Au cœur de la recherche quantitative contemporaine en psychologie et en sciences comportementales, l’évaluation de la pertinence pratique d’une découverte ne peut se réduire à la seule significativité statistique. L’indice d de Cohen s’impose à ce titre comme l’étalon d’or de la mesure de la taille d’effet standardisée, permettant de quantifier avec précision l’ampleur de la divergence entre deux moyennes indépendantes ou appariées. En transcendant les unités de mesure brutes des instruments psychométriques, cet outil méthodologique offre aux chercheurs un langage commun indispensable à l’interprétation clinique, à la réplication des résultats et à la synthèse méta-analytique.
Le d de Cohen
1. Définition concise
Le d de Cohen est une mesure standardisée de la taille d’effet qui exprime la différence entre deux moyennes en unités d’écart-type. Conçu spécifiquement pour quantifier la magnitude d’un phénomène expérimental ou observationnel indépendamment de la taille de l’échantillon, il constitue l’indice métrique le plus largement utilisé dans la comparaison de deux groupes en psychologie cognitive, clinique et sociale.
Sur le plan fondamental, cette statistique paramétrique permet de surmonter la dépendance structurelle de la valeur p vis-à-vis des effectifs d’un échantillon. Alors qu’un test d’hypothèse nul classique peut révéler une différence statistiquement significative pour un effet microscopique dès lors que le nombre de participants est colossal, le d de Cohen isole la véritable ampleur de la divergence observée. Il offre ainsi une estimation rigoureuse de la puissance explicative d’une intervention ou de la force d’une disparité interindividuelle.
Dans la pratique de la recherche psychométrique et expérimentale, le d de Cohen se calcule en divisant la différence arithmétique entre la moyenne du groupe expérimental et celle du groupe témoin par une estimation de l’écart-type combiné ou poolé de la population parente. Ce ratio sans dimension transforme une mesure brute, dépendante d’une échelle arbitraire de test ou de questionnaire, en une valeur universellement intelligible et directement comparable d’une étude à l’autre.
2. Étymologie et origine linguistique
L’appellation « d de Cohen » tire son nom du statisticien et psychologue américain Jacob Cohen (1923–1998), professeur à l’Université de New York, qui a formalisé cette mesure dans son ouvrage pionnier de 1969 consacré à l’analyse de puissance statistique pour les sciences comportementales. La lettre minuscule latine « d » a été choisie par Cohen comme une abréviation mnémotechnique directe du mot anglais difference, soulignant qu’il s’agissait avant tout d’une différence moyenne standardisée.
Sur le plan morphologique et épistémologique, le vocable s’inscrit dans la tradition de l’anglo-américain méthodologique du vingtième siècle, au confluent de la psychométrie appliquée et de l’inférence néo-fisherienne. L’usage en langue française a conservé la lettre originale tout en y adjoignant la particule patronymique selon les règles usuelles de la grammaire scientifique (« le d de Cohen », au masculin singulier), évitant toute translittération susceptible d’altérer la convention symbolique internationale.
Historiquement, l’introduction de ce symbole typographique en italique visait à établir une distinction formelle entre les paramètres populationnels purs, souvent notés par la lettre grecque delta (δ), et les statistiques estimées à partir d’échantillons finis de données observées, notées par le caractère romain d. Cette distinction linguistique et notationnelle reflète le respect des conventions probabilistes rigoureuses introduites par l’école britannique de statistique mathématique.
3. Prononciation et forme grammaticale
D’un point de vue morphosyntaxique, l’expression s’emploie comme un syntagme nominal masculin singulier : « le d de Cohen » (prononcé phonétiquement /lə de də ko.ɛn/ en français standard). Dans les contextes académiques formels, le substantif désigne l’indice numérique lui-même, tandis que sa forme plurielle (« les d de Cohen ») réfère à un ensemble de tailles d’effet recueillies au sein d’une synthèse empirique ou d’un protocole multi-sites.
