Combien de personnes faut-il interroger pour un mémoire : taille d’échantillon qualitatif vs quantitatif (2026) ?
La taille d’échantillon pour un mémoire est l’une des questions que les étudiants de master posent le plus souvent — et l’une des plus mal traitées. Un chiffre isolé n’a aucune valeur sans sa logique : ni « 30 personnes minimum » ni « autant que vous pouvez » ne constituent une justification recevable devant un jury. Ce guide répond aux questions précises que vous vous posez, que votre démarche soit qualitative, quantitative ou mixte.
Chaque question ci-dessous est construite pour être autonome : vous pouvez y aller directement selon ce que vous cherchez. Les recommandations s’appuient sur les standards méthodologiques reconnus en France et en Europe en 2026.
Combien d’entretiens faut-il pour un mémoire qualitatif ?
La réponse dépend moins d’un chiffre cible que du critère de saturation théorique (voir section suivante). Cela dit, les fourchettes retenues dans la littérature méthodologique francophone convergent autour de 8 à 15 entretiens pour un mémoire de master réalisé sur un périmètre délimité.
Guest, Bunce et Johnson (2006) ont montré que les thèmes principaux émergent généralement après 6 entretiens dans un corpus homogène, et que l’essentiel du contenu analytique est capturé avant le 12e entretien. Pour un terrain plus hétérogène — plusieurs profils d’acteurs, contextes organisationnels contrastés — il est raisonnable de viser entre 15 et 25 entretiens. Au-delà, chaque entretien supplémentaire apporte des informations marginales décroissantes pour un mémoire de niveau M2.
- Terrain homogène, un seul profil : 8 à 12 entretiens
- Terrain moyennement varié, 2-3 profils : 12 à 20 entretiens
- Terrain hétérogène, exploration large : 20 à 30 entretiens
Pour approfondir la conduite d’un entretien semi-directif — guide de questions, posture, retranscription — consultez notre article Entretien semi-directif : guide complet pour mémoire 2026.
Qu’est-ce que la saturation théorique et comment la constater ?
La saturation théorique désigne le moment à partir duquel de nouveaux entretiens ou observations ne génèrent plus de nouveaux codes, thèmes ou catégories analytiques. C’est le critère de clôture légitime en recherche qualitative, issu des travaux de Glaser et Strauss sur la théorie ancrée.
Concrètement, on parle de saturation lorsque les trois derniers entretiens consécutifs n’apportent aucun élément inédit à vos catégories d’analyse. Pour le mémoire de master, il suffit de documenter ce processus dans la section méthodologique : noter après chaque entretien les nouveaux thèmes apparus et montrer graphiquement ou textuellement l’inflexion de la courbe. Le jury appréciera cette rigueur plutôt qu’un chiffre brut.
Scribbr propose une définition détaillée et des exemples pratiques de la saturation des données adaptés au contexte académique francophone.
Quelle taille d’échantillon pour un mémoire quantitatif ?
Le seuil minimal en recherche quantitative varie selon le test statistique utilisé, pas selon un chiffre arbitraire. Voici les repères généralement retenus :
- Test t de Student (comparaison de deux groupes) : minimum 30 observations par groupe pour que la distribution de l’échantillonnage soit approximativement normale (théorème central limite).
- ANOVA à un facteur : 20 à 30 observations par modalité.
- Régression linéaire multiple : règle de 10 observations par prédicteur — soit 50 minimum pour un modèle à 5 variables.
- Questionnaire descriptif (pas de test inférentiel) : 30 répondants constituent un plancher acceptable en master, mais 80 à 100 permettent des croisements plus fiables.
- Analyse factorielle exploratoire : minimum 100 répondants, idéalement 200.
Pour un mémoire en sciences humaines et sociales, une cible de 80 à 150 répondants est couramment jugée suffisante par les jurys de master français, à condition de bien délimiter la population de référence et de préciser la marge d’erreur acceptée.
Faut-il utiliser une formule pour calculer la taille d’échantillon ?
Oui, dès lors que vous revendiquez une inférence statistique — c’est-à-dire que vous souhaitez généraliser vos résultats à une population plus large. La formule la plus utilisée en master est celle de Cochran (1977) pour les proportions :
Où :
- z = valeur z correspondant au niveau de confiance choisi (1,96 pour 95 %)
- p = proportion estimée dans la population (0,5 en l’absence d’estimation préalable — valeur maximisant la taille)
- e = marge d’erreur acceptable (0,05 pour ±5 %)
Avec ces valeurs standard, le résultat est n ≈ 384 — ce qui dépasse largement les capacités d’un étudiant en master. C’est précisément pourquoi les mémoires de niveau M1/M2 ne visent pas la représentativité statistique stricte : ils appliquent un échantillonnage de convenance ou raisonné et l’assument explicitement.
