Plan factoriel croisé : Mesurer l’interaction

Dans le domaine de la recherche expérimentale en psychologie et en sciences du comportement, la réalité psychologique se caractérise rarement par des relations univariées simples, mais découle plutôt de dynamiques multifactorielles complexes. Le plan à facteurs croisés constitue une architecture méthodologique fondamentale qui permet d’évaluer simultanément l’impact de plusieurs variables indépendantes ainsi que leur influence combinée sur une ou plusieurs variables dépendantes. En structurant l’observation scientifique de manière à ce que chaque modalité d’un facteur apparaisse en combinaison avec chaque modalité des autres facteurs, ce paradigme expérimental permet d’isoler avec rigueur les effets principaux et de révéler les effets d’interaction essentiels à la modélisation des processus cognitifs, affectifs et comportementaux.

Plan à facteurs croisés

1. Définition concise

Un plan à facteurs croisés (communément désigné sous le terme de crossed-factor design ou plan factoriel complet) est un dispositif expérimental dans lequel au moins deux variables indépendantes sont manipulées de telle sorte que chaque niveau ou modalité d’un facteur est systématiquement combiné avec chaque niveau ou modalité de tous les autres facteurs. Cette structure matricielle intégrale garantit que toutes les combinaisons possibles de conditions expérimentales soient représentées dans l’échantillon ou au sein du protocole.

Dans la recherche psychologique contemporaine, cette configuration méthodologique permet de tester l’existence d’effets principaux distincts pour chaque facteur, tout en examinant empiriquement la présence éventuelle d’un effet d’interaction. Ce dernier survient lorsque l’influence d’une variable indépendante sur la variable dépendante varie en fonction du niveau d’une autre variable indépendante. Contrairement aux plans hiérarchisés ou emboîtés (nested designs), où les modalités d’un facteur sont confinées à un sous-ensemble spécifique d’un autre facteur, le croisement complet préserve l’orthogonalité des prédicteurs, facilitant ainsi l’estimation non biaisée de la variance expliquée par le modèle statistique.

Cette approche s’applique tant aux protocoles intersujets (où des groupes de participants distincts sont affectés à chaque cellule expérimentale) qu’aux protocoles intrasujets à mesures répétées (où chaque participant est exposé à l’ensemble des croisements de conditions), ainsi qu’aux plans mixtes. Elle constitue l’ossature méthodologique privilégiée pour tester des hypothèses de modération et pour évaluer la validité écologique de lois psychologiques sous différentes contraintes situationnelles.

2. Étymologie et origine linguistique

L’expression « plan à facteurs croisés » puise ses racines dans le vocabulaire de la géométrie, de la logique combinatoire et de la statistique appliquée. Le terme « plan » dérive du latin planus, signifiant « uni, plat, clair », et a évolué en français pour désigner une représentation schématique ordonnée ou un dispositif stratégique structuré avant l’action expérimentale. Le vocable « facteur » provient du latin factor (« celui qui fait, auteur, créateur »), lui-même dérivé du verbe facere (« faire ») ; en statistique, il désigne l’agent causatif ou la variable manipulée susceptible de produire une modification mesurable sur le phénomène étudié.

Le qualificatif « croisé » provient du verbe « croiser », issu du bas-latin cruciare (marquer d’une croix), qui s’est enrichi dans la pensée scientifique du sens d’intersection mutuelle et de permutation croisée. En anglais, la locution crossed-factor design a été popularisée au début du XXe siècle au sein de l’école biométrique britannique. La métaphore du croisement renvoie directement à la disposition en grille ou en tableau à double entrée, où les lignes représentant les niveaux du premier facteur et les colonnes représentant ceux du second s’intersectent pour délimiter chaque cellule de traitement expérimental.

Dans la littérature francophone en psychométrie et méthodologie quantitative, on retrouve également les dénominations équivalentes de « plan factoriel complet », « dispositif factoriel croisé » ou « schéma croisé orthogonale ». Bien que le mot anglais cross-classification ait parfois été traduit par « classification croisée », le concept de plan à facteurs croisés s’est imposé pour désigner l’organisation délibérée de la collecte de données scientifiques selon une matrice factorielle complète.

