Comparaisons a posteriori : Rigueur statistique

Dans le domaine de la recherche quantitative en psychologie et en sciences du comportement, l’analyse des données expérimentales soulève inévitablement la question de la découverte fortuite de résultats signifiants. Lorsqu’une analyse globale révèle l’existence d’un effet sans préciser la localisation exacte des différences entre les groupes étudiés, le recours aux tests a posteriori devient indispensable pour éclairer ces nuances sans compromettre l’intégrité scientifique de l’inférence statistique.

Comparaisons a posteriori

1. Définition concise

Une comparaison a posteriori (communément désignée sous le terme de test post hoc) est une procédure statistique inférentielle réalisée après la constatation d’un résultat omnibus statistiquement significatif — généralement au sein d’une analyse de la variance (ANOVA) —, ayant pour but d’explorer et d’identifier précisément quelles paires ou combinaisons particulières de moyennes diffèrent les unes des autres.

Contrairement aux hypothèses déterminées a priori, qui reposent sur des conjectures théoriques formulées avant le recueil des données, les comparaisons post hoc sont intrinsèquement exploratoires et non planifiées à l’avance. Elles visent à évaluer l’ensemble des différences possibles décelées au sein d’un échantillon tout en contrôlant rigoureusement l’inflation artificielle du risque d’erreur de type I, couramment appelée le taux d’erreur global par famille de comparaisons.

Dans la recherche psychologique moderne, cette famille de méthodes constitue une passerelle méthodologique déterminante entre l’exploration ouverte de données complexes et le maintien des standards épistémologiques stricts requis pour la validation scientifique des modèles cognitifs, cliniques et organisationnels.

2. Étymologie et origine linguistique

L’expression tire son origine directe du latin philosophique et scolastique a posteriori, qui signifie littéralement « à partir de ce qui vient après » ou « d’après l’expérience ». Dans la philosophie aristotélicienne et ultérieurement kantienne, la connaissance a posteriori est tributaire de l’observation empirique et s’oppose formellement à la déduction a priori, établie indépendamment de toute confrontation aux faits perceptibles.

Le terme complémentaire post hoc résulte de l’abréviation de la locution latine post hoc ergo propter hoc (« après cela, donc à cause de cela »), employée originellement en logique classique pour désigner un sophisme de causalité. Dans la statistique du XXe siècle, les biométriciens ont dépouillé la formule de sa connotation péjorative pour l’appliquer rigoureusement aux analyses déclenchées chronologiquement et logiquement après l’observation du rejet d’une hypothèse nulle générale.

La transposition francophone « comparaison a posteriori » s’est imposée au sein des facultés de psychologie et des départements de biostatistique durant la seconde moitié du vingtième siècle, sous l’influence des traités de psychométrie et de méthodologie expérimentale désireux de normaliser la nomenclature probabiliste francophone.

3. Prononciation et forme grammaticale

Sur le plan phonétique, l’expression se prononce en français international [kɔ̃paʁɛzɔ̃ a pɔsteʁjɔʁi]. Lorsqu’elle prend la forme synonyme de « test post hoc », la transcription phonétique s’établit sous la structure [tɛst pɔst ɔk], le « c » final étant régulièrement articulé de façon nette.

D’un point de vue morphosyntaxique, « comparaison a posteriori » est un groupe nominal féminin qui s’accorde en nombre : « une comparaison a posteriori » au singulier, « des comparaisons a posteriori » au pluriel. La locution adverbiale latine a posteriori conserve son invariabilité orthographique totale et ne prend traditionnellement pas de trait d’union, bien que la graphie francisée avec accent grave sur le « à » apparaisse parfois dans les écrits contemporains mais demeure déconseillée dans les publications académiques formelles.

Dans la littérature empirique, on retrouve des variantes syntaxiques interchangeables telles que « tests de comparaisons multiples a posteriori », « analyses post hoc » ou encore « procédures d’ajustement a posteriori », chacune renvoyant au même ensemble méthodologique de prise de décision déductive contrôlée.

