{"id":25170,"date":"2026-11-07T20:36:48","date_gmt":"2026-11-07T20:36:48","guid":{"rendered":"https:\/\/french.arabpsychology.com\/?psych_comparison=plan-inter-sujets-vs-plan-intra-sujets"},"modified":"2026-11-07T20:36:48","modified_gmt":"2026-11-07T20:36:48","slug":"plan-inter-sujets-vs-plan-intra-sujets","status":"publish","type":"psych_comparison","link":"https:\/\/french.arabpsychology.com\/?psych_comparison=plan-inter-sujets-vs-plan-intra-sujets","title":{"rendered":"Plan inter-sujets vs plan intra-sujets"},"content":{"rendered":"

Dans le champ de la recherche exp\u00e9rimentale et des sciences quantitatives \u2014 qu’il s’agisse de la psychologie cognitive, des neurosciences comportementales, de la recherche biom\u00e9dicale, de l’ergonomie ou des sciences de gestion \u2014 l’architecture m\u00e9thodologique constitue le socle sur lequel repose l’int\u00e9gralit\u00e9 de la validit\u00e9 inf\u00e9rentielle. D\u00e8s lors qu’un chercheur formule une hypoth\u00e8se causale visant \u00e0 d\u00e9terminer si la manipulation d’une variable ind\u00e9pendante engendre une modification syst\u00e9matique d’une variable d\u00e9pendante, une question d’ing\u00e9nierie exp\u00e9rimentale pr\u00e9vaut sur toutes les autres : comment exposer l’\u00e9chantillon d’observation aux diff\u00e9rentes modalit\u00e9s exp\u00e9rimentales ? Cette interrogation matricielle donne naissance \u00e0 la confrontation la plus classique et la plus d\u00e9terminante de l’exp\u00e9rimentation scientifique : l’arbitrage entre le plan inter-sujets (ou devis \u00e0 groupes ind\u00e9pendants) et le plan intra-sujets (ou devis \u00e0 mesures r\u00e9p\u00e9t\u00e9es).<\/p>\n

Le choix d’un devis de recherche ne se r\u00e9sume nullement \u00e0 une simple pr\u00e9f\u00e9rence logistique ou \u00e0 un compromis de gestion d’\u00e9chantillon. Il engage des cons\u00e9quences profondes sur la structure math\u00e9matique des donn\u00e9es collect\u00e9es, sur la partition de la variance, sur la puissance statistique des tests d’hypoth\u00e8ses, ainsi que sur la vuln\u00e9rabilit\u00e9 intrins\u00e8que du protocole face aux divers biais m\u00e9thodologiques. S\u00e9lectionner un plan inadapt\u00e9 aux propri\u00e9t\u00e9s de la manipulation exp\u00e9rimentale peut conduire soit \u00e0 l’engloutissement d’un effet r\u00e9el sous le bruit de fond de la variabilit\u00e9 interindividuelle, soit \u00e0 la g\u00e9n\u00e9ration d’art\u00e9facts exp\u00e9rimentaux majeurs caus\u00e9s par des effets d’ordre, d’apprentissage ou de contamination temporelle, ruinant ainsi toute pr\u00e9tention \u00e0 la validit\u00e9 interne.<\/p>\n

Cet article propose une analyse comparative, th\u00e9orique et pratique de ces deux paradigmes exp\u00e9rimentaux. \u00c0 travers un examen approfondi de leurs fondements \u00e9pist\u00e9mologiques, de leurs propri\u00e9t\u00e9s statistiques formelles, de leurs vuln\u00e9rabilit\u00e9s respectives et des m\u00e9canismes de rem\u00e9diation appropri\u00e9s, nous fournirons aux chercheurs et m\u00e9thodologistes un guide d’arbitrage exhaustif. L’objectif est d’expliciter avec la plus grande rigueur technique les conditions sous lesquelles chaque devis maximise la d\u00e9tection du signal exp\u00e9rimental tout en prot\u00e9geant les conclusions scientifiques contre les menaces d’invalidit\u00e9 conceptuelle.<\/p>\n

1. Introduction \u00e0 l’exp\u00e9rimentation : la dichotomie fondamentale des devis de recherche<\/h2>\n

1.1 D\u00e9finition conceptuelle et contextualisation \u00e9pist\u00e9mologique<\/h3>\n

Les devis de recherche exp\u00e9rimentaux constituent les matrices structurelles qui op\u00e9rationnalisent la m\u00e9thode scientifique dans le cadre de la v\u00e9rification d’hypoth\u00e8ses causales. D’un point de vue \u00e9pist\u00e9mologique, l’exp\u00e9rimentation se distingue de la simple observation par l’intervention active du chercheur, qui manipule d\u00e9lib\u00e9r\u00e9ment une ou plusieurs variables ind\u00e9pendantes (VI) tout en maintenant constants les facteurs tiers, afin d’en \u00e9valuer l’impact sur une ou plusieurs variables d\u00e9pendantes (VD). Cette logique causale, h\u00e9rit\u00e9e des canons inductifs de John Stuart Mill \u2014 et plus particuli\u00e8rement de la m\u00e9thode de diff\u00e9rence \u2014, postule que si deux situations ne diff\u00e8rent que par un seul facteur et qu’un ph\u00e9nom\u00e8ne appara\u00eet dans l’une et non dans l’autre, ce facteur distinctif constitue l’effet, la cause ou une part indispensable de la cause dudit ph\u00e9nom\u00e8ne.<\/p>\n

Au c\u0153ur de cette d\u00e9marche, la distribution des unit\u00e9s d’observation \u2014 g\u00e9n\u00e9ralement des participants humains ou des mod\u00e8les animaux \u2014 impose une bifurcation architecturale irr\u00e9ductible. D’une part, le plan inter-sujets<\/strong> (souvent d\u00e9sign\u00e9 sous le terme anglo-saxon de between-subjects design<\/em> ou plan \u00e0 groupes ind\u00e9pendants) repose sur le principe de l’exclusion mutuelle : chaque participant n’est assign\u00e9 qu’\u00e0 un seul et unique niveau de la variable ind\u00e9pendante. La comparaison de l’effet s’effectue donc transversalement, en confrontant les performances moyennes ou les distributions observ\u00e9es entre des groupes physiquement distincts d’individus. D’autre part, le plan intra-sujets<\/strong> (d\u00e9sign\u00e9 sous les termes de within-subjects design<\/em>, plan \u00e0 mesures r\u00e9p\u00e9t\u00e9es ou plan \u00e0 mesures appari\u00e9es) repose sur l’exposition s\u00e9quentielle de chaque sujet \u00e0 l’ensemble des modalit\u00e9s de la variable ind\u00e9pendante. Dans ce cadre, la comparaison s’effectue de mani\u00e8re longitudinale ou intra-individuelle : chaque sujet devient son propre t\u00e9moin de r\u00e9f\u00e9rence, et la mesure de l’effet causal r\u00e9side dans la variation diff\u00e9rentielle observ\u00e9e au sein des m\u00eames individus au fil des diff\u00e9rentes conditions exp\u00e9rimentales.<\/p>\n