Dans la littérature spécialisée, la lettre d est conventionnellement typographiée en italique minuscule lorsqu’elle fait référence à la variable statistique, conformément aux normes rédactionnelles de l’American Psychological Association (APA). Les formulations adjectivales dérivées demeurent rares en français, les auteurs préférant des périphrases explicites telles que « standardisé selon la métrique de Cohen » ou « exprimé en unités de d ».
Sur le plan syntaxique, le terme régit fréquemment des compléments de détermination précisant les conditions d’estimation : « le d de Cohen intra-groupe », « le d de Cohen inter-sujets », ou encore « le d non biaisé ». L’accord des participes et des qualificatifs s’effectue systématiquement au masculin, s’alignant sur le genre du substantif implicite « indice » ou « coefficient ».
4. Explication conceptuelle détaillée
Pour appréhender en profondeur la portée conceptuelle du d de Cohen, il est indispensable de revisiter les apories inhérentes à l’évaluation exclusive de la significativité statistique par le truchement de la valeur p. Dans le paradigme traditionnel des tests de signification d’hypothèse nulle (NHST), la valeur de probabilité obtenue par un test de Student reflète conjointement deux paramètres fondamentalement distincts : la magnitude réelle de l’effet dans la population sous-jacente et la taille de l’échantillon analysé. En conséquence, un chercheur observant un échantillon composé de dizaines de milliers d’individus constatera une valeur p hautement significative même pour une variation infime et dépourvue de toute utilité clinique ou théorique. Inversement, un essai clinique préliminaire portant sur une cohorte réduite risque d’échouer à rejeter l’hypothèse nulle malgré la présence d’une amélioration thérapeutique majeure.
Le d de Cohen résout ce dilemme épistémologique en dissociant la métrique de l’ampleur brute de celle du volume d’observation. En divisant la différence des moyennes empiriques par l’écart-type conjoint, cette statistique exprime le décalage géométrique entre deux distributions normales théoriques. Si deux groupes affichent un d de Cohen égal à 1,00, cela signifie littéralement que la moyenne du second groupe se situe à exactement un écart-type au-dessus de la moyenne du premier groupe. Cette standardisation unitaire permet d’abolir l’hétérogénéité des outils d’évaluation psychologiques : que l’on évalue l’anxiété via une échelle de dépistage en 20 points ou un inventaire multifactoriel gradué de 0 à 100, un d équivalent traduit une séparation distributionnelle strictement identique.
Au-delà de la simple distance euclidienne entre centres de gravité, le d de Cohen porte en lui une dimension probabiliste et distributionnelle féconde. En postulant l’homogénéité des variances et la normalité univariée au sein des sous-groupes, cette métrique permet de calculer des indices dérivés cruciaux pour le clinicien, tels que le degré de chevauchement des distributions (communément désigné par l’aire de non-recouvrement) ou la probabilité de supériorité. Par exemple, lorsque le d atteint une valeur de 0,50, environ 69 % des scores du groupe ayant bénéficié d’une intervention psychologique thérapeutique se situent au-delà de la médiane du groupe contrôle, et l’intersection des deux courbes gaussiennes n’est plus que partielle. Le concept transforme ainsi une abstraction mathématique en une description spatiale intuitive du comportement d’une population sous l’effet d’une variable expérimentale.
La délimitation conceptuelle du d exige également de circonscrire précisément ce qu’il ne mesure pas. Contrairement à des coefficients d’association d’ordre quadratique comme le coefficient de détermination (r²) ou l’êta-carré partiel (η²p), le d de Cohen conserve l’orientation directionnelle du phénomène étudié : un résultat négatif informe d’une dégradation ou d’un affaiblissement de la variable dépendante par rapport au témoin, tandis qu’un résultat positif indique un accroissement. Toutefois, le d demeure totalement insensible à la forme fine des queues de distribution si les postulats de normalité sont violés, ce qui appelle à une vigilance accrue lors de son interprétation en présence d’asymétries majeures ou de valeurs aberrantes extrêmes.
