La mesure en psychologie et dans les sciences du comportement a longtemps \u00e9t\u00e9 travers\u00e9e par une tension fondamentale entre la rigueur formelle de l’instrumentation et l’insaisissable complexit\u00e9 des construits psychologiques latents. Contrairement aux grandeurs physiques directement accessibles au travers d’\u00e9talons tangibles, les attributs psychologiques tels que l’anxi\u00e9t\u00e9, l’intelligence g\u00e9n\u00e9rale, l’extraversion ou l’auto-efficacit\u00e9 ne se manifestent jamais de mani\u00e8re pure. Toute tentative d’\u00e9valuation est intrins\u00e8quement m\u00e9diatis\u00e9e par un outil sp\u00e9cifique : un questionnaire d’auto-\u00e9valuation, un protocole d’observation standardis\u00e9, une grille de jugement par les pairs ou une \u00e9preuve de performance cognitive. D\u00e8s lors, une interrogation \u00e9pist\u00e9mologique cruciale surgit : la variance observ\u00e9e lors d’une mesure refl\u00e8te-t-elle v\u00e9ritablement le trait psychologique que l’on pr\u00e9tend \u00e9valuer, ou r\u00e9sulte-t-elle principalement de l’artefact technique mobilis\u00e9 pour la capturer ?<\/p>\n
Cette aporie m\u00e9thodologique a trouv\u00e9 une r\u00e9ponse d\u00e9cisive en 1959 avec la publication d’un article fondateur dans le Psychological Bulletin<\/em> par Donald T. Campbell et Donald W. Fiske<\/a>, intitul\u00e9 \u00ab Convergent and discriminant validation by the multitrait-multimethod matrix \u00bb<\/em>. En introduisant la matrice multitrait-multim\u00e9thode (MTMM), les deux chercheurs ont propos\u00e9 un changement de paradigme radical. Ils ont formalis\u00e9 le fait qu’une mesure ne saurait \u00eatre valid\u00e9e de mani\u00e8re isol\u00e9e ou par la simple corr\u00e9lation avec un indicateur similaire partageant la m\u00eame modalit\u00e9 d’\u00e9valuation. Pour qu’un construit psychologique acqui\u00e8re une l\u00e9gitimit\u00e9 scientifique, il doit non seulement converger \u00e0 travers des m\u00e9thodologies ind\u00e9pendantes et diversifi\u00e9es, mais \u00e9galement se discriminer nettement d’autres construits conceptuellement distincts, quand bien m\u00eame ces derniers seraient \u00e9valu\u00e9s par un protocole identique.<\/p>\n Plus de six d\u00e9cennies apr\u00e8s sa conceptualisation, la d\u00e9marche MTMM demeure l’un des piliers m\u00e9thodologiques les plus robustes pour d\u00e9composer la variance des scores en composantes de trait, de m\u00e9thode et d’erreur al\u00e9atoire. De la simple lecture heuristique de patrons de corr\u00e9lation pr\u00e9conis\u00e9e \u00e0 l’origine jusqu’aux mod\u00e9lisations contemporaines par \u00e9quations structurelles et analyses bay\u00e9siennes, le paradigme de Campbell et Fiske constitue un filtre de rigueur incontournable face aux illusions m\u00e9trologiques et au biais de variance commune de m\u00e9thode qui continuent de menacer la reproductibilit\u00e9 des sciences humaines contemporaines.<\/p>\n L’imm\u00e9diat apr\u00e8s-guerre a \u00e9t\u00e9 marqu\u00e9 par une volont\u00e9 ardente d’\u00e9lever la psychologie au rang des sciences exactes, en adoptant une posture m\u00e9thodologique largement inspir\u00e9e par le positivisme logique du Cercle de Vienne et l’op\u00e9rationnisme strict formul\u00e9 par le physicien Percy Bridgman. Dans cette perspective op\u00e9rationniste, un concept scientifique s’identifiait enti\u00e8rement et sans reste \u00e0 l’ensemble des op\u00e9rations requises pour le mesurer. Une telle doctrine postulait par exemple que l’intelligence n’\u00e9tait rien d’autre que ce que mesuraient les tests d’intelligence, ou que l’extraversion se r\u00e9duisait \u00e0 la somme des points obtenus \u00e0 une \u00e9chelle particuli\u00e8re de personnalit\u00e9. Cette r\u00e9duction drastique, bien qu’attrayante par son rejet des sp\u00e9culations m\u00e9taphysiques, a rapidement plong\u00e9 la psychom\u00e9trie dans une impasse conceptuelle majeure.<\/p>\n En confondant l’attribut latent sous-jacent avec son mode op\u00e9ratoire d’observation, les psychologues des ann\u00e9es 1950 se heurtaient \u00e0 une prolif\u00e9ration anarchique d’instruments concurrents se r\u00e9clamant tous d’un m\u00eame ph\u00e9nom\u00e8ne sans qu’aucune passerelle rationnelle ne permette de les unifier. Plus grave encore, une confusion r\u00e9currente r\u00e9gnait entre la fid\u00e9lit\u00e9 des mesures et leur validit\u00e9 th\u00e9orique. Une \u00e9chelle d’attitude pouvait afficher une consistance interne exceptionnelle et une stabilit\u00e9 temporelle quasi parfaite en test-retest, tout en mesurant un construit totalement diff\u00e9rent de celui vis\u00e9, ou en capturant majoritairement un style de r\u00e9ponse stylistique, tel que la tendance \u00e0 l’acquiescement ou le d\u00e9sir de para\u00eetre socialement convenable.<\/p>\n Face \u00e0 ce flou conceptuel, la communaut\u00e9 scientifique a ressenti la n\u00e9cessit\u00e9 imp\u00e9rieuse d’\u00e9tablir une standardisation rigoureuse de la validation des instruments psychologiques. La publication en 1954 des premi\u00e8res recommandations techniques par l’American Psychological Association<\/a> a mis en lumi\u00e8re les limites des approches traditionnelles de la validit\u00e9, alors cantonn\u00e9es \u00e0 la validit\u00e9 de contenu et \u00e0 la validit\u00e9 crit\u00e9ri\u00e9e (qu’elle soit pr\u00e9dictive ou concomitante). C’est pr\u00e9cis\u00e9ment dans cette br\u00e8che qu’allait s’inscrire l’article s\u00e9minal de Donald T. Campbell et Donald W. Fiske en 1959. En proposant une grille d’analyse syst\u00e9matique et comparative, cet article est devenu l’une des contributions les plus cit\u00e9es de toute l’histoire des sciences du comportement, modifiant irr\u00e9versiblement la mani\u00e8re dont les chercheurs con\u00e7oivent la r\u00e9alit\u00e9 psychologique de leurs objets d’\u00e9tude.<\/p>\n Pour comprendre la gen\u00e8se de la matrice MTMM, il est fondamental de la situer dans le prolongement direct des travaux r\u00e9volutionnaires de Lee Cronbach et Paul Meehl (1955)<\/a> sur la validit\u00e9 de construit. Cronbach et Meehl avaient introduit l’id\u00e9e novatrice de \u00ab r\u00e9seau nomologique \u00bb (nomological network<\/em>), affirmant qu’un construit psychologique ne peut \u00eatre appr\u00e9hend\u00e9 de fa\u00e7on isol\u00e9e, mais doit \u00eatre d\u00e9fini par l’entrelacement des lois th\u00e9oriques le reliant \u00e0 d’autres construits observables et inobservables. Selon cette perspective, valider un construit consiste \u00e0 v\u00e9rifier empiriquement si les relations observ\u00e9es entre divers indicateurs correspondent fid\u00e8lement aux pr\u00e9dictions d\u00e9duites du syst\u00e8me th\u00e9orique.<\/p>\n Toutefois, la conceptualisation de Cronbach et Meehl demeurait largement abstraite et offrait peu de directives op\u00e9rationnelles pr\u00e9cises pour d\u00e9m\u00ealer empiriquement les composantes du r\u00e9seau. Les pratiques d’\u00e9valuation restaient majoritairement ancr\u00e9es dans des approches univari\u00e9es et unidimensionnelles de la mesure des traits. Les psychologues validaient g\u00e9n\u00e9ralement un nouveau test en montrant simplement qu’il corr\u00e9lait positivement avec un ancien test mesurant le m\u00eame construit, ou qu’il parvenait \u00e0 pr\u00e9dire un crit\u00e8re externe binaire. Ce faisant, ils ignoraient d\u00e9lib\u00e9r\u00e9ment l’impact de la variance d’erreur syst\u00e9matique li\u00e9e aux outils d’\u00e9valuation eux-m\u00eames, attribuant na\u00efvement toute corr\u00e9lation positive \u00e0 la pr\u00e9sence du trait psychologique partag\u00e9.<\/p>\n Campbell et Fiske ont bris\u00e9 cette vision na\u00efve en introduisant une rupture m\u00e9thodologique radicale : l’int\u00e9gration indispensable du pluralisme m\u00e9thodologique comme exigence scientifique fondamentale. Ils ont postul\u00e9 qu’une mesure psychologique n’est jamais pure, mais constitue un amalgame indissociable entre un contenu notionnel (le trait) et une forme d’\u00e9valuation (la m\u00e9thode). Par cons\u00e9quent, aucune validation de construit ne peut \u00eatre men\u00e9e \u00e0 bien sans soumettre simultan\u00e9ment plusieurs traits \u00e0 plusieurs m\u00e9thodes distinctes. Le r\u00e9seau nomologique trouvait ainsi son premier banc d’essai matriciel, capable de tester la r\u00e9silience des th\u00e9ories face aux impuret\u00e9s de l’instrumentation empirique.<\/p>\n L’ambition premi\u00e8re de la m\u00e9thodologie d\u00e9velopp\u00e9e par Campbell et Fiske est de proc\u00e9der \u00e0 la s\u00e9paration syst\u00e9matique de la variance attribuable au trait et de la variance li\u00e9e \u00e0 la m\u00e9thode. Tout score obtenu par un individu sur une \u00e9chelle donn\u00e9e peut \u00eatre d\u00e9compos\u00e9 conceptuellement en trois parties : une part de variance v\u00e9ritable li\u00e9e au trait latent que l’on cherche \u00e0 \u00e9valuer, une part de variance syst\u00e9matique introduite par la m\u00e9thode de collecte des donn\u00e9es (par exemple, le format de r\u00e9ponse sur \u00e9chelle de Likert, la propension \u00e0 l’autod\u00e9pr\u00e9ciation ou les biais de l’observateur), et enfin une part de variance d’erreur al\u00e9atoire non reproductible.<\/p>\n Pour accomplir cette dissociation analytique, le protocole MTMM exige l’\u00e9tablissement simultan\u00e9 de deux formes compl\u00e9mentaires de preuves empiriques : la validit\u00e9 convergente et la validit\u00e9 discriminante. La validit\u00e9 convergente impose que deux mesures distinctes cens\u00e9es refl\u00e9ter le m\u00eame trait psychologique convergent vers un degr\u00e9 d’accord substantiel, m\u00eame lorsqu’elles mobilisent des m\u00e9thodologies radicalement divergentes. \u00c0 l’inverse, la validit\u00e9 discriminante exige qu’un instrument ne pr\u00e9sente pas de corr\u00e9lations excessives avec des mesures \u00e9valuant d’autres construits conceptuellement ind\u00e9pendants, particuli\u00e8rement lorsque ces autres construits sont mesur\u00e9s avec la m\u00eame technique d’\u00e9valuation.<\/p>\n Enfin, le troisi\u00e8me objectif primordial de la d\u00e9marche r\u00e9side dans l’\u00e9valuation transversale de la robustesse psychom\u00e9trique des batteries de tests. En confrontant de fa\u00e7on synchrone une pluralit\u00e9 de construits et d’outils, la MTMM offre un diagnostic d’ensemble sur l’\u00e9cologie de la mesure au sein d’un laboratoire ou d’un paradigme de recherche. Elle permet d’identifier imm\u00e9diatement si un r\u00e9sultat exp\u00e9rimental prometteur d\u00e9coule d’une d\u00e9couverte th\u00e9orique authentique sur les dispositions humaines ou s’il n’est qu’un artefact m\u00e9thodologique engendr\u00e9 par la convergence trompeuse d’instruments redondants.