Le r\u00f4le de la variable ind\u00e9pendante et son mode d’assignation m\u00e9thodologique gouvernent cette dichotomie. Lorsqu’un facteur ne peut logiquement ou d\u00e9ontologiquement \u00eatre manipul\u00e9 qu’en divisant les participants en entit\u00e9s distinctes, il d\u00e9termine structurellement un devis inter-sujets. Inversement, lorsque la manipulation permet une r\u00e9it\u00e9ration temporelle sans alt\u00e9ration d\u00e9finitive du syst\u00e8me cognitif, physiologique ou comportemental du participant, le recours au devis intra-sujets devient envisageable. Cette assignation constitue l’acte fondateur du protocole : elle dicte la nature des observations \u2014 qu’elles soient stochastiquement ind\u00e9pendantes ou s\u00e9riellement d\u00e9pendantes \u2014 et conditionne l’ensemble de l’\u00e9difice analytique qui permettra de convertir des donn\u00e9es brutes en inf\u00e9rences scientifiques l\u00e9gitimes.<\/p>\n

1.2 Origine des confusions et dilemme du chercheur<\/h3>\n

Bien que la distinction conceptuelle entre comparer des groupes d’individus et comparer des mesures r\u00e9p\u00e9t\u00e9es sur les m\u00eames individus apparaisse limpide dans les manuels \u00e9l\u00e9mentaires de statistique, la pratique exp\u00e9rimentale r\u00e9elle est travers\u00e9e par des ambigu\u00eft\u00e9s r\u00e9currentes. Ces confusions \u00e9mergent souvent du fait que les deux d\u00e9marches poursuivent un objectif scientifique rigoureusement identique : isoler une relation de cause \u00e0 effet exempte de biais de confusion, tout en maximisant la taille de l’effet d\u00e9tectable. Dans de nombreux contextes appliqu\u00e9s, comme les \u00e9tudes d’utilisabilit\u00e9 en interaction homme-machine, les essais d’efficacit\u00e9 p\u00e9dagogique ou les recherches en psychopharmacologie, les deux approches semblent a priori envisageables pour tester la m\u00eame hypoth\u00e8se conceptuelle, pla\u00e7ant le chercheur face \u00e0 un arbitrage m\u00e9thodologique d\u00e9licat.<\/p>\n

Le dilemme du chercheur s’enracine dans la gestion d’un compromis fondamental entre contraintes logistiques, puissance statistique et vuln\u00e9rabilit\u00e9s m\u00e9thodologiques. Le plan intra-sujets s\u00e9duit spontan\u00e9ment par son \u00e9conomie d’\u00e9chantillonnage : n\u00e9cessitant consid\u00e9rablement moins de volontaires pour atteindre un seuil de significativit\u00e9 donn\u00e9, il r\u00e9duit le co\u00fbt et la dur\u00e9e de la collecte des donn\u00e9es. Cependant, cette efficience mat\u00e9rielle s’accompagne d’une vuln\u00e9rabilit\u00e9 accrue aux art\u00e9facts temporels, tels que l’accoutumance aux stimuli, l’apprentissage des t\u00e2ches, ou la fatigue cognitive induite par des sessions exp\u00e9rimentales prolong\u00e9es. Inversement, le plan inter-sujets prot\u00e8ge le chercheur contre ces contaminations longitudinales, mais requiert un bassin de recrutement souvent prohibitif et expose la recherche au risque qu’une diff\u00e9rence pr\u00e9existante entre les groupes vienne masquer l’effet r\u00e9el de la manipulation ou simuler un effet factice.<\/p>\n

Ce dilemme se complique lors de la phase d’op\u00e9rationnalisation des protocoles d’\u00e9valuation. Des questions d’apparence secondaire \u2014 telles que l’intervalle de temps s\u00e9parant deux conditions, la transparence des hypoth\u00e8ses vis-\u00e0-vis des participants ou la nature r\u00e9versible ou irr\u00e9versible des processus psychologiques sollicit\u00e9s \u2014 suffisent \u00e0 rendre caduque l’adoption de l’un ou l’autre des devis. L’arbitrage ne peut donc reposer sur des pr\u00e9f\u00e9rences intuitives ou sur la seule disponibilit\u00e9 des sujets : il exige une formalisation rigoureuse de la structure de l’erreur exp\u00e9rimentale et une anticipation syst\u00e9matique des sources potentielles de biais qui menacent la validit\u00e9 des donn\u00e9es empiriques.<\/p>\n

1.3 Enjeux scientifiques li\u00e9s au choix du protocole<\/h3>\n

La s\u00e9lection du devis exp\u00e9rimental r\u00e9git directement la mod\u00e9lisation math\u00e9matique du signal et du bruit dans les donn\u00e9es recueillies. Sur le plan statistique, le ratio fondamental qui d\u00e9termine l’issue des tests d’inf\u00e9rence (comme le test t<\/em> de Student ou l’analyse de variance param\u00e9trique F<\/em> de Fisher) confronte la variance syst\u00e9matique attribuable \u00e0 la variable ind\u00e9pendante \u00e0 la variance non syst\u00e9matique, ou variance d’erreur. Dans un plan inter-sujets, cette variance d’erreur int\u00e8gre l’ensemble des dissemblances g\u00e9n\u00e9tiques, cognitives, \u00e9motionnelles et motivationnelles qui caract\u00e9risent les individus composant les groupes. Dans un plan intra-sujets, cette variabilit\u00e9 interindividuelle stable est math\u00e9matiquement soustraite du terme d’erreur r\u00e9siduelle, ce qui d\u00e9cuple la sensibilit\u00e9 du mod\u00e8le analytique et permet l’identification d’effets subtils qui demeureraient ind\u00e9tectables dans un devis \u00e0 groupes ind\u00e9pendants.<\/p>\n