5. Évolution historique
La trajectoire historique menant à l’adoption unanime du d de Cohen s’enracine dans la crise méthodologique latente qui a traversé la psychologie académique durant la seconde moitié du vingtième siècle. Dès les années 1950, des méthodologistes lucides commençaient à pointer du doigt la dépendance aveugle de la communauté scientifique envers les tables de Student et de Fisher, soulignant que la publication d’un « p < 0,05 » ne garantissait en rien la réplicabilité ou la consistance d'un phénomène expérimental. C'est dans ce climat intellectuel que Jacob Cohen, statisticien rigoureux et clinicien de formation, entreprit de formaliser l'analyse de puissance a priori, constatant avec consternation dans ses premières enquêtes bibliométriques des années 1960 que la majorité des études psychologiques publiées souffraient d'un manque criant de puissance statistique.
La publication en 1969 de l’ouvrage canonique de Cohen, intitulé Statistical Power Analysis for the Behavioral Sciences, constitua le point de bascule fondateur. Pour permettre aux chercheurs de planifier adéquatement la taille de leurs cohortes avant de collecter la moindre donnée, Cohen dut introduire des indices standardisés de divergence populationnelle standardisée et proposer des balises conventionnelles (les célèbres seuils de 0,20, 0,50 et 0,80) pour guider les calculs en l’absence de données antérieures précises. Bien que Cohen ait explicitement mis en garde ses collègues contre l’usage dogmatique de ces seuils arbitraires, la simplicité opératoire de sa métrique séduisit rapidement le monde de la recherche psychologique et éducative.
Durant les décennies 1970 et 1980, l’essor fulgurant de la méta-analyse, sous l’impulsion décisive de Gene V. Glass, Frank L. Schmidt et John E. Hunter, propulsa le d de Cohen au rang d’outil de synthèse incontournable. Face à des dizaines d’essais cliniques portant sur l’efficacité des psychothérapies mais employant chacun des échelles d’évaluation différentes, la conversion systématique des données en tailles d’effet standardisées permit pour la première fois de quantifier rigoureusement l’impact global des soins psychologiques à grande échelle. Cette période vit également l’émergence d’ajustements statistiques majeurs, notamment les travaux de Larry Hedges qui démontra en 1981 que la formule originale de Cohen surestimait légèrement la taille d’effet au sein des très petits échantillons, donnant naissance au « g de Hedges » comme variante non biaisée.
À l’aube du vingt-et-unième siècle, la crise de la réplicabilité qui a ébranlé les sciences comportementales a conféré au d de Cohen une importance institutionnelle sans précédent. Les commissions méthodologiques des grandes revues savantes, à l’instar de la Task Force on Statistical Inference de l’APA dirigée par Leland Wilkinson en 1999, ont expressément recommandé de consigner systématiquement les tailles d’effet et leurs intervalles de confiance pour chaque test d’hypothèse publié. Aujourd’hui, le calcul du d de Cohen n’est plus perçu comme un simple raffinement accessoire, mais comme une exigence déontologique garantissant la transparence, la cumulativité et la solidité des inférences en psychologie expérimentale.
6. Fondements théoriques
Sur le plan mathématique et épistémologique, le d de Cohen repose sur le postulat d’échantillonnage de deux populations parentes indépendantes suivant chacune une distribution gaussienne de moyenne respective μ₁ et μ₂, et partageant une variance commune théorique σ². Dans ce cadre paramétrique idéal, la divergence réelle d’échelle standardisée (souvent désignée par la lettre grecque δ) est formalisée par le ratio de la différence de ces deux paramètres sur l’écart-type unitaire :
δ = (μ₁ – μ₂) / σ
Puisque les paramètres de la population demeurent inobservables dans la pratique empirique, le statisticien est contraint d’estimer cette distance en substituant les moyennes observées (M₁ et M₂) et en calculant une approximation pondérée de l’écart-type global, appelée écart-type combiné ou poolé (noté S_pool). La formulation classique pour deux groupes d’effectifs respectifs n₁ et n₂ et d’écarts-types empiriques s₁ et s₂ s’exprime comme la racine carrée de la moyenne pondérée de leurs variances respectives, garantissant une pondération équitable des degrés de liberté de chaque sous-échantillon.