<\/p>\n Donald Thomas Campbell<\/a> (1916-1996) est reconnu comme l’un des penseurs les plus influents de l’\u00e9pist\u00e9mologie et de la m\u00e9thodologie des sciences sociales du XXe si\u00e8cle. Sa pens\u00e9e s’enracine dans ce qu’il a lui-m\u00eame qualifi\u00e9 d’\u00ab \u00e9pist\u00e9mologie \u00e9volutionniste \u00bb et de \u00ab r\u00e9alisme critique \u00bb. Pour Campbell, la r\u00e9alit\u00e9 empirique existe ind\u00e9pendamment de nos repr\u00e9sentations, mais l’acc\u00e8s de l’observateur humain \u00e0 cette r\u00e9alit\u00e9 demeure perp\u00e9tuellement imparfait, filtr\u00e9 par des organes sensoriels et des dispositifs techniques faillibles. De cette vision philosophique d\u00e9coule une m\u00e9fiance salutaire envers toute affirmation scientifique fond\u00e9e sur un point de vue unique ou une mesure solitaire.<\/p>\n Campbell a profond\u00e9ment restructur\u00e9 la taxonomie de la recherche exp\u00e9rimentale et quasi-exp\u00e9rimentale, notamment \u00e0 travers ses collaborations embl\u00e9matiques avec Julian Stanley et Thomas Cook. Il a formul\u00e9 la distinction canonique entre quatre grands types de validit\u00e9 : la validit\u00e9 des conclusions statistiques, la validit\u00e9 interne (la justesse de l’inf\u00e9rence causale), la validit\u00e9 externe (la g\u00e9n\u00e9ralisabilit\u00e9 des r\u00e9sultats \u00e0 d’autres populations et contextes), et la validit\u00e9 de construit (l’ad\u00e9quation entre les manipulations ou observations empiriques et les concepts th\u00e9oriques sous-jacents). Cette typologie a impos\u00e9 une rigueur in\u00e9dite dans l’\u00e9valuation des interventions sociales et \u00e9ducatives.<\/p>\n Au c\u0153ur de l’approche de Campbell figure le concept de triangulation m\u00e9thodologique. Selon lui, aucun instrument de mesure n’\u00e9tant exempt de biais de sp\u00e9cification, la seule mani\u00e8re d’approcher l’objectivit\u00e9 scientifique consiste \u00e0 multiplier les op\u00e9rations d’observation ind\u00e9pendantes afin d’examiner si elles convergent vers un point d’intersection commun. Si plusieurs m\u00e9thodes pr\u00e9sentant des biais distincts et non corr\u00e9l\u00e9s aboutissent \u00e0 la m\u00eame conclusion factuelle, la probabilit\u00e9 que cette conclusion soit attribuable \u00e0 un artefact d’instrumentation diminue consid\u00e9rablement. La matrice MTMM constitue la transcription op\u00e9rationnelle directe de ce principe de triangulation appliqu\u00e9 \u00e0 l’\u00e9valuation des attributs psychologiques individuels.<\/p>\n De son c\u00f4t\u00e9, Donald Winslow Fiske (1916-2003), professeur \u00e9m\u00e9rite \u00e0 l’Universit\u00e9 de Chicago, a consacr\u00e9 une part pr\u00e9pond\u00e9rante de sa carri\u00e8re \u00e0 la psychom\u00e9trie appliqu\u00e9e et \u00e0 l’analyse fine des diff\u00e9rences individuelles. Fiske s’est illustr\u00e9 d\u00e8s la fin des ann\u00e9es 1940 par ses travaux pionniers sur la structure de la personnalit\u00e9 humaine, participant de mani\u00e8re d\u00e9cisive \u00e0 l’\u00e9mergence pr\u00e9coce de ce qui deviendra plus tard le mod\u00e8le \u00e0 cinq facteurs (le Big Five<\/em>). Ses investigations empiriques l’ont tr\u00e8s t\u00f4t confront\u00e9 \u00e0 la fragilit\u00e9 des protocoles d’\u00e9valuation clinique et comportementale.<\/p>\n Fiske a d\u00e9velopp\u00e9 une conscience critique aigu\u00eb face \u00e0 l’extr\u00eame variabilit\u00e9 des r\u00e9ponses fournies par les sujets selon les modalit\u00e9s d’\u00e9valuation employ\u00e9es. En analysant minutieusement les donn\u00e9es issues de questionnaires d’auto-\u00e9valuation, de jugements formul\u00e9s par des cliniciens lors d’entretiens diagnostiques et d’observations standardis\u00e9es en situation de laboratoire, il a constat\u00e9 avec effroi le manque d’accord empirique entre ces diff\u00e9rentes sources. L\u00e0 o\u00f9 la th\u00e9orie clinique postulait l’existence d’une structure de personnalit\u00e9 stable et coh\u00e9rente, les donn\u00e9es de Fiske r\u00e9v\u00e9laient que les observateurs jugeaient souvent en fonction de st\u00e9r\u00e9otypes personnels ou de perspectives contextuelles sp\u00e9cifiques, tandis que les auto-\u00e9valuations refl\u00e9taient des dynamiques d\u00e9fensives complexes.<\/p>\n Cette lucidit\u00e9 m\u00e9thodologique a pouss\u00e9 Fiske \u00e0 exiger une standardisation rigoureuse des observations comportementales, tout en reconnaissant les limites inh\u00e9rentes \u00e0 l’introspection et au jugement d’autrui. La rencontre et la collaboration intellectuelle entre Campbell et Fiske, unissant la vision \u00e9pist\u00e9mologique globale et la rigueur d’exp\u00e9rimentateur du premier \u00e0 la fine expertise psychom\u00e9trique et clinique du second, a cr\u00e9\u00e9 l’\u00e9tincelle n\u00e9cessaire \u00e0 la formalisation du paradigme MTMM. Ensemble, ils ont d\u00e9montr\u00e9 que la variabilit\u00e9 inter-m\u00e9thodes ne constituait pas un bruit n\u00e9gligeable \u00e0 balayer sous le tapis statistique, mais une r\u00e9alit\u00e9 substantielle imposant une refonte compl\u00e8te de la th\u00e9orie de la mesure.<\/p>\n La validit\u00e9 convergente repr\u00e9sente la condition premi\u00e8re et n\u00e9cessaire \u00e0 toute revendication de mesure d’un construit th\u00e9orique. Sur le plan formel, elle se d\u00e9finit comme le degr\u00e9 d’accord substantiel, mesur\u00e9 empiriquement, entre des indicateurs ind\u00e9pendants con\u00e7us pour \u00e9valuer le m\u00eame construit psychologique. Le postulat fondamental est d’une grande simplicit\u00e9 g\u00e9om\u00e9trique : si deux instruments pr\u00e9tendent refl\u00e9ter la m\u00eame entit\u00e9 sous-jacente \u2014 par exemple, le concept d’estime de soi \u2014, les r\u00e9sultats obtenus aupr\u00e8s d’un m\u00eame \u00e9chantillon d’individus doivent afficher une corr\u00e9lation positive \u00e9lev\u00e9e et statistiquement significative, attestant que les deux mesures captent une communaut\u00e9 de variance substantielle.<\/p>\n Cependant, l’apport crucial de Campbell et Fiske r\u00e9side dans l’exigence formelle que cette convergence soit attest\u00e9e \u00e0 travers des m\u00e9thodes radicalement h\u00e9t\u00e9rog\u00e8nes et conceptuellement non redondantes. Il ne suffit pas de corr\u00e9ler deux questionnaires d’auto-\u00e9valuation formul\u00e9s de mani\u00e8re quasi identique pour d\u00e9cr\u00e9ter la validit\u00e9 convergente d’un construit. Une telle corr\u00e9lation \u00e9lev\u00e9e peut facilement r\u00e9sulter du fait que les deux instruments partagent le m\u00eame format de r\u00e9ponse, sollicitent les m\u00eames capacit\u00e9s d’introspection et activent les m\u00eames biais de d\u00e9sirabilit\u00e9 sociale. Pour faire la preuve d’une v\u00e9ritable convergence, il est imp\u00e9ratif de confronter, par exemple, un auto-questionnaire, une mesure comportementale chronom\u00e9tr\u00e9e et une \u00e9valuation par un observateur ind\u00e9pendant.<\/p>\n D’un point de vue \u00e9pist\u00e9mologique, la d\u00e9monstration d’une convergence robuste \u00e0 travers des m\u00e9thodes ind\u00e9pendantes prouve la r\u00e9alit\u00e9 ontologique du trait au-del\u00e0 du simple artefact exp\u00e9rimental. \u00c0 l’inverse, l’\u00e9chec de la convergence entre deux m\u00e9thodes d’\u00e9valuation entra\u00eene des cons\u00e9quences th\u00e9oriques majeures : il contraint le chercheur \u00e0 admettre que les deux instruments ne mesurent pas la m\u00eame dimension psychologique, ou que l’une au moins des deux m\u00e9thodes est d\u00e9pourvue de sensibilit\u00e9 et de validit\u00e9. Dans de telles circonstances, continuer \u00e0 employer un vocable th\u00e9orique unique pour d\u00e9signer des op\u00e9rations divergentes constitue une illusion s\u00e9mantique pr\u00e9judiciable au progr\u00e8s scientifique.<\/p>\n Si la validit\u00e9 convergente est intuitive, la validit\u00e9 discriminante repr\u00e9sente l’innovation conceptuelle la plus marquante introduite par Campbell et Fiske. Elle se d\u00e9finit formellement comme l’absence de corr\u00e9lation excessive entre des mesures de construits th\u00e9oriquement distincts. Selon ce principe, pour prouver qu’un nouvel instrument mesure bien ce qu’il pr\u00e9tend \u00e9valuer, il ne suffit pas de montrer avec quoi il s’associe ; il est tout aussi fondamental d’apporter la preuve empirique de ce dont il se distingue. Un instrument d’\u00e9valuation doit poss\u00e9der des fronti\u00e8res conceptuelles nettes qui pr\u00e9viennent toute confusion avec des dimensions psychologiques connexes.<\/p>\n La d\u00e9monstration de la validit\u00e9 discriminante garantit que le nouveau construit \u00e9valu\u00e9 n’est pas un simple doublon lexical d’une dimension d\u00e9j\u00e0 connue et r\u00e9pertori\u00e9e par la litt\u00e9rature psychologique. Le milieu scientifique est r\u00e9guli\u00e8rement confront\u00e9 au risque de redondance conceptuelle, o\u00f9 un chercheur invente un terme s\u00e9duisant (par exemple, le \u00ab sentiment d’engagement \u00e9motionnel profond \u00bb) qui ne fait en r\u00e9alit\u00e9 que masquer un construit d\u00e9j\u00e0 solidement \u00e9tabli depuis des d\u00e9cennies (comme l’\u00ab attachement s\u00e9cure \u00bb). En l’absence de tests de discrimination stricts, la psychom\u00e9trie s’expose \u00e0 une inflation factorielle pathologique, accumulant des \u00e9tiquettes s\u00e9mantiques distinctes pour des processus psychiques strictement identiques.<\/p>\n Cette distinction s’av\u00e8re particuli\u00e8rement cruciale en psychologie clinique et en psychiatrie. Consid\u00e9rons l’exemple paradigmatique de la diff\u00e9renciation entre le trouble d\u00e9pressif majeur et le trouble de l’anxi\u00e9t\u00e9 g\u00e9n\u00e9ralis\u00e9e. Ces deux entit\u00e9s cliniques partagent une charge affective n\u00e9gative substantielle et pr\u00e9sentent une comorbidit\u00e9 empirique fr\u00e9quente. Pour \u00e9tablir qu’il s’agit bien de deux entit\u00e9s diagnostiques ind\u00e9pendantes, les chercheurs doivent prouver que les \u00e9chelles de d\u00e9pression et les \u00e9chelles d’anxi\u00e9t\u00e9 ne s’amalgament pas en une variance indiff\u00e9renci\u00e9e de d\u00e9tresse psychologique g\u00e9n\u00e9rale, mais maintiennent une s\u00e9paration factorielle et empirique mesurable, m\u00eame lorsqu’elles sont administr\u00e9es simultan\u00e9ment par un clinicien.