Plan inter-sujets vs plan intra-sujets

Dans le champ de la recherche expérimentale et des sciences quantitatives — qu’il s’agisse de la psychologie cognitive, des neurosciences comportementales, de la recherche biomédicale, de l’ergonomie ou des sciences de gestion — l’architecture méthodologique constitue le socle sur lequel repose l’intégralité de la validité inférentielle. Dès lors qu’un chercheur formule une hypothèse causale visant à déterminer si la manipulation d’une variable indépendante engendre une modification systématique d’une variable dépendante, une question d’ingénierie expérimentale prévaut sur toutes les autres : comment exposer l’échantillon d’observation aux différentes modalités expérimentales ? Cette interrogation matricielle donne naissance à la confrontation la plus classique et la plus déterminante de l’expérimentation scientifique : l’arbitrage entre le plan inter-sujets (ou devis à groupes indépendants) et le plan intra-sujets (ou devis à mesures répétées).

Le choix d’un devis de recherche ne se résume nullement à une simple préférence logistique ou à un compromis de gestion d’échantillon. Il engage des conséquences profondes sur la structure mathématique des données collectées, sur la partition de la variance, sur la puissance statistique des tests d’hypothèses, ainsi que sur la vulnérabilité intrinsèque du protocole face aux divers biais méthodologiques. Sélectionner un plan inadapté aux propriétés de la manipulation expérimentale peut conduire soit à l’engloutissement d’un effet réel sous le bruit de fond de la variabilité interindividuelle, soit à la génération d’artéfacts expérimentaux majeurs causés par des effets d’ordre, d’apprentissage ou de contamination temporelle, ruinant ainsi toute prétention à la validité interne.

Cet article propose une analyse comparative, théorique et pratique de ces deux paradigmes expérimentaux. À travers un examen approfondi de leurs fondements épistémologiques, de leurs propriétés statistiques formelles, de leurs vulnérabilités respectives et des mécanismes de remédiation appropriés, nous fournirons aux chercheurs et méthodologistes un guide d’arbitrage exhaustif. L’objectif est d’expliciter avec la plus grande rigueur technique les conditions sous lesquelles chaque devis maximise la détection du signal expérimental tout en protégeant les conclusions scientifiques contre les menaces d’invalidité conceptuelle.

1. Introduction à l’expérimentation : la dichotomie fondamentale des devis de recherche

1.1 Définition conceptuelle et contextualisation épistémologique

Les devis de recherche expérimentaux constituent les matrices structurelles qui opérationnalisent la méthode scientifique dans le cadre de la vérification d’hypothèses causales. D’un point de vue épistémologique, l’expérimentation se distingue de la simple observation par l’intervention active du chercheur, qui manipule délibérément une ou plusieurs variables indépendantes (VI) tout en maintenant constants les facteurs tiers, afin d’en évaluer l’impact sur une ou plusieurs variables dépendantes (VD). Cette logique causale, héritée des canons inductifs de John Stuart Mill — et plus particulièrement de la méthode de différence —, postule que si deux situations ne diffèrent que par un seul facteur et qu’un phénomène apparaît dans l’une et non dans l’autre, ce facteur distinctif constitue l’effet, la cause ou une part indispensable de la cause dudit phénomène.

Au cœur de cette démarche, la distribution des unités d’observation — généralement des participants humains ou des modèles animaux — impose une bifurcation architecturale irréductible. D’une part, le plan inter-sujets (souvent désigné sous le terme anglo-saxon de between-subjects design ou plan à groupes indépendants) repose sur le principe de l’exclusion mutuelle : chaque participant n’est assigné qu’à un seul et unique niveau de la variable indépendante. La comparaison de l’effet s’effectue donc transversalement, en confrontant les performances moyennes ou les distributions observées entre des groupes physiquement distincts d’individus. D’autre part, le plan intra-sujets (désigné sous les termes de within-subjects design, plan à mesures répétées ou plan à mesures appariées) repose sur l’exposition séquentielle de chaque sujet à l’ensemble des modalités de la variable indépendante. Dans ce cadre, la comparaison s’effectue de manière longitudinale ou intra-individuelle : chaque sujet devient son propre témoin de référence, et la mesure de l’effet causal réside dans la variation différentielle observée au sein des mêmes individus au fil des différentes conditions expérimentales.

Le rôle de la variable indépendante et son mode d’assignation méthodologique gouvernent cette dichotomie. Lorsqu’un facteur ne peut logiquement ou déontologiquement être manipulé qu’en divisant les participants en entités distinctes, il détermine structurellement un devis inter-sujets. Inversement, lorsque la manipulation permet une réitération temporelle sans altération définitive du système cognitif, physiologique ou comportemental du participant, le recours au devis intra-sujets devient envisageable. Cette assignation constitue l’acte fondateur du protocole : elle dicte la nature des observations — qu’elles soient stochastiquement indépendantes ou sériellement dépendantes — et conditionne l’ensemble de l’édifice analytique qui permettra de convertir des données brutes en inférences scientifiques légitimes.

1.2 Origine des confusions et dilemme du chercheur

Bien que la distinction conceptuelle entre comparer des groupes d’individus et comparer des mesures répétées sur les mêmes individus apparaisse limpide dans les manuels élémentaires de statistique, la pratique expérimentale réelle est traversée par des ambiguïtés récurrentes. Ces confusions émergent souvent du fait que les deux démarches poursuivent un objectif scientifique rigoureusement identique : isoler une relation de cause à effet exempte de biais de confusion, tout en maximisant la taille de l’effet détectable. Dans de nombreux contextes appliqués, comme les études d’utilisabilité en interaction homme-machine, les essais d’efficacité pédagogique ou les recherches en psychopharmacologie, les deux approches semblent a priori envisageables pour tester la même hypothèse conceptuelle, plaçant le chercheur face à un arbitrage méthodologique délicat.

Le dilemme du chercheur s’enracine dans la gestion d’un compromis fondamental entre contraintes logistiques, puissance statistique et vulnérabilités méthodologiques. Le plan intra-sujets séduit spontanément par son économie d’échantillonnage : nécessitant considérablement moins de volontaires pour atteindre un seuil de significativité donné, il réduit le coût et la durée de la collecte des données. Cependant, cette efficience matérielle s’accompagne d’une vulnérabilité accrue aux artéfacts temporels, tels que l’accoutumance aux stimuli, l’apprentissage des tâches, ou la fatigue cognitive induite par des sessions expérimentales prolongées. Inversement, le plan inter-sujets protège le chercheur contre ces contaminations longitudinales, mais requiert un bassin de recrutement souvent prohibitif et expose la recherche au risque qu’une différence préexistante entre les groupes vienne masquer l’effet réel de la manipulation ou simuler un effet factice.

Ce dilemme se complique lors de la phase d’opérationnalisation des protocoles d’évaluation. Des questions d’apparence secondaire — telles que l’intervalle de temps séparant deux conditions, la transparence des hypothèses vis-à-vis des participants ou la nature réversible ou irréversible des processus psychologiques sollicités — suffisent à rendre caduque l’adoption de l’un ou l’autre des devis. L’arbitrage ne peut donc reposer sur des préférences intuitives ou sur la seule disponibilité des sujets : il exige une formalisation rigoureuse de la structure de l’erreur expérimentale et une anticipation systématique des sources potentielles de biais qui menacent la validité des données empiriques.

1.3 Enjeux scientifiques liés au choix du protocole

La sélection du devis expérimental régit directement la modélisation mathématique du signal et du bruit dans les données recueillies. Sur le plan statistique, le ratio fondamental qui détermine l’issue des tests d’inférence (comme le test t de Student ou l’analyse de variance paramétrique F de Fisher) confronte la variance systématique attribuable à la variable indépendante à la variance non systématique, ou variance d’erreur. Dans un plan inter-sujets, cette variance d’erreur intègre l’ensemble des dissemblances génétiques, cognitives, émotionnelles et motivationnelles qui caractérisent les individus composant les groupes. Dans un plan intra-sujets, cette variabilité interindividuelle stable est mathématiquement soustraite du terme d’erreur résiduelle, ce qui décuple la sensibilité du modèle analytique et permet l’identification d’effets subtils qui demeureraient indétectables dans un devis à groupes indépendants.