En pratique, indiquez simplement la marge d’erreur obtenue a posteriori avec votre échantillon réel. Avec 80 répondants sur une population indéfinie, la marge d’erreur est d’environ ±11 % à 95 % de confiance — ce que vous pouvez mentionner comme limite assumée.
Faut-il un échantillon représentatif au niveau master ?
Non, et c’est une confusion fréquente. La représentativité statistique implique un tirage aléatoire à partir d’un fichier exhaustif de la population — une condition que très peu de mémoires de master peuvent satisfaire. Les jurys le savent et ne l’attendent pas.
Ce que les membres du jury évaluent, c’est la cohérence entre l’objectif de la recherche, le mode d’échantillonnage choisi et les limites déclarées. Un échantillon non représentatif mais rigoureusement construit — avec des critères d’inclusion et d’exclusion explicites, un profil des participants, une réflexion sur la saturation — est beaucoup plus valorisé qu’un échantillon de 200 personnes sans justification.
Pour comprendre comment articuler cette justification dans votre chapitre méthodologique, lisez notre guide Justifier le choix de sa méthodologie dans un mémoire 2026.
Échantillon de convenance ou probabiliste : lequel choisir ?
Les deux types répondent à des logiques différentes. Le choix doit découler de votre question de recherche, pas de la facilité d’accès.
Échantillonnage probabiliste : chaque membre de la population a une probabilité connue et non nulle d’être sélectionné. Il permet l’inférence statistique et le calcul de marges d’erreur. Il requiert un cadre d’échantillonnage (liste, base de données) et est rarement faisable en master.
Échantillonnage non probabiliste (convenance, raisonné, boule de neige) : il ne permet pas d’extrapoler les résultats à la population entière, mais il est tout à fait légitime pour explorer un phénomène, tester un instrument ou comprendre des logiques d’acteurs. En master, c’est la norme.
Scribbr présente un panorama complet des techniques d’échantillonnage en recherche académique, avec des exemples pour chaque type.
Pour un mémoire en méthode mixte — entretiens et questionnaire combinés — référez-vous à notre analyse Méthode qualitative ou quantitative pour un mémoire de master : comment choisir en 2026.
Comment justifier la taille de son échantillon au jury ?
La justification de la taille d’échantillon s’insère dans la section méthodologique et doit aborder quatre points :
- La population cible : qui est concerné par votre question de recherche ? Délimitez-la précisément (ex. : cadres intermédiaires d’entreprises de plus de 250 salariés en Île-de-France).
- Le mode d’échantillonnage : nommez-le explicitement (raisonné, boule de neige, systématique…) et expliquez pourquoi il est adapté à votre terrain.
- Le critère de clôture : en qualitatif, c’est la saturation théorique ; en quantitatif, c’est la taille calculée ou la contrainte de terrain assumée.
- Les limites : précisez ce que votre échantillon ne vous permet pas de conclure. Cette honnêteté est valorisée, non pénalisée.
Tesify propose un assistant IA qui vous aide à rédiger ce passage méthodologique en quelques minutes et à le formuler dans le style académique attendu par les universités françaises. Essayez Tesify gratuitement.
Tableau comparatif : méthode, taille recommandée, justification
| Méthode | Taille recommandée (master M2) | Critère de justification |
|---|---|---|
| Entretiens semi-directifs | 8 à 15 | Saturation théorique |
| Focus groups | 3 à 5 groupes (6-8 pers./groupe) | Saturation + diversification des groupes |
| Questionnaire descriptif | 80 à 150 | Marge d’erreur déclarée |
| Test t / ANOVA | 30 minimum par groupe | Puissance statistique (β > 0,80) |
| Régression multiple | 10× le nombre de prédicteurs | Règle empirique + analyse de puissance |
| Analyse factorielle | 100 à 200 | Ratio items/participants ≥ 5:1 |
| Étude de cas unique | 1 cas (organisation, individu) | Richesse et profondeur — logique idiographique |
Sources : Cochran (1977), Guest et al. (2006), Hair et al. (2019), Cohen (1988). Ces fourchettes sont des références méthodologiques courantes en SHS ; elles s’adaptent à votre discipline et à votre cadre universitaire.