4. Explication conceptuelle détaillée

Pour appréhender pleinement la nécessité des comparaisons a posteriori, il convient de comprendre la structure d’une épreuve omnibus telle que le test F de Fisher dans une analyse de variance univariée. Lorsqu’un chercheur compare trois groupes thérapeutiques ou plus (par exemple : thérapie cognitivo-comportementale, pharmacothérapie et liste d’attente), l’hypothèse nulle globale (H0) pose l’égalité parfaite des moyennes de chaque population (μ1 = μ2 = μ3). L’obtention d’un test F significatif (p < 0,05) autorise le rejet de cette hypothèse nulle, indiquant avec confiance qu’au moins deux moyennes diffèrent entre elles. Néanmoins, ce résultat omnibus est strictement non directionnel et anonyme : il est incapable de préciser la configuration sous-jacente exacte de ces différences.

Face à cette indétermination, l’intuition nave suggérerait d’effectuer une cascade de tests de Student ordinaires (tests t) sur chaque paire envisageable d’échantillons. C’est là que réside le piège fondamental désigné sous le concept d’inflation du taux d’erreur de type I. Si le chercheur fixe le seuil de signification alpha (α) à 0,05 pour chaque test individuel, la probabilité de ne commettre aucune fausse découverte sur un ensemble de c comparaisons indépendantes est de (1 – α)^c. Dès lors, la probabilité globale de déclarer à tort au moins un résultat significatif — dénommée le taux d’erreur par famille d’hypothèses (α_FWER, pour Family-Wise Error Rate) — croît selon l’équation :

α_FWER = 1 - (1 - α)^c

Dans un modèle comportant seulement 5 groupes indépendants, le nombre de comparaisons bilatérales s’élève à 10 paires distinctes. En l’absence de correction, le risque de fausse alerte passe d’un niveau nominal de 5 % à une probabilité empirique cumulée excédant 40 %. Dans des dispositifs à 10 groupes, ce taux culmine à plus de 90 %, rendant la quasi-totalité des résultats prétendument significatifs entièrement illusoires et tributaires du bruit d’échantillonnage.

Les procédures de comparaisons a posteriori ont été mathématiquement formulées pour résoudre ce dilemme. Elles permettent de fouiller les données de manière exhaustive tout en imposant une pénalité statistique régulatrice calculée pour que le taux d’erreur global ne dépasse jamais le seuil d’exigence prédéfini (typiquement 5 %). Les limites conceptuelles de ces méthodes se situent précisément dans l’équilibre constant entre le contrôle des faux positifs (erreur de type I) et la préservation de la puissance statistique nécessaire pour éviter les faux négatifs (erreur de type II).

5. Évolution historique

L’histoire des comparaisons a posteriori est intimement liée à l’institutionnalisation de l’expérimentation quantitative au cours du vingtième siècle. Après la publication des travaux fondateurs de Sir Ronald A. Fisher dans les années 1920 et 1930 introduisant l’analyse de variance, la communauté scientifique s’est trouvée confrontée à une limite interprétative majeure : le test F révélait la présence globale de variations sans résoudre les contrastes particuliers.

Fisher lui-même proposa dans les années 1930 la première tentative formalisée, connue sous le nom de procédure de la plus petite différence significative (LSD, pour Least Significant Difference). Cette technique pionnière n’autorisait l’exécution de tests de Student non ajustés qu’à la condition formelle que le test F omnibus initial soit lui-même significatif. Bien qu’élégante pour trois groupes, cette méthode s’avéra rapidement insuffisante pour maîtriser le taux d’erreur dès que le nombre de groupes dépassait trois.