Au-del\u00e0 de la m\u00e9trique statistique, les cons\u00e9quences sur la validit\u00e9 interne<\/a> sont majeures. La validit\u00e9 interne renvoie \u00e0 la certitude que les variations de la variable d\u00e9pendante r\u00e9sultent exclusivement de la manipulation de la variable ind\u00e9pendante, et non de variables parasites ou d’art\u00e9facts m\u00e9thodologiques. Choisir un plan inter-sujets impose de neutraliser le biais de s\u00e9lection initiale ; choisir un plan intra-sujets impose de neutraliser les effets d’ordre et de report d’une condition sur l’autre. Une erreur d’appr\u00e9ciation \u00e0 ce stade induit une confusion irr\u00e9versible entre le facteur manipul\u00e9 et des covariables non ma\u00eetris\u00e9es, ruinant la l\u00e9gitimit\u00e9 causale du mod\u00e8le exp\u00e9rimental.<\/p>\n

Enfin, le devis conditionne la validit\u00e9 externe et la reproductibilit\u00e9 des conclusions scientifiques. Un protocole intra-sujets dans lequel un participant d\u00e9duit les finalit\u00e9s de la recherche en traversant l’ensemble des conditions exp\u00e9rimentales alt\u00e8re sa spontan\u00e9it\u00e9 comportementale via des caract\u00e9ristiques de la demande ou des m\u00e9canismes d’\u00e9valuation cognitive consciente. Les r\u00e9ponses obtenues dans ce contexte ne refl\u00e8tent plus le comportement \u00e9cologique d’un individu confront\u00e9 \u00e0 une situation unique dans le monde r\u00e9el. \u00c0 l’inverse, un protocole inter-sujets mal calibr\u00e9 en termes d’effectif produit des \u00e9tudes sous-puissantes, incapables d’\u00eatre r\u00e9pliqu\u00e9es fid\u00e8lement dans d’autres laboratoires. L’int\u00e9grit\u00e9 de la litt\u00e9rature scientifique d\u00e9pend ainsi directement de la rigueur avec laquelle les exp\u00e9rimentateurs articulent leur sch\u00e9ma exp\u00e9rimental aux propri\u00e9t\u00e9s intrins\u00e8ques des ph\u00e9nom\u00e8nes \u00e9tudi\u00e9s.<\/p>\n

2. Vue d’ensemble du plan inter-sujets (Between-Subjects Design)<\/h2>\n

2.1 Principes fondamentaux et logique d’assignation<\/h3>\n

Le plan inter-sujets, \u00e9galement qualifi\u00e9 de devis \u00e0 facteurs ind\u00e9pendants, repose sur le principe \u00e9pist\u00e9mique fondamental de la s\u00e9paration herm\u00e9tique des conditions exp\u00e9rimentales \u00e0 travers des cohortes de participants mutuellement exclusives. Si l’exp\u00e9rience comporte k<\/em> modalit\u00e9s de la variable ind\u00e9pendante (par exemple, un groupe t\u00e9moin recevant un placebo, un groupe recevant un dosage faible d’une mol\u00e9cule active et un groupe recevant un dosage \u00e9lev\u00e9), la cohorte globale est fractionn\u00e9e en k<\/em> sous-groupes ind\u00e9pendants. Chaque sujet individuel ne fait l’exp\u00e9rience que d’une seule et unique condition au cours de sa trajectoire exp\u00e9rimentale. L’\u00e9valuation de l’effet du traitement r\u00e9sulte d\u00e8s lors de la soustraction des m\u00e9triques de tendance centrale (g\u00e9n\u00e9ralement les moyennes) observ\u00e9es entre les diff\u00e9rents sous-groupes.<\/p>\n

Pour que cette comparaison transversale conserve sa valeur de preuve causale, les groupes doivent \u00eatre rigoureusement \u00e9quivalents sur toutes les caract\u00e9ristiques d’int\u00e9r\u00eat avant m\u00eame l’administration de la manipulation exp\u00e9rimentale. Le levier m\u00e9thodologique garantissant cette \u00e9quivalence pr\u00e9alable r\u00e9side dans la randomisation compl\u00e8te<\/strong> (ou assignation al\u00e9atoire). En vertu de la loi des grands nombres, l’assignation purement stochastique de chaque participant \u00e0 l’une des modalit\u00e9s de la variable ind\u00e9pendante assure que les variables individuelles parasites \u2014 qu’elles soient observables (comme l’\u00e2ge, le quotient intellectuel, le statut socio-\u00e9conomique) ou inobservables (comme la pr\u00e9disposition g\u00e9n\u00e9tique, l’anxi\u00e9t\u00e9 latente ou les micro-variations motivationnelles) \u2014 se r\u00e9partissent de mani\u00e8re \u00e9quiprobable entre les diff\u00e9rentes conditions exp\u00e9rimentales. Cette randomisation transforme les variables de confusion potentielles en bruit stochastique non corr\u00e9l\u00e9 avec la variable ind\u00e9pendante.<\/p>\n

Lorsque la taille de l’\u00e9chantillon disponible est modeste ou que certaines variables individuelles exercent une influence prononc\u00e9e et connue sur la variable d\u00e9pendante, les chercheurs substituent ou adjoignent \u00e0 la randomisation simple des techniques d’appariement<\/strong>. Le plan de blocs al\u00e9atoires appari\u00e9s implique de pr\u00e9-\u00e9valuer les participants sur la variable parasite critique (par exemple, la m\u00e9moire de travail de base dans une t\u00e2che d’apprentissage), de regrouper les individus affichant des scores identiques ou hautement similaires en paires ou en triplets, puis d’assigner al\u00e9atoirement chacun des membres de ces blocs homog\u00e8nes \u00e0 l’une des modalit\u00e9s exp\u00e9rimentales. Ce protocole combine l’ind\u00e9pendance d’exposition du devis inter-sujets avec un contr\u00f4le strict des facteurs d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 individuelle les plus perturbateurs.<\/p>\n

2.2 Contr\u00f4le de la variance et sources de variabilit\u00e9<\/h3>\n

L’analyse de la variance au sein d’un devis inter-sujets repose sur la partition canonique de la somme des carr\u00e9s totale ($SS_{Total}$<\/span>) en deux compartiments orthogonaux : la somme des carr\u00e9s intergroupes ($SS_{Between}$<\/span> ou somme des carr\u00e9s du traitement) et la somme des carr\u00e9s intragroupes ($SS_{Within}$<\/span> ou somme des carr\u00e9s de l’erreur r\u00e9siduelle). La difficult\u00e9 structurelle de ce devis r\u00e9side dans le fait que la variance interindividuelle \u2014 c’est-\u00e0-dire l’ensemble des dissemblances intrins\u00e8ques entre les individus composant un m\u00eame groupe \u2014 tombe int\u00e9gralement dans le compartiment de la variance d’erreur. Si les participants diff\u00e8rent grandement par leurs comp\u00e9tences de base, leur vigilance ou leurs dispositions psychophysiologiques, la variance d’erreur gonfle consid\u00e9rablement. Or, la statistique de test F<\/em> de Fisher \u00e9tant calcul\u00e9e par le ratio du carr\u00e9 moyen du traitement sur le carr\u00e9 moyen de l’erreur ($MS_{Between} \/ MS_{Within}$<\/span>), un d\u00e9nominateur excessivement volumineux neutralise la capacit\u00e9 du mod\u00e8le \u00e0 rejeter l’hypoth\u00e8se nulle ($H_0$<\/span>), pr\u00e9cipitant le chercheur dans l’\u00e9cueil d’une erreur de type II (non-rejet d’une hypoth\u00e8se nulle fausse).<\/p>\n

