La qu\u00eate de la causalit\u00e9 constitue le c\u0153ur battant de la d\u00e9marche scientifique moderne. Depuis l’\u00e9mancipation des sciences empiriques vis-\u00e0-vis de la simple sp\u00e9culation philosophique, les chercheurs s’efforcent d’isoler les d\u00e9terminants r\u00e9els des ph\u00e9nom\u00e8nes naturels, biologiques, psychologiques et sociaux. Observer une corr\u00e9lation, aussi robuste et statistiquement significative soit-elle, ne suffit jamais \u00e0 affirmer qu’une action sp\u00e9cifique produit un r\u00e9sultat d\u00e9termin\u00e9. C’est pr\u00e9cis\u00e9ment pour d\u00e9passer l’\u00e9cueil de la simple concomitance empirique que l’\u00e9pist\u00e9mologie contemporaine a \u00e9labor\u00e9 des protocoles m\u00e9thodologiques rigoureux, capables d’attester qu’une modification d\u00e9lib\u00e9r\u00e9e d’une variable ind\u00e9pendante engendre une variation directe et mesurable d’une variable d\u00e9pendante.<\/p>\n
Au sommet de cette architecture de validation se dresse l’exp\u00e9rience v\u00e9ritable, souvent qualifi\u00e9e d’\u00e9talon-or ou d’essai contr\u00f4l\u00e9 randomis\u00e9. Fond\u00e9e sur la manipulation d\u00e9lib\u00e9r\u00e9e de variables et sur l’assignation strictement al\u00e9atoire des participants au sein de conditions exp\u00e9rimentales \u00e9tanches, cette approche permet d’\u00e9tablir une \u00e9quivalence probabiliste initiale entre les groupes. Toutefois, la r\u00e9alit\u00e9 du terrain \u2014 qu’il s’agisse de politiques publiques, d’interventions \u00e9ducatives, de r\u00e9formes institutionnelles ou de crises sanitaires majeures \u2014 oppose fr\u00e9quemment une r\u00e9sistance insurmontable aux exigences id\u00e9alis\u00e9es du laboratoire. Les contraintes \u00e9thiques, logistiques et mat\u00e9rielles interdisent bien souvent de distribuer le sort des individus par tirage au sort, imposant ainsi le recours \u00e0 des approches alternatives hautement sophistiqu\u00e9es : les quasi-exp\u00e9riences.<\/p>\n
Ce trait\u00e9 m\u00e9thodologique propose une analyse comparative, exhaustive et multidimensionnelle entre l’exp\u00e9rience v\u00e9ritable et la quasi-exp\u00e9rience. En explorant leurs racines th\u00e9oriques respectives, leurs architectures op\u00e9rationnelles, leurs forces \u00e9pist\u00e9mologiques et leurs vuln\u00e9rabilit\u00e9s intrins\u00e8ques, ce document offre une grille de lecture approfondie destin\u00e9e aux chercheurs, aux \u00e9valuateurs de politiques publiques et aux \u00e9tudiants avanc\u00e9s. En confrontant les imp\u00e9ratifs d’une validit\u00e9 interne absolue aux n\u00e9cessit\u00e9s pragmatiques d’une validit\u00e9 \u00e9cologique repr\u00e9sentative, nous mettrons en lumi\u00e8re la mani\u00e8re dont ces deux paradigmes coexistent, se compl\u00e8tent et structurent la production contemporaine du savoir empirique.<\/p>\n
L’exp\u00e9rience v\u00e9ritable se d\u00e9finit sur le plan \u00e9pist\u00e9mologique comme un protocole d’investigation au sein duquel le chercheur exerce un contr\u00f4le direct, intentionnel et exhaustif sur l’administration d’une ou plusieurs variables ind\u00e9pendantes, tout en r\u00e9partissant les unit\u00e9s exp\u00e9rimentales entre les diff\u00e9rentes conditions d’intervention par le biais d’un m\u00e9canisme d’assignation strictement al\u00e9atoire. Ce protocole se fonde sur l’h\u00e9ritage th\u00e9orique initi\u00e9 par les travaux pionniers de Charles Sanders Peirce et Joseph Jastrow en 1884, puis formalis\u00e9 au cours des ann\u00e9es 1920 et 1930 par Sir Ronald Aylmer Fisher dans le cadre de ses recherches agronomiques \u00e0 la station exp\u00e9rimentale de Rothamsted. La finalit\u00e9 premi\u00e8re de l’exp\u00e9rience v\u00e9ritable r\u00e9side dans l’\u00e9limination syst\u00e9matique des explications alternatives concurrentes : en g\u00e9n\u00e9rant des groupes statistiquement indistinguables avant toute intervention, elle isole l’impact du traitement avec une certitude math\u00e9matique maximale, autorisant une attribution causale univoque.<\/p>\n
\u00c0 l’inverse, la quasi-exp\u00e9rience constitue un devis d’\u00e9valuation empirique mis en \u0153uvre dans des contextes r\u00e9els o\u00f9 le chercheur introduit ou observe la manipulation d’une variable ind\u00e9pendante, mais se trouve dans l’incapacit\u00e9 m\u00e9thodologique, \u00e9thique ou pratique de proc\u00e9der \u00e0 une assignation al\u00e9atoire des participants. Formalis\u00e9e et th\u00e9oris\u00e9e de mani\u00e8re d\u00e9cisive par Donald T. Campbell et Julian C. Stanley dans leur monographie s\u00e9minale de 1966, la quasi-exp\u00e9rience op\u00e8re principalement en milieu naturel, tirant parti de groupes d\u00e9j\u00e0 constitu\u00e9s tels que des cohortes d’\u00e9l\u00e8ves au sein d’\u00e9tablissements scolaires distincts, des patients admis dans diff\u00e9rents services hospitaliers ou des populations soumises \u00e0 des r\u00e9gimes juridiques diff\u00e9renci\u00e9s selon leur d\u00e9coupage administratif.<\/p>\n
L’\u00e9tablissement d’une relation de cause \u00e0 effet s’av\u00e8re central dans la construction de la connaissance contemporaine. Selon le cadre formalis\u00e9 par l’analyse causale moderne<\/a>, postuler qu’une variable X cause un ph\u00e9nom\u00e8ne Y exige non seulement de d\u00e9montrer leur covariation statistique et l’ant\u00e9riorit\u00e9 temporelle de X sur Y, mais surtout d’attester qu’aucune variable tierce Z \u2014 qu’elle soit mesur\u00e9e, omise ou intrins\u00e8quement inobservable \u2014 n’est \u00e0 l’origine de cette association apparente. Alors que l’exp\u00e9rience v\u00e9ritable r\u00e9sout ce d\u00e9fi par la neutralisation structurelle a priori de tout facteur confondant potentiel, la quasi-exp\u00e9rience doit le relever par une d\u00e9marche d’investigation critique a posteriori, d\u00e9ployant des tr\u00e9sors d’ing\u00e9niosit\u00e9 m\u00e9thodologique et statistique pour r\u00e9futer une \u00e0 une les hypoth\u00e8ses rivales.<\/p>\n La distinction conceptuelle entre ces deux approches souffre fr\u00e9quemment d’amalgames r\u00e9currents dans la litt\u00e9rature scientifique et le d\u00e9bat public, en grande partie parce qu’elles partagent un vocabulaire technique rigoureusement identique. Dans les deux cas, le chercheur fait usage des notions de \u00ab groupe d’intervention \u00bb (ou groupe exp\u00e9rimental), de \u00ab groupe t\u00e9moin \u00bb (ou groupe de comparaison) et structure son recueil de donn\u00e9es autour de protocoles pr\u00e9-test et post-test. Un observateur profane ou un analyste peu m\u00e9ticuleux peut ais\u00e9ment confondre une recherche quasi-exp\u00e9rimentale comparant deux classes d’\u00e9cole avec un essai randomis\u00e9, dans la mesure o\u00f9 les deux protocoles comparent des moyennes avant et apr\u00e8s l’application d’un nouveau programme p\u00e9dagogique, en mobilisant des tests d’hypoth\u00e8ses similaires tels que l’analyse de variance ou les mod\u00e8les de r\u00e9gression lin\u00e9aire.<\/p>\n Cette sym\u00e9trie formelle d\u00e9coule d’un objectif scientifique rigoureusement partag\u00e9 : quantifier avec la plus grande pr\u00e9cision possible l’efficacit\u00e9 diff\u00e9rentielle d’un traitement th\u00e9rapeutique, d’une innovation p\u00e9dagogique ou d’un dispositif d’action publique. Les deux m\u00e9thodologies tentent de reconstituer la trajectoire contrefactuelle des sujets, c’est-\u00e0-dire de d\u00e9terminer ce qui se serait produit pour les individus trait\u00e9s s’ils n’avaient pas \u00e9t\u00e9 expos\u00e9s \u00e0 l’intervention. Parce qu’elles recourent aux m\u00eames outils m\u00e9trologiques, aux m\u00eames \u00e9chelles psychom\u00e9triques et aux m\u00eames indicateurs d’efficacit\u00e9, l’illusion d’une \u00e9quivalence m\u00e9thodologique absolue s’installe fr\u00e9quemment chez les praticiens.<\/p>\n Pourtant, cette convergence apparente dissimule une divergence fondamentale qui alt\u00e8re radicalement la port\u00e9e des inf\u00e9rences : le degr\u00e9 de contr\u00f4le effectif exerc\u00e9 sur les variables confusionnelles. L\u00e0 o\u00f9 l’exp\u00e9rience v\u00e9ritable utilise l’al\u00e9a pour briser tout lien de causalit\u00e9 entre les caract\u00e9ristiques individuelles des participants et leur appartenance \u00e0 un groupe donn\u00e9, la quasi-exp\u00e9rience h\u00e9rite in\u00e9vitablement de distorsions de s\u00e9lection. Deux groupes d’apparence analogue au d\u00e9but d’une quasi-exp\u00e9rience peuvent dissimuler des disparit\u00e9s motivationnelles, cognitives, g\u00e9n\u00e9tiques ou socio-\u00e9conomiques profondes, invisibles lors des mesures initiales, mais capables de biaiser irr\u00e9m\u00e9diablement l’interpr\u00e9tation des r\u00e9sultats finaux.