Durant les années 1950, véritable âge d’or de la méthodologie inférentielle, plusieurs statisticiens majeurs ont forgé les instruments encore utilisés aujourd’hui :

• En 1952, David B. Duncan et Frank Wilcoxon ont stimulé des réflexions sur les tests à étendues multiples.
• En 1953, John Tukey a développé le célèbre test HSD de Tukey (Honestly Significant Difference), fondé sur la distribution de l’étendue étudiante (Studentized range), apportant une solution optimale pour les comparaisons par paires deux à deux.
• La même année, Henry Scheffé a publié sa procédure généralisée, remarquablement robuste, autorisant le test a posteriori de n’importe quelle combinaison linéaire complexe de moyennes sans risque d’excéder le seuil alpha nominal.
• En 1955, Charles Dunnett a conçu une méthode dédiée aux contextes cliniques où plusieurs traitements expérimentaux sont comparés exclusivement à un groupe témoin unique.

Les décennies ultérieures ont vu l’émergence d’ajustements séquentiels, notamment les travaux de Sture Holm en 1979 qui ont raffiné la rigide correction de Bonferroni. Enfin, à l’aube du XXIe siècle, les travaux de Yoav Benjamini et Yosef Hochberg (1995) ont révolutionné le paradigme en développant le contrôle du taux de fausse découverte (FDR), largement adopté désormais en neurosciences computationnelles et en génétique comportementale.

6. Fondements théoriques

Le socle théorique des comparaisons a posteriori repose sur la théorie classique des probabilités et l’inférence statistique fréquentiste formalisée par Jerzy Neyman et Egon Pearson. Dans ce paradigme, la décision d’accepter ou de rejeter une hypothèse nulle dépend du maintien strict d’une borne supérieure pour l’erreur de type I, symbolisée par la valeur critique alpha.

Sur le plan mathématique, le problème des comparaisons multiples résulte de l’inégalité de Boole-Fréchet. Cette inégalité établit que la probabilité de l’union de plusieurs événements aléatoires ne peut dépasser la somme de leurs probabilités individuelles. Si l’on formule un nombre élevé de requêtes statistiques sur un même jeu de données sans ajustement, le champ des possibles s’élargit au point où le surgissement d’une valeur extrême par simple hasard d’échantillonnage devient mathématiquement inévitable.

Un autre cadre conceptuel maîtresse est celui de la dépendance stochastique entre contrastes. Deux comparaisons impliquant un groupe commun (par exemple le groupe A comparé au groupe B, puis le groupe A comparé au groupe C) ne sont pas statistiquement indépendantes : elles partagent la même variance d’échantillonnage issue du groupe A. Les théories des tests post hoc modernes intègrent explicitement cette covariance au moyen de lois de distribution spécifiques, telles que la loi de la distance étudiantifiée de Tukey ou la loi t multidimensionnelle de Dunnett.

Au niveau épistémologique, ces fondements distinguent la démarche de confirmation (où les hypothèses précèdent les résultats) de la démarche de découverte génératrice d’hypothèses (HARKing : Hypothesizing After the Results are Known). Les comparaisons a posteriori imposent un cadre méthodologique probabiliste strict à cette phase inductive afin d’empêchez que des découvertes fortuites ne soient présentées frauduleusement comme des validations théoriques déductives.

7. Composantes clés, typologies et dimensions

Les procédures de comparaison a posteriori peuvent être catégorisées selon leur degré de conservatisme, leurs présupposés de distribution et la nature géométrique des contrastes examinés :