Afin d’assainir l’\u00e9valuation de l’effet principal et de comprimer artificiellement ce bruit de fond interindividuel, la mod\u00e9lisation statistique avanc\u00e9e a recours \u00e0 l’introduction de variables de contr\u00f4le<\/strong> \u00e0 travers l’analyse de covariance (ANCOVA<\/a>). En incorporant une covariable quantitative continue mesur\u00e9e avant l’administration du traitement et corr\u00e9l\u00e9e lin\u00e9airement avec la variable d\u00e9pendante, le mod\u00e8le extrait de la somme des carr\u00e9s de l’erreur la portion de variance pr\u00e9dictible par cette covariable. Cette op\u00e9ration math\u00e9matique restaure une partie de la pr\u00e9cision analytique sans d\u00e9roger au principe d’ind\u00e9pendance physique des groupes.<\/p>\n

Toutefois, l’usage l\u00e9gitime des m\u00e9thodes param\u00e9triques inf\u00e9rentielles au sein du devis inter-sujets impose le strict respect de postulats math\u00e9matiques sous-jacents, au premier rang desquels figure le postulat d’homog\u00e9n\u00e9it\u00e9 des variances<\/strong> (ou homosc\u00e9dasticit\u00e9). Les variances de la variable d\u00e9pendante au sein de chacune des populations sous-jacentes doivent \u00eatre statistiquement \u00e9quivalentes ($\\sigma_1^2 = \\sigma_2^2 = dots = \\sigma_k^2$<\/span>). Cette assertion est couramment \u00e9valu\u00e9e par des \u00e9preuves formelles telles que le test de Levene ou le test de Bartlett. La rupture de ce postulat, particuli\u00e8rement lorsque la taille des groupes est in\u00e9gale, biaise drastiquement le taux d’erreur de premi\u00e8re esp\u00e8ce ($\\alpha$<\/span>) et exige l’adoption de corrections de degr\u00e9s de libert\u00e9 (telle que l’ajustement de Welch-Satterthwaite) ou le basculement vers des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s robustes.<\/p>\n

2.3 Avantages majeurs du devis inter-sujets<\/h3>\n

La sup\u00e9riorit\u00e9 incontestable du plan inter-sujets r\u00e9side dans son immunit\u00e9 m\u00e9thodologique absolue<\/strong> contre les contaminations d’ordre temporel. Puisque chaque sujet n’est test\u00e9 que sous une modalit\u00e9 exclusive, il est structurellement impossible que les donn\u00e9es recueillies soient pollu\u00e9es par des effets d’ordre, d’apprentissage cumulatif, d’\u00e9chauffement ou d’\u00e9puisement cognitif. Le participant n’ayant aucune opportunit\u00e9 de r\u00e9p\u00e9ter la t\u00e2che sous diff\u00e9rentes variantes, ses r\u00e9ponses ne r\u00e9sultent d’aucune strat\u00e9gie adaptative d\u00e9velopp\u00e9e lors d’essais pr\u00e9alables. Cette caract\u00e9ristique \u00e9pargne \u00e0 l’exp\u00e9rimentateur le recours \u00e0 des d\u00e9marches de contrebalancement algorithmique parfois inextricables.<\/p>\n

De surcro\u00eet, le devis inter-sujets est le garant supr\u00eame de la na\u00efvet\u00e9 des participants<\/strong> \u00e0 l’\u00e9gard de la finalit\u00e9 th\u00e9orique de l’exp\u00e9rimentation. Dans un protocole o\u00f9 un individu verrait se succ\u00e9der une condition normale, puis une condition modifi\u00e9e introduisant un biais exp\u00e9rimental d\u00e9lib\u00e9r\u00e9, sa perspicacit\u00e9 le conduirait immanquablement \u00e0 d\u00e9duire la manipulation sous-jacente et \u00e0 conformer ou rebeller ses comportements vis-\u00e0-vis des attentes suppos\u00e9es du chercheur (ph\u00e9nom\u00e8ne connu sous le nom de caract\u00e9ristiques de la demande de Martin T. Orne). En ne soumettant l’individu qu’\u00e0 un segment unique du dispositif global, le plan \u00e0 groupes ind\u00e9pendants pr\u00e9serve la virginit\u00e9 cognitive du sujet vis-\u00e0-vis de l’espace hypoth\u00e9tique de l’investigateur.<\/p>\n

Enfin, le plan inter-sujets poss\u00e8de un champ d’application universel s’\u00e9tendant aux manipulations intrins\u00e8quement irr\u00e9versibles<\/strong> ou g\u00e9n\u00e9ratrices de transformations permanentes. Si la variable ind\u00e9pendante consiste en une intervention chirurgicale c\u00e9r\u00e9brale chez l’animal, une formation p\u00e9dagogique intensive apportant des connaissances ind\u00e9l\u00e9biles, une th\u00e9rapie psychologique reconstructrice ou l’administration d’un traitement pharmaceutique causant des modifications m\u00e9taboliques d\u00e9finitives, il est conceptuellement impossible de soumettre le m\u00eame individu \u00e0 la condition contr\u00f4le subs\u00e9quemment. Dans toutes les configurations exp\u00e9rimentales o\u00f9 le passage par un niveau de la variable ind\u00e9pendante modifie de mani\u00e8re permanente l’\u00e9tat ontologique ou informationnel du sujet, le devis inter-sujets repr\u00e9sente la seule alternative \u00e9pist\u00e9mologiquement et m\u00e9thodologiquement valide.<\/p>\n