3. Prononciation et forme grammaticale

Sur le plan phonétique, « plan à facteurs croisés » se prononce en français international standard selon la transcription de l’Alphabet Phonétique International : /plɑ̃ a fak.tœʁ kʁwa.ze/. Le syntagme nominal masculin se décompose en un nom principal (« plan », masculin singulier), suivi d’une locution prépositionnelle restrictive (« à facteurs croisés »). Le substantif « facteur » et le participe passé adjectivé « croisé » prennent la marque du pluriel (« s »), reflétant la présence indispensable d’au moins deux facteurs mutuellement croisés pour que la structure existe.

Au pluriel, l’expression devient « des plans à facteurs croisés » (/de plɑ̃ z‿a fak.tœʁ kʁwa.ze/), la graphie de « facteurs croisés » restant invariable. Dans l’écriture scientifique, on emploie couramment la notation factorielle abrégée sous forme de multiplication arithmétique (par exemple, un plan « 2 × 2 » prononcé « deux par deux », ou un plan « 2 × 3 × 4 » prononcé « deux par trois par quatre »), où le nombre de chiffres correspond au nombre de facteurs croisés et la valeur de chaque chiffre indique le nombre de modalités ou de niveaux associés à ce facteur.

Dans les rapports de recherche empirique, le terme est employé comme complément circonstanciel de manière (« l’expérience a été conduite selon un plan factoriel croisé 2 × 3 ») ou en tant que sujet syntaxique désignant le dispositif méthodologique global (« le plan à facteurs croisés a permis d’isoler l’interaction significative entre le niveau de stress induit et le type de tâche mémorielle »).

4. Explication conceptuelle détaillée

Pour appréhender en profondeur le plan à facteurs croisés, il convient de comprendre le principe de partitionnement de la variance dans l’analyse expérimentale. Lorsqu’un chercheur souhaite comprendre un comportement humain, limiter l’investigation à une approche univariée classique (faire varier un seul facteur en maintenant artificiellement tous les autres constants, selon le canon traditionnel ceteris paribus) présente des faiblesses épistémologiques majeures. Cette méthode réductionniste postule implicitement que l’effet d’une variable s’exerce de façon universelle, indépendamment du contexte ou de l’état interne de l’organisme. Le croisement des facteurs permet précisément de dépasser cette illusion de simplicité en intégrant la dépendance contextuelle au cœur même du protocole.

Dans un plan croisé factoriel complet de dimension A × B, où le facteur A comporte p modalités et le facteur B comporte q modalités, l’espace expérimental est découpé en exactement p × q cellules de traitement distinctes. La règle fondamentale de construction exige que chaque modalité a_i de A coexiste avec chaque modalité b_j de B. Par exemple, si l’on étudie l’effet de l’intensité lumineuse (forte vs faible) et du type de musique d’ambiance (apaisante vs stimulante vs silence) sur la concentration cognitive, le dispositif comportera 2 × 3 = 6 conditions distinctes. Chaque condition représente une combinaison univoque des deux dimensions étudiées.

La structure croisée garantit une propriété mathématique cruciale : l’orthogonalité des effets. Dans un plan équilibré où le nombre d’observations par cellule est égal, la somme des carrés totale peut être décomposée de façon parfaitement indépendante entre l’effet principal du facteur A, l’effet principal du facteur B, l’effet d’interaction A × B et la variance d’erreur résiduelle. Cela signifie que l’évaluation empirique de l’impact du facteur A n’est pas contaminée ni confondue par la variance attribuable au facteur B, et inversement.

Au-delà des deux facteurs initiaux, les plans croisés peuvent s’étendre à trois facteurs ou davantage (par exemple A × B × C). Dans un tel cas, le modèle statistique évalue non seulement les trois effets principaux (A, B, C) et les trois interactions d’ordre deux (A × B, A × C, B × C), mais également une interaction d’ordre trois (A × B × C). Une interaction d’ordre trois indique que la nature ou l’intensité de l’interaction entre deux facteurs change elle-même en fonction des niveaux du troisième facteur, offrant une finesse descriptive indispensable à l’analyse de processus psychologiques hautement intégrés comme la prise de décision sous incertitude ou la régulation émotionnelle sous contrainte sociale.

La délimitation conceptuelle du plan croisé s’opère par contraste avec les plans emboîtés (ou hiérarchiques). Dans un plan emboîté, les modalités d’un facteur B sont subordonnées et propres à une modalité spécifique de A. Par exemple, si l’on évalue des thérapies au sein de différents hôpitaux où chaque thérapeute n’exerce que dans un seul établissement, le facteur thérapeute est emboîté dans le facteur hôpital ; il n’est donc pas croisé. Dans un plan croisé, les mêmes thérapeutes devraient intervenir de manière équivalente et standardisée dans l’ensemble des établissements hospitaliers inclus dans la recherche.