• Tests d’étendue et comparaisons par paires (homogénéité des variances respectée) :
  • Test HSD de Tukey : La méthode reine pour comparer exhaustivement toutes les paires possibles de moyennes lorsque les tailles d’échantillons sont égales (ou la variante Tukey-Kramer pour les effectifs inégaux). Elle maximise la puissance tout en fixant rigoureusement le risque global d’erreur de type I à α.
  • Méthode de REGWQ (Ryan-Einot-Gabriel-Welsch Q) : Une procédure par étapes (step-down) particulièrement puissante qui vérifie l’égalité des sous-ensembles de moyennes de manière hiérarchique.
  • Test de Duncan et Student-Newman-Keuls (SNK) : Méthodes échelonnées plus anciennes mais aujourd’hui largement critiquées et déconseillées en raison d’un contrôle insuffisant du taux d’erreur global dès que le nombre de moyennes dépasse trois.
• Procédure pour contrastes complexes :
  • Test de Scheffé : La méthode la plus conservatrice et générale. Elle contrôle le taux d’erreur pour l’infinité des contrastes linéaires envisageables (par exemple, comparer la moyenne combinée des groupes A et B contre celle du groupe C). Sa robustesse se traduit par une puissance plus faible pour les simples comparaisons par paires.
• Comparaisons ciblées avec un référent :
  • Test de Dunnett : Spécialement conçu pour comparer plusieurs groupes expérimentaux à un groupe contrôle unique (k – 1 comparaisons), réduisant le nombre total de tests et augmentant notablement la puissance statistique comparativement à un test exhaustif de Tukey.
• Méthodes robustes en cas d’hétéroscédasticité (variances inégales) :
  • Test de Games-Howell : Extension robuste du test de Tukey à utiliser lorsque l’hypothèse d’homogénéité des variances (homoscédasticité) est violée et que les tailles d’échantillons sont inégales.
  • Procédure de Dunnett T3 : Alternative très conservatrice adaptée aux petits effectifs présentant de fortes disparités de variance.
• Procédures générales d’ajustement des valeurs p :
  • Correction de Bonferroni : Ajustement universel consistant à diviser le seuil alpha par le nombre total de comparaisons (α/c). Très intuitive mais excessivement conservatrice lorsque c est élevé.
  • Procédure de Holm-Bonferroni : Méthode séquentielle ascendante (step-down) qui ajuste dynamiquement les seuils de rejet, conservant le contrôle strict de Bonferroni tout en étant strictement plus puissante.
  • Taux de fausse découverte (FDR de Benjamini-Hochberg) : Approche alternative contrôlant la proportion attendue de fausses découvertes parmi l’ensemble des tests déclarés significatifs, privilégiée lors du traitement massif de données.

8. Exemples et cas illustratifs

Pour illustrer concrètement l’utilité et le déroulement d’une comparaison a posteriori, considérons une recherche en psychologie clinique portant sur l’efficacité de différentes interventions thérapeutiques sur le niveau d’anxiété généralisée (mesuré par l’échelle GAD-7, score continu de 0 à 21).

Le protocole comporte quatre groupes de 30 patients répartis aléatoirement :

• Groupe 1 : Thérapie d’acceptation et d’engagement (ACT)
• Groupe 2 : Thérapie cognitivo-comportementale classique (TCC)
• Groupe 3 : Programme de réduction du stress basée sur la pleine conscience (MBSR)
• Groupe 4 : Groupe témoin sur liste d’attente (WL)

Après 8 semaines de protocole, les scores moyens d’anxiété sont relevés : ACT = 7,2 ; TCC = 7,8 ; MBSR = 9,5 ; WL = 14,1. Le chercheur réalise une ANOVA unidirectionnelle à un facteur. Le test F s’avère hautement significatif : F(3, 116) = 18,45, p < 0,001. Cette valeur indique qu’il existe une différence statistiquement signifiante entre les modalités, mais ne précise pas si l’ACT est supérieure à la TCC, ni si le MBSR se détache de façon probante de la liste d’attente.

Le chercheur applique alors le test HSD de Tukey pour analyser l’intégralité des 6 paires de comparaisons possibles :

• WL vs ACT : différence de 6,9 points (p < 0,001) → Significatif
• WL vs TCC : différence de 6,3 points (p < 0,001) → Significatif
• WL vs MBSR : différence de 4,6 points (p < 0,001) → Significatif
• MBSR vs ACT : différence de 2,3 points (p = 0,042) → Significatif
• MBSR vs TCC : différence de 1,7 point (p = 0,165) → Non significatif
• TCC vs ACT : différence de 0,6 point (p = 0,873) → Non significatif

Grâce à la rigueur du test a posteriori, l’expérimentateur peut conclure avec certitude que toutes les interventions actives surpassent la condition contrôle, que l’ACT induit une réduction d’anxiété légèrement mais significativement supérieure au MBSR dans cette cohorte, mais qu’aucune différence démontrable ne sépare l’ACT de la TCC classique.