Un fondement théorique sous-jacent capital concerne la distribution d’échantillonnage de l’estimateur d. Contrairement à une idée reçue tenace, la variabilité d’échantillonnage du d de Cohen ne suit pas une loi normale exacte, mais dérive directement de la distribution de Student non centrale. Cette propriété mathématique complexe découle du fait que le numérateur (la différence des moyennes) et le dénominateur (l’écart-type combiné) sont tous deux des variables aléatoires sujettes à des fluctuations stochastiques d’échantillonnage. La prise en compte de la non-centralité s’avère indispensable pour calculer des intervalles de confiance rigoureux autour de la taille d’effet estimée, une étape analytique aujourd’hui considérée comme supérieure au simple report d’une valeur ponctuelle isolée.
Enfin, le modèle théorique s’articule étroitement avec les théories de la mesure en psychométrie. Si l’instrument de mesure psychologique présente une fidélité imparfaite (par exemple, un coefficient alpha de Cronbach modeste), la variance d’erreur vient gonfler artificiellement l’écart-type au dénominateur, ce qui a pour conséquence directe d’atténuer mathématiquement la taille d’effet observée. Les théoriciens de la psychométrie ont ainsi développé des formules d’ajustement pour corriger le d de Cohen de l’atténuation due aux erreurs de mesure, reliant intimement la qualité de la modélisation statistique aux propriétés psychométriques intrinsèques des outils d’évaluation utilisés sur le terrain.
7. Composantes clés, types et dimensions
L’utilisation judicieuse de la famille des indices de Cohen requiert de distinguer ses différentes composantes de calcul, ses déclinaisons méthodologiques et ses dimensions structurelles au sein du protocole de recherche :
- La différence brute des moyennes (numérateur) : Représente le décalage arithmétique absolu ou relatif entre les conditions expérimentales (M₁ – M₂), préservant la direction du vecteur expérimental ou clinique.
- L’écart-type combiné ou poolé (dénominateur standardisateur) : Synthétise la dispersion moyenne intra-groupe selon la somme des carrés des écarts divisée par l’ensemble des degrés de liberté résiduels.
- Le d de Cohen inter-sujets (indépendant) : Version conventionnelle employée dans les schémas à groupes indépendants, comparant deux cohortes de participants distincts ayant été exposés à des conditions contrastées.
- Le d de Cohen pour mesures répétées (intra-sujet) : Déclinaison spécifique applicable aux protocoles pré-post interventionnels ; elle nécessite d’ajuster le calcul pour neutraliser la corrélation intra-classe issue de la dépendance statistique des mesures successives au sein d’un même individu.
- Le d de Glass (Δ de Glass) : Variante préconisée lorsque la variance du groupe expérimental est substantiellement modifiée par le traitement lui-même ; le dénominateur utilise exclusivement l’écart-type du groupe témoin pur comme étalon fixe de référence.
- Le g de Hedges : Correction mathématique du d de Cohen incorporant un facteur d’ajustement non biaisé fondé sur la fonction gamma, particulièrement impérative dès lors que la taille totale de l’échantillon est inférieure à une vingtaine d’individus.
8. Exemples et cas illustratifs
Pour illustrer la mécanique opératoire et l’interprétation concrète du d de Cohen, considérons l’évaluation d’une intervention cognitive par remédiation attentionnelle destinée à des patients présentant un trouble du déficit de l’attention avec hyperactivité (TDAH). Supposons que le groupe ayant suivi le protocole d’entraînement (n₁ = 40) obtienne un score moyen de performance exécutive de 115 points avec un écart-type de 15, tandis que le groupe témoin sur liste d’attente (n₂ = 40) obtient une moyenne de 100 points avec un écart-type identique de 15. La différence brute s’élève à 15 points, ce qui, divisé par l’écart-type combiné de 15, donne un d de Cohen exactement égal à 1,00. Dans cette configuration, l’intervention produit un bénéfice substantiel : le score moyen du patient traité se situe un écart-type entier au-dessus du patient non traité moyen, ce qui correspond au 84e centile de la distribution initiale.
