.

    Si vous hésitez, posez-vous une question simple : avez-vous une anecdote de contexte à raconter qui n’a pas sa place dans une introduction académique classique ? Si la réponse est non, mieux vaut se concentrer sur une introduction de mémoire solide et bien structurée plutôt que d’ajouter une page superflue. Dans tous les cas, vérifiez le guide méthodologique de votre filière : certains masters professionnalisants rendent l’avant-propos quasi obligatoire, notamment lorsque le mémoire s’appuie sur une mission en entreprise.

    Besoin d’aide pour structurer les pages liminaires de votre mémoire ?

    Tesify vous aide à organiser page de garde, dédicace, remerciements, avant-propos et sommaire selon les normes de votre établissement, avec des suggestions de formulation et une vérification de cohérence entre les sections. Essayez Tesify gratuitement pendant 14 jours pour structurer l’ensemble de votre mémoire, de l’avant-propos à la conclusion.

    FAQ

    L’avant-propos est-il obligatoire dans un mémoire de master ?

    Non, l’avant-propos n’est pas obligatoire dans la plupart des cursus. Il devient pertinent quand l’étudiant souhaite expliquer le contexte personnel ou professionnel du choix de sujet, un élément que l’introduction, plus académique, n’aborde pas. Vérifiez toujours les consignes de votre établissement, certaines filières professionnalisantes le rendent quasi systématique.

    Quelle est la différence entre avant-propos et préface ?

    L’avant-propos est écrit par l’auteur du mémoire lui-même et explique le contexte, les motivations ou les circonstances de rédaction. La préface, elle, est rédigée par une tierce personne, généralement le directeur de mémoire ou un expert reconnu, qui présente et cautionne le travail. Dans un mémoire de master, la préface reste rare, contrairement à l’avant-propos.

    Peut-on mettre une dédicace dans un mémoire universitaire ?

    Oui, la dédicace est autorisée dans la quasi-totalité des mémoires de master, sauf mention contraire explicite dans le guide méthodologique de l’établissement. Elle reste facultative, personnelle et courte, généralement une à trois lignes, placée sur une page séparée avant les remerciements.

    Dans quel ordre placer avant-propos, dédicace et remerciements ?

    L’ordre le plus courant est le suivant : page de garde, dédicace, remerciements, avant-propos si présent, puis résumé ou abstract, sommaire, introduction. Certains établissements inversent avant-propos et remerciements ou fusionnent avant-propos et introduction. Le guide méthodologique de votre filière prime toujours sur cet ordre indicatif. Pour la page de garde elle-même, voir notre guide sur comment faire la page de garde d’un mémoire.

    Combien de lignes doit faire un avant-propos de mémoire ?

    Un avant-propos de mémoire de master tient généralement sur une demi-page à une page, soit environ 150 à 350 mots. Au-delà, le contenu empiète sur le rôle de l’introduction et doit être redistribué entre les deux sections.

    Faut-il signer l’avant-propos ou la dédicace ?

    Ce n’est pas une obligation formelle, mais certains établissements demandent la mention du lieu et de la date sous l’avant-propos, à la manière d’une préface d’ouvrage. La dédicace, elle, ne se signe généralement pas : le prénom de l’auteur figure déjà sur la page de garde. Pour la rédaction des remerciements qui suivent la dédicace, consultez notre guide dédié : comment écrire les remerciements d’un mémoire.

  • Peut-on soutenir son mémoire sans avoir terminé son stage ? (2026)

    Peut-on soutenir son mémoire sans avoir terminé son stage ? (2026)

    Peut-on soutenir son mémoire sans avoir terminé son stage ? (2026)

    Peut-on soutenir mémoire sans stage terminé ? La réponse tient en une phrase : cela dépend entièrement du type de mémoire préparé. Pour un mémoire de recherche disciplinaire, la soutenance avant la fin du stage est souvent envisageable, sous réserve de l’accord du directeur. Pour un mémoire professionnel ou de stage, qui rend compte d’une mission en cours, la fin du stage est généralement une condition d’admission à la soutenance fixée par le règlement des études.

    Réponse rapide : soutenir son mémoire sans stage terminé est possible pour un mémoire de recherche autonome, mais quasiment impossible pour un mémoire professionnel adossé à une mission en cours. Le règlement des études de votre établissement fixe les conditions d’admission à soutenance, et la convention de stage encadre les dates. En cas de chevauchement, la solution la plus courante reste le report vers une session de rattrapage, sur accord du directeur de mémoire et parfois de la commission pédagogique.

    Tous les mémoires ne se valent pas face à cette question

    Articulation entre convention de stage et calendrier de soutenance
    La convention de stage et le règlement des études fixent l’articulation entre stage et soutenance.

    La possibilité de soutenir mémoire sans stage terminé dépend en premier lieu de la nature du mémoire. Trois configurations reviennent le plus souvent dans les cursus de master.

    Le mémoire de recherche

    Un mémoire de recherche s’appuie sur une problématique théorique, une revue de littérature et, éventuellement, une étude de terrain qui n’est pas nécessairement liée à un stage en cours. Dans ce cas, le stage et le mémoire sont deux exigences distinctes du diplôme, évaluées séparément. Il est alors plus fréquent que la soutenance puisse avoir lieu avant la fin officielle du stage, dès lors que le travail de recherche est achevé et validé par le directeur.