9. Mesure et évaluation

La mise en œuvre opérationnelle des comparaisons a posteriori exige le respect scrupuleux d’une séquence d’évaluation statistique assistée par logiciel métrique (tels que R, SPSS, SAS ou JASP). L’analyse s’articule généralement selon trois étapes méthodologiques incontournables :

Premièrement, la vérification des postulats de l’analyse de variance paramétrique est impérative. Le statisticien vérifie la normalité des résidus au moyen du test de Shapiro-Wilk et l’homogénéité des variances intergroupes par le test de Levene. Si le test de Levene révèle une inégalité flagrante des variances (p < 0,05), l’usage des tests standards de Tukey ou de Scheffé doit être immédiatement écarté au profit de la procédure de Games-Howell.

Deuxièmement, l’évaluation nécessite le calcul de la statistique de test appropriée. Pour le test HSD de Tukey, la valeur observée q se définit comme le rapport de la différence absolue entre deux moyennes échantillonnales sur l’erreur standard de l’étendue :

q = |X̄_i - X̄_j| / √(MS_erreur / n)

où MS_erreur représente le carré moyen de l’erreur résiduelle issu de l’ANOVA omnibus et n la taille des sous-groupes. La valeur obtenue est alors comparée à la distribution de la table de l’étendue étudiantifiée en fonction des degrés de liberté et du nombre total de moyennes comparées.

Troisièmement, l’analyse moderne ne se contente plus de la seule décision binaire fondée sur la valeur p ajustée. Les recommandations internationales (notamment de l’American Psychological Association) imposent le calcul des intervalles de confiance ajustés à 95 % pour chaque paire de moyennes, ainsi que l’estimation de la taille d’effet standardisée correspondante, telle que le d de Cohen ou le g de Hedges, afin de jauger la pertinence clinique ou théorique réelle de l’écart quantifié.

10. Applications et pertinence pratique

Les comparaisons a posteriori déploient leur utilité dans une vaste diversité de domaines appliqués de la psychologie et des disciplines connexes :

En neuropsychologie clinique, ces analyses permettent de caractériser avec finesse les profils d’altération cognitive associés à différentes pathologies neurodégénératives. En comparant des patients présentant une démence de type Alzheimer, une démence fronto-temporale, une démence à corps de Lewy et des témoins sains âgés sur une batterie de tests exécutifs, les tests de Dunnett ou de Tukey déterminent spécifiquement quelles fonctions instrumentales différencient une pathologie d’une autre, contribuant ainsi au diagnostic différentiel précoce.

En psychologie du travail et des organisations, les tests post hoc servent à évaluer l’impact de modalités managériales ou de réaménagements ergonomiques. Par exemple, une entreprise souhaitant mesurer l’engagement organisationnel selon quatre formules d’organisation spatiale (bureaux fermés, open space intégral, bureaux flexibles partagés et télétravail hybride) utilisera des comparaisons de Games-Howell (les effectifs étant souvent déséquilibrés entre départements) pour orienter rationnellement sa politique immobilière et humaine.

En psychopharmacologie et psychiatrie expérimentale, lors d’essais cliniques à doses multiples (par exemple : placebo vs 10 mg vs 20 mg vs 50 mg d’un nouvel antidépresseur), les tests de Dunnett s’avèrent indispensables pour isoler la dose minimale efficace tout en minimisant le risque d’effets indésirables imputables à un surdosage.

11. Recherche et données empiriques

La recherche méthodologique contemporaine consacre d’importants travaux d’expérimentation par simulations Monte Carlo à l’évaluation comparative des différents algorithmes post hoc. Des études d’envergure réalisées notamment par Keselman, Cribbie et Wilcox ont documenté de manière frappante la vulnérabilité des tests traditionnels face aux entorses aux postulats paramétriques.