Au-delà de la métrique statistique, les conséquences sur la validité interne sont majeures. La validité interne renvoie à la certitude que les variations de la variable dépendante résultent exclusivement de la manipulation de la variable indépendante, et non de variables parasites ou d’artéfacts méthodologiques. Choisir un plan inter-sujets impose de neutraliser le biais de sélection initiale ; choisir un plan intra-sujets impose de neutraliser les effets d’ordre et de report d’une condition sur l’autre. Une erreur d’appréciation à ce stade induit une confusion irréversible entre le facteur manipulé et des covariables non maîtrisées, ruinant la légitimité causale du modèle expérimental.

Enfin, le devis conditionne la validité externe et la reproductibilité des conclusions scientifiques. Un protocole intra-sujets dans lequel un participant déduit les finalités de la recherche en traversant l’ensemble des conditions expérimentales altère sa spontanéité comportementale via des caractéristiques de la demande ou des mécanismes d’évaluation cognitive consciente. Les réponses obtenues dans ce contexte ne reflètent plus le comportement écologique d’un individu confronté à une situation unique dans le monde réel. À l’inverse, un protocole inter-sujets mal calibré en termes d’effectif produit des études sous-puissantes, incapables d’être répliquées fidèlement dans d’autres laboratoires. L’intégrité de la littérature scientifique dépend ainsi directement de la rigueur avec laquelle les expérimentateurs articulent leur schéma expérimental aux propriétés intrinsèques des phénomènes étudiés.

2. Vue d’ensemble du plan inter-sujets (Between-Subjects Design)

2.1 Principes fondamentaux et logique d’assignation

Le plan inter-sujets, également qualifié de devis à facteurs indépendants, repose sur le principe épistémique fondamental de la séparation hermétique des conditions expérimentales à travers des cohortes de participants mutuellement exclusives. Si l’expérience comporte k modalités de la variable indépendante (par exemple, un groupe témoin recevant un placebo, un groupe recevant un dosage faible d’une molécule active et un groupe recevant un dosage élevé), la cohorte globale est fractionnée en k sous-groupes indépendants. Chaque sujet individuel ne fait l’expérience que d’une seule et unique condition au cours de sa trajectoire expérimentale. L’évaluation de l’effet du traitement résulte dès lors de la soustraction des métriques de tendance centrale (généralement les moyennes) observées entre les différents sous-groupes.

Pour que cette comparaison transversale conserve sa valeur de preuve causale, les groupes doivent être rigoureusement équivalents sur toutes les caractéristiques d’intérêt avant même l’administration de la manipulation expérimentale. Le levier méthodologique garantissant cette équivalence préalable réside dans la randomisation complète (ou assignation aléatoire). En vertu de la loi des grands nombres, l’assignation purement stochastique de chaque participant à l’une des modalités de la variable indépendante assure que les variables individuelles parasites — qu’elles soient observables (comme l’âge, le quotient intellectuel, le statut socio-économique) ou inobservables (comme la prédisposition génétique, l’anxiété latente ou les micro-variations motivationnelles) — se répartissent de manière équiprobable entre les différentes conditions expérimentales. Cette randomisation transforme les variables de confusion potentielles en bruit stochastique non corrélé avec la variable indépendante.

Lorsque la taille de l’échantillon disponible est modeste ou que certaines variables individuelles exercent une influence prononcée et connue sur la variable dépendante, les chercheurs substituent ou adjoignent à la randomisation simple des techniques d’appariement. Le plan de blocs aléatoires appariés implique de pré-évaluer les participants sur la variable parasite critique (par exemple, la mémoire de travail de base dans une tâche d’apprentissage), de regrouper les individus affichant des scores identiques ou hautement similaires en paires ou en triplets, puis d’assigner aléatoirement chacun des membres de ces blocs homogènes à l’une des modalités expérimentales. Ce protocole combine l’indépendance d’exposition du devis inter-sujets avec un contrôle strict des facteurs d’hétérogénéité individuelle les plus perturbateurs.

2.2 Contrôle de la variance et sources de variabilité

L’analyse de la variance au sein d’un devis inter-sujets repose sur la partition canonique de la somme des carrés totale ($SS_{Total}$) en deux compartiments orthogonaux : la somme des carrés intergroupes ($SS_{Between}$ ou somme des carrés du traitement) et la somme des carrés intragroupes ($SS_{Within}$ ou somme des carrés de l’erreur résiduelle). La difficulté structurelle de ce devis réside dans le fait que la variance interindividuelle — c’est-à-dire l’ensemble des dissemblances intrinsèques entre les individus composant un même groupe — tombe intégralement dans le compartiment de la variance d’erreur. Si les participants diffèrent grandement par leurs compétences de base, leur vigilance ou leurs dispositions psychophysiologiques, la variance d’erreur gonfle considérablement. Or, la statistique de test F de Fisher étant calculée par le ratio du carré moyen du traitement sur le carré moyen de l’erreur ($MS_{Between} / MS_{Within}$), un dénominateur excessivement volumineux neutralise la capacité du modèle à rejeter l’hypothèse nulle ($H_0$), précipitant le chercheur dans l’écueil d’une erreur de type II (non-rejet d’une hypothèse nulle fausse).

Afin d’assainir l’évaluation de l’effet principal et de comprimer artificiellement ce bruit de fond interindividuel, la modélisation statistique avancée a recours à l’introduction de variables de contrôle à travers l’analyse de covariance (ANCOVA). En incorporant une covariable quantitative continue mesurée avant l’administration du traitement et corrélée linéairement avec la variable dépendante, le modèle extrait de la somme des carrés de l’erreur la portion de variance prédictible par cette covariable. Cette opération mathématique restaure une partie de la précision analytique sans déroger au principe d’indépendance physique des groupes.

Toutefois, l’usage légitime des méthodes paramétriques inférentielles au sein du devis inter-sujets impose le strict respect de postulats mathématiques sous-jacents, au premier rang desquels figure le postulat d’homogénéité des variances (ou homoscédasticité). Les variances de la variable dépendante au sein de chacune des populations sous-jacentes doivent être statistiquement équivalentes ($\sigma_1^2 = \sigma_2^2 = dots = \sigma_k^2$). Cette assertion est couramment évaluée par des épreuves formelles telles que le test de Levene ou le test de Bartlett. La rupture de ce postulat, particulièrement lorsque la taille des groupes est inégale, biaise drastiquement le taux d’erreur de première espèce ($\alpha$) et exige l’adoption de corrections de degrés de liberté (telle que l’ajustement de Welch-Satterthwaite) ou le basculement vers des modèles linéaires généralisés robustes.

2.3 Avantages majeurs du devis inter-sujets

La supériorité incontestable du plan inter-sujets réside dans son immunité méthodologique absolue contre les contaminations d’ordre temporel. Puisque chaque sujet n’est testé que sous une modalité exclusive, il est structurellement impossible que les données recueillies soient polluées par des effets d’ordre, d’apprentissage cumulatif, d’échauffement ou d’épuisement cognitif. Le participant n’ayant aucune opportunité de répéter la tâche sous différentes variantes, ses réponses ne résultent d’aucune stratégie adaptative développée lors d’essais préalables. Cette caractéristique épargne à l’expérimentateur le recours à des démarches de contrebalancement algorithmique parfois inextricables.

De surcroît, le devis inter-sujets est le garant suprême de la naïveté des participants à l’égard de la finalité théorique de l’expérimentation. Dans un protocole où un individu verrait se succéder une condition normale, puis une condition modifiée introduisant un biais expérimental délibéré, sa perspicacité le conduirait immanquablement à déduire la manipulation sous-jacente et à conformer ou rebeller ses comportements vis-à-vis des attentes supposées du chercheur (phénomène connu sous le nom de caractéristiques de la demande de Martin T. Orne). En ne soumettant l’individu qu’à un segment unique du dispositif global, le plan à groupes indépendants préserve la virginité cognitive du sujet vis-à-vis de l’espace hypothétique de l’investigateur.

Enfin, le plan inter-sujets possède un champ d’application universel s’étendant aux manipulations intrinsèquement irréversibles ou génératrices de transformations permanentes. Si la variable indépendante consiste en une intervention chirurgicale cérébrale chez l’animal, une formation pédagogique intensive apportant des connaissances indélébiles, une thérapie psychologique reconstructrice ou l’administration d’un traitement pharmaceutique causant des modifications métaboliques définitives, il est conceptuellement impossible de soumettre le même individu à la condition contrôle subséquemment. Dans toutes les configurations expérimentales où le passage par un niveau de la variable indépendante modifie de manière permanente l’état ontologique ou informationnel du sujet, le devis inter-sujets représente la seule alternative épistémologiquement et méthodologiquement valide.