    Le mémoire professionnel ou mémoire de stage

    À l’inverse, un mémoire professionnel — parfois appelé mémoire de stage — analyse une mission réalisée en entreprise. Le règlement des études exige presque toujours que la mission soit terminée, ou du moins suffisamment avancée, pour que l’étudiant puisse en tirer un bilan critique complet. Soutenir avant la fin du stage revient alors à présenter un travail incomplet, ce que la plupart des jurys refusent d’évaluer sérieusement.

    Le mémoire en alternance

    En alternance, la temporalité change encore. Le contrat d’alternance dure généralement toute l’année universitaire, voire au-delà, tandis que le mémoire porte sur une mission ou un projet mené en entreprise sur une période plus courte. La soutenance peut donc intervenir avant la fin du contrat de travail, à condition que la mission analysée soit elle-même arrivée à un stade suffisamment abouti. Pour aller plus loin sur ce format particulier, consultez notre article sur le mémoire rédigé sur sa propre entreprise en alternance.

    Quel est le rôle réel de la convention de stage ?

    La convention de stage est un document tripartite signé par l’étudiant, l’établissement et l’entreprise d’accueil. Elle fixe des éléments précis : dates de début et de fin, durée hebdomadaire, missions confiées, gratification, encadrement. Elle ne mentionne en revanche jamais la date de soutenance, qui relève exclusivement du calendrier pédagogique de l’établissement.

    Cela crée parfois une confusion. Certains étudiants pensent qu’ils ne peuvent pas soutenir tant que la convention n’est pas arrivée à son terme. En réalité, la convention encadre la relation contractuelle avec l’entreprise, pas l’organisation académique. Le vrai obstacle n’est donc pas la convention en elle-même, mais ce que le règlement des études exige en matière de contenu du mémoire et de durée minimale de stage validée.

    Un point de vigilance mérite toutefois d’être signalé : si la convention prévoit une présence obligatoire jusqu’à une date donnée et que la soutenance tombe avant cette date, l’étudiant doit s’assurer qu’il peut s’absenter de l’entreprise le jour J sans enfreindre son engagement contractuel. Cela se négocie généralement sans difficulté avec le maître de stage, à condition d’anticiper la demande.

    Que dit le règlement des études sur les modalités de contrôle des connaissances ?

    Le règlement des études — parfois appelé modalités de contrôle des connaissances (MCC) — est le document de référence qui fixe les conditions d’admission à soutenance. Il précise en général :

    • la durée minimale de stage requise avant de pouvoir soutenir ;
    • les pièces à fournir (attestation de stage, certificat de fin de mission, rapport intermédiaire) ;
    • les dates limites de dépôt du mémoire ;
    • les conditions dans lesquelles une dérogation peut être demandée.

    Ce document prime sur toute interprétation informelle. Avant de partir du principe qu’une soutenance anticipée est possible, il est indispensable de le consulter dans son intégralité, ou de solliciter le secrétariat pédagogique pour confirmation écrite. Une soutenance organisée en dehors du cadre fixé par le règlement peut être annulée a posteriori, ce qui expose l’étudiant à un report contraint, souvent vers la session suivante.

    Tableau récapitulatif des cas de figure

    Le tableau ci-dessous synthétise les situations les plus courantes rencontrées par les étudiants confrontés à un chevauchement entre stage et soutenance.

    Type de mémoire Stage requis avant soutenance ? Soutenance anticipée possible ?
    Mémoire de recherche disciplinaire Non, ou stage optionnel Oui, dans la majorité des cas, sur accord du directeur
    Mémoire professionnel / de stage Oui, stage terminé ou quasi terminé exigé Rare, sauf dérogation motivée et validée
    Mémoire en alternance Mission analysée doit être avancée, contrat peut se poursuivre Oui, si la mission étudiée est arrivée à un stade concluant
    Stage à l’étranger prolongé Variable selon accord de mobilité Souvent traité par report vers la session de rattrapage
    Stage prolongé par l’entreprise Dépend du règlement des études Possible avec attestation intermédiaire et accord du jury

    Que faire si le stage déborde sur la période de soutenance ?

    Ce cas de figure est l’un des plus fréquents, notamment lorsque l’entreprise prolonge la mission ou que le stage a démarré en retard. Plusieurs options existent, par ordre de préférence pratique.

    Prévenir le secrétariat pédagogique le plus tôt possible

    Dès que le décalage entre fin de stage et date de soutenance est identifié, l’étudiant doit en informer le secrétariat pédagogique et son directeur de mémoire. Un signalement précoce laisse davantage de marge de manœuvre pour trouver une solution : session de rattrapage, aménagement de calendrier, ou soutenance sur la base d’un rapport intermédiaire validé.

    Demander une session de rattrapage ou de report

    La plupart des établissements organisent une seconde session de soutenance, généralement en septembre, spécifiquement pour les étudiants dont le stage se termine après la session initiale. Ce report n’est pas une sanction : il s’agit d’un mécanisme prévu par le règlement des études pour couvrir ce type de situation.

    Envisager une soutenance sur rapport intermédiaire

    Dans certains cursus, notamment en alternance ou pour les stages longs, une soutenance sur la base d’un rapport intermédiaire peut être acceptée, à condition que la mission ait atteint un stade suffisamment avancé pour permettre une analyse crédible. Cette option reste soumise à l’appréciation du directeur de mémoire et, souvent, à une validation formelle de la commission pédagogique.

    Dérogations, accord du jury et du directeur : ce qui est vraiment possible

    Salle de soutenance de mémoire
    Selon le type de mémoire, la soutenance peut précéder la fin effective du stage.