2.4 Limites inh\u00e9rentes et contraintes mat\u00e9rielles<\/h3>\n

En contrepoint de ses robustesses conceptuelles, le devis inter-sujets impose des contraintes pratiques et statistiques substantielles. La premi\u00e8re de ces entraves r\u00e9side dans la d\u00e9pense d’\u00e9chantillonnage<\/strong>. La puissance statistique d’une exp\u00e9rience \u2014 d\u00e9finie comme la probabilit\u00e9 $1 – beta$ de rejeter correctement l’hypoth\u00e8se nulle lorsqu’elle est effectivement fausse \u2014 d\u00e9pend directement de la taille de l’\u00e9chantillon. Dans la mesure o\u00f9 la variabilit\u00e9 interindividuelle n’est pas neutralis\u00e9e, l’effet recherch\u00e9 doit surnager au-dessus de l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des sujets. Pour d\u00e9tecter une taille d’effet modeste (par exemple, un $d$<\/span> de Cohen de 0,30) avec une puissance conventionnelle de 0,80 au seuil alpha de 0,05 dans un plan \u00e0 deux modalit\u00e9s ind\u00e9pendantes, le chercheur doit recruter environ 175 participants par groupe, soit 350 sujets au total. Cette contrainte volum\u00e9trique pose des difficult\u00e9s d’approvisionnement logistique, financier et temporel souvent critiques, particuli\u00e8rement dans les domaines biom\u00e9dicaux o\u00f9 l’acc\u00e8s aux volontaires est restreint.<\/p>\n

Une seconde vuln\u00e9rabilit\u00e9 m\u00e9thodologique majeure concerne le biais d’attrition diff\u00e9rentielle<\/strong> (ou mortalit\u00e9 exp\u00e9rimentale asym\u00e9trique). L’attrition renvoie \u00e0 la d\u00e9fection ou \u00e0 la perte de participants en cours d’\u00e9tude. Dans un plan inter-sujets, si la condition exp\u00e9rimentale est nettement plus exigeante, aversive, anxiog\u00e8ne ou inconfortable que la condition contr\u00f4le, le taux de d\u00e9fection peut \u00eatre significativement plus \u00e9lev\u00e9 dans le premier groupe que dans le second. D\u00e8s lors, les participants demeurant dans le groupe exp\u00e9rimental ne repr\u00e9sentent plus un \u00e9chantillon al\u00e9atoire de la population initiale, mais une sous-population auto-s\u00e9lectionn\u00e9e sur des crit\u00e8res de r\u00e9silience, de motivation ou de tol\u00e9rance \u00e0 l’inconfort. Cette d\u00e9rive an\u00e9antit instantan\u00e9ment l’\u00e9quivalence des groupes initialement \u00e9tablie par la randomisation, ruinant la comparabilit\u00e9 des donn\u00e9es sans que l’exp\u00e9rimentateur n’en prenne n\u00e9cessairement la mesure formelle.<\/p>\n

Enfin, le devis inter-sujets s’av\u00e8re profond\u00e9ment inefficace pour isoler des effets de tr\u00e8s faible amplitude<\/strong>. Dans de nombreux domaines de la psychologie diff\u00e9rentielle, de la perception sensorielle ou de la g\u00e9nomique comportementale, la taille de l’effet g\u00e9n\u00e9r\u00e9e par la manipulation est objectivement minuscule compar\u00e9e \u00e0 l’\u00e9tendue naturelle des variations individuelles. M\u00eame en appliquant des proc\u00e9dures d’assignation stochastique impeccables, le bruit interindividuel peut spontan\u00e9ment masquer des modulations r\u00e9elles mais t\u00e9nues de la variable d\u00e9pendante. Le recours persistant \u00e0 des groupes ind\u00e9pendants dans ces configurations sp\u00e9cifiques conduit fr\u00e9quemment la communaut\u00e9 scientifique \u00e0 des conclusions erron\u00e9es d’absence d’effet, alimentant le corpus de la recherche d’une abondance de r\u00e9sultats faussement n\u00e9gatifs.<\/p>\n

3. Vue d’ensemble du plan intra-sujets (Within-Subjects Design)<\/h2>\n

3.1 Principes directeurs et logique des mesures r\u00e9p\u00e9t\u00e9es<\/h3>\n

Le plan intra-sujets, ou devis \u00e0 mesures r\u00e9p\u00e9t\u00e9es, renverse int\u00e9gralement la logique distributionnelle de l’exp\u00e9rimentation en \u00e9liminant la partition physique de la cohorte en sous-groupes exclusifs. Sous ce paradigme, l’int\u00e9gralit\u00e9 des participants retenus au sein de l’\u00e9chantillon est expos\u00e9e successivement \u00e0 chacune des modalit\u00e9s d\u00e9finies par la variable ind\u00e9pendante. Si une exp\u00e9rimentation compte trois conditions distinctes (par exemple, m\u00e9moriser des mots sous fond de silence, sous fond de musique classique, et sous fond de bruit blanc), chaque individu traverse les trois environnements sonores et fournit une m\u00e9trique de m\u00e9morisation dans chacun d’eux. L’investigation empirique se focalise alors sur les trajectoires de variation internes \u00e0 chaque sujet.<\/p>\n

Le fondement logique de cette m\u00e9thodologie repose sur l’exploitation de chaque sujet comme son propre t\u00e9moin de r\u00e9f\u00e9rence<\/strong> (ou contr\u00f4le interne). Dans cette configuration, les caract\u00e9ristiques idiosyncratiques fondamentales d’un participant \u2014 son patrimoine g\u00e9n\u00e9tique, ses traits de personnalit\u00e9 stables, son capital intellectuel, ses exp\u00e9riences de vie ant\u00e9rieures et son style cognitif \u2014 demeurent math\u00e9matiquement et physiquement constantes d’une condition \u00e0 l’autre. Par cons\u00e9quent, les dissemblances syst\u00e9matiques observ\u00e9es dans les scores d’un m\u00eame individu \u00e0 travers les diverses modalit\u00e9s ne peuvent en aucun cas \u00eatre attribu\u00e9es \u00e0 des diff\u00e9rences d’aptitude de base pr\u00e9existantes. Cette architecture supprime d’embl\u00e9e la principale menace qui p\u00e8se sur les plans inter-sujets : l’in\u00e9galit\u00e9 de composition initiale des groupes.<\/p>\n

Sur le plan math\u00e9matique, cette d\u00e9pendance s\u00e9rielle des observations modifie profond\u00e9ment la structure des donn\u00e9es. Les mesures collect\u00e9es pour un m\u00eame individu \u00e0 travers le temps ou les conditions ne sont plus stochastiquement ind\u00e9pendantes ; elles pr\u00e9sentent une corr\u00e9lation intra-classe substantielle et positive. L’analyse ne cherche plus \u00e0 quantifier si le groupe A surpasse en moyenne le groupe B, mais si, pour la majorit\u00e9 des individus composant la cohorte, la diff\u00e9rence alg\u00e9brique entre la condition A et la condition B s’\u00e9carte significativement de z\u00e9ro. L’int\u00e9r\u00eat m\u00e9thodologique se d\u00e9place ainsi des comparaisons d’agr\u00e9gats populationnels vers la mod\u00e9lisation directe du changement au sein de l’unit\u00e9 fondamentale d’observation qu’est l’individu.<\/p>\n