5. Développement historique

La formalisation du plan à facteurs croisés est intrinsèquement liée à la naissance de la statistique inférentielle moderne et aux travaux de Ronald Aylmer Fisher dans les années 1920 à la station agronomique de Rothamsted. Confronté aux limites des expérimentations agricoles consistant à modifier un seul intrant à la fois (pratique prédominante héritée du XIXe siècle), Fisher a démontré dans son ouvrage séminal Statistical Methods for Research Workers (1925), puis dans The Design of Experiments (1935), que les plans factoriels étaient non seulement plus économiques en termes de ressources, mais fournissaient une information qu’aucune série d’expériences isolées ne pouvait apporter : la mesure directe de l’interaction entre les facteurs.

Fisher a prouvé mathématiquement que la combinaison croisée des traitements fournissait une estimation de chaque effet principal avec la même précision que si l’ensemble des unités expérimentales avait été consacré à l’étude de ce seul facteur, conférant à la méthode ce qu’il a qualifié de « gain d’efficacité factorielle ». Dans les décennies 1930 et 1940, Frank Yates a étendu ces principes fondamentaux en développant des algorithmes spécifiques pour le calcul rapide des effets dans les plans factoriels à deux niveaux ($2^k$) et en formalisant les plans factoriels fractionnaires pour les situations où le nombre total de cellules croisées devient expérimentalement intraitable.

L’introduction de ces paradigmes dans les sciences humaines et la psychologie a été accélérée dans l’après-guerre par des méthodologistes comme E. F. Lindquist, Jerome Cornfield et John Tukey. L’article classique de Cornfield et Tukey publié en 1956 sur les modèles à effets fixes et aléatoires a clarifié la manière dont les facteurs croisés devaient être analysés en fonction de la généralisabilité visée pour les conclusions. En psychologie expérimentale, les manuels de référence de Donald Campbell et Julian Stanley (1963) ainsi que l’ouvrage monumental de B. J. Winer, Statistical Principles in Experimental Design (1962), ont érigé le plan factoriel croisé au rang de standard d’or pour la manipulation rigoureuse en laboratoire des variables cognitives et comportementales.

Au cours des années 1970 et 1980, le développement de l’informatique et des logiciels statistiques tels que SPSS, SAS et BMDP a démocratisé l’usage des plans factoriels croisés complexes, permettant aux chercheurs d’analyser sans calcul manuel fastidieux des matrices d’expériences comportant trois, quatre voire cinq facteurs croisés. Aujourd’hui, avec l’avènement des modèles mixtes généralisés et de la psychométrie computationnelle, les plans croisés demeurent la référence méthodologique pour contrôler la variance des participants et des stimuli dans les études de chronométrie mentale, d’imagerie cérébrale et de psychologie sociale expérimentale.

6. Fondements théoriques

Le plan à facteurs croisés repose sur le formalisme mathématique du modèle linéaire général (General Linear Model, GLM). Dans un plan factoriel croisé fixe à deux facteurs $A$ et $B$, l’observation individuelle de la variable dépendante pour le $k$-ième sujet dans la cellule $(i, j)$ s’exprime par l’équation linéaire canonique suivante :

Y_ijk = μ + α_i + β_j + (αβ)_ij + ε_ijk

Dans cette formulation théorique :

• μ représente la moyenne générale non pondérée de l’ensemble de la population de référence ;
• α_i représente l’effet propre ou principal du niveau $i$ du facteur $A$, soumis à la contrainte standard de centrage $\sum lpha_i = 0$ ;
• β_j représente l’effet propre ou principal du niveau $j$ du facteur $B$, soumis à la contrainte $\sum \eta_j = 0$ ;
• (αβ)_ij formalise le terme d’effet d’interaction non additif propre à la combinaison spécifique $(i, j)$, représentant l’écart entre le résultat observé et la somme purement additive des deux effets principaux ;
• ε_ijk incarne l’erreur aléatoire résiduelle associée au sujet $k$ dans la cellule $(i, j)$, postulée indépendante et identiquement distribuée selon une loi normale de moyenne nulle et de variance constante $\sigma^2$ ($arepsilon_{ijk} sim mathcal{N}(0, sigma^2)$).