<\/p>\n La s\u00e9lection entre un devis exp\u00e9rimental v\u00e9ritable et un devis quasi-exp\u00e9rimental mat\u00e9rialise l’un des dilemmes les plus profonds de la recherche scientifique : l’arbitrage in\u00e9vitable entre la validit\u00e9 interne et la validit\u00e9 externe, concept th\u00e9oris\u00e9 d\u00e8s 1957 par Donald T. Campbell. La validit\u00e9 interne d\u00e9signe l’exactitude de l’inf\u00e9rence selon laquelle la relation causale observ\u00e9e entre les variables \u00e9tudi\u00e9es est authentique et exempte de biais m\u00e9thodologiques. L’exp\u00e9rience v\u00e9ritable excelle dans ce registre : en confinant souvent ses sujets dans un environnement de laboratoire ou au sein de protocoles cliniques ultras\u00e9curis\u00e9s, elle verrouille les influences ext\u00e9rieures ind\u00e9sirables, garantissant que le signal observ\u00e9 \u00e9merge exclusivement du traitement.<\/p>\n N\u00e9anmoins, ce contr\u00f4le chirurgical s’obtient g\u00e9n\u00e9ralement au d\u00e9triment de la validit\u00e9 \u00e9cologique, qui renvoie au degr\u00e9 de conformit\u00e9 des conditions exp\u00e9rimentales avec les situations r\u00e9elles v\u00e9cues par les populations cibles. Un protocole clinique ex\u00e9cut\u00e9 dans des conditions de conformit\u00e9 parfaite ne renseigne que tr\u00e8s imparfaitement sur l’efficacit\u00e9 r\u00e9elle d’une m\u00e9dication dans une population h\u00e9t\u00e9rog\u00e8ne, sujette \u00e0 des comorbidit\u00e9s non contr\u00f4l\u00e9es et \u00e0 des probl\u00e8mes d’adh\u00e9sion th\u00e9rapeutique quotidienne. Les cons\u00e9quences de ce choix m\u00e9thodologique sur l’interpr\u00e9tation des donn\u00e9es sont directes : opter pour l’exp\u00e9rience v\u00e9ritable garantit la puret\u00e9 causale au risque de produire des conclusions non g\u00e9n\u00e9ralisables, tandis que retenir la quasi-exp\u00e9rience privil\u00e9gie la repr\u00e9sentativit\u00e9 du monde r\u00e9el au prix d’une vuln\u00e9rabilit\u00e9 accrue aux explications alternatives r\u00e9siduelles.<\/p>\n Enfin, ce compromis m\u00e9thodologique est syst\u00e9matiquement conditionn\u00e9 par des imp\u00e9ratifs \u00e9thiques, financiers et mat\u00e9riels ind\u00e9passables. Est-il \u00e9thiquement envisageable de priver al\u00e9atoirement un groupe d’\u00e9l\u00e8ves en situation de grande d\u00e9tresse scolaire d’une mesure d’accompagnement innovante simplement pour pr\u00e9server la puret\u00e9 d’un groupe t\u00e9moin ? Est-il moralement acceptable d’exposer al\u00e9atoirement des salari\u00e9s \u00e0 un environnement de travail d\u00e9grad\u00e9 pour quantifier l’impact direct du stress sur la sant\u00e9 cardiovasculaire ? La r\u00e9ponse est sans \u00e9quivoque non. De surcro\u00eet, le co\u00fbt financier et la complexit\u00e9 logistique du d\u00e9ploiement d’un essai contr\u00f4l\u00e9 randomis\u00e9 d’envergure nationale d\u00e9passent souvent les capacit\u00e9s des organismes de recherche, faisant de la quasi-exp\u00e9rience non pas un choix de second ordre par n\u00e9gligence, mais une n\u00e9cessit\u00e9 scientifique imp\u00e9rieuse impos\u00e9e par le respect de l’\u00e9thique humaine et des contingences op\u00e9rationnelles.<\/p>\n L’assignation al\u00e9atoire, ou randomisation, constitue la pierre angulaire absolue sur laquelle repose l’\u00e9difice de l’exp\u00e9rience v\u00e9ritable. Formalis\u00e9e d’un point de vue math\u00e9matique par Sir Ronald A. Fisher dans ses ouvrages fondamentaux Statistical Methods for Research Workers<\/em> (1925) et The Design of Experiments<\/em> (1935), la randomisation consiste \u00e0 allouer chaque unit\u00e9 d’\u00e9chantillonnage disponible \u00e0 l’une des conditions exp\u00e9rimentales selon une proc\u00e9dure strictement probabiliste, telle qu’une table de nombres al\u00e9atoires ou un algorithme pseudo-al\u00e9atoire cryptographiquement s\u00fbr. Chaque sujet poss\u00e8de ainsi une probabilit\u00e9 d’inclusion pr\u00e9cis\u00e9ment connue et strictement non nulle d’int\u00e9grer chacun des bras de l’\u00e9tude.<\/p>\n Le m\u00e9canisme causal fondamental sous-jacent \u00e0 la randomisation r\u00e9side dans l’obtention d’une \u00e9quivalence probabiliste<\/strong> entre les groupes avant toute administration du traitement. Contrairement \u00e0 une id\u00e9e re\u00e7ue tenace, l’assignation al\u00e9atoire ne garantit pas que les groupes form\u00e9s soient strictement identiques terme \u00e0 terme sur chaque caract\u00e9ristique individuelle ; elle assure en r\u00e9alit\u00e9 que les diff\u00e9rences intergroupes observ\u00e9es \u00e0 l’\u00e9tat initial ne r\u00e9sultent que du seul hasard d’\u00e9chantillonnage. En vertu de la loi des grands nombres, \u00e0 mesure que la taille de l’\u00e9chantillon s’accro\u00eet, la distribution de n’importe quel param\u00e8tre au sein du groupe exp\u00e9rimental converge de mani\u00e8re asymptotique vers celle du groupe t\u00e9moin.<\/p>\n La puissance \u00e9pist\u00e9mologique unique de ce proc\u00e9d\u00e9 r\u00e9side dans sa capacit\u00e9 \u00e0 neutraliser simultan\u00e9ment l’ensemble des facteurs de confusion potentiels. Tandis que les m\u00e9thodes d’ajustement traditionnelles ne peuvent corriger que les variables pr\u00e9alablement identifi\u00e9es et convenablement mesur\u00e9es par le chercheur, la randomisation op\u00e8re de mani\u00e8re aveugle et exhaustive : elle r\u00e9partit \u00e9quitablement aussi bien les covariables observables (comme l’\u00e2ge, le sexe, le niveau de revenu ou l’historique m\u00e9dical) que les covariables inobservables ou purement latentes (telles que les pr\u00e9dispositions g\u00e9n\u00e9tiques, la motivation intrins\u00e8que, les traits de personnalit\u00e9 subtils ou la r\u00e9silience psychologique). En rompant toute corr\u00e9lation entre les d\u00e9terminants intrins\u00e8ques des sujets et leur statut d’exposition, l’al\u00e9a exp\u00e9rimental \u00e9limine ipso facto le biais de s\u00e9lection.<\/p>\n Au-del\u00e0 de la randomisation des participants, l’exp\u00e9rience v\u00e9ritable se caract\u00e9rise par l’isolation absolue de la variable ind\u00e9pendante par l’exp\u00e9rimentateur. Dans un devis authentiquement exp\u00e9rimental, l’intervention ne survient pas de mani\u00e8re passive ou observationnelle ; elle est activement orchestr\u00e9e, d\u00e9clench\u00e9e et modul\u00e9e selon des param\u00e8tres pr\u00e9d\u00e9termin\u00e9s. Le chercheur s’assure ainsi d’exercer une ma\u00eetrise compl\u00e8te sur le dosage, la dur\u00e9e, l’intensit\u00e9 et le moment pr\u00e9cis d’application du traitement, ce qui permet d’ancrer de mani\u00e8re irr\u00e9futable la primaut\u00e9 chronologique de la cause pr\u00e9sum\u00e9e sur l’effet mesur\u00e9.<\/p>\n Cette ma\u00eetrise exige une standardisation int\u00e9grale des conditions d’administration. Chaque sujet assign\u00e9 \u00e0 une condition donn\u00e9e doit \u00eatre expos\u00e9 \u00e0 un protocole scrupuleusement identique, consign\u00e9 au sein d’un manuel op\u00e9ratoire strict. Tous les \u00e9l\u00e9ments environnants non pertinents pour l’hypoth\u00e8se \u2014 la temp\u00e9rature de la pi\u00e8ce, l’intonation des exp\u00e9rimentateurs, l’\u00e9clairage, l’ordre de pr\u00e9sentation des t\u00e2ches ou l’interface logicielle \u2014 sont soit maintenus rigoureusement constants \u00e0 travers toutes les conditions (neutralisation par constance), soit distribu\u00e9s de mani\u00e8re \u00e9quilibr\u00e9e pour pr\u00e9venir l’apparition de biais de confusion syst\u00e9matiques.<\/p>\n Enfin, l’architecture d’une exp\u00e9rience v\u00e9ritable requiert l’utilisation syst\u00e9matique de groupes t\u00e9moins contemporains, suivis exactement sur la m\u00eame p\u00e9riode temporelle que les groupes trait\u00e9s. Ces groupes t\u00e9moins peuvent recevoir un placebo indistinguishable du traitement actif afin de contr\u00f4ler les attentes psychologiques des participants, ou bien faire l’objet d’un traitement standardis\u00e9 de r\u00e9f\u00e9rence (dans le cadre d’essais comparatifs d’efficacit\u00e9 clinique). Ce dispositif garantit que les fluctuations temporelles exog\u00e8nes \u2014 telles que des \u00e9v\u00e9nements d’actualit\u00e9 majeurs, des variations climatiques ou de simples effets de fatigue \u2014 affectent sym\u00e9triquement l’ensemble des cohortes, pr\u00e9venant ainsi toute confusion entre l’effet r\u00e9el de la variable manipul\u00e9e et des dynamiques contextuelles parasites.<\/p>\n La litt\u00e9rature m\u00e9thodologique distingue plusieurs d\u00e9clinaisons classiques de l’exp\u00e9rience v\u00e9ritable, chacune r\u00e9pondant \u00e0 des contraintes analytiques sp\u00e9cifiques :<\/p>\n L’avantage cardinal de l’exp\u00e9rience v\u00e9ritable r\u00e9side dans son niveau in\u00e9gal\u00e9 de validit\u00e9 interne. En contr\u00f4lant les conditions de d\u00e9ploiement et en \u00e9liminant les biais de s\u00e9lection via l’assignation probabiliste, elle autorise le chercheur \u00e0 affirmer avec un degr\u00e9 d’incertitude quantifiable que le traitement est la cause exclusive des alt\u00e9rations constat\u00e9es sur la variable d\u00e9pendante. Cette clart\u00e9 m\u00e9thodologique en fait le paradigme privil\u00e9gi\u00e9 pour tester des th\u00e9ories scientifiques fondamentales, \u00e9lucider des relations causales directes et fournir aux agences de r\u00e9glementation des donn\u00e9es probantes d’une robustesse incontestable.