3.2 Puissance statistique et optimisation des ressources<\/h3>\n

L’avantage cardinal du plan intra-sujets, qui justifie son adoption prioritaire d\u00e8s que les contraintes m\u00e9thodologiques le tol\u00e8rent, r\u00e9side dans sa puissance statistique sans \u00e9quivalent<\/strong>. Cette sensibilit\u00e9 analytique sup\u00e9rieure d\u00e9coule directement de la recomposition de la partition de la variance dans l’analyse de variance \u00e0 mesures r\u00e9p\u00e9t\u00e9es. Dans ce cadre, la somme des carr\u00e9s totale ($SS_{Total}$<\/span>) est d\u00e9compos\u00e9e en trois termes distincts :<\/p>\n

$$SS_{Total} = SS_{Sujets} + SS_{Traitement} + SS_{Erreur}$$<\/span><\/p>\n

La variance imputable aux diff\u00e9rences interindividuelles stables ($SS_{Sujets}$<\/span>) est explicitement isol\u00e9e et extraite du terme d’erreur r\u00e9siduelle. Le d\u00e9nominateur de la statistique F<\/em> de Fisher n’int\u00e8gre plus que la part d’interaction entre les sujets et le traitement ($SS_{Sujets \\times Traitement}$<\/span>), laquelle repr\u00e9sente les fluctuations al\u00e9atoires de r\u00e9ponse d’un sujet sp\u00e9cifique \u00e0 une condition sp\u00e9cifique au-del\u00e0 de sa tendance g\u00e9n\u00e9rale. En extrayant ainsi la masse critique de la variance interindividuelle hors du d\u00e9nominateur du test inf\u00e9rentiel, le ratio F<\/em> s’accro\u00eet spectaculairement pour une m\u00eame magnitude d’effet de traitement. Les tests statistiques gagnent ainsi une acuit\u00e9 extr\u00eame, permettant d’identifier avec nettet\u00e9 des modulations infimes du comportement ou de la physiologie.<\/p>\n

La cons\u00e9quence pratique imm\u00e9diate de ce gain math\u00e9matique est une compression radicale des tailles d’\u00e9chantillon requises<\/strong>. Alors qu’un plan inter-sujets n\u00e9cessite des effectifs distincts pour chaque modalit\u00e9 exp\u00e9rimentale, le plan intra-sujets r\u00e9utilise la m\u00eame cohorte d’individus \u00e0 travers toutes les \u00e9preuves. Si un chercheur planifie une \u00e9tude \u00e0 quatre conditions exp\u00e9rimentales n\u00e9cessitant 40 observations par condition, le plan inter-sujets impose le recrutement, l’accueil et l’indemnisation de 160 participants distincts. Le plan intra-sujets accomplit rigoureusement le m\u00eame protocole avec seulement 40 individus au total. Cette efficience \u00e9conomique et temporelle s’av\u00e8re inestimable dans les recherches impliquant des \u00e9quipements d’imagerie c\u00e9r\u00e9brale lourds (IRM fonctionnelle, magn\u00e9toenc\u00e9phalographie) ou ciblant des populations d’acc\u00e8s complexe (patients atteints de pathologies rares, experts hautement sp\u00e9cialis\u00e9s, dirigeants d’entreprise).<\/p>\n

3.3 Menaces m\u00e9thodologiques sp\u00e9cifiques<\/h3>\n

Cette puissance analytique et cette \u00e9conomie de moyens s’accompagnent toutefois de vuln\u00e9rabilit\u00e9s m\u00e9thodologiques sp\u00e9cifiques de nature longitudinale. La plus r\u00e9pandue r\u00e9side dans l’\u00e9mergence des effets d’ordre<\/strong> (ou effets s\u00e9quentiels g\u00e9n\u00e9raux). Le simple fait qu’une condition exp\u00e9rimentale succ\u00e8de temporellement \u00e0 une autre condition expose la collecte de donn\u00e9es \u00e0 deux perturbations sym\u00e9triques :<\/p>\n

    \n
  • L’effet d’apprentissage ou de pratique :<\/strong> la performance d’un sujet \u00e0 une t\u00e2che cognitive ou motrice tend \u00e0 s’am\u00e9liorer spontan\u00e9ment au fil des essais, ind\u00e9pendamment de la manipulation de la variable ind\u00e9pendante, en raison de la familiarisation avec l’interface, de la d\u00e9couverte de strat\u00e9gies d’optimisation ou de la r\u00e9duction de l’appr\u00e9hension initiale.<\/li>\n
  • L’effet de fatigue ou d’ennui :<\/strong> \u00e0 l’inverse, si la t\u00e2che est cognitivement ext\u00e9nuante ou monotone, l’attention, les ressources ex\u00e9cutives et la motivation du participant d\u00e9clinent progressivement, d\u00e9gradant artificiellement les performances lors des derni\u00e8res conditions administr\u00e9es.<\/li>\n<\/ul>\n

    Une menace encore plus invalidante est constitu\u00e9e par les effets de report<\/strong> (ou carryover effects<\/em>). L’effet de report se manifeste lorsque l’exposition \u00e0 une condition sp\u00e9cifique continue d’exercer une influence physiologique ou psychologique latente sur le participant pendant qu’il effectue la condition subs\u00e9quente. Ce ph\u00e9nom\u00e8ne est patent dans les essais pharmacologiques, o\u00f9 une mol\u00e9cule administr\u00e9e lors de la session 1 peut ne pas \u00eatre totalement m\u00e9tabolis\u00e9e ou \u00e9limin\u00e9e avant l’amorce de la session 2. En psychologie cognitive, l’induction d’une \u00e9motion aigu\u00eb (par exemple, la pr\u00e9sentation d’images hautement anxiog\u00e8nes) ou l’activation d’un cadre conceptuel sp\u00e9cifique (ph\u00e9nom\u00e8ne d’amor\u00e7age ou priming<\/em>) peut persister et biaiser involontairement le traitement d’une t\u00e2che neutre cons\u00e9cutive.<\/p>\n