    Une dérogation permettant de soutenir mémoire sans stage terminé n’est jamais un droit automatique. Elle repose sur trois conditions cumulatives dans la plupart des établissements.

    • L’accord explicite du directeur de mémoire, qui doit juger que le travail rendu est suffisamment abouti pour être évalué en l’état.
    • Une demande écrite et motivée, déposée en général au moins un mois avant la date de soutenance souhaitée, expliquant les raisons du décalage (prolongation du stage, retard de démarrage, contraintes de l’entreprise).
    • La validation de la commission pédagogique ou du jury, qui vérifie que la dérogation reste conforme au règlement des études et n’ouvre pas de précédent problématique.

    Si le directeur de mémoire tarde à répondre à une telle demande, la situation peut rapidement devenir critique compte tenu des délais serrés. Notre article sur que faire quand le directeur de mémoire ne répond plus détaille les démarches à engager pour débloquer la situation sans perdre de temps.

    Conseils pratiques pour articuler calendrier stage et soutenance

    Pour éviter de se retrouver dans une situation de blocage de dernière minute, quelques réflexes simples permettent d’anticiper efficacement.

    1. Vérifier le règlement des études dès le début du stage, et non quelques semaines avant la soutenance. Les délais de rédaction du mémoire étant souvent sous-estimés, mieux vaut caler le calendrier de rédaction en parallèle du stage dès le départ — voir notre guide sur combien de temps il faut vraiment pour rédiger un mémoire de master.
    2. Aligner la date de fin de stage sur la convention avec le secrétariat pédagogique, en particulier si l’entreprise propose une prolongation.
    3. Informer le maître de stage de la date de soutenance dès qu’elle est connue, pour anticiper une éventuelle absence ponctuelle.
    4. Solliciter le directeur de mémoire en amont pour valider si une soutenance anticipée est envisageable compte tenu de l’avancement du travail.
    5. Garder une trace écrite de tous les échanges relatifs à une éventuelle dérogation, utile en cas de contestation ultérieure.

    Une fois la soutenance passée, d’autres démarches administratives restent à accomplir rapidement : notre article sur les démarches à effectuer après la soutenance du mémoire récapitule les étapes à ne pas manquer, du dépôt final à l’archivage.

    Besoin d’avancer plus vite sur la rédaction de votre mémoire ?

    Que votre stage se termine à temps ou non, la rédaction du mémoire reste souvent le principal facteur de retard. Tesify vous aide à structurer votre plan, clarifier votre méthodologie et fluidifier la rédaction, sans jamais écrire à votre place. Testez Tesify gratuitement pendant 14 jours pour reprendre le contrôle de votre calendrier avant la soutenance.

    FAQ

    Peut-on soutenir son mémoire avant la fin officielle du stage ?

    Oui, dans certains cas, notamment pour un mémoire de recherche dont le sujet n’est pas directement adossé au stage. Pour un mémoire professionnel ou de stage, la soutenance avant la fin du stage est rare car le mémoire doit généralement rendre compte d’une expérience achevée. Tout dépend du règlement des études de votre établissement.

    Que dit la convention de stage sur la date de soutenance ?

    La convention de stage fixe les dates de début et de fin du stage, mais elle ne fixe pas la date de soutenance : celle-ci relève du calendrier universitaire. En revanche, si la convention impose une durée minimale de présence en entreprise avant la fin du stage, une soutenance anticipée peut entrer en contradiction avec cet engagement contractuel.

    Que se passe-t-il si le stage déborde sur la période de soutenance ?

    La plupart des établissements proposent alors une session de rattrapage ou de report, généralement en septembre. L’étudiant doit signaler la situation à son secrétariat pédagogique dès que le décalage est identifié, idéalement plusieurs semaines à l’avance, afin d’être inscrit à la bonne session.

    Une dérogation est-elle possible pour soutenir plus tôt ?

    Oui, mais elle n’est jamais automatique. Elle nécessite l’accord explicite du directeur de mémoire et, souvent, une validation par la commission pédagogique ou le jury. La demande doit être motivée et déposée par écrit, en général au moins un mois avant la date souhaitée.

    L’alternance change-t-elle la donne ?

    Oui. En alternance, le contrat de travail court en parallèle du cursus et sa durée dépasse souvent celle du mémoire. La soutenance peut donc avoir lieu avant la fin du contrat, à condition que le mémoire porte sur une mission suffisamment avancée pour être analysée et évaluée.

    Qui décide en dernier ressort : le jury ou le règlement d’études ?

    Le règlement des études fixe le cadre général (conditions d’admission à soutenance, durées minimales de stage, dates limites). À l’intérieur de ce cadre, le jury et le directeur de mémoire disposent d’une marge d’appréciation pour les cas particuliers, mais ils ne peuvent pas déroger aux règles institutionnelles sans validation administrative.

  • Rédiger la Partie Empirique (Résultats de Terrain) d’un Mémoire en 2026

    Rédiger la Partie Empirique (Résultats de Terrain) d’un Mémoire en 2026

    Rédiger la Partie Empirique (Résultats de Terrain) d’un Mémoire en 2026

    Vous avez collecté vos données, dépouillé vos entretiens ou vos questionnaires, et voilà que le curseur clignote devant une page blanche intitulée « Partie empirique ». La difficulté n’est pas le manque de matière : c’est l’inverse. Vous avez trop de données, trop d’envie de tout expliquer d’un coup, et vous ne savez plus où commence la description des faits et où commence votre interprétation. La partie empirique d’un mémoire répond justement à cette tension : elle exige de présenter des résultats de terrain de façon rigoureuse, organisée autour de vos questions de recherche, sans glisser prématurément vers l’analyse qui appartient au chapitre suivant.