2.4 Limites inhérentes et contraintes matérielles

En contrepoint de ses robustesses conceptuelles, le devis inter-sujets impose des contraintes pratiques et statistiques substantielles. La première de ces entraves réside dans la dépense d’échantillonnage. La puissance statistique d’une expérience — définie comme la probabilité $1 – beta$ de rejeter correctement l’hypothèse nulle lorsqu’elle est effectivement fausse — dépend directement de la taille de l’échantillon. Dans la mesure où la variabilité interindividuelle n’est pas neutralisée, l’effet recherché doit surnager au-dessus de l’hétérogénéité des sujets. Pour détecter une taille d’effet modeste (par exemple, un $d$ de Cohen de 0,30) avec une puissance conventionnelle de 0,80 au seuil alpha de 0,05 dans un plan à deux modalités indépendantes, le chercheur doit recruter environ 175 participants par groupe, soit 350 sujets au total. Cette contrainte volumétrique pose des difficultés d’approvisionnement logistique, financier et temporel souvent critiques, particulièrement dans les domaines biomédicaux où l’accès aux volontaires est restreint.

Une seconde vulnérabilité méthodologique majeure concerne le biais d’attrition différentielle (ou mortalité expérimentale asymétrique). L’attrition renvoie à la défection ou à la perte de participants en cours d’étude. Dans un plan inter-sujets, si la condition expérimentale est nettement plus exigeante, aversive, anxiogène ou inconfortable que la condition contrôle, le taux de défection peut être significativement plus élevé dans le premier groupe que dans le second. Dès lors, les participants demeurant dans le groupe expérimental ne représentent plus un échantillon aléatoire de la population initiale, mais une sous-population auto-sélectionnée sur des critères de résilience, de motivation ou de tolérance à l’inconfort. Cette dérive anéantit instantanément l’équivalence des groupes initialement établie par la randomisation, ruinant la comparabilité des données sans que l’expérimentateur n’en prenne nécessairement la mesure formelle.

Enfin, le devis inter-sujets s’avère profondément inefficace pour isoler des effets de très faible amplitude. Dans de nombreux domaines de la psychologie différentielle, de la perception sensorielle ou de la génomique comportementale, la taille de l’effet générée par la manipulation est objectivement minuscule comparée à l’étendue naturelle des variations individuelles. Même en appliquant des procédures d’assignation stochastique impeccables, le bruit interindividuel peut spontanément masquer des modulations réelles mais ténues de la variable dépendante. Le recours persistant à des groupes indépendants dans ces configurations spécifiques conduit fréquemment la communauté scientifique à des conclusions erronées d’absence d’effet, alimentant le corpus de la recherche d’une abondance de résultats faussement négatifs.

3. Vue d’ensemble du plan intra-sujets (Within-Subjects Design)

3.1 Principes directeurs et logique des mesures répétées

Le plan intra-sujets, ou devis à mesures répétées, renverse intégralement la logique distributionnelle de l’expérimentation en éliminant la partition physique de la cohorte en sous-groupes exclusifs. Sous ce paradigme, l’intégralité des participants retenus au sein de l’échantillon est exposée successivement à chacune des modalités définies par la variable indépendante. Si une expérimentation compte trois conditions distinctes (par exemple, mémoriser des mots sous fond de silence, sous fond de musique classique, et sous fond de bruit blanc), chaque individu traverse les trois environnements sonores et fournit une métrique de mémorisation dans chacun d’eux. L’investigation empirique se focalise alors sur les trajectoires de variation internes à chaque sujet.

Le fondement logique de cette méthodologie repose sur l’exploitation de chaque sujet comme son propre témoin de référence (ou contrôle interne). Dans cette configuration, les caractéristiques idiosyncratiques fondamentales d’un participant — son patrimoine génétique, ses traits de personnalité stables, son capital intellectuel, ses expériences de vie antérieures et son style cognitif — demeurent mathématiquement et physiquement constantes d’une condition à l’autre. Par conséquent, les dissemblances systématiques observées dans les scores d’un même individu à travers les diverses modalités ne peuvent en aucun cas être attribuées à des différences d’aptitude de base préexistantes. Cette architecture supprime d’emblée la principale menace qui pèse sur les plans inter-sujets : l’inégalité de composition initiale des groupes.

Sur le plan mathématique, cette dépendance sérielle des observations modifie profondément la structure des données. Les mesures collectées pour un même individu à travers le temps ou les conditions ne sont plus stochastiquement indépendantes ; elles présentent une corrélation intra-classe substantielle et positive. L’analyse ne cherche plus à quantifier si le groupe A surpasse en moyenne le groupe B, mais si, pour la majorité des individus composant la cohorte, la différence algébrique entre la condition A et la condition B s’écarte significativement de zéro. L’intérêt méthodologique se déplace ainsi des comparaisons d’agrégats populationnels vers la modélisation directe du changement au sein de l’unité fondamentale d’observation qu’est l’individu.

3.2 Puissance statistique et optimisation des ressources

L’avantage cardinal du plan intra-sujets, qui justifie son adoption prioritaire dès que les contraintes méthodologiques le tolèrent, réside dans sa puissance statistique sans équivalent. Cette sensibilité analytique supérieure découle directement de la recomposition de la partition de la variance dans l’analyse de variance à mesures répétées. Dans ce cadre, la somme des carrés totale ($SS_{Total}$) est décomposée en trois termes distincts :

$$SS_{Total} = SS_{Sujets} + SS_{Traitement} + SS_{Erreur}$$

La variance imputable aux différences interindividuelles stables ($SS_{Sujets}$) est explicitement isolée et extraite du terme d’erreur résiduelle. Le dénominateur de la statistique F de Fisher n’intègre plus que la part d’interaction entre les sujets et le traitement ($SS_{Sujets \times Traitement}$), laquelle représente les fluctuations aléatoires de réponse d’un sujet spécifique à une condition spécifique au-delà de sa tendance générale. En extrayant ainsi la masse critique de la variance interindividuelle hors du dénominateur du test inférentiel, le ratio F s’accroît spectaculairement pour une même magnitude d’effet de traitement. Les tests statistiques gagnent ainsi une acuité extrême, permettant d’identifier avec netteté des modulations infimes du comportement ou de la physiologie.

La conséquence pratique immédiate de ce gain mathématique est une compression radicale des tailles d’échantillon requises. Alors qu’un plan inter-sujets nécessite des effectifs distincts pour chaque modalité expérimentale, le plan intra-sujets réutilise la même cohorte d’individus à travers toutes les épreuves. Si un chercheur planifie une étude à quatre conditions expérimentales nécessitant 40 observations par condition, le plan inter-sujets impose le recrutement, l’accueil et l’indemnisation de 160 participants distincts. Le plan intra-sujets accomplit rigoureusement le même protocole avec seulement 40 individus au total. Cette efficience économique et temporelle s’avère inestimable dans les recherches impliquant des équipements d’imagerie cérébrale lourds (IRM fonctionnelle, magnétoencéphalographie) ou ciblant des populations d’accès complexe (patients atteints de pathologies rares, experts hautement spécialisés, dirigeants d’entreprise).

3.3 Menaces méthodologiques spécifiques

Cette puissance analytique et cette économie de moyens s’accompagnent toutefois de vulnérabilités méthodologiques spécifiques de nature longitudinale. La plus répandue réside dans l’émergence des effets d’ordre (ou effets séquentiels généraux). Le simple fait qu’une condition expérimentale succède temporellement à une autre condition expose la collecte de données à deux perturbations symétriques :

• L’effet d’apprentissage ou de pratique : la performance d’un sujet à une tâche cognitive ou motrice tend à s’améliorer spontanément au fil des essais, indépendamment de la manipulation de la variable indépendante, en raison de la familiarisation avec l’interface, de la découverte de stratégies d’optimisation ou de la réduction de l’appréhension initiale.
• L’effet de fatigue ou d’ennui : à l’inverse, si la tâche est cognitivement exténuante ou monotone, l’attention, les ressources exécutives et la motivation du participant déclinent progressivement, dégradant artificiellement les performances lors des dernières conditions administrées.