FAQ — Taille d’échantillon pour un mémoire (2026)
Peut-on soutenir un mémoire avec seulement 5 entretiens ?
Oui, si la saturation théorique est atteinte et justifiée. Cinq entretiens très riches sur un terrain homogène peuvent suffire, à condition de documenter explicitement le processus de saturation et de délimiter strictement la portée des conclusions. Ce n’est pas le nombre qui valide, c’est le critère de clôture.
30 répondants suffisent-ils vraiment pour un questionnaire de mémoire ?
30 répondants constituent le minimum pour des tests paramétriques simples (test t, chi²), en vertu du théorème central limite. Pour des analyses multivariées ou des croisements entre sous-groupes, visez 80 à 150. En dessous de 30, les résultats sont trop peu stables pour être interprétés avec confiance.
Faut-il mentionner la marge d’erreur dans un mémoire de master ?
C’est fortement recommandé si votre démarche est quantitative. Indiquer la marge d’erreur (ex. : ±11 % à 95 % de confiance avec 80 répondants) montre que vous connaissez les limites de votre échantillon et que vous ne surinterprétez pas vos données. Cela renforce votre crédibilité devant le jury.
La boule de neige est-elle acceptable comme méthode d’échantillonnage ?
Oui, notamment quand la population est difficile d’accès (ex. : professionnels de niche, personnes ayant vécu un événement spécifique). Précisez dans votre méthodologie comment vous avez lancé la chaîne de recrutement, combien de degrés de séparation sont intervenus et les biais potentiels de surreprésentation de certains profils.
Comment calculer la taille d’échantillon avec la formule de Cochran ?
Utilisez n = (z² × p × (1−p)) / e². Avec z = 1,96 (confiance 95 %), p = 0,5 et e = 0,05 (marge ±5 %), vous obtenez n ≈ 384. Pour une marge de ±10 %, n ≈ 97. Cette formule s’applique aux populations larges ; pour une population finie (N connu), appliquez la correction n_ajusté = n / (1 + (n−1)/N).
Un jury peut-il rejeter un mémoire pour un échantillon trop petit ?
Rarement, si les limites sont clairement reconnues. Les membres du jury savent que les contraintes de terrain limitent les effectifs en master. Ce qu’ils sanctionnent, c’est la prétention à une généralisation non justifiée. Un petit échantillon bien défendu vaut toujours mieux qu’un grand échantillon sans réflexion méthodologique.
Combien de participants faut-il pour une étude de cas en mémoire ?
L’étude de cas fonctionne avec un seul cas (organisation, événement, individu) analysé en profondeur. Le nombre de participants à l’intérieur du cas dépend de votre protocole : entretiens multiples, observation, documents. La logique est idiographique — comprendre ce cas précis — et non généraliser statistiquement. Un cas unique bien documenté constitue une contribution scientifique reconnue.
Comment justifier une taille d’échantillon de convenance à la soutenance ?
Expliquez : (1) pourquoi un échantillon probabiliste n’était pas faisable, (2) les critères d’inclusion et d’exclusion que vous avez appliqués, (3) comment vous avez diversifié les profils pour limiter les biais, (4) ce que vous ne pouvez pas conclure et pourquoi. Cette transparence transforme une contrainte en démonstration de maturité méthodologique.
Quelle taille d’échantillon pour une échelle de Likert dans un mémoire ?
Pour tester la fiabilité d’une échelle (alpha de Cronbach), un minimum de 30 à 50 répondants est généralement requis. Pour valider une structure factorielle (analyse en composantes principales), comptez au moins 5 répondants par item, avec un plancher de 100. Pour en savoir plus, consultez notre guide Construire une échelle de Likert valide pour son mémoire 2026.
Quelle est la différence entre taille d’échantillon et puissance statistique ?
La puissance statistique (1−β) est la probabilité que votre test détecte un effet réel s’il existe. Elle dépend à la fois de la taille de l’échantillon, de la taille de l’effet attendu et du seuil de signification α. Une puissance de 0,80 (soit 80 %) est le standard minimal en sciences sociales. Utilisez le logiciel G*Power (gratuit) pour calculer la taille d’échantillon nécessaire à partir de la puissance souhaitée et de l’effet attendu.
Rédigez votre partie méthodologique avec Tesify
Justifier la taille de votre échantillon, rédiger les limites de votre recherche, formuler vos critères d’inclusion : Tesify vous accompagne sur chaque passage délicat de votre mémoire. L’IA est entraînée sur les standards méthodologiques des universités françaises.
Leave a Reply