Ces simulations révèlent que lorsque l’hypothèse d’homogénéité des variances est violée (notamment lorsque les groupes aux effectifs les plus restreints présentent les variances les plus élevées), le test de Tukey perd totalement son étanchéité : le taux réel d’erreur de type I peut grimper au-delà de 15 à 20 % au lieu des 5 % attendus. Dans ces conditions, les travaux empiriques démontrent la supériorité systématique de la procédure de Games-Howell ou de l’intégration de moyennes tronquées (trimmed means) proposées par Rand Wilcox.

Dans le domaine des neurosciences cognitives et de la neuro-imagerie (IRM fonctionnelle, magnétoencéphalographie), l’apparition de millions de voxels analysés simultanément a mis en échec les corrections familiales classiques comme Bonferroni, jugées léthargiques pour la détection d’activations corticales réelles. Les recherches méthodologiques de Nichols et Hayasaka ont prouvé que le passage aux procédures de contrôle du taux de fausse découverte (FDR) et aux tests de permutations non paramétriques offre le meilleur compromis empirique entre contrôle des artefacts et puissance statistique.

12. Considérations culturelles et contextuelles

Bien que les formules mathématiques des tests a posteriori possèdent une universalité formelle, leur interprétation et leur application concrète sont soumises à d’importantes variations contextuelles et culturelles dans la pratique de la recherche psychologique.

Dans les études de psychologie interculturelle comparant des échantillons issus de différents pays ou groupes ethniques (par exemple des cultures individualistes versus collectivistes), les chercheurs observent fréquemment des phénomènes de biais de réponse culturelle. Certaines populations manifestent une réticence marquée à utiliser les extrêmes des échelles de Likert (tendance centrale), tandis que d’autres présentent un biais d’acquiescement accentué. Ces artéfacts modifient considérablement les variances intra-groupes. Appliquer des comparaisons post hoc standards sans vérifier au préalable l’équivalence de mesure (invariance factorielle) à travers les cultures expose le chercheur à détecter des différences a posteriori purement linguistiques ou stylistiques plutôt que de réelles divergences psychologiques.

De plus, il existe une culture institutionnelle liée aux traditions de publication régionales : certains comités éditoriaux nord-américains privilégient quasi exclusivement le test de Tukey-Kramer pour sa simplicité standardisée, tandis que les écoles de biostatistique européennes démontrent une préférence historique pour les corrections séquentielles de Holm ou l’approche de Scheffé lors d’analyses exploratoires complexes.

13. Critiques, débats et limites méthodologiques

Malgré leur ubiquité dans les logiciels statistiques, les comparaisons a posteriori suscitent de vifs débats méthodologiques et épistémologiques. La critique centrale formulée par les méthodologues contemporains concerne le phénomène de la « pêche aux données » (data dredging ou p-hacking). Lorsqu’un chercheur multiplie les variables dépendantes et les regroupements a posteriori sans plan d’analyse préenregistré, les ajustements statistiques risquent de n’être qu’un vernis mathématique masquant une absence totale de modèle conceptuel robuste.

Un autre débat virulent oppose les partisans du contrôle strict de l’erreur familiale (FWER) aux défenseurs de la puissance statistique. Les méthodes hautement conservatrices comme la correction de Scheffé ou Bonferroni réduisent drastiquement l’erreur de type I mais augmentent symétriquement le risque d’erreur de type II (ne pas détecter un effet authentique). Dans des contextes de recherche exploratoire sur des pathologies rares ou des cohortes pédiatriques où le recrutement de larges échantillons est impossible, un conservatisme excessif peut conduire à l’abandon de pistes thérapeutiques pourtant prometteuses.