Une menace encore plus invalidante est constituée par les effets de report (ou carryover effects). L’effet de report se manifeste lorsque l’exposition à une condition spécifique continue d’exercer une influence physiologique ou psychologique latente sur le participant pendant qu’il effectue la condition subséquente. Ce phénomène est patent dans les essais pharmacologiques, où une molécule administrée lors de la session 1 peut ne pas être totalement métabolisée ou éliminée avant l’amorce de la session 2. En psychologie cognitive, l’induction d’une émotion aiguë (par exemple, la présentation d’images hautement anxiogènes) ou l’activation d’un cadre conceptuel spécifique (phénomène d’amorçage ou priming) peut persister et biaiser involontairement le traitement d’une tâche neutre consécutive.

Enfin, le plan intra-sujets induit une sensibilisation progressive des participants aux objectifs téléologiques de la recherche. En confrontant successivement l’individu aux différentes déclinaisons du matériel expérimental, le chercheur lui offre un panorama comparatif direct. Cette vue d’ensemble facilite la détection des variables cibles manipulées par l’expérimentateur. Dès lors, le participant cesse d’agir spontanément : il échafaude des hypothèses métacognitives sur ce que l’étude tente de prouver, adoptant consciemment des comportements conformistes (pour complaire au chercheur) ou réactants (pour affirmer son autonomie face au dispositif expérimental), ce qui détruit la validité écologique et psychologique des mesures collectées.

3.4 Mécanismes de remédiation : le contrebalancement

Pour neutraliser les menaces sérielles inhérentes au plan intra-sujets sans renoncer à sa puissance statistique, les expérimentateurs mobilisent des stratégies sophistiquées de contrôle d’ordre, regroupées sous le concept de contrebalancement. Le principe directeur consiste à ne jamais administrer les conditions dans une séquence temporelle immuable à tous les participants, mais à faire varier systématiquement l’ordre de passage d’un sous-ensemble de sujets à l’autre, de façon à ce que les effets de pratique, de fatigue et de transfert soient distribués de manière équipondérée sur l’ensemble des conditions expérimentales.

La méthode idéale est le contrebalancement complet. Elle consiste à générer l’ensemble des permutations factorielles possibles des conditions expérimentales ($k!$, où $k$ représente le nombre de conditions) et à assigner un nombre rigoureusement égal de participants à chaque séquence d’administration. Si une expérience comporte 3 conditions (A, B, C), le nombre d’ordres possibles est de $3! = 6$ séquences distinctes (ABC, ACB, BAC, BCA, CAB, CBA). Chaque condition apparaissant une fois en première, deuxième et troisième position, et précédant ou suivant chaque autre modalité un nombre strictement égal de fois, les effets d’ordre linéaire se trouvent parfaitement moyennés et neutralisés à l’échelle de l’échantillon global.

Néanmoins, dès lors que le nombre de conditions augmente, le contrebalancement complet se heurte à une explosion combinatoire ingérable (pour 5 conditions, $5! = 120$ ordres distincts ; pour 6 conditions, $6! = 720$ ordres). Dans de telles circonstances, l’expérimentateur recourt à un contrebalancement partiel structuré par un protocole en carré latin. Un carré latin est une grille matricielle $k \times k$ où chaque condition n’apparaît qu’une seule et unique fois dans chaque ligne et dans chaque colonne. Dans sa version optimisée, dite carré latin équilibré (balanced Latin square), chaque condition est non seulement présente une fois à chaque position temporelle, mais elle précède et succède immédiatement à chaque autre condition un nombre identique de fois, garantissant ainsi le contrôle statistique des effets de report de premier ordre au prix d’un nombre restreint de séquences :

$$Séquence 1 : A \rightarrow B \rightarrow k \rightarrow C \rightarrow k-1 dots$$

En complément des permutations de séquences, la gestion rigoureuse des intervalles de repos (ou périodes de washout) est indispensable dans les contextes où les effets de report sont d’origine pharmacologique, émotionnelle ou cognitive. Il s’agit d’intercaler entre l’administration de deux conditions consécutives un délai temporel suffisamment étendu pour assurer un retour documenté du système à son état homéostatique de référence. Qu’il s’agisse de plusieurs jours d’élimination biologique pour une molécule ou de tâches distractives neutres standardisées en neurosciences cognitives, l’assainissement de l’intervalle inter-conditions conditionne l’indépendance fonctionnelle des mesures répétées.

4. Différences fondamentales entre les deux approches expérimentales

4.1 Structure d’échantillonnage et exposition aux variables

La distinction initiale entre les deux paradigmes méthodologiques réside dans la topologie des liens unissant les unités d’observation aux données numériques produites. Dans un devis inter-sujets, la structure d’échantillonnage produit des ensembles de vecteurs de données mutuellement indépendants sur le plan stochastique. L’équation de covariance entre la mesure d’un participant dans la condition A et la mesure d’un autre participant dans la condition B est théoriquement égale à zéro ($\text{Cov}(Y_{iA}, Y_{jB}) = 0$ pour tout $i \neq j$). Aucun lien génétique, mnésique ou contextuel ne relie les points d’échantillonnage entre les groupes. Cette indépendance totale simplifie considérablement les fondations conceptuelles de l’inférence : les variations observées entre les cohortes reflètent la somme de l’effet causale éventuel et des variations idiosyncratiques aléatoires propres à chaque sous-échantillon.

À l’opposé, le plan intra-sujets génère une structure matricielle de données caractérisée par une dépendance sérielle et une corrélation temporelle systématique. Dans ce cadre, la mesure prise sur le sujet $i$ dans la condition A n’est pas indépendante de sa mesure prise dans la condition B ; la covariance intra-sujets est structurellement non nulle ($\text{Cov}(Y_{iA}, Y_{iB}) > 0$). Cette corrélation positive découle du fait que si le sujet $i$ possède un niveau de base structurellement élevé de la variable dépendante (par exemple, un temps de réaction particulièrement véloce ou un seuil d’anxiété constitutionnel important), ce niveau de base surélèvera l’ensemble de ses scores dans toutes les conditions expérimentales. Cette non-indépendance impose l’abandon immédiat des méthodes inférentielles conventionnelles fondées sur l’indépendance des erreurs, au profit de modèles mathématiques explicitement conçus pour capturer les trajectoires intra-individuelles.

Cette divergence structurelle dicte également la logistique globale du déploiement expérimental. Dans un plan inter-sujets, la phase de passation peut être aisément parallélisée si plusieurs expérimentateurs ou salles de test sont disponibles, chaque participant ne passant qu’une seule session brève. Dans un plan intra-sujets, le calendrier de passation devient hautement complexe : il nécessite d’échelonner les sessions dans le temps pour un même individu, de veiller scrupuleusement au respect des fenêtres de washout, de gérer les risques accrus de rendez-vous manqués entre la première et la dernière condition, et d’administrer des versions rigoureusement équivalentes mais non identiques du matériel expérimental à chaque passage pour prévenir les effets d’apprentissage direct.

4.2 Architecture statistique et modélisation des données

La dichotomie méthodologique entraîne une divergence fondamentale dans la modélisation mathématique des données expérimentales. L’architecture statistique du plan inter-sujets repose canoniquement sur l’ANOVA factorielle standard (ou ANOVA à facteurs indépendants). Dans cette approche, la variance totale est segmentée selon l’équation :

$$SS_{Total} = SS_{Intergroupes} + SS_{Intragroupes}$$

L’inférence statistique compare directement l’espérance mathématique de la variabilité entre les groupes à celle de la variabilité résiduelle à l’intérieur des groupes. Cette approche suppose la normalité de la distribution des résidus au sein de chaque groupe, l’indépendance mutuelle des observations, et l’homoscédasticité des variances populationnelles.