Sur le plan épistémologique, ce fondement linéaire matérialise le passage d’une vision mécanique déterministe à une conception probabiliste de la causalité plurielle. Le modèle postule que les phénomènes psychologiques peuvent être décomposés en composantes de variance indépendantes et quantifiables. Le test d’hypothèse s’appuie sur la distribution de Fisher-Snedecor (le test $F$), obtenue par le ratio de la variance moyenne systématique expliquée par chaque terme du modèle divisée par la variance moyenne de l’erreur d’échantillonnage.

Le cadre théorique s’enrichit selon le statut épistémique attribué aux facteurs croisés : le modèle à effets fixes s’applique lorsque l’ensemble des modalités d’intérêt pour la théorie sont exhaustivement incluses dans l’expérience (par exemple, homme vs femme, ou tâche visuelle vs tâche auditive). En revanche, le modèle à effets aléatoires intervient lorsque les modalités incluses sont conçues comme un échantillon représentatif prélevé au sein d’une population infinie de modalités possibles (comme des listes de mots spécifiques ou des stimuli faciaux). Lorsque des facteurs fixes et aléatoires sont croisés, on parle alors de modèle factoriel mixte, exigeant des termes d’erreur spécifiques au dénominateur du test $F$ pour préserver le taux d’erreur de première espèce.

7. Composantes clés, types et dimensions

L’architecture d’un plan à facteurs croisés se décline selon plusieurs axes morphologiques et fonctionnels définis par le mode d’assignation des unités d’observation et la complétude de la grille expérimentale :

• Plan factoriel croisé intersujets (between-subjects) : Chaque unité expérimentale (participant) est affectée à une seule et unique cellule du croisement matriciel. Ce type de plan évite tout effet de report, d’apprentissage ou de fatigue, mais exige un volume d’échantillon élevé pour maintenir une puissance statistique suffisante face à la variabilité interindividuelle.
• Plan factoriel croisé intrasujets (within-subjects ou à mesures répétées) : Chaque participant passe successivement dans toutes les cellules définies par le croisement des facteurs. Cette disposition offre une puissance statistique maximale car chaque sujet sert de son propre contrôle, annulant la variance interindividuelle globale ; elle exige toutefois un contrebalancement systématique de l’ordre de passation afin de neutraliser les effets d’ordre et d’entraînement.
• Plan factoriel croisé mixte (split-plot) : Combine au minimum un facteur croisé intersujets et un facteur croisé intrasujets. C’est le design par excellence des études d’intervention psychothérapeutique ou éducative (par exemple : Groupe Intervention vs Contrôle croisé avec le Temps Mesuré Pré-test vs Post-test vs Suivi).
• Plans croisés complets vs fractionnaires : Le plan complet matérialise l’intégralité arithmétique de toutes les cellules théoriques ($p imes q imes r$). Le plan fractionnaire n’exécute qu’un sous-ensemble sélectionné de ces cellules selon des règles d’aliasing précises pour préserver l’estimation des effets principaux au détriment de l’analyse des interactions d’ordre supérieur.
• Facteurs croisés à effets fixes vs aléatoires : Les facteurs dont les niveaux sont exhaustifs et reproductibles à l’identique sont fixes ; ceux dont les niveaux représentent un échantillon de stimuli ou de contextes sont aléatoires, définissant la structure d’inférence générale des résultats.
• Équilibre matriciel (plans balancés vs non balancés) : Un plan croisé est qualifié d’orthogonal ou balancé lorsque chaque cellule comprend un effectif identique ($n_{ij} = n$). En cas de déséquilibre d’effectifs, l’indépendance des sommes des carrés est rompue, imposant le recours aux sommes des carrés de type III pour isoler les contributions uniques des facteurs.

8. Exemples et cas illustratifs

Afin de concrétiser le fonctionnement d’un plan à facteurs croisés dans la recherche empirique, examinons une étude de psychologie cognitive expérimentale portant sur la performance d’encodage mémoriel sous contrainte émotionnelle. Considérons une expérience factorielle croisée 2 × 3 intersujets. Le premier facteur manipulé est l’« état émotionnel induit » (Facteur $A$, avec 2 modalités : Induction de stress aigu vs Induction d’un état neutre). Le second facteur est la « modalité de présentation du matériel » (Facteur $B$, avec 3 modalités : Présentation visuelle textuelle vs Présentation auditive orale vs Présentation bimodale simultanée). Le croisement génère 6 conditions expérimentales distinctes (Stress/Texte, Stress/Audio, Stress/Bimodal, Neutre/Texte, Neutre/Audio, Neutre/Bimodal). Si 20 participants distincts sont alloués aléatoirement à chaque cellule, l’expérience mobilise un échantillon total de 120 sujets.