<\/p>\n L’obstacle central que la matrice MTMM cherche \u00e0 diagnostiquer et \u00e0 neutraliser est la variance de m\u00e9thode commune, fr\u00e9quemment d\u00e9sign\u00e9e par son acronyme anglophone CMV (Common Method Variance<\/em>)<\/a>. La variance de m\u00e9thode d\u00e9signe la variance syst\u00e9matique attribuable \u00e0 la technique de mesure plut\u00f4t qu’aux construits th\u00e9oriques que les indicateurs sont cens\u00e9s repr\u00e9senter. Lorsqu’une m\u00e9thode d’\u00e9valuation particuli\u00e8re introduit ses propres distorsions de mani\u00e8re constante \u00e0 travers plusieurs instruments, elle gonfle artificiellement les corr\u00e9lations observ\u00e9es entre ces derniers, cr\u00e9ant une illusion d’association conceptuelle l\u00e0 o\u00f9 il n’existe parfois qu’une affinit\u00e9 d’instrumentation.<\/p>\n Les sources de variance de m\u00e9thode sont multiples et peuvent \u00eatre scind\u00e9es en facteurs psychologiques et structurels. Parmi les origines psychologiques, on compte au premier plan :<\/p>\n Sur le plan structurel, la pr\u00e9sentation m\u00eame des outils g\u00e9n\u00e8re des biais substantiels. L’utilisation d’\u00e9chelles de Likert au format identique pour toutes les variables d’une \u00e9tude, la contigu\u00eft\u00e9 spatiale des questions au sein d’un m\u00eame fascicule, ou encore l’administration simultan\u00e9e de toutes les mesures en une seule session temporelle favorisent des \u00e9tats affectifs transitoires (tels que la fatigue ou l’ennui) qui contaminent uniform\u00e9ment l’ensemble des r\u00e9ponses. Lorsqu’un chercheur observe une corr\u00e9lation de r = 0,60 entre deux questionnaires auto-rapport\u00e9s \u00e9valuant deux construits diff\u00e9rents, une part pr\u00e9pond\u00e9rante de cette association statistique provient bien souvent du simple fait que le r\u00e9pondant est assis sur la m\u00eame chaise, lit la m\u00eame police de caract\u00e8res et coche les m\u00eames cases d’accord \u00e0 quelques secondes d’intervalle.<\/p>\n La matrice multitrait-multim\u00e9thode est un agencement tabulaire syst\u00e9matique con\u00e7u pour juxtaposer l’ensemble des corr\u00e9lations possibles entre plusieurs traits psychologiques mesur\u00e9s chacun par plusieurs m\u00e9thodes distinctes. Pour qu’une analyse MTMM ait un sens logique et statistique, elle exige une configuration minimale : il faut au moins deux traits diff\u00e9rents (T1, T2) \u00e9valu\u00e9s chacun par au moins deux m\u00e9thodes diff\u00e9rentes (M1, M2), ce qui constitue le mod\u00e8le standard 2×2. Toutefois, Campbell et Fiske ont fortement recommand\u00e9 l’usage d’une architecture 3×3 (trois traits mesur\u00e9s par trois m\u00e9thodes), cette derni\u00e8re fournissant un socle informationnel bien plus dense pour v\u00e9rifier la r\u00e9plication des patrons de corr\u00e9lation et \u00e9viter les ind\u00e9terminations statistiques.<\/p>\n La disposition de la matrice ob\u00e9it \u00e0 une orthogonalit\u00e9 stricte et rigoureuse. Les lignes et les colonnes sont structur\u00e9es de mani\u00e8re identique : elles sont regroup\u00e9es en blocs majeurs correspondant aux m\u00e9thodes d’\u00e9valuation, et \u00e0 l’int\u00e9rieur de chaque bloc de m\u00e9thode, subdivis\u00e9es par traits psychologiques. Par convention, on ordonne les traits de mani\u00e8re s\u00e9quentielle et constante au sein de chaque bloc (par exemple : T1, T2, T3 pour la M\u00e9thode 1, puis T1, T2, T3 pour la M\u00e9thode 2, et ainsi de suite). Cette cartographie spatiale standardis\u00e9e permet \u00e0 l’\u0153il averti d’inspecter visuellement et de cat\u00e9goriser instantan\u00e9ment les diff\u00e9rents coefficients d’association.<\/p>\n Pour que cette structure produise des inf\u00e9rences valides, une condition fondamentale doit imp\u00e9rativement \u00eatre respect\u00e9e : l’ind\u00e9pendance pr\u00e9sum\u00e9e des m\u00e9thodes mobilis\u00e9es. Les diff\u00e9rentes m\u00e9thodes retenues ne doivent pas constituer de simples variantes cosm\u00e9tiques d’une m\u00eame approche, mais doivent incarner des voies d’acc\u00e8s v\u00e9ritablement distinctes au ph\u00e9nom\u00e8ne psychologique. Si la M\u00e9thode 1 est un auto-questionnaire papier et la M\u00e9thode 2 un auto-questionnaire en ligne, l’ind\u00e9pendance est largement illusoire et l’architecture matricielle sera incapable d’isoler la variance de m\u00e9thode propre \u00e0 la subjectivit\u00e9 du sujet.<\/p>\n L’axe vert\u00e9bral de la matrice MTMM est constitu\u00e9 par sa diagonale principale, souvent d\u00e9sign\u00e9e sous l’appellation de diagonale de fid\u00e9lit\u00e9 ou bloc monotrait-monom\u00e9thode (1M-1T). Cette diagonale traverse la matrice du coin sup\u00e9rieur gauche au coin inf\u00e9rieur droit. Chaque case situ\u00e9e sur cette trajectoire repr\u00e9sente la corr\u00e9lation d’une mesure avec elle-m\u00eame, c’est-\u00e0-dire l’estimation de la pr\u00e9cision m\u00e9trologique de l’instrument lorsqu’il \u00e9value un trait d\u00e9termin\u00e9 par le biais d’une m\u00e9thode sp\u00e9cifique.<\/p>\n Puisqu’une corr\u00e9lation d’une variable avec elle-m\u00eame donnerait trivialement une valeur unitaire de 1,00, les chercheurs ins\u00e8rent traditionnellement dans ces cellules des estimations fiables de la fid\u00e9lit\u00e9 de la mesure. Ces indices sont g\u00e9n\u00e9ralement repr\u00e9sent\u00e9s entre parenth\u00e8ses pour les distinguer des corr\u00e9lations bivari\u00e9es standard. On y rapporte des coefficients de coh\u00e9rence interne classiques, comme l’alpha de Cronbach<\/a> ou l’om\u00e9ga de McDonald, ou encore des coefficients de stabilit\u00e9 temporelle obtenus par des protocoles de test-retest administr\u00e9s \u00e0 court intervalle.<\/p>\n D’un point de vue psychom\u00e9trique, la valeur inscrite dans la diagonale de fid\u00e9lit\u00e9 joue un r\u00f4le th\u00e9orique de borne sup\u00e9rieure absolue pour toutes les corr\u00e9lations impliquant cette mesure particuli\u00e8re. En vertu des th\u00e9or\u00e8mes de la th\u00e9orie classique des tests, la corr\u00e9lation observ\u00e9e entre deux instruments est math\u00e9matiquement limit\u00e9e par la racine carr\u00e9e du produit de leurs fid\u00e9lit\u00e9s respectives. Si un instrument pr\u00e9sente un coefficient d’homog\u00e9n\u00e9it\u00e9 m\u00e9diocre (par exemple r = 0,50), il est math\u00e9matiquement impossible qu’il corr\u00e8le de fa\u00e7on tr\u00e8s \u00e9lev\u00e9e avec une autre mesure, m\u00eame si la relation th\u00e9orique entre les traits sous-jacents est parfaite. Les indices de fid\u00e9lit\u00e9 fournissent donc le cadre de r\u00e9f\u00e9rence indispensable pour \u00e9talonner la magnitude relative de toutes les autres corr\u00e9lations de la matrice.<\/p>\n Au-del\u00e0 de la diagonale principale, la matrice MTMM se d\u00e9compose en blocs sous-jacents formant des structures g\u00e9om\u00e9triques distinctes qu’il convient de d\u00e9limiter rigoureusement. On distingue deux grands types de blocs de corr\u00e9lations : les blocs monom\u00e9thodes et les blocs h\u00e9t\u00e9rom\u00e9thodes.<\/p>\n Les blocs monom\u00e9thodes sont situ\u00e9s le long de la diagonale principale et regroupent les intercorr\u00e9lations entre diff\u00e9rents traits \u00e9valu\u00e9s au sein d’une seule et m\u00eame m\u00e9thode. Ces blocs prennent la forme de triangles adjacents \u00e0 la diagonale de fid\u00e9lit\u00e9. Les coefficients qui y figurent sont par d\u00e9finition des valeurs \u00ab h\u00e9t\u00e9rotrait-monom\u00e9thode \u00bb : ils captent \u00e0 la fois la relation th\u00e9orique r\u00e9elle unissant les diff\u00e9rents traits psychologiques et l’effet amplificateur parasite induit par l’utilisation d’un instrument commun.<\/p>\n Les blocs h\u00e9t\u00e9rom\u00e9thodes, quant \u00e0 eux, occupent les espaces situ\u00e9s hors de la diagonale principale. Ils repr\u00e9sentent les intersections entre deux m\u00e9thodes de mesure distinctes (par exemple les donn\u00e9es crois\u00e9es de la M\u00e9thode 1 avec la M\u00e9thode 2). \u00c0 l’int\u00e9rieur de chaque bloc h\u00e9t\u00e9rom\u00e9thode, on observe deux composantes g\u00e9om\u00e9triques fondamentales :<\/p>\n Les valeurs monotrait-monom\u00e9thode, log\u00e9es sur la diagonale principale, fournissent l’estimation directe de la fid\u00e9lit\u00e9 de mesure de chaque instrument pris isol\u00e9ment. Elles quantifient la part de variance reproductible de l’outil, ind\u00e9pendamment de toute question de validit\u00e9 conceptuelle. Dans une recherche empirique de haut niveau, le niveau d’exigence statistique attendu pour ces coefficients est traditionnellement tr\u00e8s \u00e9lev\u00e9 : des valeurs de coh\u00e9rence interne ou de test-retest sup\u00e9rieures \u00e0 0,80 sont couramment vis\u00e9es, des valeurs comprises entre 0,70 et 0,80 \u00e9tant tol\u00e9r\u00e9es dans les contextes exploratoires.<\/p>\n L’examen m\u00e9ticuleux de ces valeurs constitue un pr\u00e9alable indispensable \u00e0 toute interpr\u00e9tation ult\u00e9rieure de la matrice. En effet, une d\u00e9faillance de fid\u00e9lit\u00e9 sur un indicateur (par exemple un coefficient de 0,55) entra\u00eene m\u00e9caniquement une att\u00e9nuation dramatique de l’ensemble des covariances impliquant cette cellule. Si un chercheur observe une convergence apparemment d\u00e9cevante entre deux m\u00e9thodes mesurant le m\u00eame trait, il doit imp\u00e9rativement v\u00e9rifier si cette faiblesse d\u00e9coule d’un authentique d\u00e9faut de validit\u00e9 de construit ou si elle n’est que la cons\u00e9quence math\u00e9matique in\u00e9vitable de l’impr\u00e9cision m\u00e9trologique de l’un des outils employ\u00e9s.<\/p>\n Les valeurs monotrait-h\u00e9t\u00e9rom\u00e9thode constituent le positionnement strat\u00e9gique le plus capital de la matrice MTMM, \u00e0 tel point que les cellules qui les composent sont universellement d\u00e9nomm\u00e9es \u00ab diagonales de validit\u00e9 \u00bb. Chaque coefficient de cette diagonale quantifie l’association empirique existant entre deux m\u00e9thodes distinctes lorsqu’elles sont toutes deux appliqu\u00e9es \u00e0 l’\u00e9valuation d’un seul et m\u00eame trait psychologique latent. On y observe, par exemple, le degr\u00e9 de corr\u00e9lation entre le niveau d’agressivit\u00e9 d’un enfant \u00e9valu\u00e9 par son enseignant \u00e0 l’aide d’une grille d’observation et le score d’agressivit\u00e9 obtenu par ce m\u00eame enfant lors d’une t\u00e2che de laboratoire sur ordinateur.