À l’inverse, l’analyse d’un plan intra-sujets requiert l’implémentation d’une ANOVA à mesures répétées ou, de manière plus contemporaine et robuste, le recours aux modèles mixtes linéaires (Linear Mixed Models, LMM). Dans l’ANOVA à mesures répétées classique, la partition de la variabilité s’affine en soustrayant formellement l’effet sujet de l’équation d’erreur. Cependant, ce modèle impose une contrainte mathématique restrictive et souvent violée : le postulat de sphéricité. La sphéricité exige que les variances des différences algébriques entre toutes les paires possibles de conditions expérimentales soient rigoureusement égales :

$$\text{Var}(Y_A – Y_B) \approx \text{Var}(Y_A – Y_C) \approx \text{Var}(Y_B – Y_C)$$

Ce postulat est formellement évalué au moyen du test de sphéricité de Mauchly. Lorsque l’hypothèse nulle de sphéricité est rejetée ($p < 0,05$), le ratio F calculé subit une inflation artificielle qui augmente considérablement le risque de fausse découverte (erreur de type I). Pour corriger ce dérèglement sans abandonner le devis, les statisticiens appliquent des correctifs modifiant les degrés de liberté du test, tels que l’ajustement conservateur de Greenhouse-Geisser ou l’ajustement de Huynh-Feldt lorsque l’estimation de l’epsilon ($\hat{\epsilon}$) est proche de l’unité.

Aujourd’hui, l’essor de l’analyse computationnelle favorise la substitution de l’ANOVA à mesures répétées par les modèles mixtes linéaires. Ces derniers modélisent simultanément les effets fixes (les paramètres moyens de la manipulation expérimentale) et les effets aléatoires (la variabilité des intercepts et des pentes propre à chaque participant individuel). Les modèles mixtes surpassent élégamment les limitations de l’ANOVA traditionnelle en s’affranchissant de l’exigence absolue de sphéricité, en modélisant directement des matrices de variance-covariance complexes (autorégressives, non structurées), et en tolérant parfaitement les données manquantes sans imposer la suppression intégrale des données d’un participant ayant manqué une seule condition.

4.3 Sensibilité aux biais méthodologiques respectifs

Chacun des devis expérimentaux présente un profil de vulnérabilité asymétrique face aux biais méthodologiques, imposant des précautions adaptées lors de la conception du protocole. Le plan inter-sujets est principalement vulnérable aux asymétries de composition initiale. Même sous le régime d’une assignation aléatoire rigoureuse, les aléas stochastiques d’échantillonnage peuvent concentrer dans un groupe donné des individus présentant une spécificité cognitive, physiologique ou sociologique aberrante non identifiée par le chercheur. Si un groupe assigné à une modalité d’évaluation cognitive se trouve fortuitement enrichi en participants ayant un niveau de fatigue élevé au moment du test, la moyenne du groupe sera artificiellement tirée vers le bas, mimant un effet inhibiteur du traitement. L’homogénéité des groupes constitue un pari statistique qui ne gagne en fiabilité absolue que lorsque la taille d’échantillon devient très importante.

À cette fragilité initiale du plan inter-sujets s’ajoute sa sensibilité au biais d’attrition différentielle évoqué précédemment. Si des participants abandonnent l’étude de manière asymétrique entre les groupes en cours d’expérimentation, le contrôle expérimental est rompu. La perte d’unités d’observation dans ce cadre équivaut à l’altération de la représentativité interne d’un groupe entier par rapport aux autres.

Inversement, le plan intra-sujets est nativement imperméable aux biais d’asymétrie initiale mais se montre vulnérable à la contamination cognitive et temporelle. Dès qu’un participant enchaîne plusieurs tâches similaires, il développe une expertise progressive vis-à-vis des stimuli, générant des courbes d’apprentissage parasites. Plus insidieux encore sont les effets de transfert asymétrique : supposons deux conditions, A (une tâche facilitatrice) et B (une tâche complexe et stressante). Si le passage préalable par la condition B altère la performance ultérieure en A (par épuisement des ressources attentionnelles), mais que le passage préalable par la condition A n’influence en rien la performance subséquente en B, le contrebalancement échoue à neutraliser le biais. Dans une telle éventualité, l’effet de transfert interagit avec l’ordre de présentation, générant une pollution analytique irrécupérable au sein des modèles à mesures répétées standards.

Enfin, le traitement des données manquantes diffère radicalement entre les deux devis. Dans un devis inter-sujets conventionnel, la perte d’un participant retranche simplement un degré de liberté à un groupe donné sans affecter l’intégrité formelle des données collectées auprès des autres individus. Dans un devis intra-sujets analysé sous l’angle de l’ANOVA à mesures répétées, une seule défection ou défaillance technique survenue lors de la quatrième session d’un protocole entraîne la suppression par liste (listwise deletion) de l’ensemble des données enregistrées pour ce sujet lors des trois premières sessions. Ce mécanisme d’élimination brute réduit la puissance globale du dispositif et peut induire de nouveaux biais d’échantillonnage si l’abandon lors des dernières sessions n’est pas distribué de façon aléatoire.

4.4 Tableau comparatif des dimensions analytiques

Le tableau ci-dessous synthétise de manière exhaustive et symétrique les contrastes méthodologiques, statistiques et logistiques structurant le face-à-face entre le plan inter-sujets et le plan intra-sujets :

Dimension d’analyse	Plan inter-sujets (Between-Subjects)	Plan intra-sujets (Within-Subjects)
Définition opérationnelle	Chaque participant est exposé à une seule et unique condition expérimentale. Comparaison entre des groupes indépendants distincts.	Chaque participant est exposé séquentiellement à toutes les modalités expérimentales. Mesures répétées sur les mêmes individus.
Contrôle du bruit interindividuel	Faible. Les dissemblances individuelles stables se confondent intégralement avec la variance d’erreur statistique ($SS_{Within}$).	Optimal. Les variations idiosyncratiques stables sont modélisées et soustraites du terme d’erreur résiduelle ($SS_{Sujets}$).
Puissance statistique relative	Modérée à faible à effectif égal. Nécessite une taille d’effet importante ou de très larges cohortes pour émerger du bruit.	Extrêmement élevée. Permet d’isoler des effets subtils en réduisant drastiquement le dénominateur de la statistique F.
Volume d’échantillonnage requis	Élevé. L’effectif total est proportionnel au nombre de conditions ($N = n \times k$). Coûts de recrutement substantiels.	Faible. L’effectif total équivaut au nombre d’individus nécessaires pour une seule condition ($N = n$). Économie de moyens majeure.
Vulnérabilité aux effets d’ordre	Nulle. L’absence d’exposition répétée immunise le devis contre la fatigue, la pratique et la familiarisation.	Très élevée. Exige obligatoirement la mise en place de protocoles de contrebalancement (complet ou carré latin).
Sensibilité aux effets de report	Absente. Aucune condition expérimentale ne peut contaminer l’administration d’une modalité alternative.	Élevée. Risque de contamination physiologique ou psychologique rémanente nécessitant des périodes de washout.
Naïveté des participants	Préservée. L’observation d’un segment unique du protocole limite la déduction des finalités et hypothèses scientifiques.	Compromise. La traversée comparative des conditions favorise la découverte des hypothèses et active des caractéristiques de la demande.
Applicabilité aux effets permanents	Universelle. Convient parfaitement aux interventions irréversibles (chirurgies, apprentissages stables, thérapies).	Nulle. Incapable de traiter des manipulations modifiant définitivement l’état biologique ou cognitif du sujet.
Outils statistiques conventionnels	ANOVA à facteurs indépendants, test t de Student pour échantillons indépendants, test de Levene, ANCOVA.	ANOVA à mesures répétées, test t apparié, corrections de Greenhouse-Geisser/Huynh-Feldt, Modèles Mixtes Linéaires (LMM).
Postulat statistique critique	Homogénéité des variances (homoscédasticité) entre les groupes indépendants.	Sphéricité (égalité des variances des différences algébriques inter-conditions) évaluée par le test de Mauchly.

5. Points de convergence et complémentarités méthodologiques

5.1 Finalité épistémique partagée

En dépit de leurs dissemblances architecturales, le plan inter-sujets et le plan intra-sujets procèdent d’un socle épistémologique rigoureusement unifié. Tous deux s’ancrent dans la tradition de l’expérimentation contrôlée et poursuivent l’établissement d’inférences causales univoques, transcendant la simple observation d’associations corrélatives. Dans les deux approches, la validité de la démarche scientifique repose sur l’introduction délibérée et active d’une variable indépendante sous le contrôle direct de l’investigateur, conjuguée à l’enregistrement standardisé de ses effets sur une variable dépendante objectivement quantifiée.