Dans cette configuration, l’analyse de la variance (ANOVA) permet d’extraire trois résultats empiriques indépendants :

• Un premier effet principal du stress : les participants sous stress retiennent-ils en moyenne moins de concepts que les participants en condition neutre, abstraction faite de la modalité de présentation ?
• Un second effet principal du type de présentation : la modalité bimodale engendre-t-elle une mémorisation supérieure aux modalités unimodales, indépendamment de l’état émotionnel des sujets ?
• Un effet d’interaction critique ($A imes B$) : l’avantage de la modalité bimodale est-il préservé sous stress aigu, ou s’effondre-t-il spécifiquement lorsque la charge émotionnelle sature les ressources exécutives de travail ? Si l’avantage bimodal n’apparaît qu’en condition neutre et disparaît sous stress, nous sommes en présence d’une interaction d’inhibition (effet modérateur direct).

Un autre cas paradigmatique en neuropsychologie clinique concerne l’étude des fonctions exécutives chez les patients atteints de la maladie de Parkinson comparés à des témoins sains (Facteur Intersujets $A$ : Pathologique vs Témoin), soumis à une tâche de flexibilité mentale sous deux conditions de vitesse d’exécution (Facteur Intrasujets $B$ : Rythme libre vs Rythme forcé cadencé). Ce plan croisé mixte (2 × 2) permet de démontrer si le déficit de flexibilité mentale propre à l’atteinte des ganglions de la base est intrinsèque ou s’il n’émerge sélectivement que lorsque la contrainte temporelle externe dépasse le seuil d’ajustement moteur du patient.

9. Mesure et évaluation méthodologique

La validité interne et statistique d’un plan à facteurs croisés repose sur le strict respect de postulats méthodologiques et d’analyses quantitatives appropriées. L’outil analytique conventionnel pour un plan croisé fixe est le test $F$ d’analyse de la variance (ANOVA) factorielle. Ce test compare les carrés moyens systématiques aux carrés moyens résiduels :

F_A = CM_A / CM_Résiduel ; F_B = CM_B / CM_Résiduel ; F_A×B = CM_A×B / CM_Résiduel

La validité des inférences déduites d’un tel plan dépend de la vérification de trois postulats fondamentaux :

1. La normalité de la distribution des résidus au sein de chaque cellule croisée, vérifiable via les tests de Shapiro-Wilk ou l’inspection visuelle des tracés quantile-quantile (Q-Q plots).
2. L’homogénéité des variances intercellulaires (homoscédasticité), évaluée au moyen du test de Levene ou du test de Brown-Forsythe. La violation de cette hypothèse fausse substantiellement le contrôle de l’erreur de type I, imposant des corrections robustes (comme les corrections de Welch-James) ou une transition vers la modélisation linéaire généralisée.
3. L’indépendance des observations, postulée par la randomisation de l’assignation dans les plans intersujets. Pour les composantes intrasujets du croisement, le postulat d’indépendance est remplacé par celui de la sphéricité de la matrice de variance-covariance (évalué par le test de sphéricité de Mauchly), dont la violation impose des ajustements correctifs des degrés de liberté via les indices de Greenhouse-Geisser ou de Huynh-Feldt.

La quantification de l’ampleur des phénomènes au-delà de la seule significativité statistique ($p < 0,05$) requiert le calcul d’indices de taille d’effet standardisés. Dans les plans croisés, l’indicateur privilégié est l’êta-carré partiel ($eta_p^2$), qui exprime la proportion de variance attribuable à un facteur ou à une interaction une fois retranchée la variance expliquée par les autres facteurs :

η_p² = SC_Effet / (SC_Effet + SC_Résiduel)

Les méthodologistes recommandent également l’usage de l’oméga-carré partiel ($\omega_p^2$), moins sensible au biais de surestimation dans les petits échantillons, afin d’assurer une évaluation rigoureuse de l’impact des manipulations factorielles.