Un second exemple pertinent concerne la psychologie sociale et l’étude des stéréotypes de genre relatifs aux aptitudes verbales. Imaginons une recherche à vaste échelle évaluant les compétences de lecture chez 10 000 garçons et 10 000 filles à l’entrée au collège. En raison du gigantisme de l’échantillon, un test de Student révèle une différence hautement significative sur le plan statistique (t = 4,24 ; p < 0,0001). Pourtant, le calcul scrupuleux du d de Cohen indique une valeur de d = 0,06. Bien que la différence ne puisse être imputée au simple hasard d’échantillonnage d’un point de vue probabiliste, son amplitude métrique est infinitésimale : les deux courbes de compétences se superposent à plus de 97 %, démontrant qu’au niveau des individus réels, l’appartenance au groupe de genre n’explique qu’une fraction dérisoire de la variance des performances en lecture.
Dans le domaine de la psychopharmacologie clinique, un essai contrôlé randomisé en double aveugle évaluant un nouvel antidépresseur par rapport à un placebo sur l’échelle de dépression de Hamilton (HDRS) peut faire apparaître un décalage moyen de 2,5 points. Si l’écart-type combiné des deux groupes est de 7,5 points, le calcul aboutit à un d de Cohen de 0,33. Même si les promoteurs du médicament mettent en avant un résultat statistiquement probant, ce d qualifié de modeste ou faible impose aux cliniciens de pondérer les bénéfices réels du traitement face aux effets secondaires indésirables, éclairant une décision médicale qui aurait été faussée par la seule consultation de la significativité statistique.
9. Mesure et évaluation psychométrique
La mise en œuvre pratique du d de Cohen en psychométrie repose sur une chaîne d’estimations algorithmiques intégrée dans la quasi-totalité des logiciels d’analyse statistique modernes, tels que R, JASP, Jamovi ou SPSS. L’estimation ponctuelle doit impérativement être accompagnée du calcul de son erreur-type asymptotique, qui reflète l’incertitude d’échantillonnage inhérente aux effectifs recrutés. L’erreur-type du d dépend directement de la somme des inverses des effectifs individuels ainsi que du carré de la taille d’effet elle-même, confirmant que les effets de très grande magnitude requièrent paradoxalement des échantillons encore plus stables pour être estimés avec une précision relative satisfaisante.
L’évaluation rigoureuse d’un d de Cohen exige l’adjonction systématique d’un intervalle de confiance à 95 % (IC 95 %). En s’appuyant sur les méthodes itératives des distributions de Student non centrales, cet intervalle délimite la zone de plausibilité du paramètre populationnel sous-jacent. Par exemple, rapporter un d = 0,45 accompagné d’un IC 95 % compris entre [0,05 ; 0,85] révèle une imprécision considérable liée à un sous-effectif flagrant, signifiant que le phénomène réel pourrait tout aussi bien être quasi négligeable (0,05) ou particulièrement puissant (0,85). Cette pratique diagnostique prévient les conclusions péremptoires issues d’estimations ponctuelles fragiles.
Dans le cadre des modélisations méta-analytiques contemporaines, le d de Cohen et son homologue non biaisé le g de Hedges constituent les métriques d’entrée standardisées les plus courantes. Chaque étude primaire est alors pondérée par l’inverse de la variance d’échantillonnage de sa taille d’effet (méthode de pondération par la variance inverse). Ce procédé mathématique garantit que les investigations méthodologiquement robustes et conduites sur de vastes cohortes exercent un poids prépondérant dans l’estimation de l’effet moyen cumulé, tout en permettant de modéliser l’hétérogénéité résiduelle par le truchement de modèles à effets aléatoires.