    Ce chapitre concentre souvent le plus de pages du mémoire, car c’est là que se joue la valeur ajoutée de votre travail personnel : ce ne sont plus les auteurs que vous citez qui parlent, mais vos propres données. Un jury de soutenance juge en priorité la clarté de cette partie, bien avant la sophistication du cadre théorique.

    Réponse rapide : la partie empirique d’un mémoire présente les résultats bruts de votre collecte de terrain (entretiens, questionnaires, observations, corpus), organisés selon vos questions de recherche ou hypothèses, sans les interpréter. Structurez-la en sous-sections thématiques, appuyez-vous sur des tableaux et figures pour les données quantitatives et sur des extraits sélectionnés pour les données qualitatives, et réservez l’interprétation, la comparaison avec la littérature et la réponse à la problématique au chapitre discussion.

    Qu’est-ce que la partie empirique d’un mémoire ?

    La partie empirique — parfois appelée « partie pratique », « étude de terrain » ou simplement « chapitre résultats » selon les filières — est la section du mémoire où vous exposez ce que votre collecte de données a produit. Elle se distingue nettement de la partie théorique, qui mobilise la littérature existante pour construire votre cadre conceptuel et votre problématique, et du chapitre méthodologie, qui justifie les choix de collecte et d’analyse sans encore livrer les résultats eux-mêmes.

    Concrètement, cette partie répond à la question : « qu’ai-je observé, mesuré ou recueilli sur le terrain ? » Elle ne répond pas encore à la question « qu’est-ce que cela signifie ? », qui relève du chapitre suivant. Cette distinction, simple sur le papier, est la source numéro un des difficultés de rédaction : la tentation de commenter chaque résultat au fur et à mesure qu’on le présente est presque irrésistible, surtout quand on est plongé dans ses données depuis des semaines.

    Si vous rédigez en parallèle votre chapitre méthodologie, gardez en tête que ce dernier explique le « comment » (échantillon, outils, procédure), tandis que la partie empirique livre le « quoi » (les résultats obtenus grâce à cette procédure). Cette même distinction est développée plus en détail, tous champs disciplinaires confondus, dans notre guide sur la méthodologie de recherche (qualitatif, quantitatif et méthode mixte), qui précède logiquement la rédaction de ce chapitre.

    Vidéo : bien analyser et interpréter ses résultats de recherche pour la partie empirique, par Expertmemoire.

    Résultats et discussion : ne pas confondre les deux chapitres

    La plupart des guides méthodologiques français insistent sur une règle simple : les résultats doivent être présentés sans interprétation subjective, toute évaluation étant réservée à la section de discussion. Concrètement, dans le chapitre résultats, vous décrivez ; dans le chapitre discussion, vous expliquez, comparez et argumentez.

    Partie empirique (résultats) Discussion
    Décrit ce qui a été observé ou mesuré Explique pourquoi ces résultats apparaissent
    Organisée par question de recherche ou variable Organisée par argument ou fil interprétatif
    Peu ou pas de références à la littérature Dialogue constant avec le cadre théorique
    Ton neutre, factuel, au passé Ton argumentatif, nuancé, prudent

    Certaines disciplines, notamment en ethnographie ou en recherche qualitative très interprétative, fusionnent les deux chapitres en un seul « résultats-discussion ». Si votre directeur de mémoire valide cette option, adaptez la structure ci-dessous en conséquence — mais vérifiez d’abord que c’est bien la convention attendue dans votre UFR avant de vous en écarter. Pour approfondir la rédaction du chapitre qui suit celui-ci, l’article sur la rédaction de la discussion détaille comment articuler vos résultats avec la littérature existante.

    Structurer la partie empirique autour de vos questions de recherche

    La structure la plus lisible pour un jury n’est pas chronologique (« d’abord j’ai fait ceci, puis cela ») mais thématique : chaque sous-partie correspond à une question de recherche, une hypothèse ou une variable de votre problématique. Cette organisation facilite deux choses : la lecture par le jury, qui retrouve immédiatement la réponse à chaque question posée en introduction, et votre propre rédaction de la discussion, puisque chaque sous-partie « résultats » aura son pendant « discussion ».

    • Une introduction courte qui rappelle les questions de recherche et annonce le plan du chapitre.
    • Une sous-partie par question de recherche ou hypothèse, avec un intitulé qui reprend les termes de la problématique plutôt qu’un intitulé générique comme « Résultat 1 ».
    • Une synthèse de fin de chapitre qui récapitule brièvement les résultats principaux, sans encore les interpréter, pour préparer la transition vers la discussion.

    Si votre mémoire croise plusieurs sources de données (entretiens et questionnaire, par exemple), deux options s’offrent à vous : présenter les résultats source par source, puis proposer une synthèse croisée, ou bien organiser directement par question de recherche en croisant les sources à l’intérieur de chaque sous-partie. La seconde option, plus exigeante à rédiger, est généralement mieux perçue car elle démontre votre capacité à synthétiser plutôt qu’à juxtaposer.

    Illustration distinguant la présentation des résultats de terrain et leur interprétation en discussion
    Décrire dans les résultats, interpréter dans la discussion : la distinction la plus souvent négligée en rédaction de mémoire.