10. Applications et portée pratique

L’application du plan à facteurs croisés s’étend à l’ensemble des branches appliquées de la psychologie et des sciences sociales contemporaines :

En psychologie clinique et psychopathologie, les plans croisés sont employés pour évaluer l’efficacité différentielle des prises en charge psychothérapeutiques. Ils permettent de croiser le type d’intervention (ex. Thérapie Cognitive Comportementale vs Thérapie Interpersonnelle vs Liste d’attente) avec des variables de profilage diagnostique (ex. dépression sévère vs modérée, ou présence de comorbidité anxieuse). Cette démarche fonde la « médecine de précision » en santé mentale en répondant à la question fondamentale de Paul (1967) : quel traitement est le plus efficace pour quel individu spécifique présentant quel problème précis dans quelles conditions ?

En ergonomie cognitive et psychologie du travail, le plan croisé sert à concevoir et évaluer les interfaces homme-machine dans des environnements à haute criticité (aéronautique, blocs opératoires, conduite autonome). Les ingénieurs cognitifs croisent des facteurs de conception de tableaux de bord (présentation numérique vs analogique vs affichage tête haute) avec des niveaux de charge mentale induite (trafic fluide vs situation d’urgence météorologique) pour déterminer les interfaces limitant le taux d’erreur humaine sous stress opérationnel.

Dans le champ de la psychologie scolaire et des sciences de l’apprentissage, ce dispositif permet d’optimiser les stratégies pédagogiques en croisant la nature des consignes didactiques (apprentissage explicite direct vs découverte guidée) avec le niveau initial de compétence des élèves (novices vs experts). Ce croisement systématique a permis de documenter solidement l’effet de renversement de l’expertise (expertise reversal effect), où une technique très profitable aux débutants devient contre-productive pour des élèves avancés.

Enfin, en psychologie sociale et du marketing, les plans croisés éclairent la prise de décision des consommateurs et les stéréotypes implicites. Les chercheurs croisent des caractéristiques d’émetteurs d’un message persuasif (genre, origine ethnique perçue, statut statutaire) avec des caractéristiques de l’argumentation (rationnelle vs émotionnelle) pour cartographier précisément les mécanismes d’adhésion ou de rejet idéologique au sein de populations cibles contrastées.

11. Recherche et données empiriques

L’histoire de la recherche psychologique expérimentale est jalonnée de découvertes fondatrices rendues possibles par l’emploi des plans à facteurs croisés. L’un des exemples les plus célèbres est constitué par les travaux de Robert Yerkes et John Dodson (1908), ultérieurement formalisés et modélisés en psychologie expérimentale moderne sous la forme de plans croisés évaluant l’interaction non linéaire entre le niveau d’éveil physiologique (arousal) et la complexité intrinsèque de la tâche. Ces protocoles ont mis en évidence que si une excitation forte optimise la performance lors de tâches motrices simples, elle inhibe drastiquement les facultés de raisonnement abstrait lors de tâches cognitives complexes.

Dans le domaine de la mémoire humaine, les travaux majeurs de Godden et Baddeley (1975) sur la mémoire dépendante du contexte ont reposé intégralement sur un plan factoriel croisé 2 × 2. Des plongeurs sous-marins devaient apprendre des listes de mots soit sur la terre ferme, soit sous 6 mètres d’eau, puis étaient testés sur leur rappel libre soit sur terre, soit sous l’eau. Le croisement des facteurs Environnement d’apprentissage (Terre vs Eau) et Environnement de rappel (Terre vs Eau) a fait émerger une interaction croisée pure spectaculaire : le rappel était significativement supérieur lorsque l’environnement physique de restitution coïncidait avec le contexte d’acquisition, réfutant l’hypothèse selon laquelle un milieu aquatique dégraderait uniformément l’évocation mnésique.

De même, les études canoniques de Stanley Schachter et Jerome Singer (1962) sur la théorie bifactorielle des émotions ont mobilisé un plan croisé sophistiqué articulant l’activation physiologique induite (injection d’épinéphrine vs placebo) et l’environnement social contextuel (présence d’un compère euphorique vs colérique). C’est précisément l’analyse de l’interaction factorielle qui a apporté la démonstration empirique que l’expérience affective subjective procède d’une étiquette cognitive appliquée à un état d’activation physiologique indifférencié.

Ces jalons méthodologiques démontrent que les avancées théoriques les plus significatives en psychologie résultent rarement de la découverte d’un effet principal isolé, mais presque systématiquement de la mise au jour d’interactions factorielles complexes révélées par des plans croisés rigoureusement contrôlés.