10. Applications et portée pratique
Les champs d’application du d de Cohen s’étendent à l’ensemble des branches appliquées de la psychologie et des sciences humaines, façonnant directement les politiques fondées sur des preuves (evidence-based practice) :
En psychologie clinique et en psychiatrie, le d de Cohen sert de baromètre pour sanctionner l’efficacité thérapeutique comparée des psychothérapies d’orientation cognitive et comportementale, systémique ou psychodynamique face aux prises en charge pharmacologiques usuelles. Les agences d’évaluation de la santé publique utilisent ces métriques pour déterminer le remboursement des soins et recommander les protocoles affichant des tailles d’effet cliniquement pertinentes sur la réduction des symptômes et l’amélioration de la qualité de vie des usagers.
Dans le secteur de la psychologie du travail et des organisations, les spécialistes des ressources humaines s’appuient sur le d de Cohen pour juger de la validité de critère et de l’utilité économique des dispositifs de recrutement. L’évaluation de l’écart moyen de performance au travail entre des candidats sélectionnés par des tests d’intelligence cognitive générale versus des entretiens non structurés permet de quantifier le gain de productivité concret en unités d’écart-type, guidant des investissements financiers stratégiques pour les entreprises.
En neurosciences cognitives et en psychologie de l’éducation, le d est massivement mobilisé pour évaluer l’impact d’aménagements pédagogiques innovants, de programmes d’alphabétisation précoce ou d’exercices d’entraînement de la mémoire de travail. En convertissant les gains d’apprentissage en tailles d’effet standardisées, les décideurs institutionnels peuvent arbitrer rationnellement entre différents programmes scolaires concurrents en identifiant ceux qui maximisent réellement la progression académique des élèves défavorisés.
11. Recherches et preuves empiriques
La littérature empirique en psychologie a fait l’objet de vastes synthèses bibliométriques destinées à cartographier la distribution réelle des tailles d’effet observées dans les publications savantes. Dans une étude fondamentale devenue classique, Lipsey et Wilson (1993) ont passé au crible des centaines de méta-analyses regroupant plusieurs milliers d’études primaires en psychologie appliquée, révélant que la distribution globale des d de Cohen oscillait typiquement autour d’une médiane de 0,50, confirmant que la plupart des interventions psychologiques produisent des effets d’ampleur modérée mais consistante.
Plus récemment, les travaux de Richard, Bond et Stokes-Zoota (2003), portant sur plus de 25 000 études publiées en psychologie sociale et totalisant plus de huit millions de participants, ont démontré que la taille d’effet moyenne observée dans ce sous-champ correspondait à un d équivalent de 0,43 (converti à partir d’un coefficient de corrélation moyen r = 0,21). Cette enquête empirique monumentale a mis en lumière que les effets spectaculaires (d > 1,20) fréquemment mis en avant dans les médias grand public s’avèrent extrêmement rares en sciences sociales et résultent presque systématiquement d’artefacts d’échantillonnage ou de biais de publication ciblant les petites cohortes instables.
Le mouvement mondial de réplication massive, incarné notamment par les initiatives de l’Open Science Collaboration (2015) et les consortiums Many Labs, a largement utilisé le d de Cohen comme étalon de fidélité réplicative. Ces recherches empiriques d’envergure ont révélé un phénomène d’érosion systématique de la taille d’effet : lors des tentatives rigoureuses de réplication de protocoles historiques, le d de Cohen observé est en moyenne réduit de moitié par rapport aux estimations initialement publiées dans les revues de référence, soulignant l’influence pernicieuse du biais de sélection des résultats statistiquement flatteurs.