    Rédiger des résultats quantitatifs

    Pour des données quantitatives, la présentation privilégie les tableaux et les figures : ils permettent au lecteur de saisir en un coup d’œil une distribution, une corrélation ou une comparaison de moyennes, là où un paragraphe dense de chiffres serait illisible. La règle d’or reste néanmoins de ne jamais laisser un tableau ou une figure « parler seul » : chaque élément visuel doit être accompagné d’une phrase qui en indique le résultat principal, sans pour autant répéter chaque valeur du tableau dans le texte.

    Quelques conventions à respecter systématiquement :

    • Numérotez et titrez chaque tableau et chaque figure (Tableau 1, Figure 1…) et référencez-les explicitement dans le texte (« comme l’indique le Tableau 3… »).
    • Indiquez les effectifs (n), les unités de mesure et, le cas échéant, le seuil de significativité retenu pour vos tests statistiques.
    • Restez descriptif : « les répondants de moins de 25 ans déclarent un score moyen de X » plutôt que « cela prouve que les jeunes sont plus… », qui relève déjà de l’interprétation.

    Pour le détail de la mise en forme des tableaux et graphiques (légendes, numérotation APA, choix entre tableau et figure), consultez le guide dédié sur la présentation des résultats en tableaux et figures. Si vous devez encore construire votre protocole de collecte quantitative, l’article sur la méthodologie quantitative couvre l’échantillonnage et le choix des tests statistiques en amont.

    Rédiger des résultats qualitatifs

    Pour des données qualitatives issues d’entretiens, d’observations ou de corpus documentaires, la présentation s’appuie davantage sur le texte et les extraits sélectionnés que sur les chiffres. L’enjeu principal est de trouver l’équilibre entre l’exhaustivité (montrer que votre analyse s’appuie réellement sur les données) et la lisibilité (ne pas noyer le lecteur sous des pages de verbatims).

    Une méthode efficace consiste à structurer chaque sous-partie autour d’un thème ou d’une catégorie issue de votre grille d’analyse, puis à illustrer chaque thème par deux ou trois extraits représentatifs — pas plus — en indiquant la source de façon anonymisée (« Participant 4, entretien du [date] »). Les verbatims plus longs ou moins centraux peuvent être renvoyés en annexe, avec un renvoi explicite dans le texte.

    Si vous n’avez pas encore finalisé votre grille d’analyse thématique, l’article sur l’analyse de contenu thématique d’un entretien détaille la démarche étape par étape, du codage initial à la catégorisation finale — une étape qui doit précéder la rédaction de cette partie du mémoire.

    Attention à un piège fréquent en rédaction qualitative : citer un verbatim, puis enchaîner directement sur son interprétation dans la même phrase. Préférez séparer clairement l’extrait (résultat) de son sens possible (qui appartient à la discussion), même si cela implique une légère répétition entre les deux chapitres.

    Le style d’écriture attendu

    Le registre de la partie empirique diffère sensiblement de celui de la partie théorique. Quelques repères utiles :

    • Le temps verbal : le passé composé ou l’imparfait dominent, puisque vous rapportez une collecte déjà réalisée (« les participants ont déclaré… », « le questionnaire a été rempli par… »).
    • La voix : la voix passive ou les tournures impersonnelles restent courantes dans les disciplines les plus formalisées (« il a été observé que… »), tandis que les sciences humaines et sociales acceptent de plus en plus le « je » assumé pour les choix d’analyse.
    • La neutralité lexicale : évitez les adjectifs à connotation évaluative (« un résultat surprenant », « un score décevant ») qui trahissent une interprétation implicite. Préférez des formulations factuelles (« un score de X, inférieur à Y »).
    • La cohérence avec le plan annoncé : chaque sous-partie doit correspondre à une question ou une hypothèse annoncée dans l’introduction du mémoire, sans en ajouter de nouvelles en cours de route.

    Les erreurs fréquentes à éviter

    Certaines erreurs reviennent systématiquement dans les parties empiriques relues en pré-soutenance :

    • Mélanger résultats et discussion : le réflexe le plus courant, qui oblige souvent à réécrire des paragraphes entiers une fois qu’on prend conscience de la confusion.
    • Présenter des résultats sans lien explicite avec la problématique : un jury attend de retrouver, sous-partie par sous-partie, une réponse directe aux questions posées en introduction.
    • Surcharger le texte de tableaux non commentés, ou à l’inverse noyer le lecteur sous des paragraphes de chiffres sans aucun support visuel.
    • Citer des verbatims trop longs qui diluent le propos au lieu de l’illustrer.
    • Passer sous silence les résultats qui n’ont pas confirmé l’hypothèse de départ. Un résultat négatif ou inattendu reste un résultat scientifiquement valable ; le taire fragilise la crédibilité de tout le mémoire.

    Exemple de plan type

    Voici un exemple de structure adaptable à la plupart des mémoires en sciences humaines et sociales, à ajuster selon votre discipline et les consignes de votre établissement :

    1. Introduction du chapitre (rappel des questions de recherche, annonce du plan)
    2. Résultats relatifs à la première question de recherche / hypothèse
    3. Résultats relatifs à la deuxième question de recherche / hypothèse
    4. Résultats relatifs à la troisième question de recherche / hypothèse (etc.)
    5. Synthèse des résultats principaux (sans interprétation)

    Chaque sous-partie numérotée 2 à 4 peut elle-même se subdiviser en sous-sous-parties si plusieurs indicateurs ou sources de données concourent à répondre à la même question.

    Questions fréquentes

    Quelle est la différence entre la partie empirique et la partie théorique d’un mémoire ?