<\/p>\n De plus, l’exp\u00e9rience v\u00e9ritable se distingue par sa haute reproductibilit\u00e9. La consignation m\u00e9thodique des proc\u00e9dures de randomisation, des crit\u00e8res d’admissibilit\u00e9 des sujets et des modalit\u00e9s pr\u00e9cises de manipulation de la variable ind\u00e9pendante permet \u00e0 des \u00e9quipes de recherche ind\u00e9pendantes de r\u00e9pliquer l’\u00e9tude \u00e0 l’identique dans d’autres laboratoires ou aupr\u00e8s de sous-populations distinctes. Cette r\u00e9plicabilit\u00e9 standardis\u00e9e constitue l’un des piliers de l’accumulation cumulative des connaissances scientifiques, limitant les risques d’artefacts exp\u00e9rimentaux ou de faux positifs fortuits.<\/p>\n N\u00e9anmoins, ce mod\u00e8le pr\u00e9sente des vuln\u00e9rabilit\u00e9s pratiques et th\u00e9oriques significatives. La premi\u00e8re r\u00e9side dans le caract\u00e8re parfois profond\u00e9ment artificiel des environnements de laboratoire. En simplifiant \u00e0 l’extr\u00eame les contextes \u00e9cologiques pour \u00e9liminer toute interf\u00e9rence ext\u00e9rieure, l’exp\u00e9rimentateur risque d’observer des comportements ou des r\u00e9actions biologiques qui ne se manifesteraient jamais dans la complexit\u00e9 brute de la vie quotidienne. La seconde contrainte a trait aux imp\u00e9ratifs \u00e9thiques : de nombreux ph\u00e9nom\u00e8nes d’int\u00e9r\u00eat sociologique, m\u00e9dical ou \u00e9conomique ne peuvent \u00eatre randomis\u00e9s sans infliger un pr\u00e9judice inacceptable aux participants (exposition \u00e0 des polluants environnementaux, privation de soins d’urgence, assignation d\u00e9lib\u00e9r\u00e9e \u00e0 des environnements \u00e9ducatifs carenc\u00e9s), limitant de facto le champ d’application de l’exp\u00e9rience v\u00e9ritable aux seules interventions intrins\u00e8quement b\u00e9nignes ou moralement licites.<\/p>\n L’\u00e9mergence des protocoles quasi-exp\u00e9rimentaux constitue une avanc\u00e9e conceptuelle majeure de l’histoire m\u00e9thodologique du XXe si\u00e8cle. Port\u00e9e par la vision pragmatique de Donald T. Campbell et synth\u00e9tis\u00e9e magistralement dans l’ouvrage fondateur de Campbell et Stanley (1966), cette approche a vu le jour pour combler le foss\u00e9 b\u00e9ant s\u00e9parant les mod\u00e8les th\u00e9oriques de l’exp\u00e9rimentation pure des imp\u00e9ratifs pratiques de la recherche appliqu\u00e9e dans la soci\u00e9t\u00e9. Les auteurs partaient d’un constat lucide : si la m\u00e9thode exp\u00e9rimentale fisherienne s’adaptait id\u00e9alement aux parcelles agricoles et aux bo\u00eetes de Petri, son importation brute dans les sciences humaines, la sant\u00e9 publique et l’\u00e9valuation des politiques \u00e9ducatives se heurtait continuellement \u00e0 l’impossibilit\u00e9 pratique ou morale d’allouer al\u00e9atoirement les destin\u00e9es humaines.<\/p>\n La raison d’\u00eatre de la quasi-exp\u00e9rience r\u00e9side donc dans sa capacit\u00e9 \u00e0 offrir une alternative m\u00e9thodologiquement cr\u00e9dible face \u00e0 l’impraticabilit\u00e9 de la randomisation. Au lieu de renoncer \u00e0 l’\u00e9valuation causale au profit de simples descriptions corr\u00e9latives et passives, le chercheur quasi-exp\u00e9rimentateur d\u00e9cide d’exploiter les configurations empiriques g\u00e9n\u00e9r\u00e9es par le fonctionnement naturel des organisations ou les d\u00e9cisions politiques. Il s’appuie d\u00e9lib\u00e9r\u00e9ment sur des groupes sociaux pr\u00e9existants, constitu\u00e9s ant\u00e9rieurement \u00e0 toute d\u00e9marche d’investigation : des \u00e9l\u00e8ves inscrits dans des cohortes de niveaux scolaires distincts, des r\u00e9sidents de collectivit\u00e9s territoriales appliquant des r\u00e9glementations fiscales asym\u00e9triques, ou encore des salari\u00e9s de filiales industrielles adoptant des modes d’organisation du travail diff\u00e9renci\u00e9s.<\/p>\n Dans ce cadre conceptuel, l’intervention n’est plus distribu\u00e9e par le sort au sein d’une population atomis\u00e9e, mais survient de mani\u00e8re group\u00e9e ou institutionnelle. La t\u00e2che primordiale de l’investigateur ne consiste plus \u00e0 emp\u00eacher m\u00e9caniquement l’\u00e9mergence de biais par le biais du hasard, mais \u00e0 identifier de mani\u00e8re prospective et exhaustive l’ensemble des facteurs de confusion susceptibles d’avoir pr\u00e9sid\u00e9 \u00e0 la constitution de ces groupes, afin de neutraliser rigoureusement leurs effets par le biais de devis de recherche ing\u00e9nieux et d’outils analytiques de pointe.<\/p>\n Pour compenser l’absence de randomisation tout en maintenant un degr\u00e9 d’inf\u00e9rence causale acceptable, la litt\u00e9rature m\u00e9thodologique a codifi\u00e9 une diversit\u00e9 de devis quasi-exp\u00e9rimentaux remarquablement performants :<\/p>\n Face \u00e0 l’absence de randomisation, la quasi-exp\u00e9rience doit imp\u00e9rativement mobiliser des m\u00e9canismes compensatoires afin de reconstituer artificiellement la comparabilit\u00e9 contrefactuelle des groupes. Ces techniques se d\u00e9ploient en amont, lors de la phase de conception du devis, ou en aval, durant l’analyse des donn\u00e9es :<\/p>\n En amont de la collecte, le chercheur peut recourir \u00e0 des proc\u00e9dures d’appariement individuel<\/strong> (matching), consistant \u00e0 associer manuellement \u00e0 chaque sujet expos\u00e9 un sujet non expos\u00e9 pr\u00e9sentant des caract\u00e9ristiques d\u00e9mographiques, cliniques ou socio-\u00e9conomiques rigoureusement identiques. Cette approche vise \u00e0 \u00e9liminer les distorsions \u00e9videntes, bien qu’elle demeure intrins\u00e8quement limit\u00e9e par le nombre de variables pouvant \u00eatre appari\u00e9es simultan\u00e9ment sans entra\u00eener une perte prohibitive d’observations exploitables.<\/p>\n En aval, lors du traitement statistique des donn\u00e9es, plusieurs strat\u00e9gies fondamentales permettent de neutraliser les variables de confusion :<\/p>\n La force ma\u00eetresse de la quasi-exp\u00e9rience r\u00e9side incontestablement dans son extraordinaire validit\u00e9 \u00e9cologique<\/strong>. En plongeant l’investigation directement au c\u0153ur des contextes r\u00e9els \u2014 \u00e9tablissements scolaires ordinaires, cliniques rurales, entreprises en restructuration, territoires municipaux \u2014, elle capture les comportements des individus tels qu’ils se d\u00e9ploient spontan\u00e9ment, lib\u00e9r\u00e9s de l’artificialit\u00e9 coercitive et des contraintes aseptis\u00e9es d’un laboratoire exp\u00e9rimental. Les effets mesur\u00e9s refl\u00e8tent fid\u00e8lement les interactions complexes, les d\u00e9rives organisationnelles de mise en \u0153uvre et les degr\u00e9s d’adh\u00e9sion imparfaits qui caract\u00e9risent la r\u00e9alit\u00e9 humaine.<\/p>\n Cette pertinence de terrain conf\u00e8re aux r\u00e9sultats quasi-exp\u00e9rimentaux une applicabilit\u00e9 imm\u00e9diate pour la d\u00e9cision publique et le management strat\u00e9gique. Une r\u00e9forme fiscale, une modification du code de la route ou un changement de cursus universitaire ne sont jamais impl\u00e9ment\u00e9s dans des conditions de randomisation pure. L’\u00e9valuation quasi-exp\u00e9rimentale documente ainsi directement l’efficacit\u00e9 pragmatique de ces politiques au sein de leurs \u00e9cosyst\u00e8mes d’impl\u00e9mentation r\u00e9els, fournissant des donn\u00e9es probantes exploitables sans extrapolations hasardeuses.<\/p>\n En contrepartie, la quasi-exp\u00e9rience demeure structurellement vuln\u00e9rable \u00e0 des menaces redoutables pesant sur sa validit\u00e9 interne. La plus pernicieuse est sans conteste l’interaction s\u00e9lection-maturation<\/strong> : le groupe d’intervention et le groupe de comparaison, en raison de leurs diff\u00e9rences socioculturelles ou psychologiques initiales, peuvent m\u00fbrir, apprendre ou d\u00e9cliner \u00e0 des vitesses intrins\u00e8quement asym\u00e9triques, mimant artificiellement ou masquant totalement l’effet de l’intervention. S’y ajoute la menace de l’attrition diff\u00e9rentielle<\/strong>, o\u00f9 les taux d’abandon ou de d\u00e9perdition au fil du protocole varient qualitativement d’un groupe \u00e0 l’autre en fonction de caract\u00e9ristiques non mesur\u00e9es, brisant r\u00e9troactivement la comparabilit\u00e9 laborieusement \u00e9tablie au d\u00e9part. Le quasi-exp\u00e9rimentateur se trouve ainsi contraint \u00e0 une vigilance critique de chaque instant, ne pouvant jamais revendiquer la certitude causale m\u00e9canique offerte par l’exp\u00e9rience v\u00e9ritable.<\/p>\n Afin de synth\u00e9tiser avec une rigueur formelle et p\u00e9dagogique les divergences qui s\u00e9parent ces deux approches paradigmatiques, le tableau comparatif ci-dessous d\u00e9taille leurs m\u00e9canismes op\u00e9ratoires, leurs vertus \u00e9pist\u00e9mologiques et leurs vuln\u00e9rabilit\u00e9s respectives \u00e0 travers quatorze dimensions m\u00e9thodologiques fondamentales.