<\/p>\n Ces coefficients fournissent la mesure empirique directe de la validit\u00e9 convergente. Pour conclure \u00e0 une convergence empiriquement satisfaisante, ces valeurs doivent non seulement atteindre une significativit\u00e9 statistique indiscutable (p < 0,001), mais \u00e9galement afficher une taille d’effet substantielle. Bien qu’aucun seuil absolu ne puisse \u00eatre fix\u00e9 de fa\u00e7on rigide compte tenu de la diversit\u00e9 des ph\u00e9nom\u00e8nes psychologiques, des corr\u00e9lations monotrait-h\u00e9t\u00e9rom\u00e9thode oscillant entre 0,40 et 0,70 sont g\u00e9n\u00e9ralement consid\u00e9r\u00e9es comme apportant un soutien probant \u00e0 l’existence du construit au-del\u00e0 de l’outil d’\u00e9valuation.<\/p>\n Ces valeurs doivent \u00eatre syst\u00e9matiquement compar\u00e9es \u00e0 l’erreur de mesure al\u00e9atoire. Si la corr\u00e9lation entre deux m\u00e9thodes \u00e9valuant un m\u00eame trait s’av\u00e8re \u00e0 peine sup\u00e9rieure au bruit de fond statistique, le chercheur est contraint d’admettre que ses deux instruments ne convergent pas vers le m\u00eame r\u00e9f\u00e9rant empirique, ce qui frappe d’obsolescence toute tentative d’unification th\u00e9orique du construit sous une nomenclature univoque.<\/p>\n Les coefficients h\u00e9t\u00e9rotrait-monom\u00e9thode sont log\u00e9s au sein des triangles adjacents \u00e0 la diagonale principale. Ils repr\u00e9sentent la corr\u00e9lation mesur\u00e9e entre deux traits th\u00e9oriquement diff\u00e9rents lorsqu’ils sont tous deux quantifi\u00e9s par une seule et m\u00eame m\u00e9thode d’\u00e9valuation. On y retrouve typiquement la corr\u00e9lation entre une \u00e9chelle \u00e9valuant l’anxi\u00e9t\u00e9 et une \u00e9chelle \u00e9valuant le perfectionnisme, toutes deux administr\u00e9es sous forme de questionnaire auto-rapport\u00e9 \u00e0 choix multiples au cours de la m\u00eame session d’exp\u00e9rimentation.<\/p>\n Ces cellules constituent l’indicateur fondamental de la force d’attraction exerc\u00e9e par la variance commune de m\u00e9thode. Dans la majorit\u00e9 des recherches en sciences sociales, ces valeurs tendent \u00e0 \u00eatre particuli\u00e8rement \u00e9lev\u00e9es. Cette inflation n’est pas n\u00e9cessairement le reflet d’une v\u00e9ritable proximit\u00e9 conceptuelle entre les traits, mais r\u00e9sulte bien souvent du fait que l’instrument impose sa propre structure cognitive et stylistique aux r\u00e9ponses du sujet. Un individu ayant une forte tendance \u00e0 l’auto-flagellation ou \u00e0 l’exag\u00e9ration de ses sympt\u00f4mes r\u00e9pondra de fa\u00e7on sombre sur l’\u00e9chelle d’anxi\u00e9t\u00e9 comme sur l’\u00e9chelle de perfectionnisme, gonflant artificiellement leur covariance statistique.<\/p>\n Le risque pathologique associ\u00e9 \u00e0 ces valeurs r\u00e9side dans le masquage syst\u00e9matique de la sp\u00e9cificit\u00e9 des construits. Lorsque les corr\u00e9lations h\u00e9t\u00e9rotrait-monom\u00e9thode atteignent des magnitudes comparables ou sup\u00e9rieures aux corr\u00e9lations de la diagonale de validit\u00e9, la communaut\u00e9 scientifique se trouve face \u00e0 une situation d’artefact m\u00e9thodologique majeur : le moyen d’observation prend le pas sur la r\u00e9alit\u00e9 psychologique de l’objet observ\u00e9.<\/p>\n Les valeurs h\u00e9t\u00e9rotrait-h\u00e9t\u00e9rom\u00e9thode occupent les triangles situ\u00e9s de part et d’autre des diagonales de validit\u00e9 au sein des blocs h\u00e9t\u00e9rom\u00e9thodes. Elles mesurent la corr\u00e9lation existant entre deux traits totalement distincts, \u00e9valu\u00e9s chacun par une m\u00e9thode d’\u00e9valuation enti\u00e8rement diff\u00e9rente. Par exemple, ce bloc contiendra la corr\u00e9lation entre le niveau de d\u00e9pression mesur\u00e9 par un auto-questionnaire et le niveau de sociabilit\u00e9 \u00e9valu\u00e9 par un test d’observation standardis\u00e9 en situation d’interaction sociale.<\/p>\n Ces coefficients incarnent le niveau de base th\u00e9orique le plus pur de la corr\u00e9lation inter-traits. Puisque les construits sont diff\u00e9rents et que les m\u00e9thodes sont mutuellement ind\u00e9pendantes, ces cellules sont lib\u00e9r\u00e9es \u00e0 la fois du lien notionnel qui unirait deux mesures du m\u00eame trait et de l’inflation artificielle induite par le partage d’une technique d’investigation commune. Elles refl\u00e8tent la corr\u00e9lation brute entre les traits telle qu’elle se manifeste dans le monde r\u00e9el, sans la b\u00e9quille ni le voile de l’artefact de mesure.<\/p>\n D\u00e8s lors, les valeurs HT-HM jouent le r\u00f4le d’\u00e9talon comparatif fondamental pour attester de la validit\u00e9 discriminante. Si les instruments sont valides, ces coefficients doivent syst\u00e9matiquement afficher les magnitudes les plus faibles de l’ensemble de la matrice MTMM. Si la corr\u00e9lation entre le trait A mesur\u00e9 par la m\u00e9thode 1 et le trait B mesur\u00e9 par la m\u00e9thode 2 venait \u00e0 \u00eatre excessivement \u00e9lev\u00e9e, cela indiquerait que les deux traits partagent une essence th\u00e9orique commune et qu’ils ne sauraient \u00eatre consid\u00e9r\u00e9s comme des dimensions psychologiques autonomes.<\/p>\n Dans leur publication historique de 1959, Donald T. Campbell et Donald W. Fiske ont formul\u00e9 quatre r\u00e8gles de d\u00e9cision heuristiques pour \u00e9valuer la qualit\u00e9 m\u00e9trologique d’une matrice. La premi\u00e8re de ces r\u00e8gles \u00e9tablit l’exigence minimale sans laquelle toute tentative de validation s’effondre : les entr\u00e9es de la diagonale de validit\u00e9 (les valeurs monotrait-h\u00e9t\u00e9rom\u00e9thode, 1T-HM) doivent \u00eatre statistiquement diff\u00e9rentes de z\u00e9ro avec un niveau de probabilit\u00e9 tr\u00e8s strict, et doivent pr\u00e9senter une taille d’effet substantielle.<\/p>\n Campbell et Fiske insistaient sur le fait que la simple significativit\u00e9 statistique formelle \u2014 facilement atteignable d\u00e8s lors que la taille de l’\u00e9chantillon (N) devient suffisamment importante \u2014 ne saurait suffire. Une corr\u00e9lation de r = 0,15 peut \u00eatre statistiquement significative \u00e0 p < 0,01 dans un \u00e9chantillon de mille participants, tout en \u00e9tant psychom\u00e9triquement d\u00e9risoire, puisqu’elle n’explique qu’\u00e0 peine plus de 2 % de la variance partag\u00e9e entre les deux m\u00e9thodes. Les auteurs exigeaient donc une communaut\u00e9 de variance suffisamment robuste pour justifier empiriquement l’affirmation que les deux instruments mesurent bel et bien une r\u00e9alit\u00e9 psychologique identique.<\/p>\n Le rejet ou l’\u00e9chec de ce premier crit\u00e8re entra\u00eene des cons\u00e9quences d\u00e9vastatrices pour le programme de recherche engag\u00e9. Si deux m\u00e9thodes distinctes \u00e9chouent \u00e0 converger substantiellement vers l’attribut vis\u00e9, le chercheur perd toute l\u00e9gitimit\u00e9 \u00e0 pr\u00e9tendre que son instrument capte le trait sous-jacent. Il se voit contraint de reconna\u00eetre soit que l’un des deux instruments souffre d’un d\u00e9faut r\u00e9dhibitoire de construction, soit que la conceptualisation th\u00e9orique du trait est fondamentalement erron\u00e9e et doit \u00eatre remani\u00e9e de fond en comble.<\/p>\n Le deuxi\u00e8me crit\u00e8re de Campbell et Fiske constitue le premier rempart formel de la validit\u00e9 discriminante. Il stipule que chaque coefficient de validit\u00e9 convergente situ\u00e9 sur la diagonale de validit\u00e9 (1T-HM) doit \u00eatre strictement sup\u00e9rieur \u00e0 l’ensemble des valeurs h\u00e9t\u00e9rotrait-h\u00e9t\u00e9rom\u00e9thode (HT-HM) situ\u00e9es dans la m\u00eame ligne et dans la m\u00eame colonne au sein du bloc h\u00e9t\u00e9rom\u00e9thode correspondant.<\/p>\n Sur le plan logique, cette r\u00e8gle impose que la corr\u00e9lation d’un trait avec lui-m\u00eame \u00e0 travers deux m\u00e9thodes distinctes surpasse syst\u00e9matiquement la corr\u00e9lation unissant ce m\u00eame trait \u00e0 n’importe quel autre trait diff\u00e9rent mesur\u00e9 par une m\u00e9thode diff\u00e9rente. Prenons l’illustration d’une \u00e9tude \u00e9valuant l’intelligence spatiale (T1) et l’intelligence verbale (T2) au moyen de tests \u00e9crits (M1) et d’\u00e9preuves orales (M2). La corr\u00e9lation entre le test \u00e9crit d’intelligence spatiale et l’\u00e9preuve orale d’intelligence spatologique (1T1-HM) doit imp\u00e9rativement \u00eatre plus \u00e9lev\u00e9e que la corr\u00e9lation reliant le test \u00e9crit d’intelligence spatiale \u00e0 l’\u00e9preuve orale d’intelligence verbale (HT-HM).<\/p>\n Ce crit\u00e8re apporte la validation empirique formelle de l’identit\u00e9 conceptuelle du construit mesur\u00e9. Si cette condition n’est pas remplie, cela signifie qu’un instrument corr\u00e8le davantage avec un concept tiers qu’avec sa propre r\u00e9plique m\u00e9thodologique. Une telle distorsion d\u00e9truit toute hypoth\u00e8se d’autonomie conceptuelle et signale une erreur majeure de ciblage m\u00e9trologique au sein du dispositif d’\u00e9valuation.<\/p>\n Le troisi\u00e8me crit\u00e8re heuristique est incontestablement le plus rigoureux, le plus exigeant, mais \u00e9galement le plus fr\u00e9quemment viol\u00e9 dans les \u00e9tudes psychologiques empiriques. Il \u00e9nonce qu’une valeur de la diagonale de validit\u00e9 (monotrait-h\u00e9t\u00e9rom\u00e9thode, 1T-HM) doit imp\u00e9rativement \u00eatre sup\u00e9rieure \u00e0 la valeur h\u00e9t\u00e9rotrait-monom\u00e9thode (HT-1M) impliquant le m\u00eame trait au sein du bloc monom\u00e9thode adjacent.<\/p>\n La port\u00e9e th\u00e9orique de cette r\u00e8gle est d\u00e9cisive : elle exige que l’accord obtenu entre deux m\u00e9thodes diff\u00e9rentes mesurant le m\u00eame trait soit plus puissant que la corr\u00e9lation existant entre deux traits totalement distincts mesur\u00e9s par une m\u00e9thode identique. En d’autres termes, ce crit\u00e8re impose que la variance attribuable au trait psychologique l’emporte de fa\u00e7on d\u00e9cisive sur la variance induite par l’outil de collecte des donn\u00e9es. Le trait doit transcender la m\u00e9thode au lieu d’\u00eatre domin\u00e9 par elle.<\/p>\n Dans la pratique empirique, ce crit\u00e8re est extr\u00eamement difficile \u00e0 satisfaire lorsque les instruments partagent une modalit\u00e9 d’administration hautement stylistique, comme les questionnaires auto-rapport\u00e9s. Il est en effet tr\u00e8s fr\u00e9quent que l’anxi\u00e9t\u00e9 et la d\u00e9pression \u00e9valu\u00e9es au sein d’un m\u00eame questionnaire affichent une corr\u00e9lation de r = 0,70 en raison de la variance commune de m\u00e9thode, alors que l’accord entre l’auto-questionnaire d’anxi\u00e9t\u00e9 et une mesure comportementale de l’anxi\u00e9t\u00e9 ne s’\u00e9l\u00e8ve qu’\u00e0 r = 0,45. Dans une telle situation, le troisi\u00e8me crit\u00e8re est nettement viol\u00e9, ce qui indique que la communaut\u00e9 de m\u00e9thode p\u00e8se plus lourd dans la variance statistique que la signature psychologique du trait lui-m\u00eame.