    La partie théorique mobilise la littérature existante pour construire un cadre conceptuel, tandis que la partie empirique présente les données que vous avez vous-même collectées sur le terrain (entretiens, questionnaire, observation, corpus documentaire) et les résultats qui en découlent.

    Faut-il interpréter les résultats dans la partie empirique ?

    Non, ou le moins possible. Le chapitre résultats doit rester descriptif et factuel. L’interprétation, la mise en relation avec la littérature et la réponse à la problématique relèvent du chapitre discussion, sauf si votre directeur de mémoire valide un chapitre unique résultats-discussion.

    Combien de pages doit faire la partie empirique d’un mémoire ?

    Il n’existe pas de norme unique : cela dépend de la discipline, du nombre de données collectées et des consignes de votre établissement. C’est en général la section la plus volumineuse du mémoire, car elle contient les tableaux, extraits d’entretiens et analyses détaillées. Consultez le guide méthodologique de votre UFR pour connaître les attentes précises.

    Comment présenter des résultats qualitatifs sans citer tous les verbatims ?

    Sélectionnez les extraits les plus représentatifs de chaque thème identifié, regroupez-les par catégorie dans un tableau de synthèse, et renvoyez les verbatims exhaustifs en annexe plutôt que de les citer intégralement dans le corps du texte.

    Peut-on utiliser le « je » en rédigeant la partie empirique ?

    Cela dépend des conventions de votre discipline et de votre directeur de mémoire. Les sciences humaines et sociales tolèrent de plus en plus le « je » pour les choix méthodologiques assumés, tandis que les disciplines plus formalisées préfèrent le « nous » de modestie ou des tournures impersonnelles.

    Que faire si mes résultats ne confirment pas mon hypothèse de départ ?

    Présentez-les tels quels dans le chapitre résultats, sans les déformer ni les minimiser. Un résultat qui infirme une hypothèse est un résultat scientifiquement valable : c’est dans la discussion que vous expliquerez les raisons possibles de cet écart.

    En résumé

    La partie empirique d’un mémoire se construit autour d’un principe simple mais exigeant : décrire vos résultats de terrain avec précision, les organiser selon vos questions de recherche, et résister à la tentation de les interpréter avant l’heure. Une fois cette discipline acquise — appuyée sur des tableaux clairs pour le quantitatif et des extraits ciblés pour le qualitatif — la rédaction du chapitre discussion qui suit devient nettement plus fluide, puisque vous n’aurez plus qu’à donner du sens à des résultats déjà solidement posés.

  • Journal de Bord de Recherche pour son Mémoire : Méthode et Types de Notes (2026)

    Journal de Bord de Recherche pour son Mémoire : Méthode et Types de Notes (2026)

    Journal de Bord de Recherche pour son Mémoire : Méthode et Types de Notes (2026)

    Un journal de bord de recherche est le carnet, physique ou numérique, dans lequel un chercheur consigne au fil de l’eau ses décisions méthodologiques, ses observations de terrain et ses réflexions sur sa propre posture. Pour un étudiant en master, tenir ce journal dès le premier entretien exploratoire change directement la qualité du chapitre méthodologie : sans traces datées de ce qui a été décidé et pourquoi, il devient impossible de justifier a posteriori un choix de terrain, un changement de grille d’entretien ou l’arrêt de la collecte de données.

    Ce carnet n’a rien d’un accessoire optionnel réservé aux doctorants. Les chercheurs habitués à la recherche qualitative considèrent sa tenue régulière comme un impératif méthodologique plutôt que comme une option, précisément parce qu’il permet de retracer, mois après mois, l’évolution du regard porté sur le terrain — ce qui constitue la base de toute démarche réflexive crédible face à un jury.

    Ce guide explique ce qu’est un journal de bord de recherche, distingue les quatre types de notes qu’il doit contenir, propose une structure concrète à adopter dès le début du mémoire et montre comment ce matériau nourrit directement la rédaction du chapitre méthodologie et la défense de la validité de la recherche en soutenance.

    En bref — Le journal de bord de recherche consigne quatre types de notes : descriptives (ce qui s’est passé), méthodologiques (pourquoi tel choix technique), théoriques (liens émergents avec la littérature) et personnelles ou réflexives (réactions, biais possibles). Tenu dès le premier contact de terrain et daté systématiquement, il devient la source principale pour justifier vos décisions méthodologiques en soutenance et pour construire un chapitre méthodologie crédible aux yeux du jury.

    Qu’est-ce qu’un journal de bord de recherche ?

    Le journal de bord — parfois appelé carnet de terrain ou carnet de recherche selon les disciplines — est un document continu dans lequel le chercheur note ce qu’il observe, ce qu’il décide et ce qu’il ressent au fil de sa collecte de données. Il se distingue des notes de terrain au sens strict (qui décrivent uniquement les événements observés) en ce qu’il intègre également la dimension méthodologique et la dimension réflexive du travail de recherche.

    Selon la synthèse proposée par le Centre de recherche interuniversitaire sur la formation et la profession enseignante (CRIRES) de l’Université Laval, le journal de bord permet de « garder une trace des décisions et réflexions qui jalonnent le parcours de recherche ». Cette fonction de mémoire externe est ce qui distingue un mémoire dont la méthodologie est défendable d’un mémoire où les choix semblent arbitraires ou reconstruits après coup pour satisfaire le jury.

    Dans une démarche de recherche qualitative, où le chercheur est lui-même l’instrument principal de collecte (entretiens, observation, immersion), le journal de bord joue un rôle équivalent à celui du protocole standardisé en recherche quantitative : il documente la procédure suivie et la rend vérifiable.