<\/p>\n L’ab\u00eeme \u00e9pist\u00e9mologique s\u00e9parant l’exp\u00e9rience v\u00e9ritable de la quasi-exp\u00e9rience se condense dans le processus d’allocation des participants aux diff\u00e9rentes branches de l’\u00e9tude. Dans l’exp\u00e9rience v\u00e9ritable, le m\u00e9canisme est probabiliste, autonome et totalement d\u00e9coupl\u00e9 de la volont\u00e9 des sujets et des praticiens. Qu’elle soit simple, stratifi\u00e9e par blocs ou en grappes, l’assignation al\u00e9atoire conf\u00e8re \u00e0 chaque participant une chance parfaitement calculable d’int\u00e9grer le groupe recevant le traitement. Cette propri\u00e9t\u00e9 math\u00e9matique brise m\u00e9caniquement le lien de causalit\u00e9 r\u00e9ciproque entre les caract\u00e9ristiques intrins\u00e8ques des individus et leur traitement : c’est l’al\u00e9a qui d\u00e9cide du statut d’exposition, et non une aptitude biologique, une pr\u00e9disposition financi\u00e8re ou un choix personnel.<\/p>\n \u00c0 l’oppos\u00e9, au sein d’une quasi-exp\u00e9rience, l’attribution d\u00e9coule de processus institutionnels, g\u00e9ographiques, historiques ou comportementaux. Les participants peuvent s’auto-s\u00e9lectionner dans un programme d’aide sociale sur la base de leur d\u00e9tresse financi\u00e8re ou de leur motivation \u00e0 surmonter une \u00e9preuve personnelle. De m\u00eame, une entreprise peut allouer un nouveau protocole d’ergonomie uniquement \u00e0 son usine la plus performante ou, au contraire, \u00e0 l’atelier accusant le taux de morbidit\u00e9 le plus alarmant. Il en r\u00e9sulte une non-\u00e9quivalence latente structurelle : les participants expos\u00e9s et non expos\u00e9s n’\u00e9taient pas identiques au d\u00e9part et n’auraient pas suivi la m\u00eame trajectoire dans le temps en l’absence de l’intervention.<\/p>\n Cette distinction a une cons\u00e9quence majeure sur le plan \u00e9pist\u00e9mologique : alors que l’exp\u00e9rience v\u00e9ritable repose sur des hypoth\u00e8ses d’identification extr\u00eamement l\u00e9g\u00e8res et imm\u00e9diatement v\u00e9rifiables par de simples tests d’\u00e9quilibre des moyennes \u00e0 l’\u00e9tat initial, la quasi-exp\u00e9rience exige d’assumer des hypoth\u00e8ses th\u00e9oriques beaucoup plus audacieuses et inv\u00e9rifiables en toute rigueur. L’\u00e9valuateur quasi-exp\u00e9rimental doit postuler que ses covariables englobent l’ensemble des d\u00e9terminants de la s\u00e9lection (hypoth\u00e8se d’ignorabilit\u00e9 conditionnelle ou d’absence de confusion non mesur\u00e9e), un pari souvent fragile qui expose ses conclusions \u00e0 une contestation m\u00e9thodologique permanente.<\/p>\n La confrontation entre ces deux devis mat\u00e9rialise l’arch\u00e9type du compromis scientifique ind\u00e9passable th\u00e9oris\u00e9 par Cook et Campbell dans leur trait\u00e9 canonique de 1979, Quasi-Experimentation: Design & Analysis Issues for Field Settings<\/em>. L’exp\u00e9rience v\u00e9ritable privil\u00e9gie sans compromis la validit\u00e9 interne<\/strong>. En \u00e9rigeant un cordon sanitaire autour des sujets exp\u00e9rimentaux, en standardisant les stimuli au millim\u00e8tre pr\u00e8s et en gommant les diff\u00e9rences initiales par tirage au sort, elle garantit avec un degr\u00e9 de confiance absolu que l’alt\u00e9ration de la variable d\u00e9pendante est exclusivement imputable \u00e0 l’intervention. Pour autant, cette forteresse m\u00e9thodologique se paie au prix fort : un d\u00e9tachement s\u00e9v\u00e8re vis-\u00e0-vis des conditions \u00e9cologiques dans lesquelles le ph\u00e9nom\u00e8ne s’exprime ordinairement.<\/p>\n La quasi-exp\u00e9rience, \u00e0 l’inverse, accorde la primaut\u00e9 \u00e0 la validit\u00e9 externe<\/strong> et \u00e0 la pertinence pragmatique. En observant les sujets au sein de leurs classes, de leurs quartiers, de leurs ateliers d’usine ou de leurs juridictions territoriales, elle mesure l’effet du traitement tel qu’il interagit avec les frictions r\u00e9elles du monde vivant : l’inobservance partielle, la variabilit\u00e9 de mise en \u0153uvre par les acteurs locaux, les bruits de fond contextuels et les h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9s d\u00e9mographiques non filtr\u00e9es. De ce fait, les r\u00e9sultats obtenus au moyen d’un devis quasi-exp\u00e9rimental jouissent d’une transf\u00e9rabilit\u00e9 souvent imm\u00e9diate et beaucoup plus cr\u00e9dible pour orienter les d\u00e9cisions d’am\u00e9nagement du territoire, de r\u00e9forme hospitali\u00e8re ou d’investissement scolaire.<\/p>\n Le chercheur se retrouve ainsi face \u00e0 une dialectique fondamentale : pr\u00e9f\u00e8re-t-il une certitude causale parfaite portant sur un environnement potentiellement trop artificiel pour \u00eatre reproduit dans la soci\u00e9t\u00e9, ou bien accepte-t-il une marge d’incertitude causale r\u00e9siduelle en \u00e9change d’une description fid\u00e8le des effets d’un programme d\u00e9ploy\u00e9 en conditions naturelles ? En mati\u00e8re d’action publique, ce grand compromis conduit de plus en plus les d\u00e9cideurs \u00e0 valoriser les donn\u00e9es quasi-exp\u00e9rimentales robustes, dans la mesure o\u00f9 un dispositif qui ne fonctionne que dans le sanctuaire st\u00e9rile d’un protocole d’essai clinique hyper-s\u00e9lectionn\u00e9 s’av\u00e8re fr\u00e9quemment inop\u00e9rant lorsqu’il est livr\u00e9 aux turbulences de la soci\u00e9t\u00e9 civile.<\/p>\n La typologie des menaces pesant sur la validit\u00e9 interne, magistralement r\u00e9pertori\u00e9e par Shadish, Cook et Campbell dans leur somme de 2002 Experimental and Quasi-Experimental Designs for Generalized Causal Inference<\/em>, permet d’illustrer la vuln\u00e9rabilit\u00e9 contrast\u00e9e des deux protocoles face aux pi\u00e8ges m\u00e9thodologiques :<\/p>\n La menace de r\u00e9gression vers la moyenne<\/strong> (ou r\u00e9gression statistique) illustre parfaitement cette asym\u00e9trie. Ce biais psychom\u00e9trique survient in\u00e9luctablement lorsque des participants sont s\u00e9lectionn\u00e9s pour un traitement parce qu’ils ont manifest\u00e9 des performances extr\u00eamement basses ou exceptionnellement hautes lors d’une mesure initiale. En raison de l’impr\u00e9cision inh\u00e9rente \u00e0 tout instrument de mesure et des fluctuations al\u00e9atoires de l’\u00e9tat individuel, ces sujets tendront naturellement \u00e0 revenir vers la moyenne de leur groupe lors de la post-testation, donnant la fausse illusion d’un progr\u00e8s ou d’une d\u00e9t\u00e9rioration attribuable au traitement. Dans une exp\u00e9rience v\u00e9ritable, ce ph\u00e9nom\u00e8ne s’applique de fa\u00e7on strictement sym\u00e9trique au groupe t\u00e9moin randomis\u00e9, qui enregistrera une r\u00e9gression de m\u00eame magnitude math\u00e9matique, neutralisant ainsi le biais lors du calcul de la diff\u00e9rence intergroupes. Dans une quasi-exp\u00e9rience comparant des groupes non \u00e9quivalents choisis sur des seuils de performance distincts, la r\u00e9gression vers la moyenne s’av\u00e9rera asym\u00e9trique, faussant radicalement l’estimation de l’impact de l’intervention.<\/p>\n \u00c0 cela s’ajoute le biais historique local<\/strong>. Si une innovation p\u00e9dagogique est \u00e9valu\u00e9e en comparant une \u00e9cole pilote \u00e0 une \u00e9cole t\u00e9moin sans randomisation des \u00e9tablissements, et qu’un \u00e9v\u00e9nement impr\u00e9vu et singulier (d\u00e9mission d’un directeur embl\u00e9matique, conflit social d’enseignants, panne de chauffage hivernale prolong\u00e9e) frappe l’un des deux \u00e9tablissements, l’\u00e9volution des performances scolaires enregistr\u00e9e au post-test sera irr\u00e9m\u00e9diablement contamin\u00e9e par cette variable historique locale, sans que l’analyste puisse math\u00e9matiquement l’isoler de l’effet propre de la p\u00e9dagogie test\u00e9e.<\/p>\n En revanche, l’exp\u00e9rience v\u00e9ritable se montre singuli\u00e8rement perm\u00e9able \u00e0 certaines distorsions psychosociales r\u00e9actives n\u00e9es de la rigidit\u00e9 de son protocole. L’effet Hawthorne<\/strong> \u2014 par lequel les participants modifient leur comportement naturel simplement parce qu’ils se savent observ\u00e9s et int\u00e9gr\u00e9s au sein d’un essai scientifique d’\u00e9lite \u2014 est notoire dans les laboratoires exp\u00e9rimentaux. Corr\u00e9lativement, l’effet John Henry<\/strong> (ou rivalit\u00e9 compensatoire) peut inciter les sujets assign\u00e9s au groupe t\u00e9moin d’une exp\u00e9rience v\u00e9ritable \u00e0 redoubler d’efforts comp\u00e9titifs pour rivaliser avec le groupe recevant le traitement innovant, annihilant artificiellement l’\u00e9cart d’efficacit\u00e9 au post-test. Ces art\u00e9facts r\u00e9actifs sont souvent beaucoup moins prononc\u00e9s dans les quasi-exp\u00e9riences de terrain o\u00f9 les individus s’inscrivent dans leurs routines fonctionnelles sans ressentir le regard invasif d’un laboratoire de surveillance.