12. Considérations culturelles et transculturelles

La transposition des plans à facteurs croisés dans la recherche transculturelle implique des défis conceptuels et statistiques particuliers. En psychologie transculturelle, le chercheur souhaite fréquemment croiser une variable socioculturelle (ex. culture individualiste occidentale vs culture collectiviste est-asiatique) avec une variable de manipulation cognitive ou émotionnelle (ex. amorçage du soi indépendant vs interdépendant). Bien que le schéma matriciel apparaisse formellement comme un plan croisé standard, le facteur « culture » est une variable quasi-expérimentale non assignable par randomisation. Il s’agit d’un facteur d’organisme ou de classification assigné par statut.

Ce statut quasi-expérimental menace la validité des conclusions si des variables parasites non contrôlées (telles que le niveau socio-économique, la langue maternelle de passation, le niveau d’alphabétisation ou les biais de réponse d’acquiescement) sont intrinsèquement confondues avec le facteur culturel. Si un chercheur observe une interaction entre la culture et le type de tâche, il ne peut affirmer avec certitude que la divergence provient du cadre culturel sans avoir préalablement vérifié l’invariance de mesure des outils d’évaluation à travers les groupes.

L’invariance de mesure (configurale, métrique et scalaire) est le prérequis mathématique impératif avant d’agréger des données dans un plan croisé transculturel. Sans invariance scalaire, une différence de moyenne intercellulaire peut simplement refléter des normes de réponse différentielles (par exemple, la tendance des participants asiatiques à éviter les extrêmes des échelles de Likert par souci d’harmonie) plutôt qu’une réelle différence psychologique relative au phénomène investigué. Les plans croisés transculturels exigent donc des protocoles méticuleux de traduction-rétroconception et l’intégration de covariables socio-démographiques dans des analyses de covariance (ANCOVA) ou des modèles d’équations structurelles multi-groupes.

13. Critiques, débats et limites

En dépit de son élégance mathématique et de son hégémonie dans les laboratoires, le plan à facteurs croisés fait l’objet de critiques persistantes au sein des sciences psychologiques contemporaines :

La première critique majeure concerne l’explosion combinatoire. Dès lors que l’on augmente le nombre de facteurs ou de niveaux par facteur, le nombre total de cellules de traitement s’accroît de façon exponentielle. Un plan croisé 3 × 3 × 2 × 2 exige déjà 36 cellules d’expérimentation. Si l’on souhaite maintenir un effectif décent de 30 participants par condition dans un plan intersujets afin d’assurer une puissance statistique acceptable pour détecter des interactions subtiles, l’échantillon requis s’élève à 1 080 sujets, ce qui est souvent hors de portée financière et logistique pour les chercheurs.

Une seconde limite concerne l’interprétabilité cognitive des interactions d’ordre supérieur. Si une interaction à deux facteurs ($A imes B$) est aisément concevable sur le plan théorique, l’interprétation substantielle d’une interaction d’ordre trois ($A imes B imes C$) ou d’ordre quatre ($A imes B imes C imes D$) s’avère extrêmement ardue et confine souvent à la rationalisation post hoc. Face à des motifs de données hyper-complexes, le risque de surajustement (overfitting) statistique et de faux positifs augmente significativement, alimentant la crise de la reproductibilité en psychologie.

Le troisième débat méthodologique porte sur la discrétisation artificielle de variables continues. Fréquemment, pour insérer des variables individuelles continues (comme l’âge, le quotient intellectuel ou le score d’anxiété-trait) dans un plan factoriel croisé analysé par ANOVA, des chercheurs procèdent à une dichotomisation médiane (méthode dite du median split : groupe bas vs groupe haut). De nombreux méthodologistes ont vigoureusement dénoncé cette pratique qui détruit de l’information quantitative, réduit la puissance statistique de façon dramatique et peut créer des interactions totalement fallacieuses. La communauté recommande désormais de préserver la nature continue des prédicteurs et d’analyser ces configurations via la régression multiple ou les modèles linéaires mixtes.

Enfin, le problème des données manquantes et des plans non balancés soulève des controverses techniques récurrentes quant au choix des décompositions de sommes de carrés (Type I, Type II ou Type III). L’utilisation irréfléchie de logiciels automatisés en présence de cellules à effectifs inégaux peut aboutir à des estimations mutuellement contradictoires selon la méthode de partitionnement retenue.