<\/p>\n Le quatri\u00e8me et dernier crit\u00e8re propos\u00e9 par Campbell et Fiske rel\u00e8ve de l’analyse globale de la coh\u00e9rence interne du r\u00e9seau nomologique. Il exige que l’on observe la pr\u00e9servation de la m\u00eame configuration de corr\u00e9lations entre les traits \u00e0 travers l’ensemble des blocs de la matrice, qu’il s’agisse des blocs monom\u00e9thodes ou des blocs h\u00e9t\u00e9rom\u00e9thodes.<\/p>\n Ce crit\u00e8re postule que la nature des relations conceptuelles unissant diff\u00e9rents construits psychologiques doit demeurer structurellement invariante, quel que soit le mode d’observation mobilis\u00e9 pour les \u00e9tudier. Par exemple, si la th\u00e9orie pr\u00e9dit que le trait A est tr\u00e8s fortement li\u00e9 au trait B, mais que le trait A n’entretient qu’une relation tr\u00e8s t\u00e9nue avec le trait C, cette hi\u00e9rarchie relative (rAB > rAC) doit se retrouver fid\u00e8lement reproduite dans le triangle monom\u00e9thode de la m\u00e9thode 1, dans celui de la m\u00e9thode 2, ainsi que dans les triangles h\u00e9t\u00e9rotraits de l’ensemble des blocs crois\u00e9s.<\/p>\n L’inspection de la stabilit\u00e9 structurelle de ces configurations offre un diagnostic visuel puissant pour d\u00e9celer les aberrations factorielles, les anomalies d’\u00e9chantillonnage ou les interactions ind\u00e9sirables entre certains traits sp\u00e9cifiques et certaines m\u00e9thodes particuli\u00e8res. Si un trait change radicalement de profil relationnel d\u00e8s lors qu’il passe d’un format d’auto-\u00e9valuation \u00e0 une mesure comportementale, ce d\u00e9s\u00e9quilibre signale que la m\u00e9thode ne s’est pas born\u00e9e \u00e0 mesurer le trait avec plus ou moins d’erreur, mais en a alt\u00e9r\u00e9 la signification nomologique profonde.<\/p>\n Bien que les crit\u00e8res d’inspection visuelle formul\u00e9s par Campbell et Fiske aient constitu\u00e9 une avanc\u00e9e conceptuelle majeure, l’approche heuristique originelle souffre de faiblesses statistiques r\u00e9dhibitoires qui ont rapidement limit\u00e9 sa port\u00e9e dans la recherche quantitative contemporaine. La critique primordiale r\u00e9side dans l’incapacit\u00e9 absolue de l’inspection visuelle \u00e0 quantifier avec pr\u00e9cision et de mani\u00e8re non ambigu\u00eb les parts de variance respectives attribuables au trait, \u00e0 la m\u00e9thode et \u00e0 l’erreur de mesure non syst\u00e9matique.<\/p>\n L’analyste qui se contente de scruter une matrice MTMM selon les quatre r\u00e8gles empiriques ne dispose d’aucun indicateur num\u00e9rique formalis\u00e9 lui permettant d’affirmer, par exemple, que 55 % de la variance d’un indicateur d\u00e9coule du construit th\u00e9orique, 30 % provient du biais de m\u00e9thode, et 15 % rel\u00e8ve du bruit r\u00e9siduel. L’\u00e9valuation se r\u00e9sume \u00e0 une comparaison ordinale de grandeurs relatives, sujette \u00e0 une part consid\u00e9rable d’arbitraire et de subjectivit\u00e9. Deux chercheurs examinant la m\u00eame matrice peuvent facilement diverger sur le diagnostic final si certains crit\u00e8res sont scrupuleusement respect\u00e9s tandis que d’autres sont marginalement enfreints.<\/p>\n Plus fondamentalement encore, l’approche heuristique ne fournit aucun test statistique omnibus permettant de statuer formellement sur l’ad\u00e9quation globale des donn\u00e9es empiriques au mod\u00e8le conceptuel sous-jacent. Il est impossible, avec la seule matrice de corr\u00e9lation de 1959, de calculer un degr\u00e9 de signification globale ou un intervalle de confiance probabiliste permettant de rejeter formellement l’hypoth\u00e8se nulle d’une contamination m\u00e9thodologique totale.<\/p>\n Une seconde limite m\u00e9thodologique majeure d\u00e9coule des effets perturbateurs induits par les disparit\u00e9s de fid\u00e9lit\u00e9 entre les diff\u00e9rentes mesures engag\u00e9es dans l’analyse. Dans la th\u00e9orie classique des scores, la corr\u00e9lation brute observ\u00e9e entre deux variables d\u00e9pend directement du degr\u00e9 de pr\u00e9cision et de consistance interne de chacune d’elles. Or, l’inspection heuristique de Campbell et Fiske repose sur la comparaison directe de coefficients de corr\u00e9lation d’ordre z\u00e9ro non corrig\u00e9s.<\/p>\n Cette vuln\u00e9rabilit\u00e9 statistique expose le chercheur \u00e0 des conclusions erron\u00e9es concernant tant la validit\u00e9 convergente que la validit\u00e9 discriminante. Imaginons une situation o\u00f9 deux m\u00e9thodes pr\u00e9sentent des niveaux de fid\u00e9lit\u00e9 asym\u00e9triques : la m\u00e9thode 1 affiche une consistance remarquable (alpha = 0,92), tandis que la m\u00e9thode 2 souffre d’un bruit de mesure consid\u00e9rable (alpha = 0,55). Les corr\u00e9lations impliquant la m\u00e9thode 2 vont \u00eatre massivement et artificiellement att\u00e9nu\u00e9es par l’erreur al\u00e9atoire. Le chercheur risque alors de conclure \u00e0 tort \u00e0 une absence tragique de validit\u00e9 convergente pour un construit, ou \u00e0 une splendide validit\u00e9 discriminante entre deux traits, alors que cette divergence apparente n’est rien d’autre que le sous-produit m\u00e9canique d’une mesure d\u00e9faillante et impr\u00e9cise.<\/p>\n Bien qu’il soit th\u00e9oriquement possible d’appliquer manuellement la formule classique de correction pour att\u00e9nuation de Spearman, cette d\u00e9marche s’av\u00e8re particuli\u00e8rement p\u00e9rilleuse au sein d’une matrice complexe, car elle aboutit fr\u00e9quemment \u00e0 des corr\u00e9lations sur-corrig\u00e9es d\u00e9passant l’unit\u00e9 statistique (> 1,00), rendant les matrices de variance-covariance empiriques math\u00e9matiquement ind\u00e9termin\u00e9es ou non positives.<\/p>\n Le troisi\u00e8me angle mort de l’approche traditionnelle concerne la nature statistique des coefficients rassembl\u00e9s dans une matrice MTMM. Une matrice standard de 3 traits et 3 m\u00e9thodes comprend 36 corr\u00e9lations distinctes, toutes calcul\u00e9es \u00e0 partir du m\u00eame groupe d’individus. Ces coefficients ne sont en aucune mani\u00e8re des entit\u00e9s statistiques ind\u00e9pendantes les unes des autres : ils pr\u00e9sentent des d\u00e9pendances stochastiques r\u00e9siduelles complexes et une structure de covariation embo\u00eet\u00e9e.<\/p>\n Comparer de mani\u00e8re visuelle ou par des tests t de Student univari\u00e9s si le coefficient r(A1, A2) est statistiquement sup\u00e9rieur au coefficient r(A1, B1) constitue une violation flagrante des postulats d’ind\u00e9pendance de l’inf\u00e9rence statistique. Les proc\u00e9dures de comparaison de corr\u00e9lations d\u00e9pendantes issues d’un m\u00eame \u00e9chantillon exigent des calculs matriciels complexes qui d\u00e9passaient largement les capacit\u00e9s computationnelles de l’\u00e9poque de Campbell et Fiske. De surcro\u00eet, la puissance statistique n\u00e9cessaire pour attester la sup\u00e9riorit\u00e9 significative d’un coefficient sur un autre s’av\u00e8re extr\u00eamement sensible \u00e0 la taille de l’\u00e9chantillon mobilis\u00e9.<\/p>\n Enfin, d\u00e8s lors que l’on tente d’\u00e9largir l’investigation empirique en incluant un nombre substantiel de traits (par exemple 5 ou 6) et de m\u00e9thodes (4 ou 5), la matrice MTMM se transforme en un labyrinthe num\u00e9rique titanesque compos\u00e9 de centaines de corr\u00e9lations crois\u00e9es. L’esprit humain et l’inspection visuelle se heurtent alors \u00e0 leurs limites cognitives, rendant l’extraction d’une conclusion synth\u00e9tique et objective pratiquement impossible sans recours \u00e0 des mod\u00e8les math\u00e9matiques formalis\u00e9s de r\u00e9duction dimensionnelle.<\/p>\n Face aux apories m\u00e9thodologiques de l’approche par inspection visuelle, la psychom\u00e9trie a accompli un saut qualitatif majeur au d\u00e9but des ann\u00e9es 1970 gr\u00e2ce \u00e0 l’\u00e9mergence des mod\u00e8les d’\u00e9quations structurelles (Structural Equation Modeling – SEM<\/a>) et de l’analyse factorielle confirmatoire (CFA). Les contributions pionni\u00e8res de statisticiens et m\u00e9thodologistes de premier ordre, au rang desquels figurent Karl J\u00f6reskog<\/a> et David Kenny, ont permis de transposer les intuitions g\u00e9niales de Campbell et Fiske dans un cadre math\u00e9matique explicite et rigoureux.<\/p>\n L’analyse factorielle confirmatoire aborde la matrice MTMM non plus comme un tableau de coefficients statiques \u00e0 inspecter, mais comme une structure de variance-covariance empirique engendr\u00e9e par des variables latentes inobservables. Dans ce formalisme moderne, chaque mesure observ\u00e9e est mod\u00e9lis\u00e9e math\u00e9matiquement comme une fonction lin\u00e9aire de plusieurs facteurs latents sous-jacents : un facteur de trait repr\u00e9sentant la disposition psychologique r\u00e9elle, un facteur de m\u00e9thode incarnant l’effet syst\u00e9matique induit par l’instrument d’investigation, et un r\u00e9sidu unique regroupant l’erreur al\u00e9atoire de mesure.<\/p>\n Cette d\u00e9composition formelle permet de tester l’ad\u00e9quation globale du mod\u00e8le th\u00e9orique aux donn\u00e9es r\u00e9elles au moyen d’indices d’ajustement multivari\u00e9s universellement reconnus dans la communaut\u00e9 scientifique contemporaine :<\/p>\n Gr\u00e2ce \u00e0 cette approche, le chercheur peut formellement comparer des mod\u00e8les th\u00e9oriques concurrents par le biais du test de diff\u00e9rence de chi-carr\u00e9 ($\\Delta\\chi^2$<\/span>), permettant de v\u00e9rifier scientifiquement si l’adjonction de facteurs de m\u00e9thode sp\u00e9cifiques am\u00e9liore de mani\u00e8re statistiquement significative la description des donn\u00e9es observ\u00e9es.<\/p>\n Le passage au paradigme confirmatoire (CFA-MTMM) a transform\u00e9 radicalement la recherche \u00e9valuative en conf\u00e9rant une pr\u00e9cision analytique in\u00e9gal\u00e9e. Le premier avantage fondamental de cette mod\u00e9lisation r\u00e9side dans la s\u00e9paration explicite entre les construits latents et l’erreur de mesure al\u00e9atoire. En int\u00e9grant un terme de variance unique ($\\delta$<\/span> ou $epsilon$<\/span>) pour chaque indicateur empirique, le mod\u00e8le CFA d\u00e9barrasse les facteurs de trait et de m\u00e9thode de leur composante d’att\u00e9nuation. Les saturations factorielles obtenues repr\u00e9sentent ainsi des estimations pures de la relation liant l’observation au construit latent.