12. Considérations culturelles et transculturelles
L’interprétation et la généralisabilité du d de Cohen prennent une tournure particulièrement délicate dès lors que les recherches franchissent les frontières culturelles et linguistiques. Dans la mesure où le dénominateur de l’indice repose sur l’écart-type combiné d’un groupe, toute altération de la variabilité sous-jacente au sein d’une population spécifique modifie mécaniquement la valeur numérique de la taille d’effet sans que la distance absolue entre les moyennes n’ait fluctué d’un iota.
Dans les sociétés occidentales, éduquées, industrialisées, riches et démocratiques (souvent désignées sous l’acronyme WEIRD), les échelles de mesure de soi et d’auto-évaluation de l’humeur manifestent fréquemment une dispersion accrue due à la valorisation de l’individualisme et à la liberté d’expression émotionnelle. Dans d’autres contextes culturels collectivistes, les participants peuvent manifester une tendance marquée vers le compromis ou le point médian de l’échelle Likert, réduisant artificiellement la variance observée. Une telle contraction de l’écart-type au dénominateur a pour effet pervers d’amplifier mathématiquement le d de Cohen, induisant l’analyste non averti en erreur quant à l’intensité relative du phénomène psychologique étudié.
De surcroît, le postulat d’équivalence de mesure (invariance factorielle) est un prérequis indispensable avant de prétendre comparer des d de Cohen entre différents groupes ethniques ou nationaux. Si un instrument psychométrique ne mesure pas le même construit sous-jacent avec les mêmes seuils d’interception et de saturation factorielle d’une langue à l’autre, calculer un d de divergence équivaut à comparer des entités conceptuellement incommensurables. La recherche transculturelle exigeante requiert donc de valider l’invariance métrique et scalaire avant de formaliser la moindre différence sous forme d’indice standardisé.
13. Critiques, controverses et limites
En dépit de son hégémonie académique incontestée, le d de Cohen essuie régulièrement des critiques théoriques et méthodologiques sévères. La première et la plus célèbre controverse concerne la réification aveugle des seuils d’interprétation conventionnels proposés initialement par Jacob Cohen en 1969 : un d de 0,20 qualifié de « petit », un d de 0,50 qualifié de « moyen » et un d de 0,80 qualifié de « grand ». Bien que Cohen ait lui-même rédigé des mises en garde explicites précisant que ces repères étaient de simples balises probabilistes arbitraires destinées aux calculs a priori de puissance, de nombreux chercheurs les ont transformés en grilles d’évaluation mécaniques et décontextualisées.
Des méthodologistes de premier plan, à l’instar de Russell Lenth ou Daniël Lakens, ont démontré qu’un « petit » d de 0,15 peut représenter une découverte médicale colossale lorsqu’il s’agit de réduire la mortalité après un accident vasculaire cérébral ou d’infléchir une pathologie psychiatrique invalidante à l’échelle d’une nation entière, alors qu’un « grand » d de 0,90 obtenu sur une tâche de laboratoire en temps de réaction artificielle peut s’avérer totalement futile sur le plan de la compréhension du comportement humain réel. L’évaluation de l’importance d’une taille d’effet doit obligatoirement être indexée au contexte théorique spécifique, aux coûts de mise en œuvre de l’intervention et aux conséquences pratiques pour les individus.
Une seconde limite majeure réside dans la vulnérabilité mathématique du d de Cohen face aux violations des postulats paramétriques classiques. Lorsque les distributions empiriques s’écartent substantiellement de la normalité gaussienne ou que les sous-groupes présentent une hétéroscédasticité marquée (inégalité prononcée des variances), l’estimation de l’écart-type combiné est gravement biaisée. De même, la présence de quelques observations extrêmes ou aberrantes peut faire exploser le dénominateur de variance et conduire à une sous-estimation massive du d, masquant un véritable effet au sein de la masse des données saines. Dans de telles conditions de non-paramétricité, des estimateurs robustes alternatifs (tels que le d fondé sur les moyennes tronquées d’Algina ou les métriques non paramétriques de Cliff) se révèlent nettement supérieurs.