    Pourquoi et comment tenir un journal de recherche — source : Methodo Recherche (YouTube).

    Pourquoi le journal de bord conditionne la crédibilité du mémoire

    Trois arguments justifient d’en faire une pratique systématique dès le début du travail de terrain, et non un exercice rétrospectif rédigé juste avant le dépôt du mémoire.

    Il rend la démarche réflexive vérifiable

    La réflexivité — c’est-à-dire la capacité du chercheur à interroger sa propre influence sur les données qu’il produit — est attendue dans tout mémoire qualitatif, mais elle ne peut être évaluée par un jury que si elle s’appuie sur des traces concrètes. Un paragraphe de réflexivité écrit de mémoire six mois après la dernière observation de terrain a beaucoup moins de valeur méthodologique qu’un paragraphe qui cite littéralement une entrée datée du journal de bord.

    Il documente les décisions prises en cours de route

    Un projet de recherche évolue rarement exactement comme prévu dans le protocole initial : un thème émerge de façon imprévue lors d’un entretien, une grille doit être ajustée, un terrain se révèle moins accessible que prévu. Le journal de bord permet de dater et de justifier chaque ajustement, ce qui devient une ressource précieuse au moment de rédiger la section « limites » et la section « choix méthodologiques » du mémoire.

    Il alimente directement l’analyse

    Les notes théoriques consignées en cours de collecte — hypothèses émergentes, liens avec un concept de la littérature, questions à approfondir — accélèrent considérablement la phase d’analyse. Elles évitent de repartir de zéro face à un corpus d’entretiens transcrits plusieurs semaines après leur réalisation, quand le contexte de chaque échange s’est déjà estompé.

    Les quatre types de notes à consigner

    La littérature méthodologique francophone distingue classiquement quatre catégories de notes à faire cohabiter dans un même journal, quitte à les distinguer visuellement (couleur, tag, ou colonne séparée dans un tableau).

    Type de note Contenu Exemple de déclencheur
    Descriptive / observationnelle Ce qui s’est objectivement passé : date, lieu, durée, contexte, comportements observés Après chaque entretien ou séance d’observation
    Méthodologique Décisions techniques et leur justification : modification d’une question, choix d’un mode d’échantillonnage, incident logistique Tout écart par rapport au protocole initial
    Théorique Liens émergents avec des concepts ou des auteurs, hypothèses provisoires à vérifier plus tard Un motif qui revient dans plusieurs entretiens
    Personnelle / réflexive Réactions émotionnelles, malaise, empathie, fatigue, biais possibles liés à la position du chercheur Après un entretien sensible ou difficile

    Ce que rappelle la revue Recherches Qualitatives, régulièrement citée dans les mémoires francophones en sciences humaines et sociales, c’est que ces quatre types de notes ne doivent pas être noyés dans un même bloc de texte continu : les séparer facilite considérablement leur relecture au moment de rédiger le chapitre méthodologie, plusieurs mois plus tard.

    Carnet de recherche ouvert avec annotations représentant les quatre types de notes du journal de bord
    Un journal de bord structuré distingue visuellement notes descriptives, méthodologiques, théoriques et réflexives.

    Comment structurer concrètement son journal

    La forme matérielle du journal importe moins que sa régularité, mais quelques choix pratiques évitent qu’il ne devienne inutilisable au moment de la rédaction.

    Papier ou numérique

    Un carnet papier garde l’avantage de la spontanéité pendant une observation de terrain où sortir un ordinateur romprait l’interaction. Un outil numérique (traitement de texte structuré, tableur ou application de prise de notes) facilite en revanche la recherche par mot-clé une fois le corpus volumineux — un critère décisif dès qu’un mémoire dépasse une dizaine d’entretiens.

    Une entrée systématique après chaque contact de terrain

    La règle la plus simple à tenir est la suivante : aucune séance de collecte (entretien, observation, consultation d’archives) ne se termine sans une entrée correspondante dans le journal, rédigée si possible dans les heures qui suivent, avant que les détails contextuels ne s’estompent.

    Un en-tête fixe pour chaque entrée

    Un format simple et reproductible aide à ne rien oublier : date, durée, lieu, participant ou source concernée, puis les quatre blocs (descriptif, méthodologique, théorique, réflexif) même si l’un d’eux reste vide ce jour-là. Cette régularité de forme est ce qui permet, des semaines plus tard, de relire rapidement des dizaines d’entrées sans devoir tout reparcourir.

    Du journal de bord au chapitre méthodologie

    Le journal de bord n’est pas un exercice isolé : il constitue la matière première du chapitre méthodologie. Au moment de rédiger la méthodologie du mémoire, les entrées méthodologiques permettent de reconstituer avec précision la chronologie réelle des choix — bien plus fidèlement qu’une mémoire reconstruite a posteriori qui tend à lisser les hésitations et les ajustements réellement survenus.

    De la même façon, si votre mémoire repose sur des entretiens semi-directifs, les notes prises immédiatement après chaque entretien (avant la transcription complète) constituent souvent la première strate d’analyse : elles capturent des observations sur le non-verbal, l’ambiance de l’échange ou une hésitation du participant, des éléments qui n’apparaissent pas toujours dans une simple retranscription.

    Pour aller plus loin sur la construction de la grille elle-même et l’analyse des échanges, notre guide complémentaire sur la méthode, le guide d’entretien et l’analyse des entretiens semi-directifs détaille comment préparer les entretiens qui alimenteront ensuite vos entrées de journal de bord.