Enfin, l’école de la statistique bayésienne critique vigoureusement le concept même d’ajustement a posteriori fondé sur le FWER. Pour les bayésiens, l’évidence apportée par les données concernant la différence entre deux groupes donnés ne devrait dépendre que de ces deux groupes particuliers et de la distribution a priori, et non du nombre d’autres groupes que l’expérimentateur a choisi d’inclure dans l’expérience globale. Les modèles multiniveaux bayésiens résolvent ce problème sans recourir aux pénalités post hoc conventionnelles, par le phénomène de rétrécissement (shrinkage) des estimations vers la moyenne générale.

14. Termes connexes et distinctions conceptuelles

Afin d’éviter toute confusion méthodologique, il importe de distinguer précisément les comparaisons a posteriori de notions voisines :

• Comparaisons a priori (contrastes planifiés) : Tests conçus et formulés rigoureusement avant la phase de recueil des données, dérivant directement des hypothèses théoriques. Contrairement aux tests a posteriori, ils ne nécessitent généralement pas d’ajustement lourd du taux d’erreur global lorsqu’ils sont orthogonaux et en nombre restreint.
• Test omnibus (ANOVA globale) : Épreuve statistique globale testant l’hypothèse nulle selon laquelle l’ensemble des populations comparées partagent une moyenne identique. Il décèle l’existence d’une divergence globale mais ne localise aucune disparité spécifique, rôle assigné aux comparaisons post hoc.
• Faux positif (erreur de type I) : Rejet erroné d’une hypothèse nulle véritable (déclarer un effet inexistant dans la réalité). C’est l’inflation mathématique de cette erreur particulière que les procédures a posteriori ont vocation expresse d’endiguer.
• Taux de fausse découverte (FDR) : Métrique alternative au FWER s’attachant à borner la proportion de faux rejets parmi tous les rejets prononcés, privilégiée dans les études exploratoires à très haut débit.

15. Synthèse et points clés à retenir

Les comparaisons a posteriori constituent l’armature mathématique garantissant la validité inférentielle des analyses quantitatives en psychologie. Les éléments essentiels à maîtriser incluent :

• Objectif fondamental : Localiser précisément les différences entre groupes après l’obtention d’un résultat significatif à une ANOVA, sans dénaturer le protocole expérimental.
• Contrôle du risque global : Empêcher l’accumulation exponentielle du risque d’erreur de type I (α_FWER), inéluctable lors de la répétition naïve de tests d’hypothèses non corrigés.
• Sélection méthodologique adaptée : Employer le test de Tukey pour des comparaisons exhaustives par paires sous homoscédasticité ; privilégier Games-Howell en présence de variances hétérogènes ; réserver Dunnett pour les comparaisons dédiées à un groupe contrôle et Scheffé pour les contrastes combinés complexes.
• Exigences de publication contemporaines : Dépasser l’arbitrage univoque de la valeur p pour rapporter systématiquement les intervalles de confiance ajustés et les indices de taille d’effet (d de Cohen), indispensables à la réplicabilité des découvertes scientifiques.

Références

• Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate: A practical and powerful approach to multiple testing. Journal of the Royal Statistical Society: Series B (Methodological), 57(1), 289–300. https://doi.org/10.1111/j.2517-6161.1995.tb02031.x
• Dunnett, C. W. (1955). A multiple comparison procedure for comparing several treatments with a control. Journal of the American Statistical Association, 50(272), 1096–1121. https://doi.org/10.1080/01621459.1955.10501294
• Games, P. A., & Howell, J. F. (1976). Pairwise multiple comparison procedures with unequal n’s and/or variances: A Monte Carlo study. Journal of Educational Statistics, 1(2), 113–125. https://doi.org/10.3102/10769986001002113
• Holm, S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics, 6(2), 65–70.
• Scheffé, H. (1953). A method for judging all contrasts in the analysis of variance. Biometrika, 40(1-2), 87–110. https://doi.org/10.1093/biomet/40.1-2.87
• Tukey, J. W. (1949). Comparing individual means in the analysis of variance. Biometrics, 5(2), 99–114. https://doi.org/10.2307/3001913