<\/p>\n De surcro\u00eet, la CFA offre la flexibilit\u00e9 indispensable pour tester formellement l’\u00e9quivalence et l’invariance des mesures \u00e0 travers diff\u00e9rentes conditions. Le chercheur peut contraindre \u00e0 l’\u00e9galit\u00e9 les saturations factorielles d’un trait ou d’une m\u00e9thode pour v\u00e9rifier si les instruments fonctionnent avec la m\u00eame sensibilit\u00e9 et la m\u00eame m\u00e9trique \u00e0 travers les diff\u00e9rentes modalit\u00e9s de recueil, une op\u00e9ration totalement hors de port\u00e9e de l’inspection heuristique de 1959.<\/p>\n Enfin, l’\u00e9valuation de la validit\u00e9 discriminante s’\u00e9mancipe des simples comparaisons ordinales de corr\u00e9lations de surface. Dans un mod\u00e8le confirmatoire, le chercheur peut tester rigoureusement l’hypoth\u00e8se de validit\u00e9 discriminante en fixant la corr\u00e9lation latente entre deux facteurs de traits \u00e0 l’unit\u00e9 ($phi = 1,00$<\/span>). Si le mod\u00e8le contraint affichant une corr\u00e9lation parfaite se d\u00e9grade de fa\u00e7on statistiquement significative par rapport au mod\u00e8le libre (attest\u00e9 par un $\\Delta\\chi^2$<\/span> significatif), on dispose alors d’une preuve probabiliste irr\u00e9futable que les deux construits latents ne sont pas identiques et poss\u00e8dent une existence psychologique diff\u00e9renci\u00e9e.<\/p>\n En d\u00e9pit de sa sup\u00e9riorit\u00e9 th\u00e9orique \u00e9clatante, l’application de l’analyse factorielle confirmatoire aux matrices MTMM a r\u00e9v\u00e9l\u00e9 dans la pratique une constellation de d\u00e9fis statistiques complexes qui continuent de mobiliser les m\u00e9thodologistes contemporains. Le principal \u00e9cueil r\u00e9side dans la fr\u00e9quence alarmante des probl\u00e8mes de non-convergence des algorithmes d’estimation num\u00e9rique (tels que le maximum de vraisemblance, ML) et l’apparition r\u00e9currente de solutions dites inadmissibles.<\/p>\n Ces solutions inadmissibles se manifestent couramment sous la forme de cas de Heywood, c’est-\u00e0-dire l’estimation aberrante de variances d’erreur r\u00e9siduelles n\u00e9gatives, ou de corr\u00e9lations factorielles d\u00e9passant les bornes math\u00e9matiques de l’unit\u00e9 (> |1,00|). Ces anomalies statistiques ne signifient \u00e9videmment pas que la variance dans le monde r\u00e9el est n\u00e9gative, mais indiquent que le mod\u00e8le math\u00e9matique sp\u00e9cifi\u00e9 est sous-identifi\u00e9 empiriquement, ou que les algorithmes d’optimisation it\u00e9rative se sont retrouv\u00e9s pi\u00e9g\u00e9s dans un minimum local en raison d’une colin\u00e9arit\u00e9 excessive entre les facteurs de trait et les facteurs de m\u00e9thode.<\/p>\n Ces probl\u00e8mes de sous-identification et d’instabilit\u00e9 structurelle sont exacerb\u00e9s par la d\u00e9pendance critique de ces techniques envers des tailles d’\u00e9chantillons massives et envers le respect rigoureux des postulats de normalit\u00e9 multivari\u00e9e. Alors que l’heuristique de Campbell et Fiske pouvait s’appliquer \u00e0 de modestes cohortes cliniques de 60 \u00e0 80 patients, un mod\u00e8le factoriel MTMM standard exige fr\u00e9quemment plusieurs centaines de participants pour parvenir \u00e0 des estimations stables, pla\u00e7ant de nombreux chercheurs empiriques face \u00e0 des dilemmes d’instrumentation insolubles.<\/p>\n Le mod\u00e8le CTCM (Correlated Traits, Correlated Methods<\/em>) repr\u00e9sente la transcription math\u00e9matique la plus directe, la plus intuitive et la plus compl\u00e8te du paradigme originel de Campbell et Fiske au sein de l’analyse factorielle confirmatoire. Dans cette sp\u00e9cification, chaque indicateur mesur\u00e9 sature simultan\u00e9ment sur un facteur latent repr\u00e9sentant son trait respectif et sur un facteur latent repr\u00e9sentant sa m\u00e9thode d’\u00e9valuation sp\u00e9cifique.<\/p>\n Sur le plan structurel, le mod\u00e8le CTCM postule une organisation param\u00e9trique tr\u00e8s claire :<\/p>\n Bien que le mod\u00e8le CTCM soit d’une \u00e9l\u00e9gance conceptuelle parfaite, il est tristement c\u00e9l\u00e8bre dans la litt\u00e9rature psychom\u00e9trique pour \u00eatre le mod\u00e8le le plus instable statistiquement. Dans une proportion substantielle d’\u00e9tudes empiriques (d\u00e9passant parfois 50 % des applications publi\u00e9es), le mod\u00e8le CTCM standard \u00e9choue \u00e0 converger ou aboutit \u00e0 des estimations de Heywood intol\u00e9rables. Cette fragilit\u00e9 provient du fait que le mod\u00e8le impose une d\u00e9composition factorielle trop ambitieuse par rapport \u00e0 l’information empirique r\u00e9ellement contenue dans les matrices de donn\u00e9es standard.<\/p>\n Pour contourner l’impasse statistique r\u00e9currente des cas de Heywood engendr\u00e9s par le mod\u00e8le CTCM, Kenny (1976), puis Marsh et Bailey (1991), ont formalis\u00e9 une sp\u00e9cification alternative pragmatique : le mod\u00e8le CTCU (Correlated Traits, Correlated Uniquenesses<\/em>). Dans ce mod\u00e8le, on conserve la mod\u00e9lisation explicite des facteurs de traits latents, mais on supprime totalement les facteurs latents de m\u00e9thode.<\/p>\n L’effet perturbateur de la variance de m\u00e9thode n’est plus capt\u00e9 par des variables latentes communes, mais par l’autorisation syst\u00e9matique de corr\u00e9lations directes et libres entre les termes d’erreur r\u00e9siduelle (les \u00ab unicit\u00e9s \u00bb) des indicateurs qui partagent la m\u00eame m\u00e9thode d’\u00e9valuation. Ainsi, si trois questionnaires diff\u00e9rents sont compl\u00e9t\u00e9s par la m\u00eame modalit\u00e9 d’auto-\u00e9valuation, la variance stylistique qu’ils partagent est absorb\u00e9e par les covariances liant leurs r\u00e9sidus statistiques.<\/p>\n Le mod\u00e8le CTCU pr\u00e9sente des avantages op\u00e9rationnels consid\u00e9rables : il \u00e9limine de fa\u00e7on spectaculaire les probl\u00e8mes d’instabilit\u00e9 num\u00e9rique, converge avec une fluidit\u00e9 remarquable et \u00e9vite presque syst\u00e9matiquement l’apparition de variances n\u00e9gatives. N\u00e9anmoins, ces commodit\u00e9s statistiques se paient d’un lourd tribut \u00e9pist\u00e9mologique. Le postulat fondamental du mod\u00e8le CTCU assimile int\u00e9gralement la variance de m\u00e9thode \u00e0 de la covariance d’erreur, emp\u00eachant toute mod\u00e9lisation de la m\u00e9thode comme une dimension psychologique substantielle. De plus, il interdit formellement de g\u00e9n\u00e9raliser la variance de m\u00e9thode identifi\u00e9e \u00e0 de nouveaux instruments qui n’auraient pas \u00e9t\u00e9 inclus directement dans le protocole exp\u00e9rimental d’origine.<\/p>\n Face aux limites oppos\u00e9es du mod\u00e8le CTCM (trop instable) et du mod\u00e8le CTCU (trop r\u00e9ducteur), le statisticien allemand Michael Eid et ses collaborateurs (2000, 2003)<\/a> ont accompli une perc\u00e9e m\u00e9thodologique majeure en d\u00e9veloppant le mod\u00e8le CT-C(M-1) (Correlated Traits, Correlated Methods minus One<\/em>). Ce mod\u00e8le est aujourd’hui consid\u00e9r\u00e9 par l’avant-garde psychom\u00e9trique comme la sp\u00e9cification la plus rigoureuse et la plus robuste pour l’analyse des matrices MTMM.<\/p>\n Le fondement th\u00e9orique du mod\u00e8le CT-C(M-1) repose sur le constat qu’il est math\u00e9matiquement illusoire de vouloir d\u00e9finir tous les facteurs de m\u00e9thode comme des entit\u00e9s r\u00e9siduelles sym\u00e9triques sans point d’ancrage. Le mod\u00e8le r\u00e9sout les ind\u00e9terminations statistiques d’identification en exigeant du chercheur qu’il s\u00e9lectionne d\u00e9lib\u00e9r\u00e9ment une m\u00e9thode \u00e9talon de r\u00e9f\u00e9rence parmi les M m\u00e9thodes en pr\u00e9sence. Pour cette m\u00e9thode de base, aucun facteur de m\u00e9thode n’est sp\u00e9cifi\u00e9 : les facteurs de traits sont donc d\u00e9finis de mani\u00e8re univoque \u00e0 partir des scores obtenus via cette m\u00e9thode d’\u00e9talonnage privil\u00e9gi\u00e9e.<\/p>\n Les facteurs de m\u00e9thodes restants (au nombre de M-1) sont ensuite int\u00e9gr\u00e9s au mod\u00e8le non plus comme des entit\u00e9s absolues, mais comme des contrastes m\u00e9thodologiques r\u00e9siduels directs mesurant la divergence syst\u00e9matique d’une m\u00e9thode \u00e9valuative par rapport \u00e0 la m\u00e9thode de r\u00e9f\u00e9rence. Cette architecture supprime radicalement les ind\u00e9terminations math\u00e9matiques et garantit une identification statistique parfaite, tout en offrant une interpr\u00e9tation psychologique limpide. Elle s’av\u00e8re particuli\u00e8rement adapt\u00e9e aux recherches croisant l’auto-\u00e9valuation du patient (souvent choisie comme m\u00e9thode \u00e9talon) avec les \u00e9valuations formul\u00e9es par des tiers observateurs (cliniciens, conjoints, pairs).<\/p>\n La planification r\u00e9ussie d’une \u00e9tude MTMM commence bien en amont de toute collecte de donn\u00e9es, d\u00e8s la phase de formulation th\u00e9orique des construits \u00e0 investiguer. Une conception exp\u00e9rimentale solide exige une s\u00e9lection minutieuse de traits qui pr\u00e9sentent des fondements conceptuels distincts et solidement \u00e9tay\u00e9s par la litt\u00e9rature existante. Si les traits s\u00e9lectionn\u00e9s au d\u00e9part sont intrins\u00e8quement trop proches sur le plan s\u00e9mantique, la matrice sera condamn\u00e9e d’avance \u00e0 \u00e9chouer au test de validit\u00e9 discriminante, sans que l’on puisse d\u00e9terminer si l’\u00e9chec est imputable aux instruments ou \u00e0 la redondance conceptuelle d’origine.<\/p>\n Il est hautement recommand\u00e9 d’inclure des construits affichant des polarit\u00e9s divergentes ou des relations th\u00e9oriques asym\u00e9triques au sein du r\u00e9seau nomologique. Par exemple, au lieu de mesurer trois facettes ultra-sp\u00e9cifiques de l’\u00e9motivit\u00e9 n\u00e9gative (qui s’effondreront in\u00e9vitablement en un facteur commun de d\u00e9tresse), le chercheur gagnera \u00e0 combiner un trait d’affectivit\u00e9 n\u00e9gative, un trait d’affectivit\u00e9 positive et une dimension cognitive ou motivationnelle distincte, telle que le locus de contr\u00f4le ou la pers\u00e9v\u00e9rance.<\/p>\n Sur le plan op\u00e9rationnel, la r\u00e8gle d’or pour garantir une identification math\u00e9matique stable et une inspection visuelle \u00e9quilibr\u00e9e r\u00e9side dans la s\u00e9lection de 3 \u00e0 5 construits clairement d\u00e9limit\u00e9s. Descendre en dessous de trois traits fragilise la puissance de g\u00e9n\u00e9ralisation du dispositif et emp\u00eache la v\u00e9rification compl\u00e8te du quatri\u00e8me crit\u00e8re de Campbell et Fiske (la stabilit\u00e9 structurelle des configurations), tandis que d\u00e9passer cinq traits alourdit dramatiquement le fardeau exp\u00e9rimental impos\u00e9 aux participants, augmentant les risques de fatigue cognitive et d’attrition de l’\u00e9chantillon.