    Journal de bord, triangulation et saturation

    Le journal de bord s’articule directement avec deux autres piliers de la validité en recherche qualitative déjà traités sur ce site.

    D’une part, il nourrit la triangulation des données : en documentant systématiquement les sources consultées et les moments de collecte, il facilite la mise en regard de plusieurs matériaux (entretiens, observations, documents) pour vérifier la convergence ou la divergence des résultats.

    D’autre part, les notes théoriques consignées au fil des entretiens sont l’indicateur le plus concret pour juger du moment où la saturation théorique est atteinte : si le journal montre que les trois ou quatre derniers entretiens n’ont plus fait émerger de note théorique nouvelle, c’est un argument méthodologique solide, daté et vérifiable, pour justifier l’arrêt de la collecte devant un jury.

    Ce lien entre journal de bord et posture épistémologique mérite également d’être explicité : la façon dont vous consignez vos réflexions personnelles dépend directement de votre posture épistémologique — un chercheur interprétativiste assumera plus explicitement sa subjectivité dans les notes réflexives qu’un chercheur se réclamant d’une posture plus positiviste.

    Erreurs fréquentes à éviter

    • Commencer le journal trop tard. Attendre d’avoir réalisé plusieurs entretiens avant de commencer à tenir un journal fait perdre irrémédiablement les observations les plus fraîches, souvent les plus riches.
    • Mélanger sans distinction les quatre types de notes. Un bloc de texte unique, non structuré, devient très difficile à exploiter plusieurs mois plus tard au moment de rédiger la méthodologie.
    • Ne consigner que le factuel. Omettre systématiquement les notes réflexives et personnelles prive le mémoire d’un matériau essentiel pour la partie sur les limites et la réflexivité du chercheur.
    • Rédiger les entrées plusieurs jours après la séance de terrain. Le délai fait perdre des détails contextuels difficiles à reconstituer ensuite, en particulier ceux qui ne sont pas capturés par l’enregistrement audio d’un entretien.
    • Considérer le journal comme confidentiel et non citable. Certains jurys demandent explicitement à consulter des extraits du journal de bord en annexe ou lors de la soutenance ; un journal négligé peut alors devenir un point faible visible.

    Exemple illustratif d’entrée de journal

    L’extrait ci-dessous est une illustration fictive destinée à montrer la structure recommandée ; il ne provient d’aucun mémoire réel.

    Date : 14 mars 2026 — Contexte : Entretien n°6, participante enseignante en collège, 52 minutes, salle des professeurs

    Descriptif : Entretien mené juste après la pause déjeuner ; la participante semblait pressée en début d’échange puis s’est détendue après la question 3.

    Méthodologique : Ajout d’une relance non prévue sur la charge administrative, absente de la grille initiale, car le thème est revenu spontanément lors des deux entretiens précédents.

    Théorique : Le motif de la « surcharge invisible » recoupe ce que plusieurs auteurs qualifient de travail émotionnel non reconnu — à vérifier dans la littérature sur la charge mentale enseignante.

    Réflexif : Je me suis surpris à orienter légèrement une relance vers une réponse que j’anticipais ; à surveiller pour les prochains entretiens.

    FAQ

    Le journal de bord est-il obligatoire dans un mémoire de master ?

    Il n’est généralement pas exigé formellement par les maquettes de master, mais il est fortement recommandé dès qu’un mémoire repose sur une méthodologie qualitative (entretiens, observation, ethnographie). De nombreux directeurs de mémoire le demandent implicitement en exigeant une justification détaillée des choix méthodologiques, ce qui est impossible sans traces datées.

    Faut-il joindre le journal de bord en annexe du mémoire ?

    Cela dépend des consignes de l’établissement. À défaut d’obligation, il est utile d’inclure quelques extraits représentatifs en annexe et de mentionner explicitement, dans le chapitre méthodologie, que le journal complet a été tenu et reste disponible sur demande du jury.

    Quelle est la différence entre journal de bord et notes de terrain ?

    Les notes de terrain se limitent le plus souvent à la description factuelle de ce qui a été observé pendant une séance de collecte. Le journal de bord est plus large : il englobe les notes de terrain descriptives, mais y ajoute les notes méthodologiques, théoriques et réflexives sur l’ensemble du parcours de recherche.

    Peut-on tenir un journal de bord pour un mémoire quantitatif ?

    Oui, même si son usage est moins systématisé dans la littérature quantitative. Un chercheur qui construit un questionnaire, gère une base de données ou nettoie un jeu de données statistiques a également intérêt à documenter ses décisions (recodages de variables, exclusions de répondants, choix de tests) pour pouvoir les justifier en soutenance.

    Combien de temps par jour faut-il consacrer au journal de bord ?

    Il n’existe pas de durée standard : l’essentiel est la régularité plutôt que la longueur. Une entrée de quelques paragraphes rédigée immédiatement après chaque séance de terrain suffit largement ; mieux vaut une entrée courte et systématique qu’une entrée longue mais occasionnelle.

    Le journal de bord peut-il servir de preuve en cas de contestation de la méthodologie ?

    Oui. Face à une question de jury sur un choix méthodologique surprenant (abandon d’un terrain, modification d’une grille, arrêt de la collecte à un nombre d’entretiens donné), pouvoir citer une entrée datée du journal de bord constitue l’argument le plus solide, bien plus convaincant qu’une justification improvisée en soutenance.