Les deux paradigmes partagent une obligation fondamentale d’opérationnalisation conceptuelle rigoureuse. Qu’une manipulation soit administrée à des cohortes transversales ou à une cohorte longitudinale récurrente, la définition opérationnelle des variables doit être dénuée de toute équivoque sémantique ou instrumentale. En outre, les deux devis sont régis par le principe général d’optimisation de la variance formulé par Fred N. Kerlinger : le principe MAXMINCON. Ce principe postule que l’architecture de toute recherche empirique doit s’efforcer de :

• MAXimiser la variance systématique associée à la manipulation expérimentale réelle (le signal causale) ;
• CONtrôler les variables parasites extérieures susceptibles de rivaliser avec la variable indépendante dans l’explication des résultats (les biais systématiques) ;
• MINimiser la variance d’erreur aléatoire issue des imprécisions de mesure, de l’instabilité de l’environnement ou du bruit physiologique de l’organisme.

Tandis que le devis inter-sujets minimise l’erreur systématique temporelle par la compartimentation spatiale des sujets, le devis intra-sujets minimise la variance d’erreur aléatoire en soustrayant le bruit interindividuel. Les deux dispositifs convergent ainsi vers une même ambition de précision, empruntant des voies analytiques et mathématiques divergentes pour assainir le ratio signal/bruit.

5.2 Règles communes de rigueur scientifique

L’appartenance à l’un ou l’autre de ces deux devis expérimentaux n’exonère le chercheur d’aucune des exigences déontologiques et méthodologiques universelles de l’entreprise scientifique. Au premier rang de ces exigences figure la standardisation stricte de l’environnement expérimental. La température ambiante, le niveau sonore, la luminosité du laboratoire, la clarté typographique des consignes, l’interface homme-machine et les interactions verbales avec l’expérimentateur doivent faire l’objet d’un protocole invariant, appliqué avec la même rigueur métrologique entre les différents groupes d’un devis inter-sujets ou entre les différentes sessions consécutives d’un devis intra-sujets.

De même, le recours aux procédures en aveugle constitue un impératif méthodologique transversal. Dans un devis inter-sujets comme dans un devis intra-sujets, la connaissance préalable de la condition administrée par l’expérimentateur peut induire de subtiles variations comportementales involontaires (effet Pygmalion ou biais de confirmation de l’observateur). Réciproquement, la perception de la condition par le sujet peut déclencher des modifications psychologiques autonomes (effet placebo ou nocebo). Dès lors, la mise en œuvre de dispositifs en simple aveugle (le participant ignore la nature de la condition) ou idéalement en double aveugle (l’expérimentateur au contact du sujet ignore également la condition administrée) s’impose pour immuniser le dispositif contre les attentes cognitives préconçues.

Enfin, la vérification formelle de la manipulation au moyen de tests de contrôle de l’induction (manipulation checks) s’avère indispensable quelle que soit la disposition de l’échantillon. Si un protocole vise à évaluer l’impact du stress aigu sur la prise de décision, qu’il soit déployé entre deux groupes distincts ou chez les mêmes sujets sous deux temporalités, le chercheur se doit d’administrer des biomarqueurs (cortisol salivaire, fréquence cardiaque) ou des échelles validées d’anxiété état pour prouver empiriquement que la manipulation a effectivement modifié le niveau d’activation physiologique sans se contenter d’en présumer l’efficacité théorique.

5.3 L’intégration hybride : les plans factoriels mixtes

Loin d’être confinés à une confrontation binaire mutuellement exclusive, les devis inter-sujets et intra-sujets fusionnent élégamment au sein de configurations polyvalentes : les plans factoriels mixtes (ou plans split-plot, empruntés à la tradition agronomique de Ronald Fisher). Un devis mixte intègre simultanément au moins une variable indépendante manipulée inter-sujets et au moins une variable indépendante manipulée intra-sujets. Cette structure hybride est couramment symbolisée sous la forme d’un produit factoriel annoté, tel qu’un plan $2 times 3$, signifiant qu’un facteur à 2 modalités est croisé avec un facteur à 3 modalités.

Le cas d’usage le plus emblématique du devis mixte en recherche biomédicale et psychologique est le protocole pré-test / post-test avec groupe contrôle randomisé. Dans ce dispositif :

• Le facteur inter-sujets est le groupe d’assignation : Groupe Thérapeutique (recevant la nouvelle intervention) versus Groupe Témoin (recevant un traitement standard ou un placebo).
• Le facteur intra-sujets est le temps de mesure séquentiel : Mesure initiale avant traitement ($T_1$) versus Mesure finale après traitement ($T_2$).

L’intérêt théorique suprême d’une telle intégration réside dans sa capacité à évaluer formellement des effets d’interaction statistique. L’hypothèse scientifique majeure ne porte généralement ni sur l’effet principal du groupe (qui pourrait refléter un simple biais de sélection résiduel), ni sur l’effet principal du temps (qui pourrait résulter d’une simple maturation spontanée ou d’un effet d’apprentissage général), mais précisément sur l’interaction bidirectionnelle $Groupe \times Temps$. Le chercheur postule que l’évolution observée entre le pré-test et le post-test sera significativement plus prononcée chez les participants du groupe thérapeutique que chez ceux du groupe témoin.

Ce devis hybride optimise le compromis fondamental de la méthodologie expérimentale. Il permet d’étudier des variables de stratification non manipulables (le sexe biologique, une catégorie diagnostique clinique, une tranche d’âge) administrées de fait sous forme inter-sujets, tout en les confrontant à des variations dynamiques répétées dans le temps sous forme intra-sujets. L’intégration de ces deux logiques maximise la richesse informative de l’expérience, autorisant une modélisation fine de la complexité des comportements tout en délimitant rigoureusement les frontières de chaque effet identifié.

6. Critères de décision : quand employer chaque type de devis ?

6.1 Situations prescrivant impérativement le plan inter-sujets

La décision méthodologique d’opter pour un plan inter-sujets ne relève pas toujours d’un choix préférentiel libre ; elle s’impose souvent comme un impératif ontologique dicté par la nature des variables soumises à investigation. Trois grandes classes de situations prescrivent formellement l’exclusion du plan intra-sujets :

Premièrement, les interventions expérimentales induisant des altérations permanentes, irréversibles ou cumulatives requièrent impérativement des groupes indépendants. Dans le domaine chirurgical ou les neurosciences translationnelles, la réalisation d’une lésion électrolytique, d’une ablation tissulaire ou d’une implantation d’électrodes intracrâniennes transforme définitivement l’architecture biologique de l’organisme testé. De manière similaire, en psychologie de l’éducation et en ergonomie formative, l’apprentissage d’une stratégie mnémotechnique, d’un concept mathématique abstrait ou d’une procédure motrice complexe entraîne une modification cognitive indélébile. Une fois que le participant a assimilé une méthode d’optimisation mentale, il lui est psychologiquement impossible d’adopter un comportement d’ignorance ou de naïveté fonctionnelle pour servir de condition contrôle subséquente.

Deuxièmement, les protocoles expérimentaux dont la validité interne repose sur la dissimulation absolue, la surprise ou l’ignorance totale des hypothèses interdisent formellement le recours aux mesures répétées. Dans les paradigmes classiques de la psychologie sociale portant sur la soumission à l’autorité, l’effet du témoin passif en situation d’urgence ou les dynamiques de négociation sous pression, la confrontation du sujet à une variante du scénario détruit instantanément l’illusion expérimentale. Si le sujet démasque la présence de faux participants (compères) ou identifie que les pannes du système sont orchestrées pour étudier son stress, toute tentative de le soumettre à une seconde modalité expérimentale sous ce paradigme ne mesurera que son cynisme ou son hyper-vigilance contextuelle.

Troisièmement, l’analyse comparative portant sur des variables quasi-expérimentales ou d’attribut individuel s’inscrit structurellement dans un cadre inter-sujets. Lorsqu’un chercheur souhaite comparer des individus sur la base de caractéristiques chronologiques (jeunes adultes versus personnes âgées), de profils génétiques spécifiques (porteurs de l’allèle à risque versus non-porteurs), de statuts nosologiques (patients souffrant de trouble dépressif majeur versus témoins appariés) ou de compétences culturelles distinctes, ces variables d’état constituent des propriétés intrinsèques non interchangeables. L’expérimentateur ne pouvant transformer un patient dépressif en témoin sain au gré d’une session de laboratoire, ces prédicteurs ne peuvent être évalués qu’en comparant des échantillons d’individus distincts.