14. Termes connexes et distinctions

Pour clarifier sans ambiguïté la nature du plan à facteurs croisés, il importe de le confronter aux architectures méthodologiques avoisinantes :

• Plan emboîté (ou hiérarchique) : Contrairement au plan croisé où chaque niveau d’un facteur coïncide avec tous les niveaux des autres facteurs, le plan emboîté présente des modalités d’un facteur qui n’existent qu’au sein d’une seule modalité d’un autre facteur. Par exemple, si l’on étudie différentes classes d’écoles, la classe 1 de l’école A n’a aucun lien avec la classe 1 de l’école B ; les classes sont emboîtées dans les écoles, interdisant le calcul d’un effet d’interaction conventionnel.
• Plan factoriel fractionnaire : C’est une dérivation directe du plan croisé complet. Alors que le plan croisé explore 100 % des cellules matricielles générées par la combinatoire des niveaux, le plan fractionnaire n’administre qu’une fraction équilibrée (ex. 1/2 ou 1/4) des traitements afin de réduire les coûts opérationnels, acceptant le sacrifice de la visibilité sur les interactions d’ordre élevé.
• Plan randomisé en blocs complets : Souvent confondu avec un plan croisé à deux facteurs, le plan en blocs croise délibérément une variable de traitement avec une variable de regroupement homogène (le bloc, tel que la fratrie, l’âge ou le niveau de base) dans le but d’isoler et d’extraire la variance d’erreur, sans que l’interaction traitement × bloc ne constitue nécessairement le cœur de l’hypothèse conceptuelle.
• Plan à inversion (cross-over design) : Dans ce plan spécifique, chaque sujet reçoit séquentiellement des traitements distincts selon des périodes chronologiques ordonnées (par exemple : Traitement A puis Traitement B pour la moitié des sujets, et B puis A pour l’autre moitié). Bien que le facteur traitement et le facteur sujet soient croisés au sens statistique, le cross-over intègre une contrainte de chronologie et d’évaluation des effets de rémanence (carry-over effects) absente du plan factoriel croisé général.

15. Synthèse et points clés à retenir

Le plan à facteurs croisés représente l’un des piliers méthodologiques les plus robustes et les plus sophistiqués de la psychologie scientifique moderne. Les principes structurants à retenir sont les suivants :

• Complétude matricielle : Il requiert la mise en œuvre de l’ensemble des combinaisons possibles entre chaque modalité de chaque facteur indépendant inclus dans le dispositif d’expérimentation ($p imes q$).
• Détection des interactions : Sa valeur ajoutée fondamentale réside dans sa capacité unique à tester simultanément les effets principaux indépendants et les effets d’interaction non additifs, révélant la façon dont les variables s’influencent et se modulent mutuellement.
• Orthogonalité des prédicteurs : Lorsqu’il est équilibré par des effectifs cellulaires égaux, il préserve une indépendance totale dans l’estimation des différentes sources de variance, éliminant les confusions d’effets inhérentes aux devis observationnels univariés ou corrélatifs simples.
• Diversité de déclinaison : Il s’adapte à des protocoles d’administration variés, pouvant être déployé entièrement entre sujets (intersujets), entièrement à mesures répétées (intrasujets) ou sous une forme mixte combinant ces deux modalités.
• Vigilance analytique : Sa mise en pratique exige une grande rigueur quant au contrôle de la taille de l’échantillon, à la prévention de l’explosion combinatoire, au refus de la dichotomisation injustifiée de prédicteurs continus et à l’évaluation méthodique des tailles d’effet via l’êta-carré partiel ou l’oméga-carré partiel.

Références

• Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Rand McNally.
• Cornfield, J., & Tukey, J. W. (1956). Average values of mean squares in factorials. The Annals of Mathematical Statistics, 27(4), 907-949. https://doi.org/10.1214/aoms/1177728067
• Fisher, R. A. (1935). The design of experiments. Oliver and Boyd.
• Godden, D. R., & Baddeley, A. D. (1975). Context-dependent memory in two natural environments: On land and underwater. British Journal of Psychology, 66(3), 325-331. https://doi.org/10.1111/j.2044-8295.1975.tb01468.x
• Kirk, R. E. (2013). Experimental design: Procedures for the behavioral sciences (4e éd.). SAGE Publications. https://doi.org/10.4135/9781483384733
• Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing experiments and analyzing data: A model comparison perspective (3e éd.). Routledge. https://doi.org/10.4324/9781315642956
• Winer, B. J. (1962). Statistical principles in experimental design. McGraw-Hill.