Enfin, une ambiguïté persistante entoure le calcul du d dans les devis de recherche à mesures répétées (intra-sujets). Trop souvent, les analystes calculent le d en utilisant l’écart-type des scores de différence temporelle sans ajuster la métrique pour tenir compte du coefficient de corrélation pré-post test. Cette confusion méthodologique courante produit des indices artificiellement gonflés qui ne peuvent en aucun cas être amalgamés directement avec des d issus de devis inter-sujets au sein d’une synthèse de la littérature, polluant de fait les conclusions des méta-analyses négligentes.
14. Termes connexes et distinctions
Pour naviguer avec rigueur dans le paysage foisonnant des statistiques de taille d’effet, il convient de distinguer clairement le d de Cohen de ses homologues conceptuels :
- g de Hedges : Estimateur sans biais de la famille d qui applique un coefficient multiplicateur correctif dépendant du nombre de degrés de liberté ; il converge vers le d de Cohen lorsque l’échantillon dépasse une cinquantaine de sujets mais évite toute surestimation systématique sur les micro-cohortes.
- Δ de Glass (Delta de Glass) : Mesure de taille d’effet standardisée n’utilisant au dénominateur que l’écart-type du groupe témoin ou contrôle ; préconisée impérativement lorsque l’intervention expérimentale engendre une déstabilisation majeure de la variance dans le groupe traité.
- r de Pearson (coefficient de corrélation) : Indice d’association linéaire univarié borné entre -1 et +1 ; il appartient à la famille des métriques de type « variance expliquée », et des équations de conversion universellement documentées permettent de translater directement un d de Cohen en un équivalent r.
- Êta-carré partiel (η²p) : Statistique issue des modèles d’analyse de variance (ANOVA) quantifiant la proportion de variance totale attribuable à un facteur factoriel spécifique après élimination des autres effets du modèle ; contrairement au d, il ne possède aucune orientation directionnelle.
- Nombre de sujets à traiter (NNT – Number Needed to Treat) : Métrique épidémiologique et clinique dérivée du d indiquant le nombre théorique de patients devant recevoir une thérapie pour observer un événement d’amélioration binaire supplémentaire par rapport au témoin.
15. Synthèse et points clés à retenir
Le d de Cohen incarne une avancée méthodologique cardinale qui a permis à la psychologie moderne de s’émanciper de la tyrannie stérile du culte de la seule valeur p. En formulant l’amplitude des phénomènes comportementaux en unités universelles d’écart-type, il fournit un instrument de communication inter-laboratoires d’une clarté inégalée, autorisant des comparaisons directes entre paradigmes expérimentaux disparates.
Sa manipulation scientifique exige toutefois une rigueur irréprochable : l’analyste doit impérativement veiller à la conformité des postulats distributionnels gaussiens, opter pour la correction non biaisée de Hedges en présence de cohortes restreintes, et toujours consigner les intervalles de confiance à 95 % entourant l’estimation ponctuelle. L’interprétation de la valeur métrique ne doit jamais être subordonnée à des seuils conventionnels arbitraires mais doit être solidement ancrée dans le contexte théorique, la fidélité des mesures employées et les retombées pratiques concrètes pour les populations concernées.
Références
- Cohen, J. (1969). Statistical power analysis for the behavioral sciences. Academic Press. https://www.worldcat.org/title/statistical-power-analysis-for-the-behavioral-sciences/oclc/18028
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2e éd.). Lawrence Erlbaum Associates. https://doi.org/10.4324/9780203771587
- Cohen, J. (1994). The earth is round (p < .05). American Psychologist, 49(12), 997–1003. https://doi.org/10.1037/0003-066X.49.12.997
- Hedges, L. V. (1981). Distribution theory for Glass’s estimator of effect size and related estimators. Journal of Educational Statistics, 6(2), 107–128. https://doi.org/10.3102/10769986006002107
- Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, Article 863. https://doi.org/10.3389/fpsyg.2013.00863
- Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594