6.2 Situations idéales pour le recours au plan intra-sujets

À l’opposé du spectre méthodologique, certaines configurations empiriques trouvent dans le plan intra-sujets leur cadre d’expression naturel et exclusif, rendant l’usage du plan inter-sujets soit excessivement sous-puissant, soit logistiquement inapplicable :

Le premier sanctuaire méthodologique du devis intra-sujets est constitué par la psychophysique sensorielle et l’étude des processus cognitifs élémentaires (temps de réaction, mécanismes d’attention sélective, perception visuelle ou auditive). Dans ces protocoles (comme la tâche de Stroop, la rotation mentale d’objets tridimensionnels ou la détection de signaux dans le bruit), les effets recherchés opèrent à l’échelle de quelques dizaines de millisecondes. En raison de l’extrême variabilité interindividuelle de la vitesse de traitement synaptique, ces effets seraient totalement dilués dans un plan inter-sujets. L’expérimentateur tire alors parti de la possibilité d’administrer des centaines, voire des milliers d’essais répétés aux mêmes participants, alternant de manière aléatoire ou pseudo-aléatoire les modalités de test afin d’estimer avec une haute précision mathématique les seuils de sensibilité perceptive et les décours temporels des processus cognitifs.

Le deuxième champ d’application prioritaire concerne les recherches confrontées à des cohortes rares, vulnérables ou d’accès extrêmement restreint. En médecine spécialisée (évaluation d’approches ciblées pour des pathologies orphelines, patients présentant des lésions cérébrales focales uniques de type « cas Broca »), ou en ergonomie d’élite (astronautes, pilotes d’essai de chasseurs furtifs), le recrutement de plusieurs centaines d’individus relève de l’impossibilité matérielle absolue. Dans ce contexte de pénurie d’échantillonnage, le plan intra-sujets ou les protocoles à cas unique (designs N-of-1) avec réplications temporelles systématiques constituent la seule stratégie méthodologiquement viable pour extraire un signal causal valide sans sacrifier la puissance inférentielle.

Enfin, le devis à mesures répétées s’impose sans rival pour toutes les études dont l’objet d’investigation conceptuel est précisément la trajectoire dynamique, la cinétique temporelle ou la réactivité différentielle au cours du temps. Les recherches explorant les courbes d’apprentissage moteur au fil des jours, les protocoles pharmacocinétiques analysant la décroissance sérique d’un médicament sur 48 heures, ou les études neurophysiologiques observant les patterns d’habituation d’un potentiel évoqué face à des stimulations réitérées reposent toutes, par essence, sur le suivi intra-sujets longitudinal. Tenter de reconstituer de tels processus continus par des instantanés transversaux sur des groupes d’individus distincts introduirait un niveau d’artéfact d’échantillonnage de nature à altérer la dynamique fonctionnelle sous-jacente.

6.3 Algorithme décisionnel pour le chercheur

Afin de structurer méthodiquement l’arbitrage entre ces deux approches, le chercheur peut formaliser sa démarche réflexive à l’aide d’une séquence analytique ordonnée, évaluant pas à pas les contraintes ontologiques, temporelles, psychologiques et logistiques de sa recherche :

1. Critère de réversibilité ontologique : La manipulation expérimentale induit-elle une transformation irréversible, permanente ou substantiellement durable chez le sujet (lésion tissulaire, assimilation pédagogique définitive, modification physiologique indélébile) ?
   • Si OUI : Basculement obligatoire vers le Plan inter-sujets.
   • Si NON : Passer au point 2.
2. Critère d’étanchéité psychologique : L’exposition préalable à l’une des conditions expérimentales révèle-t-elle les finalités sous-jacentes de la recherche, ou rend-elle les participants hyper-sensibilisés aux caractéristiques de la demande ?
   • Si OUI : Prescription impérative du Plan inter-sujets pour préserver la naïveté totale de l’échantillon.
   • Si NON : Passer au point 3.
3. Critère de symétrie des effets de report : Existe-t-il un risque d’effet de contamination résiduelle asymétrique (l’effet de A sur B est qualitativement différent de l’effet de B sur A) qu’un intervalle de repos (washout) ne saurait résorber ?
   • Si OUI : Privilégier le Plan inter-sujets pour éviter l’interaction fatale ordre-condition.
   • Si NON : Passer au point 4.
4. Critère de disponibilité de l’échantillonnage : Le bassin de recrutement est-il sévèrement contraint par des critères d’inclusion rares ou des coûts d’acquisition exorbitants par sujet ?
   • Si OUI : Adoption hautement recommandée du Plan intra-sujets, sous réserve d’un contrebalancement rigoureux des séquences.
   • Si NON : Passer au point 5.
5. Critère de magnitude du signal : La taille de l’effet attendue est-elle faible ($d < 0,30$) au regard d'une variabilité interindividuelle modélisable importante ?
   • Si OUI : Choisir le Plan intra-sujets pour maximiser la sensibilité du test en extrayant la variance interindividuelle.
   • Si NON : Le choix peut être arbitré librement en fonction des contraintes de temps, de confort des participants et de la simplicité analytique recherchée.

7. Foire aux questions sur les plans expérimentaux

7.1 Pourquoi le plan intra-sujets requiert-il généralement un échantillon plus faible ?

La capacité du plan intra-sujets à parvenir à des conclusions statistiquement significatives avec une fraction des effectifs exigés par le plan inter-sujets repose sur un mécanisme mathématique direct : la soustraction de la variabilité interindividuelle de l’estimateur de la variance d’erreur résiduelle. Dans un modèle statistique linéaire de type ANOVA, la valeur empirique de la statistique F de Fisher correspond à la formule générale :

$$F = \frac{\text{Carré Moyen du Traitement}}{\text{Carré Moyen de l’Erreur}} = \frac{MS_{Traitement}}{MS_{Erreur}}$$

Dans un plan inter-sujets, le terme $MS_{Erreur}$ est lourdement chargé par toutes les différences biologiques, cognitives et motivationnelles qui distinguent les individus constituant les groupes. Dans un plan intra-sujets, la somme des carrés totale est partitionnée plus finement : la variabilité liée aux différences stables entre les sujets ($SS_{Sujets}$) est isolée, de telle sorte que le terme d’erreur au dénominateur ne contient plus que la variance de l’interaction sujet par condition ($SS_{Sujets \times Traitement}$). Dès lors que les mesures répétées présentent une corrélation intra-classe positive substantielle ($r > 0$), le dénominateur de la fraction F s’effondre de manière dramatique, ce qui décuple la valeur observée du ratio F pour un effet systématique rigoureusement identique.

Sur le plan quantitatif, cette dynamique signifie qu’à taille d’effet constante, si la corrélation intra-classe entre les sessions successives atteint $r = 0,70$, la taille de l’échantillon nécessaire dans un plan à mesures répétées peut être réduite de 50 % à 70 % par rapport à celle qui serait requise pour atteindre un niveau de puissance équivalent dans un plan à groupes indépendants. L’efficacité statistique se conjugue ainsi avec l’économie logistique, justifiant l’attrait mathématique supérieur du plan intra-sujets.

7.2 Qu’est-ce qu’un effet de report et comment l’identifier formellement ?

Un effet de report (ou carryover effect) désigne la persistance résiduelle de l’impact psychologique, cognitif ou pharmacologique d’une modalité expérimentale donnée sur les mesures collectées au cours de la modalité subséquente. La condition ultérieure ne mesure plus l’effet isolé de son propre traitement, mais une combinaison hybride résultant de la conjonction de sa propre action et de l’ombre portée de la condition qui l’a précédée.

Pour identifier formellement la présence d’un effet de report au sein d’une expérience à mesures répétées contrebalancée, le chercheur doit obligatoirement introduire l’Ordre de passation en tant que facteur inter-sujets explicite dans son modèle d’analyse statistique (par exemple via une ANOVA mixte $Ordre \times Condition$). Deux configurations distinctes peuvent alors émerger :

• Le report symétrique : la condition A influence la condition B dans une magnitude comparable à l’influence qu’exerce la condition B sur la condition A. Cette situation engendre généralement un effet principal de l’Ordre de passation, mais l’interaction $Ordre \times Condition$ demeure statistiquement non significative. Les techniques d’ajustement analytique et de contrebalancement équilibré parviennent à neutraliser ce biais symétrique.
• Le report asymétrique : l’impact préalable de la condition A sur la condition B est qualitativement ou quantitativement différent de l’impact de B sur A. Dans cette conjoncture, l’interaction statistique $Ordre \times Condition$ s’avère hautement significative ($p < 0,05$). Cette divergence asymétrique vicie fondamentalement l'interprétation des effets principaux du devis intra-sujets, contraignant fréquemment l'analyste à abandonner les données des sessions ultérieures pour ne conserver que la toute première session d'essais, ce qui dégrade de fait le plan intra-sujets en un plan inter-sujets conventionnel sous-puissant.