<\/p>\n L’arbitrage entre exp\u00e9rience v\u00e9ritable et quasi-exp\u00e9rience ne saurait \u00eatre r\u00e9duit \u00e0 une querelle abstraite entre puristes de l’\u00e9conom\u00e9trie et pragmatiques du terrain ; il est dict\u00e9 en premi\u00e8re instance par les fronti\u00e8res inviolables de la faisabilit\u00e9 financi\u00e8re, technique et \u00e9thique. D\u00e9ployer un essai contr\u00f4l\u00e9 randomis\u00e9 d’envergure multicentrique requiert une machinerie institutionnelle titanesque : comit\u00e9s de surveillance des donn\u00e9es, recrutements massifs d’enqu\u00eateurs de terrain, logiciels crypt\u00e9s de tirage au sort, d\u00e9dommagements substantiels des participants et audits de conformit\u00e9 permanents. Ces imp\u00e9ratifs font grimper les budgets de recherche \u00e0 des niveaux financiers vertigineux, souvent hors de port\u00e9e des laboratoires universitaires ou des administrations publiques r\u00e9gionales.<\/p>\n Mais ce sont avant tout les limites d\u00e9ontologiques et normatives qui disqualifient r\u00e9guli\u00e8rement l’exp\u00e9rience v\u00e9ritable. L’imp\u00e9ratif cat\u00e9gorique formul\u00e9 par l’\u00e9thique de la recherche biom\u00e9dicale et sociale \u2014 depuis le code de Nuremberg jusqu’aux r\u00e9visions successives de la D\u00e9claration d’Helsinki de l’Association m\u00e9dicale mondiale \u2014 prohibe formellement la privation intentionnelle d’une intervention b\u00e9n\u00e9fique reconnue ou vitale \u00e0 un groupe t\u00e9moin. Priver par tirage au sort des ch\u00f4meurs en grande pr\u00e9carit\u00e9 d’une allocation de subsistance ou contraindre des nouveau-n\u00e9s \u00e0 grandir dans des contextes d’isolement social pour tester des th\u00e9ories de l’attachement constituerait des transgressions morales intol\u00e9rables. Dans de tels cas, seule l’\u00e9valuation quasi-exp\u00e9rimentale r\u00e9trospective ou opportuniste de r\u00e9formes r\u00e9elles ou d’\u00e9v\u00e9nements de vie naturels demeure scientifiquement et moralement acceptable.<\/p>\n Enfin, le facteur temporel s’av\u00e8re d\u00e9terminant. L’organisation d’un essai randomis\u00e9 exige des mois, voire des ann\u00e9es de conception m\u00e9thodologique, de validation administrative par des comit\u00e9s d’\u00e9thique institutionnels et de suivi prospectif des cohortes. Face \u00e0 une crise sanitaire \u00e9mergente, \u00e0 une catastrophe industrielle ou \u00e0 une d\u00e9gradation brutale de l’emploi n\u00e9cessitant une r\u00e9ponse publique en temps r\u00e9el, l’\u00e9valuateur ne dispose pas du luxe d’attendre la compl\u00e9tion d’un protocole exp\u00e9rimental long. La quasi-exp\u00e9rience, par sa capacit\u00e9 \u00e0 exploiter des registres de donn\u00e9es administratives existants, des s\u00e9ries temporelles pr\u00e9existantes et des ruptures d’urgence de politiques publiques, offre une v\u00e9locit\u00e9 analytique indispensable \u00e0 la d\u00e9cision \u00e9clair\u00e9e dans l’urgence soci\u00e9tale.<\/p>\n En d\u00e9pit de leurs dissemblances structurelles, l’exp\u00e9rience v\u00e9ritable et la quasi-exp\u00e9rience partagent une matrice conceptuelle rigoureusement identique : elles s’enracinent toutes deux dans le paradigme moderne de l’inf\u00e9rence causale fond\u00e9 sur le mod\u00e8le des r\u00e9sultats potentiels<\/strong> (Potential Outcomes Framework), formalis\u00e9 initialement par Jerzy Neyman en 1923 pour les plans randomis\u00e9s agricoles, puis magistralement \u00e9tendu \u00e0 l’ensemble des \u00e9tudes d’observation et de quasi-exp\u00e9rimentation par Donald B. Rubin dans son article s\u00e9minal de 1974 (\u00ab Estimating causal effects of treatments in randomized and nonrandomized studies \u00bb).<\/p>\n Au c\u0153ur de cette architecture th\u00e9orique partag\u00e9e r\u00e9side la formalisation du probl\u00e8me fondamental de l’inf\u00e9rence causale : pour une unit\u00e9 d’analyse $i$<\/span> donn\u00e9e, il existe th\u00e9oriquement deux r\u00e9sultats potentiels conjoints, not\u00e9s $Y_i(1)$<\/span> (l’\u00e9tat de sant\u00e9, le revenu ou le score scolaire que pr\u00e9senterait le sujet s’il \u00e9tait expos\u00e9 au traitement) et $Y_i(0)$<\/span> (le r\u00e9sultat que pr\u00e9senterait exactement le m\u00eame individu au m\u00eame instant s’il n’\u00e9tait pas expos\u00e9). L’effet causal individuel se d\u00e9finit formellement comme :<\/p>\n $\\tau_i = Y_i(1) – Y_i(0)$<\/span><\/p>\n Ce d\u00e9fi \u00e9pist\u00e9mologique absolu d\u00e9coule du fait qu’il est ontologiquement impossible d’observer simultan\u00e9ment $Y_i(1)$<\/span> et $Y_i(0)$<\/span> pour un m\u00eame sujet au m\u00eame moment : l’un de ces \u00e9tats est n\u00e9cessairement factuel (observ\u00e9), tandis que l’autre est contrefactuel (manquant). L’exp\u00e9rience v\u00e9ritable et la quasi-exp\u00e9rience partagent l’ambition identique de d\u00e9passer cette impasse ontologique en se focalisant sur des quantit\u00e9s agr\u00e9g\u00e9es : l’effet moyen du traitement (Average Treatment Effect – ATE), d\u00e9fini par $E[Y(1) – Y(0)]$<\/span>, ou l’effet moyen du traitement sur les trait\u00e9s (Average Treatment Effect on the Treated – ATT), d\u00e9fini par $E[Y(1) – Y(0) | T = 1]$<\/span>. Toutes deux refusent cat\u00e9goriquement de confondre la corr\u00e9lation statistique avec la causalit\u00e9 et articulent l’ensemble de leur m\u00e9thodologie autour de la reconstruction la plus fid\u00e8le possible de cette valeur contrefactuelle inobservable.<\/p>\n L’examen des protocoles concrets r\u00e9v\u00e8le une armature empirique remarquablement concordante entre les deux approches. Qu’elle soit randomis\u00e9e ou quasi-exp\u00e9rimentale, toute d\u00e9marche d’\u00e9valuation scientifique de la causalit\u00e9 requiert imp\u00e9rativement :<\/p>\n Sur le plan computationnel et inf\u00e9rentiel, les praticiens des exp\u00e9riences v\u00e9ritables et des quasi-exp\u00e9riences font face aux m\u00eames contraintes math\u00e9matiques et doivent satisfaire aux m\u00eames canons de la rigueur statistique. En premier lieu figure l’obligation absolue de proc\u00e9der \u00e0 un calcul de puissance statistique a priori (Power Analysis). Pour les deux m\u00e9thodologies, d\u00e9terminer la taille d’\u00e9chantillon minimale n\u00e9cessaire en fonction de la taille d’effet minimale attendue (exprim\u00e9e par exemple en $d$<\/span> de Cohen) et du seuil de significativit\u00e9 retenu ($\\alpha = 0{,}05$<\/span>) est indispensable pour pr\u00e9munir l’\u00e9tude contre les erreurs d’inf\u00e9rence.<\/p>\n Les deux paradigmes livrent un combat permanent contre les m\u00eames p\u00e9rils statistiques : l’erreur de type I (rejeter \u00e0 tort l’hypoth\u00e8se nulle et affirmer un effet causal imaginaire, source de gaspillage de fonds publics ou d’agr\u00e9ment de th\u00e9rapies inefficaces) et l’erreur de type II (\u00e9chouer \u00e0 rejeter l’hypoth\u00e8se nulle et passer \u00e0 c\u00f4t\u00e9 d’une intervention potentiellement salvatrice par manque d’effectifs analys\u00e9s). L’exigence de pr\u00e9-enregistrement des protocoles au sein de registres internationaux ind\u00e9pendants (tels que ClinicalTrials.gov ou l’Open Science Framework) s’impose d\u00e9sormais avec la m\u00eame vigueur pour limiter la pratique pernicieuse du dragage de donn\u00e9es ($p$<\/span>-hacking) et du rapportage s\u00e9lectif des r\u00e9sultats.<\/p>\n Enfin, les deux d\u00e9marches demeurent d’une \u00e9gale vuln\u00e9rabilit\u00e9 face aux imperfections inh\u00e9rentes aux donn\u00e9es du monde r\u00e9el. Qu’un essai soit randomis\u00e9 ou quasi-exp\u00e9rimental, la pr\u00e9sence d’erreurs de mesure instrumentale al\u00e9atoires dilue la puissance statistique et produit une att\u00e9nuation artificielle de l’amplitude de l’effet estim\u00e9. De mani\u00e8re plus critique, le probl\u00e8me des donn\u00e9es manquantes (Missing Data), qu’il r\u00e9sulte d’oublis de r\u00e9ponses, d’abandons en cours de protocole ou de d\u00e9c\u00e8s de sujets, exige dans les deux cas la mobilisation de techniques avanc\u00e9es d’imputation multiple ou de mod\u00e9lisation par \u00e9quations structurelles afin de pr\u00e9server l’int\u00e9grit\u00e9 inf\u00e9rentielle de l’\u00e9chantillon d’origine.<\/p>\n Le recours \u00e0 l’exp\u00e9rience v\u00e9ritable s’av\u00e8re non n\u00e9gociable d\u00e8s lors que la question scientifique exige un verrouillage absolu de toute variable confondante r\u00e9siduelle et que la manipulation exp\u00e9rimentale ne contrevient \u00e0 aucun principe \u00e9thique fondamental. L’arch\u00e9type universel de cette obligation se mat\u00e9rialise dans le d\u00e9veloppement pharmaceutique<\/strong> et l’\u00e9valuation clinique des m\u00e9dicaments. Avant d’autoriser la mise sur le march\u00e9 d’une nouvelle mol\u00e9cule th\u00e9rapeutique destin\u00e9e \u00e0 des millions d’individus, les agences sanitaires internationales (telles que l’Agence europ\u00e9enne des m\u00e9dicaments ou la FDA am\u00e9ricaine) imposent la conduite d’essais cliniques contr\u00f4l\u00e9s randomis\u00e9s de phase III en double aveugle. Dans un tel contexte, le moindre biais de s\u00e9lection ou effet placebo non neutralis\u00e9 pourrait masquer une toxicit\u00e9 mortelle ou exag\u00e9rer artificiellement un b\u00e9n\u00e9fice th\u00e9rapeutique mineur, emportant des cons\u00e9quences d\u00e9vastatrices sur la sant\u00e9 publique.