    Enfin, le plan intra-sujets induit une sensibilisation progressive des participants<\/strong> aux objectifs t\u00e9l\u00e9ologiques de la recherche. En confrontant successivement l’individu aux diff\u00e9rentes d\u00e9clinaisons du mat\u00e9riel exp\u00e9rimental, le chercheur lui offre un panorama comparatif direct. Cette vue d’ensemble facilite la d\u00e9tection des variables cibles manipul\u00e9es par l’exp\u00e9rimentateur. D\u00e8s lors, le participant cesse d’agir spontan\u00e9ment : il \u00e9chafaude des hypoth\u00e8ses m\u00e9tacognitives sur ce que l’\u00e9tude tente de prouver, adoptant consciemment des comportements conformistes (pour complaire au chercheur) ou r\u00e9actants (pour affirmer son autonomie face au dispositif exp\u00e9rimental), ce qui d\u00e9truit la validit\u00e9 \u00e9cologique et psychologique des mesures collect\u00e9es.<\/p>\n

    3.4 M\u00e9canismes de rem\u00e9diation : le contrebalancement<\/h3>\n

    Pour neutraliser les menaces s\u00e9rielles inh\u00e9rentes au plan intra-sujets sans renoncer \u00e0 sa puissance statistique, les exp\u00e9rimentateurs mobilisent des strat\u00e9gies sophistiqu\u00e9es de contr\u00f4le d’ordre, regroup\u00e9es sous le concept de contrebalancement<\/strong>. Le principe directeur consiste \u00e0 ne jamais administrer les conditions dans une s\u00e9quence temporelle immuable \u00e0 tous les participants, mais \u00e0 faire varier syst\u00e9matiquement l’ordre de passage d’un sous-ensemble de sujets \u00e0 l’autre, de fa\u00e7on \u00e0 ce que les effets de pratique, de fatigue et de transfert soient distribu\u00e9s de mani\u00e8re \u00e9quipond\u00e9r\u00e9e sur l’ensemble des conditions exp\u00e9rimentales.<\/p>\n

    La m\u00e9thode id\u00e9ale est le contrebalancement complet<\/strong>. Elle consiste \u00e0 g\u00e9n\u00e9rer l’ensemble des permutations factorielles possibles des conditions exp\u00e9rimentales ($k!$<\/span>, o\u00f9 $k$<\/span> repr\u00e9sente le nombre de conditions) et \u00e0 assigner un nombre rigoureusement \u00e9gal de participants \u00e0 chaque s\u00e9quence d’administration. Si une exp\u00e9rience comporte 3 conditions (A, B, C), le nombre d’ordres possibles est de $3! = 6$<\/span> s\u00e9quences distinctes (ABC, ACB, BAC, BCA, CAB, CBA). Chaque condition apparaissant une fois en premi\u00e8re, deuxi\u00e8me et troisi\u00e8me position, et pr\u00e9c\u00e9dant ou suivant chaque autre modalit\u00e9 un nombre strictement \u00e9gal de fois, les effets d’ordre lin\u00e9aire se trouvent parfaitement moyenn\u00e9s et neutralis\u00e9s \u00e0 l’\u00e9chelle de l’\u00e9chantillon global.<\/p>\n

    N\u00e9anmoins, d\u00e8s lors que le nombre de conditions augmente, le contrebalancement complet se heurte \u00e0 une explosion combinatoire ing\u00e9rable (pour 5 conditions, $5! = 120$<\/span> ordres distincts ; pour 6 conditions, $6! = 720$<\/span> ordres). Dans de telles circonstances, l’exp\u00e9rimentateur recourt \u00e0 un contrebalancement partiel<\/strong> structur\u00e9 par un protocole en carr\u00e9 latin<\/strong>. Un carr\u00e9 latin est une grille matricielle $k \\times k$<\/span> o\u00f9 chaque condition n’appara\u00eet qu’une seule et unique fois dans chaque ligne et dans chaque colonne. Dans sa version optimis\u00e9e, dite carr\u00e9 latin \u00e9quilibr\u00e9 (balanced Latin square<\/em>), chaque condition est non seulement pr\u00e9sente une fois \u00e0 chaque position temporelle, mais elle pr\u00e9c\u00e8de et succ\u00e8de imm\u00e9diatement \u00e0 chaque autre condition un nombre identique de fois, garantissant ainsi le contr\u00f4le statistique des effets de report de premier ordre au prix d’un nombre restreint de s\u00e9quences :<\/p>\n

    $$S\u00e9quence 1 : A \\rightarrow B \\rightarrow k \\rightarrow C \\rightarrow k-1 dots$$<\/span><\/p>\n

    En compl\u00e9ment des permutations de s\u00e9quences, la gestion rigoureuse des intervalles de repos<\/strong> (ou p\u00e9riodes de washout<\/em>) est indispensable dans les contextes o\u00f9 les effets de report sont d’origine pharmacologique, \u00e9motionnelle ou cognitive. Il s’agit d’intercaler entre l’administration de deux conditions cons\u00e9cutives un d\u00e9lai temporel suffisamment \u00e9tendu pour assurer un retour document\u00e9 du syst\u00e8me \u00e0 son \u00e9tat hom\u00e9ostatique de r\u00e9f\u00e9rence. Qu’il s’agisse de plusieurs jours d’\u00e9limination biologique pour une mol\u00e9cule ou de t\u00e2ches distractives neutres standardis\u00e9es en neurosciences cognitives, l’assainissement de l’intervalle inter-conditions conditionne l’ind\u00e9pendance fonctionnelle des mesures r\u00e9p\u00e9t\u00e9es.<\/p>\n

    4. Diff\u00e9rences fondamentales entre les deux approches exp\u00e9rimentales<\/h2>\n

    4.1 Structure d’\u00e9chantillonnage et exposition aux variables<\/h3>\n

    La distinction initiale entre les deux paradigmes m\u00e9thodologiques r\u00e9side dans la topologie des liens unissant les unit\u00e9s d’observation aux donn\u00e9es num\u00e9riques produites. Dans un devis inter-sujets, la structure d’\u00e9chantillonnage produit des ensembles de vecteurs de donn\u00e9es mutuellement ind\u00e9pendants sur le plan stochastique. L’\u00e9quation de covariance entre la mesure d’un participant dans la condition A et la mesure d’un autre participant dans la condition B est th\u00e9oriquement \u00e9gale \u00e0 z\u00e9ro ($\\text{Cov}(Y_{iA}, Y_{jB}) = 0$<\/span> pour tout $i \\neq j$<\/span>). Aucun lien g\u00e9n\u00e9tique, mn\u00e9sique ou contextuel ne relie les points d’\u00e9chantillonnage entre les groupes. Cette ind\u00e9pendance totale simplifie consid\u00e9rablement les fondations conceptuelles de l’inf\u00e9rence : les variations observ\u00e9es entre les cohortes refl\u00e8tent la somme de l’effet causale \u00e9ventuel et des variations idiosyncratiques al\u00e9atoires propres \u00e0 chaque sous-\u00e9chantillon.<\/p>\n