7.3 Un devis mixte est-il toujours supérieur aux designs purs ?

S’il est incontestable que le devis factoriel mixte offre une flexibilité de modélisation séduisante en mariant les vertus de l’indépendance de groupe et du suivi longitudinal, affirmer qu’il est systématiquement supérieur aux devis purs constitue une méprise méthodologique. L’accroissement de la complexité structurelle d’une recherche entraîne des coûts statistiques et interprétatifs notables.

Sur le plan analytique, la multiplication des facteurs au sein d’un modèle mixte génère des interactions d’ordre supérieur (telles que des interactions triples $A \times B \times C$). Dès lors que ces interactions s’avèrent significatives, la modélisation de l’effet ne peut plus reposer sur la lecture des effets principaux globaux ; elle impose la dissection d’effets simples et de contrastes polynomiaux localisés. Cette multiplication des comparaisons post-hoc accroît l’inflation de l’erreur de type I globale, nécessitant l’application de correctifs d’ajustement pénalisants (tels que les procédures de Bonferroni ou de False Discovery Rate), lesquels peuvent anéantir le gain initial de puissance.

Par ailleurs, le devis mixte oblige l’expérimentateur à vérifier simultanément l’ensemble des postulats mathématiques des deux paradigmes : l’homogénéité des matrices de covariance entre les groupes indépendants (postulat évalué par le redoutable et sensible test M de Box) ainsi que la sphéricité intra-sujets sur le versant des mesures répétées. La rupture conjointe de ces postulats complique l’estimation des paramètres et exige l’adoption de modèles linéaires généralisés à effets mixtes dont l’implémentation algorithmique et la convergence computationnelle s’avèrent parfois délicates.

7.4 Comment choisir le plan adéquat lorsque la taille d’effet attendue est modeste ?

La découverte d’effets de faible amplitude constitue un défi récurrent en sciences empiriques contemporaines. Face à un effet présumé discret, le chercheur doit articuler son choix autour d’une analyse de puissance a priori rigoureusement paramétrée à l’aide d’environnements computationnels spécialisés tels que le logiciel G*Power ou le package pwr sous langage R.

Si la manipulation n’implique aucune contamination cognitive, aucune modification irréversible du comportement et que le risque d’effet de report asymétrique est nul, le plan intra-sujets doit impérativement être privilégié. En éliminant le bruit de fond interindividuel, il constitue le seul dispositif capable d’élever le ratio de Fisher au-dessus du seuil critique sans imposer le recrutement d’une cohorte démesurée.

Si, en revanche, des impératifs méthodologiques imposent le recours irréductible au plan inter-sujets (par exemple en présence d’une tâche d’apprentissage irréversible), le chercheur ne doit pas se résoudre à une expérimentation sous-puissante vouée à l’échec. Il doit alors mobiliser des procédures d’appariement robuste (matched-pairs design) ou incorporer dans son plan inter-sujets une covariable prédictive forte via une analyse de covariance (ANCOVA). En mesurant préalablement une variable continue hautement corrélée avec la variable dépendante d’intérêt ($r > 0,60$), l’ANCOVA soustrait cette portion prédictible du dénominateur d’erreur inter-sujets, restaurant ainsi une part substantielle de l’acuité analytique propre aux devis à mesures répétées tout en conservant l’immunité temporelle absolue du devis à groupes indépendants.

8. Conclusion : synthèse méthodologique et perspectives pour la recherche

8.1 Bilan des compromis conceptuels et analytiques

L’arbitrage entre le plan inter-sujets et le plan intra-sujets ne saurait se résumer à la sélection d’une simple formule statistique ; il incarne un acte d’ingénierie scientifique qui met en tension des nécessités contradictoires de la validité inférentielle. D’un côté, le plan inter-sujets offre un sanctuaire contre les contaminations longitudinales, garantissant l’indépendance immaculée des observations, la préservation de la naïveté psychologique des sujets et la capacité à étudier des métamorphoses comportementales permanentes, au prix d’une exigence d’échantillonnage élevée et d’une sensibilité réduite aux effets de faible amplitude. De l’autre, le plan intra-sujets déploie une sensibilité analytique d’une précision remarquable en exploitant chaque sujet comme son propre témoin, permettant de débusquer des signaux expérimentaux fins avec une économie de moyens appréciable, tout en exigeant une vigilance permanente contre les dérives insidieuses des effets d’ordre, de la fatigue cognitive, des reports asymétriques et de la perte d’aveuglement.

Il n’existe par conséquent aucune hiérarchie absolue ou préséance épistémologique accordant à l’un de ces devis une supériorité intrinsèque sur l’autre. La pertinence d’un choix méthodologique ne se mesure qu’à l’aune de son adéquation aux propriétés ontologiques du phénomène étudié. Le chercheur chevronné refuse tout dogmatisme technique : il évalue la réversibilité de sa manipulation, quantifie le ratio signal/bruit attendu, scrute les réserves de son bassin de recrutement, et opère un compromis explicite et conscient où chaque vulnérabilité méthodologique acceptée est rigoureusement neutralisée par une stratégie de contrôle expérimentale ou statistique proportionnée.

8.2 Bonnes pratiques pour la reproductibilité expérimentale

À l’ère de la crise de la reproductibilité qui traverse les sciences biomédicales, cognitives et sociales, le traitement rigoureux de l’architecture des plans expérimentaux constitue une exigence déontologique majeure. Pour consolider la robustesse de l’édifice scientifique mondial, plusieurs impératifs méthodologiques doivent désormais guider la pratique contemporaine des investigateurs :

• Le préenregistrement systématique des devis : Les chercheurs doivent déposer sur des registres publics ouverts (tels que le Center for Open Science) la formalisation détaillée de leur devis expérimental préalablement à la collecte des données. Ce document doit expliciter sans ambiguïté la nature de l’assignation (inter, intra ou mixte), l’algorithme exact de randomisation ou de contrebalancement (ordres générés, type de carré latin), la justification computationnelle de la taille d’échantillon (calcul de puissance a priori), et les corrections de sphéricité ou de multiplicité programmées.
• L’abandon des méthodes d’éviction brute au profit des modèles contemporains : Dans les devis à mesures répétées ou mixtes, l’utilisation systématique de l’ANOVA classique conduisant à la suppression par liste des participants présentant une donnée manquante doit s’effacer devant l’implémentation standardisée des modèles mixtes linéaires (LMM/GLMM). Ces architectures statistiques contemporaines modélisent avec une finesse supérieure la structure de covariance des sujets et intègrent l’ensemble des données disponibles sans biaiser l’échantillonnage initial.
• La transparence intégrale des matrices de variance-covariance : La communication des résultats scientifiques ne peut plus se borner à la seule mention des moyennes et des écarts-types marginaux. Dans les protocoles à mesures répétées, la publication transparente des matrices de corrélation et de covariance inter-conditions est indispensable pour permettre l’évaluation indépendante de la sphéricité et faciliter la réalisation ultérieure de méta-analyses quantitatives rigoureuses.

En inscrivant l’arbitrage méthodologique au cœur de cette démarche de transparence, d’intégrité statistique et de rigueur épistémique, la recherche expérimentale se dote des outils nécessaires pour produire des savoirs robustes, vérifiables et durables, à la hauteur des défis scientifiques contemporains.

Références

Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Rand McNally.

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.

Fisher, R. A. (1935). The design of experiments. Oliver and Boyd.

Keppel, G., & Wickens, T. D. (2004). Design and analysis: A researcher’s handbook (4th ed.). Pearson Prentice Hall.

Kirk, R. E. (2013). Experimental design: Procedures for the behavioral sciences (4th ed.). SAGE Publications.

Maxwell, S. E., & Delaney, H. D. (2004). Designing experiments and analyzing data: A model comparison perspective (2nd ed.). Lawrence Erlbaum Associates.

Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Houghton Mifflin.