<\/p>\n L’exp\u00e9rience v\u00e9ritable s’impose \u00e9galement de mani\u00e8re souveraine dans les domaines de la recherche fondamentale en neurosciences, biochimie et psychologie cognitive en laboratoire<\/strong>. Lorsqu’il s’agit de d\u00e9cortiquer des m\u00e9canismes neurobiologiques pr\u00e9cis \u2014 tels que l’impact d’un temps de pr\u00e9sentation visuelle de quelques millisecondes sur la m\u00e9moire de travail ou l’effet d’une d\u00e9charge lumineuse sur des r\u00e9seaux de neurones \u2014, le contr\u00f4le exp\u00e9rimental total au sein d’une cage insonoris\u00e9e et standardis\u00e9e constitue le seul moyen d’\u00e9lucider des lois universelles de fonctionnement de la cognition, \u00e0 l’abri des bruits de fond de la vie courante.<\/p>\n Enfin, l’univers technologique contemporain a vu l’explosion de l’exp\u00e9rience v\u00e9ritable \u00e0 travers la pratique g\u00e9n\u00e9ralis\u00e9e du test A\/B num\u00e9rique<\/strong> par les grandes plateformes web. Dans ce secteur, des millions d’utilisateurs sont al\u00e9atoirement et instantan\u00e9ment assign\u00e9s \u00e0 des versions d’interfaces alternatives afin d’optimiser des parcours clients, des algorithmes de recommandation ou des taux d’engagement. L’assignation al\u00e9atoire s’ex\u00e9cute ici \u00e0 co\u00fbt marginal nul, sans dilemme \u00e9thique notable, offrant aux data scientists un instrument parfait d’optimisation empirique en temps r\u00e9el.<\/p>\n \u00c0 l’autre extr\u00e9mit\u00e9 du spectre m\u00e9thodologique, la quasi-exp\u00e9rience s’impose comme l’unique voie d’acc\u00e8s empirique lorsque l’objet d’\u00e9tude concerne des interventions macro-sociales, des crises environnementales ou des structures institutionnelles r\u00e9fractaires \u00e0 toute manipulation d’autorit\u00e9. C’est le cas par excellence de l’\u00e9valuation ex post des politiques publiques nationales et des r\u00e9formes juridico-\u00e9conomiques<\/strong>. Lorsqu’un \u00c9tat modifie l’\u00e2ge l\u00e9gal de d\u00e9part \u00e0 la retraite, vote une loi de d\u00e9fiscalisation des heures suppl\u00e9mentaires ou r\u00e9forme son salaire minimum, ces mesures s’appliquent imm\u00e9diatement \u00e0 des populations enti\u00e8res selon des crit\u00e8res territoriaux ou d’\u00e2ge stricts. Aucun gouvernement ne peut l\u00e9galement randomiser ses citoyens en deux groupes, l’un payant des imp\u00f4ts et l’autre en \u00e9tant exempt\u00e9. L’\u00e9valuation de l’impact de ces lois ne peut s’effectuer qu’au moyen de devis de discontinuit\u00e9 de la r\u00e9gression ou de mod\u00e8les de doubles diff\u00e9rences comparant des territoires frontaliers.<\/p>\n De m\u00eame, l’\u00e9tude des cons\u00e9quences sanitaires et psychologiques de catastrophes naturelles, d’accidents technologiques ou de traumatismes majeurs<\/strong> rel\u00e8ve exclusivement de la quasi-exp\u00e9rimentation opportuniste. On ne saurait d\u00e9cemment provoquer une explosion nucl\u00e9aire civile, d\u00e9clencher une inondation ou contaminer une nappe phr\u00e9atique pour quantifier les effets de ces toxicit\u00e9s sur l’incidence ult\u00e9rieure de cancers p\u00e9diatriques. Le chercheur est contraint d’identifier des cohortes de r\u00e9sidents expos\u00e9s en raison de la direction des vents ou des failles de confinement, et de les apparier a posteriori avec des populations vivant dans des zones pr\u00e9serv\u00e9es pr\u00e9sentant des caract\u00e9ristiques sociod\u00e9mographiques analogues.<\/p>\n Enfin, la quasi-exp\u00e9rience constitue la norme privil\u00e9gi\u00e9e dans la recherche organisationnelle et les sciences de gestion en entreprise<\/strong>. Les directions d’entreprises priv\u00e9es refusent presque syst\u00e9matiquement les exigences d’une randomisation interne stricte qui d\u00e9sorganiserait la hi\u00e9rarchie ou susciterait des jalousies d\u00e9l\u00e9t\u00e8res entre collaborateurs (assigner al\u00e9atoirement des salari\u00e9s d’une m\u00eame \u00e9quipe au t\u00e9l\u00e9travail int\u00e9gral pendant que d’autres sont maintenus en pr\u00e9sentiel forc\u00e9). Le chercheur doit d\u00e8s lors composer avec les r\u00e9organisations naturelles d\u00e9cid\u00e9es par le management et comparer des filiales, des unit\u00e9s op\u00e9rationnelles ou des d\u00e9partements entiers au moyen de protocoles quasi-exp\u00e9rimentaux rigoureux.<\/p>\n Loin de s’enfermer dans une guerre de tranch\u00e9es dogmatique opposant les tenants de l’orthodoxie exp\u00e9rimentale aux praticiens de terrain de la quasi-exp\u00e9rimentation, la recherche scientifique moderne de haut niveau pr\u00e9conise r\u00e9solument une strat\u00e9gie de triangulation m\u00e9thodologique<\/strong>. Cette approche \u00e9pist\u00e9mologique stipule qu’une inf\u00e9rence causale atteint sa solidit\u00e9 maximale lorsque des r\u00e9sultats convergents sont obtenus par des m\u00e9thodologies distinctes pr\u00e9sentant des matrices de vuln\u00e9rabilit\u00e9 asym\u00e9triques. Ce qui constitue la faiblesse d’une m\u00e9thode est alors combl\u00e9 par la force intrins\u00e8que de l’autre.<\/p>\n Cette synergie s’illustre de fa\u00e7on \u00e9clatante dans le cadre de d\u00e9marches s\u00e9quentielles<\/strong> de recherche. Par exemple, une \u00e9quipe de recherche en sciences de l’\u00e9ducation peut commencer par explorer en contexte \u00e9cologique, via un protocole quasi-exp\u00e9rimental \u00e0 grande \u00e9chelle comparant des dizaines de classes scolaires, une diversit\u00e9 de pratiques p\u00e9dagogiques informelles afin d’identifier les variables prometteuses dans toute leur complexit\u00e9 humaine. Dans un second temps, les composantes cl\u00e9s de la pratique p\u00e9dagogique ainsi identifi\u00e9e sont isol\u00e9es et test\u00e9es au sein d’un essai contr\u00f4l\u00e9 randomis\u00e9 strict en conditions standardis\u00e9es pour valider sans ambigu\u00eft\u00e9 le m\u00e9canisme psychologique sous-jacent. Inversement, un principe de neurobiologie de l’apprentissage initialement d\u00e9couvert sous les conditions hyper-contr\u00f4l\u00e9es d’un laboratoire de psychologie cognitive exp\u00e9rimentale doit imp\u00e9rativement faire l’objet d’une validation quasi-exp\u00e9rimentale dans le quotidien bruyant et d\u00e9sordonn\u00e9 de v\u00e9ritables salles de classe pour prouver sa pertinence soci\u00e9tale concr\u00e8te.<\/p>\n L’int\u00e9gration de ces m\u00e9thodologies s’exprime \u00e9galement \u00e0 travers le concept contemporain de recherche translationnelle et les devis mixtes s\u00e9quentiels. En conjuguant les forces d’un essai randomis\u00e9 pour l’identification mol\u00e9culaire d’un effet et d’une cohorte quasi-exp\u00e9rimentale de vie r\u00e9elle (Real-World Evidence) pour l’observation longitudinale de son efficacit\u00e9 sur des populations polym\u00e9diqu\u00e9es et diversifi\u00e9es, la science biom\u00e9dicale parvient \u00e0 concilier la puret\u00e9 de la preuve math\u00e9matique avec la souverainet\u00e9 de l’exp\u00e9rience humaine. La combinaison de ces devis offre aux scientifiques l’armure m\u00e9thodologique la plus imp\u00e9n\u00e9trable face aux illusions statistiques et aux simplismes conceptuels.<\/p>\n Sur le plan purement logique et d\u00e9ductif, une quasi-exp\u00e9rience ne peut jamais garantir une certitude causale formelle \u00e9quivalente \u00e0 celle d’une exp\u00e9rience v\u00e9ritable parfaitement ex\u00e9cut\u00e9e. L’absence d’assignation al\u00e9atoire laisse toujours subsister la possibilit\u00e9 th\u00e9orique qu’une variable de confusion inobserv\u00e9e, non mesur\u00e9e par le chercheur, soit \u00e0 l’origine de l’association observ\u00e9e. Pour autant, rel\u00e9guer la quasi-exp\u00e9rience au rang de simple \u00e9tude corr\u00e9lationnelle passive constitue une erreur \u00e9pist\u00e9mologique profonde.<\/p>\n Dans de nombreuses configurations m\u00e9thodologiques avanc\u00e9es \u2014 \u00e0 l’instar du devis par discontinuit\u00e9 de la r\u00e9gression robuste ou de l’analyse en s\u00e9ries temporelles interrompues multiples dot\u00e9e d’une instrumentation impeccable \u2014, la quasi-exp\u00e9rience \u00e9tablit une inf\u00e9rence causale hautement cr\u00e9dible et pragmatiquement d\u00e9cisive. Cette causalit\u00e9 est recevable d\u00e8s lors que le chercheur d\u00e9montre de mani\u00e8re empirique la plausibilit\u00e9 de l’hypoth\u00e8se d’identification sous-jacente (par exemple, l’absence de saut discontinu d’autres covariables \u00e0 la fronti\u00e8re d’\u00e9ligibilit\u00e9) et soumet son mod\u00e8le \u00e0 une batterie rigoureuse de tests de falsification et d’estimations sur des populations placebo. Lorsque toutes les tentatives scientifiques visant \u00e0 falsifier l’effet \u00e9chouent, l’inf\u00e9rence causale quasi-exp\u00e9rimentale s’impose rationnellement comme l’explication la plus parcimonieuse et la plus convaincante de la r\u00e9alit\u00e9 observ\u00e9e.