<\/p>\n L’\u00e9cueil le plus fr\u00e9quent et le plus fatal dans la mise en \u0153uvre pratique du protocole MTMM r\u00e9side dans le pi\u00e8ge des \u00ab fausses m\u00e9thodes distinctes \u00bb. Nombre de chercheurs n\u00e9ophytes croient \u00e0 tort diversifier leurs approches en administrant un questionnaire avec une \u00e9chelle de Likert \u00e0 5 points, un second questionnaire avec une \u00e9chelle visuelle analogique continue, et un troisi\u00e8me questionnaire sous forme d’\u00e9chelle binaire vrai\/faux. De telles variations ne constituent que des modifications superficielles du format d’item et ne brisent en aucun cas la communaut\u00e9 de m\u00e9thode inh\u00e9rente \u00e0 l’auto-\u00e9valuation introspective.<\/p>\n Une diversification m\u00e9thodologique authentique exige une v\u00e9ritable h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des canaux d’acquisition de donn\u00e9es. Le chercheur doit mobiliser des sources informationnelles qui reposent sur des processus cognitifs et comportementaux radicalement distincts :<\/p>\n L’int\u00e9gration de ces informateurs et technologies multiples immunise l’\u00e9tude contre les biais de perspective \u00e9gocentr\u00e9e et garantit que la convergence observ\u00e9e dans la matrice transcende v\u00e9ritablement le canal perceptif de l’observateur.<\/p>\n Le d\u00e9roulement pratique de la collecte de donn\u00e9es au sein d’une architecture MTMM r\u00e9clame une logistique exp\u00e9rimentale irr\u00e9prochable. L’un des risques majeurs r\u00e9side dans la contamination temporelle et l’effet de report d’un instrument sur l’autre. Si un participant remplit cons\u00e9cutivement et sans pause trois batteries de tests mesurant les m\u00eames traits sous des formats diff\u00e9rents, les r\u00e9ponses fournies au premier test vont in\u00e9vitablement guider, par souci de coh\u00e9rence interne ou ph\u00e9nom\u00e8ne d’amor\u00e7age cognitif, les r\u00e9ponses donn\u00e9es aux instruments subs\u00e9quents.<\/p>\n Pour neutraliser ce risque d’ancrage, le protocole exp\u00e9rimental doit imp\u00e9rativement instaurer un contrebalancement randomis\u00e9 de l’ordre de passation des m\u00e9thodes et des traits aupr\u00e8s de l’\u00e9chantillon. Cette randomisation garantit que les effets d’apprentissage, d’\u00e9chauffement ou de lassitude ne se concentrent pas syst\u00e9matiquement sur une m\u00e9thode sp\u00e9cifique, ce qui biaiserait irr\u00e9versiblement ses coefficients de corr\u00e9lation.<\/p>\n Enfin, la planification en amont doit calibrer la taille de l’\u00e9chantillon avec une rigueur statistique sans faille. Si l’on ambitionne de traiter la matrice par mod\u00e9lisation d’\u00e9quations structurelles confirmatoires (CFA), les exigences de puissance recommandent d’atteindre un ratio minimal de 10 \u00e0 20 participants par param\u00e8tre libre \u00e0 estimer. Pour une matrice MTMM standard 3×3 mod\u00e9lis\u00e9e selon l’approche confirmatoire, un \u00e9chantillon minimal de 250 \u00e0 400 r\u00e9pondants valides constitue un seuil prudent pour \u00e9viter les \u00e9cueils de non-convergence algorithmique et assurer la robustesse des inf\u00e9rences de validit\u00e9.<\/p>\n Le champ de l’\u00e9valuation de la personnalit\u00e9 a constitu\u00e9 historiquement le premier et le plus vaste laboratoire d’application pour la matrice MTMM. Le d\u00e9veloppement et la consolidation du mod\u00e8le \u00e0 cinq facteurs (le Big Five<\/em> : Ouverture, Conscienciosit\u00e9, Extraversion, Agr\u00e9abilit\u00e9, N\u00e9vrosisme) ont trouv\u00e9 dans le protocole de Campbell et Fiske leur validation psychom\u00e9trique la plus d\u00e9cisive, notamment \u00e0 travers les travaux d’Oliver John et Richard Robins (1993)<\/a>.<\/p>\n En confrontant syst\u00e9matiquement les profils d’auto-\u00e9valuation des individus aux jugements port\u00e9s par leurs proches (conjoints, amis) et aux \u00e9valuations formul\u00e9es par des observateurs anonymes lors de simulations de groupe, les chercheurs ont pu quantifier pr\u00e9cis\u00e9ment l’effet d’illusion de coh\u00e9rence et l’impact de la d\u00e9sirabilit\u00e9 sociale. Les matrices MTMM ont r\u00e9v\u00e9l\u00e9 des divergences fascinantes selon la nature des traits \u00e9valu\u00e9s : l’Extraversion et la Conscienciosit\u00e9 affichent une validit\u00e9 convergente remarquable entre soi et autrui, car elles s’expriment \u00e0 travers des comportements moteurs et sociaux hautement observables dans la vie quotidienne.<\/p>\n \u00c0 l’inverse, l’\u00e9valuation du N\u00e9vrosisme a mis en lumi\u00e8re un poids pr\u00e9pond\u00e9rant de la variance de m\u00e9thode subjective. Les tiers ont une propension notable \u00e0 sous-estimer la d\u00e9tresse \u00e9motionnelle interne des individus lorsque ceux-ci maintiennent une fa\u00e7ade sociale fonctionnelle. La m\u00e9thodologie MTMM a permis de d\u00e9montrer sans \u00e9quivoque que la distinction entre N\u00e9vrosisme, Extraversion et Agr\u00e9abilit\u00e9 n’\u00e9tait pas un simple d\u00e9coupage s\u00e9mantique artificiel impos\u00e9 par les th\u00e9oriciens de la personnalit\u00e9, mais une partition factorielle robuste capable de r\u00e9sister \u00e0 la variabilit\u00e9 des points de vue observationnels.<\/p>\n Dans le domaine de la psychopathologie clinique et du diagnostic psychiatrique, la matrice MTMM a fonctionn\u00e9 comme un instrument critique de purification nosologique. L’un des d\u00e9fis contemporains les plus complexes r\u00e9side dans la s\u00e9paration structurelle des syndromes hautement comorbides, tels que les troubles d\u00e9pressifs majeurs et les troubles anxieux g\u00e9n\u00e9ralis\u00e9s, ou encore le trouble du d\u00e9ficit de l’attention avec hyperactivit\u00e9 (TDAH) et le trouble oppositionnel avec provocation chez l’enfant.<\/p>\n L’administration conjointe d’entretiens cliniques semi-structur\u00e9s conduits par des psychiatres chevronn\u00e9s, de questionnaires auto-rapport\u00e9s par les patients et de marqueurs comportementaux ou physiologiques a permis de d\u00e9construire les m\u00e9canismes de comorbidit\u00e9 artificielle. Bien souvent, la corr\u00e9lation diagnostique massive observ\u00e9e en clinique entre anxi\u00e9t\u00e9 et d\u00e9pression s’est r\u00e9v\u00e9l\u00e9e \u00eatre le produit d’un biais de plainte subjective g\u00e9n\u00e9ralis\u00e9e du patient, absorbant jusqu’\u00e0 40 % de la covariance sous forme de variance de m\u00e9thode auto-d\u00e9clarative.<\/p>\n Gr\u00e2ce aux d\u00e9compositions MTMM, les cliniciens ont pu isoler les sympt\u00f4mes d’anh\u00e9donie et de ralentissement psychomoteur comme constituant le noyau discriminatoire exclusif de la d\u00e9pression, tandis que l’hyperactivit\u00e9 neurov\u00e9g\u00e9tative et l’appr\u00e9hension anxieuse future discriminaient formellement l’anxi\u00e9t\u00e9. L’identification rigoureuse de ces parts de variance a profond\u00e9ment influenc\u00e9 les r\u00e9visions successives des manuels diagnostiques internationaux, notamment le passage aux approches dimensionnelles promues par les crit\u00e8res de domaine de recherche (RDoC – Research Domain Criteria<\/a>).<\/p>\n Le monde de l’entreprise et de la psychologie du travail a connu une r\u00e9volution m\u00e9thodologique majeure avec l’av\u00e8nement des syst\u00e8mes d’\u00e9valuation multisources dits \u00ab \u00e0 360 degr\u00e9s \u00bb. Ces protocoles consistent \u00e0 \u00e9valuer les comp\u00e9tences professionnelles et le leadership d’un collaborateur \u00e0 travers une convergence de regards crois\u00e9s : la notation accord\u00e9e par le cadre sup\u00e9rieur hi\u00e9rarchique, les jugements \u00e9mis par les pairs de niveau \u00e9quivalent, les appr\u00e9ciations des subordonn\u00e9s directs, et l’auto-\u00e9valuation du collaborateur lui-m\u00eame.<\/p>\n L’application rigoureuse du formalisme MTMM \u00e0 ces donn\u00e9es organisationnelles a permis de d\u00e9construire de nombreuses illusions manag\u00e9riales. Des travaux empiriques d’envergure, \u00e0 l’image de ceux men\u00e9s par Lance, Dawson, Birkelbach et Hoffman (2010), ont mis en \u00e9vidence un fait perturbant : dans la majorit\u00e9 des syst\u00e8mes d’\u00e9valuation professionnelle, la variance li\u00e9e \u00e0 la source hi\u00e9rarchique (la m\u00e9thode) \u00e9crase totalement la variance attribuable aux comp\u00e9tences r\u00e9elles du travailleur (le trait). Les notes attribu\u00e9es par un sup\u00e9rieur hi\u00e9rarchique refl\u00e8tent souvent davantage son propre style de leadership, ses biais de s\u00e9v\u00e9rit\u00e9 ou d’indulgence et la proximit\u00e9 politique qu’il entretient avec le subordonn\u00e9, que les comp\u00e9tences objectives de ce dernier.<\/p>\n Ces diagnostics statistiques ont conduit \u00e0 une optimisation profonde des processus de s\u00e9lection du personnel et de gestion des talents. En mesurant avec pr\u00e9cision le poids de ces effets de m\u00e9thode sp\u00e9cifiques, les psychologues du travail ont appris \u00e0 pond\u00e9rer math\u00e9matiquement les \u00e9valuations multisources afin de neutraliser les halos de notation hi\u00e9rarchique, garantissant ainsi une m\u00e9ritocratie plus \u00e9quitable et scientifiquement calibr\u00e9e.<\/p>\n \u00c0 l’\u00e8re du num\u00e9rique et des technologies mobiles, la psychom\u00e9trie a franchi les fronti\u00e8res des laboratoires traditionnels pour investir la vie quotidienne des sujets gr\u00e2ce aux protocoles d’\u00e9valuation \u00e9cologique momentan\u00e9e (EMA – Ecological Momentary Assessment<\/em><\/a>) et au recueil continu de traces num\u00e9riques par smartphone. Cette avalanche de mesures r\u00e9p\u00e9t\u00e9es et contextualis\u00e9es a rendu indispensable l’hybridation de la m\u00e9thodologie MTMM avec les mod\u00e8les de mod\u00e9lisation multiniveaux (MLM) et longitudinaux.<\/p>\n Dans cette architecture avanc\u00e9e, le protocole MTMM permet d’accomplir une dissociation fondamentale entre deux plans d’analyse : d’une part, la variance intra-individuelle dynamique (niveau 1), qui capte les fluctuations momentan\u00e9es et les \u00e9tats affectifs transitoires du sujet en r\u00e9ponse aux stresseurs de son environnement ; d’autre part, la variance inter-individuelle stable (niveau 2), qui refl\u00e8te les traits de personnalit\u00e9 structurels et p\u00e9rennes de la personne. La variance de m\u00e9thode peut alors \u00eatre mod\u00e9lis\u00e9e comme intervenant \u00e0 la fois au niveau macroscopique (diff\u00e9rences syst\u00e9matiques entre instruments sur le long terme) et au niveau microscopique (sensibilit\u00e9 diff\u00e9rentielle d’un capteur num\u00e9rique ou d’une notification selon le moment de la journ\u00e9e).