<\/p>\n La minimisation du biais de s\u00e9lection au sein d’une quasi-exp\u00e9rience requiert la mise en \u0153uvre conjointe d’un design de recherche r\u00e9fl\u00e9chi en amont et de mod\u00e9lisations statistiques sophistiqu\u00e9es en aval. Sur le plan de la conception, le chercheur doit s\u00e9lectionner avec le plus grand soin un groupe de comparaison pr\u00e9sentant une similarit\u00e9 institutionnelle, g\u00e9ographique et temporelle maximale avec le groupe trait\u00e9 (par exemple, choisir une \u00e9cole situ\u00e9e dans le m\u00eame bassin socio-\u00e9conomique plut\u00f4t qu’un \u00e9tablissement socialement distant).<\/p>\n Sur le plan analytique, la m\u00e9thode de pr\u00e9dilection repose sur l’appariement sur score de propension<\/strong> (Propensity Score Matching). En estimant la probabilit\u00e9 que chaque participant avait de se retrouver dans le groupe d’intervention \u00e0 partir d’un vaste panel de covariables baseline hautement pr\u00e9dictives, puis en ne retenant que les paires d’individus trait\u00e9s et non trait\u00e9s affichant une probabilit\u00e9 d’exposition quasi-identique, on recr\u00e9e a posteriori l’\u00e9quilibre distributionnel sur l’ensemble des variables observ\u00e9es. Pour aller plus loin et neutraliser \u00e9galement les biais de s\u00e9lection li\u00e9s \u00e0 des variables inobserv\u00e9es stables dans le temps, le chercheur combinera judicieusement le score de propension avec une estimation en doubles diff\u00e9rences<\/strong> (Difference-in-Differences), permettant d’extraire la variation causale pure en contr\u00f4lant la trajectoire temporelle sp\u00e9cifique de chaque groupe.<\/p>\n L’assignation al\u00e9atoire devient \u00e9thiquement ind\u00e9fendable d\u00e8s lors qu’elle contrevient aux principes cardinaux de bienfaisance, de non-malfaisance et d’\u00e9quit\u00e9 \u00e9nonc\u00e9s par la bio\u00e9thique contemporaine. Dans le domaine m\u00e9dical, l’\u00e9tat d’\u00e9quipoise clinique<\/strong> (clinical equipoise) constitue la condition morale indispensable autorisant le recours \u00e0 la randomisation : les experts de la communaut\u00e9 m\u00e9dicale doivent \u00eatre dans un \u00e9tat d’incertitude scientifique r\u00e9elle et partag\u00e9e quant \u00e0 la sup\u00e9riorit\u00e9 d’un nouveau traitement par rapport au traitement de r\u00e9f\u00e9rence ou au placebo. Si une th\u00e9rapie d\u00e9montre de mani\u00e8re \u00e9clatante son potentiel salvateur lors de r\u00e9sultats pr\u00e9liminaires (ex. : une mol\u00e9cule bloquant brutalement un virus l\u00e9tal \u00e9mergent), continuer \u00e0 allouer al\u00e9atoirement la moiti\u00e9 des patients mourants \u00e0 un bras placebo s’apparente \u00e0 une non-assistance d\u00e9lib\u00e9r\u00e9e \u00e0 personne en danger.<\/p>\n Dans la sph\u00e8re sociale et environnementale, la randomisation est proscrite lorsqu’elle implique d’exposer intentionnellement des participants \u00e0 des pr\u00e9judices, des risques av\u00e9r\u00e9s ou des vuln\u00e9rabilit\u00e9s socio-\u00e9conomiques. Il est moralement inenvisageable pour un comit\u00e9 d’\u00e9thique de valider un protocole exp\u00e9rimental imposant le tabagisme passif \u00e0 des nouveau-n\u00e9s, infligeant un harc\u00e8lement manag\u00e9rial \u00e0 des salari\u00e9s s\u00e9lectionn\u00e9s par tirage au sort ou privant al\u00e9atoirement des m\u00e9nages d\u00e9munis d’allocations de chauffage en p\u00e9riode hivernale. Dans toutes ces situations, l’int\u00e9grit\u00e9 de la dignit\u00e9 humaine impose l’arr\u00eat imm\u00e9diat des aspirations \u00e0 la puret\u00e9 exp\u00e9rimentale fisherienne au profit d’investigations quasi-exp\u00e9rimentales respectueuses de l’\u00e9thique.<\/p>\n Non, le recours au score de propension n’\u00e9quivaut absolument pas \u00e0 une v\u00e9ritable assignation al\u00e9atoire sur le plan th\u00e9orique et \u00e9pist\u00e9mologique. Bien que les m\u00e9thodes fond\u00e9es sur les scores de propension constituent des avanc\u00e9es statistiques remarquables pour neutraliser le biais d’auto-s\u00e9lection dans les \u00e9tudes d’observation, elles souffrent d’une limite conceptuelle infranchissable : elles n’\u00e9quilibrent les cohortes que sur la base des covariables explicitement mesur\u00e9es<\/em> et int\u00e9gr\u00e9es par le mod\u00e9lisateur dans son \u00e9quation de probabilit\u00e9.<\/p>\n L’assignation al\u00e9atoire, par la vertu universelle de la loi des grands nombres, distribue de fa\u00e7on probabiliste \u00e9quitable \u00e0 la fois les variables observables et les variables inobservables ou non mesur\u00e9es<\/strong> (traits de temp\u00e9rament latents, variations g\u00e9n\u00e9tiques non g\u00e9notyp\u00e9es, motivation non verbalis\u00e9e). \u00c0 l’inverse, l’ajustement par score de propension postule implicitement qu’il n’existe aucune variable confondante omise jouant sur le statut d’exposition \u2014 un postulat d’\u00ab ignorabilit\u00e9 conditionnelle \u00bb qui rel\u00e8ve de l’acte de foi m\u00e9thodologique. Si une variable non enregistr\u00e9e dans la base de donn\u00e9es influence simultan\u00e9ment la probabilit\u00e9 de recevoir le traitement et la performance finale, le score de propension laissera subsister un biais de confusion r\u00e9siduel majeur, pouvant conduire \u00e0 des inf\u00e9rences causales totalement erron\u00e9es.<\/p>\n Au terme de cette analyse approfondie, l’opposition classique entre exp\u00e9rience v\u00e9ritable et quasi-exp\u00e9rience appara\u00eet moins comme un conflit d’\u00e9coles inconciliable que comme une tension dialectique constitutive de l’\u00e9pist\u00e9mologie des sciences empiriques. L’exp\u00e9rience v\u00e9ritable demeure incontestablement l’\u00e9talon-or pour purger les relations causales de tout soup\u00e7on d’endog\u00e9n\u00e9it\u00e9 ou de confusion. En s’appuyant sur l’al\u00e9a math\u00e9matique et sur l’isolation stricte des conditions de test, elle forge des v\u00e9rit\u00e9s d’une grande clart\u00e9 d\u00e9monstrative, indispensables pour valider les lois biologiques fondamentales et octroyer des autorisations de mise sur le march\u00e9 pour des th\u00e9rapies engageant la vie humaine.<\/p>\n Pour autant, cette excellence de la preuve ne saurait disqualifier la quasi-exp\u00e9rience de son statut de pilier fondamental de la d\u00e9marche scientifique contemporaine. La quasi-exp\u00e9rience constitue l’instrument irrempla\u00e7able sans lequel la complexit\u00e9 d\u00e9sordonn\u00e9e, politique, psychologique et institutionnelle du monde vivant demeurerait hors d’atteinte de toute investigation rigoureuse. Elle prouve qu’il est possible de mener une \u00e9valuation causale audacieuse l\u00e0 o\u00f9 les r\u00e8gles aseptis\u00e9es du laboratoire s’effondrent face aux imp\u00e9ratifs moraux et aux r\u00e9alit\u00e9s pratiques. Loin d’\u00eatre une d\u00e9clinaison amoindrie ou n\u00e9gligente du paradigme fisherien, elle incarne une m\u00e9thodologie de haute virtuosit\u00e9, imposant aux chercheurs une vigilance critique d\u00e9cupl\u00e9e pour identifier, traquer et neutraliser les menaces pesant sur leurs conclusions.<\/p>\n Le paysage \u00e9pist\u00e9mologique de l’inf\u00e9rence causale conna\u00eet depuis trois d\u00e9cennies un renouvellement conceptuel spectaculaire, souvent qualifi\u00e9 de r\u00e9volution de la cr\u00e9dibilit\u00e9<\/em> en \u00e9conomie appliqu\u00e9e et en sciences sociales empiriques. Port\u00e9e par les travaux novateurs r\u00e9compens\u00e9s par le Prix Nobel d’\u00e9conomie attribu\u00e9 \u00e0 David Card, Joshua Angrist et Guido Imbens en 2021, cette mutation a profond\u00e9ment r\u00e9habilit\u00e9 les devis quasi-exp\u00e9rimentaux et les \u00ab exp\u00e9riences naturelles \u00bb. En apprenant \u00e0 exploiter avec un raffinement math\u00e9matique in\u00e9dit les seuils administratifs, les accidents climatiques et les fronti\u00e8res juridictionnelles, les chercheurs sont d\u00e9sormais capables d’extraire des estimations causales d’une solidit\u00e9 rivalisant souvent avec les essais randomis\u00e9s les plus stricts.<\/p>\n Dans le m\u00eame temps, la d\u00e9ferlante des m\u00e9gadonn\u00e9es (Big Data) et l’int\u00e9gration des algorithmes d’apprentissage automatique (Machine Learning) ouvrent des perspectives m\u00e9thodologiques in\u00e9dites pour la quasi-exp\u00e9rimentation. Les techniques d’appariement ultra-pr\u00e9cis par haute dimensionnalit\u00e9, les doubles arbres causaux d\u00e9velopp\u00e9s par Susan Athey et ses coll\u00e8gues, ainsi que les mod\u00e8les de contr\u00f4le synth\u00e9tique permettent d’ajuster des cohortes d’observation avec un niveau de r\u00e9solution jadis impensable. Face \u00e0 ces avanc\u00e9es, l’imp\u00e9ratif premier du chercheur de demain r\u00e9sidera plus que jamais dans une absolue lucidit\u00e9 \u00e9pist\u00e9mologique : refuser les dogmatismes de chapelle, expliciter sans fard les hypoth\u00e8ses d’identification sous-jacentes \u00e0 son protocole et reconna\u00eetre en toute humilit\u00e9 les limites intrins\u00e8ques de chaque devis m\u00e9thodologique au service de la v\u00e9rit\u00e9 scientifique.<\/p>\n Angrist, J. D., & Pischke, J. S. (2009). Mostly harmless econometrics: An empiricist’s companion<\/em>. Princeton University Press.