<\/p>\n De surcro\u00eet, les extensions longitudinales permettent d’\u00e9valuer formellement l’invariance temporelle des effets de m\u00e9thode \u00e0 travers des devis \u00e0 mesures r\u00e9p\u00e9t\u00e9es. Les chercheurs peuvent d\u00e9sormais d\u00e9terminer si le biais d’un observateur ou la variance de m\u00e9thode commune d’un questionnaire reste constant au fil des semaines, ou s’il se d\u00e9grade sous l’effet de l’accoutumance cognitive, garantissant ainsi que l’\u00e9volution temporelle constat\u00e9e chez des patients en th\u00e9rapie traduit un v\u00e9ritable progr\u00e8s clinique plut\u00f4t qu’une modification progressive du style de r\u00e9ponse.<\/p>\n L’une des avanc\u00e9es les plus prometteuses des deux derni\u00e8res d\u00e9cennies pour l’analyse MTMM r\u00e9side dans l’int\u00e9gration massive des m\u00e9thodes d’estimation bay\u00e9siennes (Muth\u00e9n & Asparouhov, 2012<\/a>). Les approches bay\u00e9siennes se sont impos\u00e9es comme le rem\u00e8de ultime aux pathologies d’estimation r\u00e9currentes qui entravaient traditionnellement l’analyse factorielle confirmatoire fr\u00e9quentiste standard.<\/p>\n En mobilisant des algorithmes de cha\u00eene de Markov de Monte-Carlo (MCMC), l’analyste n’est plus contraint de maximiser une fonction de vraisemblance statique susceptible de s’effondrer sur des variances d’erreur r\u00e9siduelles n\u00e9gatives. L’utilisation de distributions a priori<\/em> informatives ou faiblement informatives (priors<\/em>) permet de borner naturellement les param\u00e8tres dans des domaines math\u00e9matiquement admissibles, neutralisant d\u00e9finitivement l’apparition des cas de Heywood et stabilisant des mod\u00e8les autrefois consid\u00e9r\u00e9s comme impossibles \u00e0 faire converger.<\/p>\n Cette flexibilit\u00e9 bay\u00e9sienne ouvre des horizons in\u00e9dits pour les recherches men\u00e9es sur de petits \u00e9chantillons, particuli\u00e8rement fr\u00e9quentes en neuropsychologie clinique, en imagerie c\u00e9r\u00e9brale ou dans l’\u00e9tude des pathologies psychiatriques rares, o\u00f9 la collecte de centaines de participants est mat\u00e9riallement irr\u00e9alisable. Les approches bay\u00e9siennes permettent d’estimer avec une grande fid\u00e9lit\u00e9 la complexit\u00e9 matricielle MTMM tout en fournissant des distributions de probabilit\u00e9 a posteriori<\/em> explicites pour chaque composante de variance de trait et de m\u00e9thode.<\/p>\n \u00c0 la lumi\u00e8re de six d\u00e9cennies de d\u00e9veloppements th\u00e9oriques, statistiques et computationnels, la communaut\u00e9 psychom\u00e9trique internationale s’accorde aujourd’hui sur un ensemble de recommandations m\u00e9thodologiques claires \u00e0 l’attention des chercheurs d\u00e9sireux d’impl\u00e9menter la matrice MTMM dans leurs travaux empiriques. Ce protocole s\u00e9quentiel peut \u00eatre synth\u00e9tis\u00e9 en trois \u00e9tapes fondamentales :<\/p>\n En premier lieu, une v\u00e9rification pr\u00e9alable indispensable des propri\u00e9t\u00e9s univari\u00e9es et multivari\u00e9es des donn\u00e9es brutes doit \u00eatre men\u00e9e avec la plus grande rigueur. Avant toute tentative de mod\u00e9lisation complexe, le chercheur doit examiner la normalit\u00e9 distributionnelle de ses indicateurs, traiter minutieusement les donn\u00e9es manquantes au moyen d’imputations multiples ou d’algorithmes FIML (Full Information Maximum Likelihood<\/em>), et v\u00e9rifier l’absence d’effets de plancher ou de plafond s\u00e9v\u00e8res susceptibles de distordre les matrices de covariance.<\/p>\n En second lieu, la strat\u00e9gie d’analyse s\u00e9quentielle recommand\u00e9e pr\u00e9conise de ne jamais sauter directement aux mod\u00e8les factoriels sans avoir proc\u00e9d\u00e9 \u00e0 une inspection heuristique pr\u00e9alable minutieuse selon les principes fondamentaux de Campbell et Fiske (1959). L’analyse visuelle des patrons de corr\u00e9lation bruts offre un premier contact essentiel avec la structure \u00e9cologique des donn\u00e9es. Dans un second temps, le passage \u00e0 la mod\u00e9lisation formelle privil\u00e9giera l’approche confirmatoire CT-C(M-1) avec le choix r\u00e9fl\u00e9chi d’une m\u00e9thode \u00e9talon th\u00e9oriquement justifiable, en r\u00e9servant les mod\u00e8les CTCU ou les estimations bay\u00e9siennes aux situations o\u00f9 des contraintes d’identification insolubles se manifesteraient.<\/p>\n Enfin, la transparence totale dans le rapportage scientifique s’impose comme une exigence d\u00e9ontologique absolue. Les auteurs d’articles empiriques doivent syst\u00e9matiquement publier l’int\u00e9gralit\u00e9 de leur matrice de corr\u00e9lation MTMM, incluant les diagonales de fid\u00e9lit\u00e9 entre parenth\u00e8ses, ainsi que les tables d\u00e9taill\u00e9es des saturations factorielles et des d\u00e9compositions de variance. Ce n’est qu’au prix d’une telle clart\u00e9 m\u00e9thodologique que la psychologie et les sciences du comportement parviendront \u00e0 consolider la reproductibilit\u00e9 de leurs construits et \u00e0 b\u00e2tir un \u00e9difice scientifique r\u00e9sistant \u00e0 l’\u00e9preuve du temps.<\/p>\n Guide acad\u00e9mique complet sur la matrice multitrait-multim\u00e9thode (MTMM) de Donald T. Campbell et Donald W. Fiske : th\u00e9orie, analyse psychom\u00e9trique et applications.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[4836,2],"tags":[10689,10690,7516,10688,271],"class_list":["post-9593","psych_article","type-psych_article","status-publish","hentry","category-methodologie-de-la-recherche-en-psychologie","category-psychometrie","tag-donald-t-campbell","tag-donald-w-fiske","tag-equations-structurelles","tag-matrice-mtmm","tag-validite-de-construit"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_article\/9593","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_article"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_article"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=9593"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_article\/9593\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=9593"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=9593"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=9593"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}1. Introduction et fondements historiques de la matrice multitrait-multim\u00e9thode<\/h2>\n
1.1 Le contexte \u00e9pist\u00e9mologique de la psychom\u00e9trie dans les ann\u00e9es 1950<\/h3>\n
1.2 L’\u00e9volution de la th\u00e9orie de la validit\u00e9 de construit<\/h3>\n
1.3 Objectifs primordiaux de la m\u00e9thodologie MTMM<\/h3>\n
2. Les figures fondatrices : Contributions de Donald T. Campbell et Donald W. Fiske<\/h2>\n
2.1 Donald T. Campbell et la th\u00e9orie de la validit\u00e9 scientifique<\/h3>\n
2.2 Donald W. Fiske et la psychom\u00e9trie des diff\u00e9rences individuelles<\/h3>\n
3. Les concepts fondamentaux : Validit\u00e9 convergente et validit\u00e9 discriminante<\/h2>\n
3.1 La validit\u00e9 convergente en profondeur<\/h3>\n
3.2 La validit\u00e9 discriminante : principes et imp\u00e9ratifs<\/h3>\n
3.3 La variance de m\u00e9thode comme menace majeure \u00e0 la validit\u00e9<\/h3>\n
\n
4. Structure et architecture formelle de la matrice MTMM<\/h2>\n
4.1 L’organisation matricielle g\u00e9n\u00e9rale<\/h3>\n
4.2 Les diagonales de fid\u00e9lit\u00e9 (monotrait-monom\u00e9thode)<\/h3>\n
4.3 Les composantes h\u00e9t\u00e9rom\u00e9thodes et h\u00e9t\u00e9rotraits<\/h3>\n
\n
5. Les quatre blocs de corr\u00e9lations de Campbell et Fiske<\/h2>\n
5.1 Les valeurs monotrait-monom\u00e9thode (1M-1T)<\/h3>\n
5.2 Les valeurs monotrait-h\u00e9t\u00e9rom\u00e9thode (1T-HM) : la diagonale de validit\u00e9<\/h3>\n
5.3 Les valeurs h\u00e9t\u00e9rotrait-monom\u00e9thode (HT-1M)<\/h3>\n
5.4 Les valeurs h\u00e9t\u00e9rotrait-h\u00e9t\u00e9rom\u00e9thode (HT-HM)<\/h3>\n
6. Les crit\u00e8res d’interpr\u00e9tation et r\u00e8gles heuristiques de Campbell et Fiske (1959)<\/h2>\n
6.1 Premier crit\u00e8re : La significativit\u00e9 statistique de la validit\u00e9 convergente<\/h3>\n
6.2 Deuxi\u00e8me crit\u00e8re : Sup\u00e9riorit\u00e9 de la convergence sur la divergence h\u00e9t\u00e9rom\u00e9thode<\/h3>\n
6.3 Troisi\u00e8me crit\u00e8re : Pr\u00e9dominance du trait sur la m\u00e9thode<\/h3>\n
6.4 Quatri\u00e8me crit\u00e8re : Homog\u00e9n\u00e9it\u00e9 des patrons d’intercorr\u00e9lations<\/h3>\n
7. Limites et critiques m\u00e9thodologiques de l’approche heuristique traditionnelle<\/h2>\n
7.1 L’absence de quantification rigoureuse des composantes de variance<\/h3>\n
7.2 Les effets confondants de la non-fid\u00e9lit\u00e9 diff\u00e9rentielle<\/h3>\n
7.3 Le probl\u00e8me de l’interd\u00e9pendance des observations et de l’\u00e9chantillonnage<\/h3>\n
8. L’\u00e9volution moderne : Mod\u00e9lisation par \u00e9quations structurelles (SEM) appliqu\u00e9e au MTMM<\/h2>\n
8.1 L’introduction de l’analyse factorielle confirmatoire (CFA)<\/h3>\n
\n
8.2 Avantages psychom\u00e9triques majeurs de l’approche confirmatoire<\/h3>\n
8.3 Les d\u00e9fis statistiques et probl\u00e8mes d’identification dans la CFA-MTMM<\/h3>\n
9. Mod\u00e8les factoriels sp\u00e9cifiques pour l’analyse MTMM<\/h2>\n
9.1 Le mod\u00e8le classique CTCM (Correlated Traits, Correlated Methods)<\/h3>\n
\n
9.2 Le mod\u00e8le CTCU (Correlated Traits, Correlated Uniquenesses)<\/h3>\n
9.3 Le mod\u00e8le CT-C(M-1) (Correlated Traits, Correlated Methods minus One)<\/h3>\n
10. Protocole de mise en \u0153uvre pratique et conception exp\u00e9rimentale d’une \u00e9tude MTMM<\/h2>\n
10.1 S\u00e9lection rigoureuse des traits psychologiques<\/h3>\n
10.2 Choix et diversification des m\u00e9thodes d’\u00e9valuation<\/h3>\n
\n
10.3 Planification de la collecte et contr\u00f4le des biais m\u00e9thodologiques<\/h3>\n
11. Applications empiriques en psychologie, psychiatrie et sciences du comportement<\/h2>\n
11.1 \u00c9valuation de la personnalit\u00e9 et mod\u00e8le des Big Five<\/h3>\n
11.2 Psychopathologie clinique et \u00e9valuation diagnostique<\/h3>\n
11.3 Psychologie organisationnelle et \u00e9valuation du rendement au travail<\/h3>\n
12. Perspectives contemporaines, d\u00e9veloppements r\u00e9cents et recommandations psychom\u00e9triques<\/h2>\n
12.1 L’int\u00e9gration du MTMM dans les mod\u00e8les multiniveaux et longitudinaux<\/h3>\n
12.2 Approches bay\u00e9siennes pour surmonter les limites d’estimation<\/h3>\n
12.3 Guide synth\u00e9tique de bonnes pratiques pour les chercheurs contemporains<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n
\n