<\/p>\n Campbell, D. T. (1957). Factors relevant to the validity of experiments in social settings. Psychological Bulletin<\/em>, 54(4), 297\u2013312. https:\/\/doi.org\/10.1037\/h0040950<\/a><\/p>\n Campbell, D. T., & Ross, H. L. (1968). The Connecticut crackdown on speeding: Time-series data in quasi-experimental analysis. Law and Society Review<\/em>, 3(1), 33\u201354. https:\/\/doi.org\/10.2307\/3052865<\/a><\/p>\n Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research on teaching. In N. L. Gage (Ed.), Handbook of Research on Teaching<\/em> (pp. 171\u2013246). Rand McNally.<\/p>\n Campbell, D. T., & Stanley, J. C. (1966). Experimental and quasi-experimental designs for research<\/em>. Rand McNally.<\/p>\n Cook, T. D., & Campbell, D. T. (1979). Quasi-experimentation: Design & analysis issues for field settings<\/em>. Houghton Mifflin.<\/p>\n Fisher, R. A. (1925). Statistical methods for research workers<\/em>. Oliver and Boyd.<\/p>\n Fisher, R. A. (1935). The design of experiments<\/em>. Oliver and Boyd.<\/p>\n Neyman, J. (1923). Sur les applications de la th\u00e9orie des probabilit\u00e9s aux exp\u00e9riences agricoles : Essai des principes. Roczniki Nauk Rolniczych<\/em>, 10, 1\u201351. (Traduit en anglais dans Statistical Science<\/em>, 1990, 5(4), 465\u2013472).<\/p>\n Peirce, C. S., & Jastrow, J. (1884). On small differences of sensation. Memoirs of the National Academy of Sciences<\/em>, 3, 73\u201383.<\/p>\n Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika<\/em>, 70(1), 41\u201355. https:\/\/doi.org\/10.1093\/biomet\/70.1.41<\/a><\/p>\n Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology<\/em>, 66(5), 688\u2013701. https:\/\/doi.org\/10.1037\/h0037350<\/a><\/p>\n Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference<\/em>. Houghton Mifflin.<\/p>\n Solomon, R. L. (1949). An extension of control group design. Psychological Bulletin<\/em>, 46(2), 137\u2013150. https:\/\/doi.org\/10.1037\/h0062958<\/a><\/p>\n1.2 Origine des confusions et similitudes superficielles<\/h3>\n
1.3 Enjeux m\u00e9thodologiques : la tension entre rigueur de laboratoire et r\u00e9alisme \u00e9cologique<\/h3>\n
2. L’exp\u00e9rience v\u00e9ritable : L’\u00e9talon-or du contr\u00f4le exp\u00e9rimental<\/h2>\n
2.1 Le principe cardinal de l’assignation al\u00e9atoire (randomisation)<\/h3>\n
2.2 Architecture et manipulation rigoureuse des variables<\/h3>\n
2.3 Typologie des devis exp\u00e9rimentaux v\u00e9ritables<\/h3>\n
\n
2.4 Forces \u00e9pist\u00e9mologiques et vuln\u00e9rabilit\u00e9s pratiques<\/h3>\n
3. La quasi-exp\u00e9rience : L’investigation empirique en contexte \u00e9cologique<\/h2>\n
3.1 Gen\u00e8se et raison d’\u00eatre des devis quasi-exp\u00e9rimentaux<\/h3>\n
3.2 Principaux types de protocoles quasi-exp\u00e9rimentaux<\/h3>\n
\n
3.3 M\u00e9canismes de compensation de l’absence de randomisation<\/h3>\n
\n
3.4 Forces \u00e9cologiques et vuln\u00e9rabilit\u00e9s m\u00e9thodologiques<\/h3>\n
4. Diff\u00e9rences fondamentales : Tableau comparatif multidimensionnel<\/h2>\n
\n\n
\n \nDimension d’analyse<\/th>\n Exp\u00e9rience v\u00e9ritable (RCT)<\/th>\n Quasi-exp\u00e9rience<\/th>\n<\/tr>\n<\/thead>\n \n M\u00e9canisme d’assignation<\/strong><\/td>\n Assignation al\u00e9atoire (randomisation probabiliste stricte).<\/td>\n Auto-s\u00e9lection, assignation institutionnelle, seuils administratifs ou groupes naturels.<\/td>\n<\/tr>\n \n \u00c9quivalence initiale des groupes<\/strong><\/td>\n Probabiliste et th\u00e9oriquement garantie sur l’ensemble des covariables (observables et inobservables).<\/td>\n Non \u00e9quivalence initiale pr\u00e9sum\u00e9e ; disparit\u00e9s syst\u00e9matiques latentes ou manifestes.<\/td>\n<\/tr>\n \n Contr\u00f4le de la variable ind\u00e9pendante<\/strong><\/td>\n Manipulation d\u00e9lib\u00e9r\u00e9e, isolation stricte et standardisation totale par le chercheur.<\/td>\n Manipulation observ\u00e9e, partielle ou indirecte au sein de contextes naturels ou institutionnels.<\/td>\n<\/tr>\n \n Validit\u00e9 interne<\/strong><\/td>\n Maximale (\u00e9talon-or) : isolation univoque du lien causal par neutralisation des facteurs confondants.<\/td>\n Mod\u00e9r\u00e9e \u00e0 \u00e9lev\u00e9e : conditionn\u00e9e par l’aptitude \u00e0 mesurer et mod\u00e9liser les explications concurrentes.<\/td>\n<\/tr>\n \n Validit\u00e9 externe et \u00e9cologique<\/strong><\/td>\n Fr\u00e9quemment affaiblie par l’artificialit\u00e9 des conditions de laboratoire et les biais d’inclusion.<\/td>\n G\u00e9n\u00e9ralement sup\u00e9rieure gr\u00e2ce \u00e0 l’ancrage direct dans le fonctionnement ordinaire du terrain.<\/td>\n<\/tr>\n \n Contr\u00f4le des variables inobservables<\/strong><\/td>\n Automatique et universel gr\u00e2ce aux propri\u00e9t\u00e9s math\u00e9matiques de l’al\u00e9a (loi des grands nombres).<\/td>\n Tr\u00e8s difficile : n\u00e9cessite des approches avanc\u00e9es (ex. variables instrumentales ou discontinuit\u00e9).<\/td>\n<\/tr>\n \n Vuln\u00e9rabilit\u00e9 au biais d’histoire locale<\/strong><\/td>\n Faible si les groupes sont contemporains et baignent dans le m\u00eame macro-environnement.<\/td>\n \u00c9lev\u00e9e : un \u00e9v\u00e9nement impr\u00e9vu peut affecter sp\u00e9cifiquement une \u00e9cole, un service ou une r\u00e9gion t\u00e9moin.<\/td>\n<\/tr>\n \n Sensibilit\u00e9 \u00e0 la r\u00e9gression vers la moyenne<\/strong><\/td>\n Neutralis\u00e9e statistiquement : la r\u00e9gression affecte sym\u00e9triquement les deux cohortes.<\/td>\n Tr\u00e8s \u00e9lev\u00e9e si les participants sont s\u00e9lectionn\u00e9s sur la base de scores extr\u00eames au pr\u00e9-test.<\/td>\n<\/tr>\n \n Effets r\u00e9actifs (Hawthorne, John Henry)<\/strong><\/td>\n Tr\u00e8s fr\u00e9quents en raison de la conscience aigu\u00eb d’\u00eatre observ\u00e9 au sein d’un essai strict.<\/td>\n Att\u00e9nu\u00e9s : les individus ignorent souvent leur participation ou s’inscrivent dans leur routine normale.<\/td>\n<\/tr>\n \n Complexit\u00e9 des ajustements statistiques<\/strong><\/td>\n \u00c9l\u00e9mentaire \u00e0 mod\u00e9r\u00e9e (tests t de Student, ANOVA, r\u00e9gressions simples non biais\u00e9es).<\/td>\n Tr\u00e8s lourde : recours imp\u00e9ratif aux scores de propension, doubles diff\u00e9rences ou discontinuit\u00e9.<\/td>\n<\/tr>\n \n Contraintes et faisabilit\u00e9 \u00e9thique<\/strong><\/td>\n Restrictions s\u00e9v\u00e8res : impossibilit\u00e9 de randomiser des risques av\u00e9r\u00e9s ou de priver de soins vitaux.<\/td>\n Grande flexibilit\u00e9 : \u00e9valuation a posteriori de d\u00e9cisions politiques ou d’expositions environnementales.<\/td>\n<\/tr>\n \n Co\u00fbts financiers et logistiques<\/strong><\/td>\n Exorbitants dans la majorit\u00e9 des cas en raison de l’infrastructure de surveillance requise.<\/td>\n G\u00e9n\u00e9ralement beaucoup plus mesur\u00e9s par exploitation opportune de cohortes et registres existants.<\/td>\n<\/tr>\n \n Hypoth\u00e8ses d’identification causale<\/strong><\/td>\n Minimales : reposent exclusivement sur la qualit\u00e9 op\u00e9rationnelle du m\u00e9canisme de tirage au sort.<\/td>\n Exigeantes : requi\u00e8rent des postulats th\u00e9oriques stricts (ex. tendances parall\u00e8les, exog\u00e9n\u00e9it\u00e9).<\/td>\n<\/tr>\n \n Cadre d’application pr\u00e9f\u00e9rentiel<\/strong><\/td>\n Recherche pharmaceutique, m\u00e9decine translationnelle, psychologie cognitive en laboratoire.<\/td>\n Sociologie appliqu\u00e9e, sciences de l’\u00e9ducation, \u00e9conomie publique, gestion organisationnelle.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n 4.1 M\u00e9canisme d’attribution des sujets et comparabilit\u00e9 des groupes<\/h3>\n
4.2 Validit\u00e9 interne vs validit\u00e9 externe : Le grand compromis<\/h3>\n
4.3 Sensibilit\u00e9 aux menaces classiques pesant sur la validit\u00e9<\/h3>\n
4.4 Faisabilit\u00e9 pratique, co\u00fbts et consid\u00e9rations \u00e9thiques<\/h3>\n
5. Similitudes et convergences m\u00e9thodologiques<\/h2>\n
5.1 Un cadre conceptuel unifi\u00e9 orient\u00e9 vers l’effet causal<\/h3>\n
5.2 Composantes structurelles partag\u00e9es du protocole<\/h3>\n
\n
5.3 Exigences de rigueur statistique et d’instrumentation<\/h3>\n
6. Crit\u00e8res de d\u00e9cision : Quand employer chaque devis de recherche ?<\/h2>\n
6.1 Sc\u00e9narios imposant imp\u00e9rativement l’exp\u00e9rience v\u00e9ritable<\/h3>\n
6.2 Circonstances rendant la quasi-exp\u00e9rience incontournable<\/h3>\n
6.3 La strat\u00e9gie de triangulation et les devis mixtes<\/h3>\n
7. Foire aux questions (FAQ)<\/h2>\n
7.1 Une quasi-exp\u00e9rience peut-elle \u00e9tablir une causalit\u00e9 formelle ?<\/h3>\n
7.2 Comment minimiser le biais de s\u00e9lection dans un protocole quasi-exp\u00e9rimental ?<\/h3>\n
7.3 Pourquoi la randomisation est-elle parfois jug\u00e9e contraire \u00e0 l’\u00e9thique ?<\/h3>\n
7.4 Le score de propension \u00e9quivaut-il \u00e0 une v\u00e9ritable randomisation ?<\/h3>\n
8. Conclusion : Articuler rigueur m\u00e9thodologique et faisabilit\u00e9 scientifique<\/h2>\n
8.1 Synth\u00e8se comparative des \u00e9quilibres m\u00e9thodologiques<\/h3>\n
8.2 \u00c9volution contemporaine de l’inf\u00e9rence causale<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n