    \u00c0 l’oppos\u00e9, le plan intra-sujets g\u00e9n\u00e8re une structure matricielle de donn\u00e9es caract\u00e9ris\u00e9e par une d\u00e9pendance s\u00e9rielle et une corr\u00e9lation temporelle syst\u00e9matique. Dans ce cadre, la mesure prise sur le sujet $i$<\/span> dans la condition A n’est pas ind\u00e9pendante de sa mesure prise dans la condition B ; la covariance intra-sujets est structurellement non nulle ($\\text{Cov}(Y_{iA}, Y_{iB}) > 0$<\/span>). Cette corr\u00e9lation positive d\u00e9coule du fait que si le sujet $i$<\/span> poss\u00e8de un niveau de base structurellement \u00e9lev\u00e9 de la variable d\u00e9pendante (par exemple, un temps de r\u00e9action particuli\u00e8rement v\u00e9loce ou un seuil d’anxi\u00e9t\u00e9 constitutionnel important), ce niveau de base sur\u00e9l\u00e8vera l’ensemble de ses scores dans toutes les conditions exp\u00e9rimentales. Cette non-ind\u00e9pendance impose l’abandon imm\u00e9diat des m\u00e9thodes inf\u00e9rentielles conventionnelles fond\u00e9es sur l’ind\u00e9pendance des erreurs, au profit de mod\u00e8les math\u00e9matiques explicitement con\u00e7us pour capturer les trajectoires intra-individuelles.<\/p>\n

    Cette divergence structurelle dicte \u00e9galement la logistique globale du d\u00e9ploiement exp\u00e9rimental. Dans un plan inter-sujets, la phase de passation peut \u00eatre ais\u00e9ment parall\u00e9lis\u00e9e si plusieurs exp\u00e9rimentateurs ou salles de test sont disponibles, chaque participant ne passant qu’une seule session br\u00e8ve. Dans un plan intra-sujets, le calendrier de passation devient hautement complexe : il n\u00e9cessite d’\u00e9chelonner les sessions dans le temps pour un m\u00eame individu, de veiller scrupuleusement au respect des fen\u00eatres de washout<\/em>, de g\u00e9rer les risques accrus de rendez-vous manqu\u00e9s entre la premi\u00e8re et la derni\u00e8re condition, et d’administrer des versions rigoureusement \u00e9quivalentes mais non identiques du mat\u00e9riel exp\u00e9rimental \u00e0 chaque passage pour pr\u00e9venir les effets d’apprentissage direct.<\/p>\n

    4.2 Architecture statistique et mod\u00e9lisation des donn\u00e9es<\/h3>\n

    La dichotomie m\u00e9thodologique entra\u00eene une divergence fondamentale dans la mod\u00e9lisation math\u00e9matique des donn\u00e9es exp\u00e9rimentales. L’architecture statistique du plan inter-sujets repose canoniquement sur l’ANOVA factorielle standard<\/strong> (ou ANOVA \u00e0 facteurs ind\u00e9pendants). Dans cette approche, la variance totale est segment\u00e9e selon l’\u00e9quation :<\/p>\n

    $$SS_{Total} = SS_{Intergroupes} + SS_{Intragroupes}$$<\/span><\/p>\n

    L’inf\u00e9rence statistique compare directement l’esp\u00e9rance math\u00e9matique de la variabilit\u00e9 entre les groupes \u00e0 celle de la variabilit\u00e9 r\u00e9siduelle \u00e0 l’int\u00e9rieur des groupes. Cette approche suppose la normalit\u00e9 de la distribution des r\u00e9sidus au sein de chaque groupe, l’ind\u00e9pendance mutuelle des observations, et l’homosc\u00e9dasticit\u00e9 des variances populationnelles.<\/p>\n

    \u00c0 l’inverse, l’analyse d’un plan intra-sujets requiert l’impl\u00e9mentation d’une ANOVA \u00e0 mesures r\u00e9p\u00e9t\u00e9es<\/strong> ou, de mani\u00e8re plus contemporaine et robuste, le recours aux mod\u00e8les mixtes lin\u00e9aires<\/strong> (Linear Mixed Models<\/em>, LMM). Dans l’ANOVA \u00e0 mesures r\u00e9p\u00e9t\u00e9es classique, la partition de la variabilit\u00e9 s’affine en soustrayant formellement l’effet sujet de l’\u00e9quation d’erreur. Cependant, ce mod\u00e8le impose une contrainte math\u00e9matique restrictive et souvent viol\u00e9e : le postulat de sph\u00e9ricit\u00e9<\/strong>. La sph\u00e9ricit\u00e9 exige que les variances des diff\u00e9rences alg\u00e9briques entre toutes les paires possibles de conditions exp\u00e9rimentales soient rigoureusement \u00e9gales :<\/p>\n

    $$\\text{Var}(Y_A – Y_B) \\approx \\text{Var}(Y_A – Y_C) \\approx \\text{Var}(Y_B – Y_C)$$<\/span><\/p>\n

    Ce postulat est formellement \u00e9valu\u00e9 au moyen du test de sph\u00e9ricit\u00e9 de Mauchly<\/strong>. Lorsque l’hypoth\u00e8se nulle de sph\u00e9ricit\u00e9 est rejet\u00e9e ($p < 0,05$), le ratio F<\/em> calcul\u00e9 subit une inflation artificielle qui augmente consid\u00e9rablement le risque de fausse d\u00e9couverte (erreur de type I). Pour corriger ce d\u00e9r\u00e8glement sans abandonner le devis, les statisticiens appliquent des correctifs modifiant les degr\u00e9s de libert\u00e9 du test, tels que l’ajustement conservateur de Greenhouse-Geisser<\/strong> ou l’ajustement de Huynh-Feldt<\/strong> lorsque l’estimation de l’epsilon ($\\hat{\\epsilon}$<\/span>) est proche de l’unit\u00e9.<\/p>\n

    Aujourd’hui, l’essor de l’analyse computationnelle favorise la substitution de l’ANOVA \u00e0 mesures r\u00e9p\u00e9t\u00e9es par les mod\u00e8les mixtes lin\u00e9aires. Ces derniers mod\u00e9lisent simultan\u00e9ment les effets fixes<\/strong> (les param\u00e8tres moyens de la manipulation exp\u00e9rimentale) et les effets al\u00e9atoires<\/strong> (la variabilit\u00e9 des intercepts et des pentes propre \u00e0 chaque participant individuel). Les mod\u00e8les mixtes surpassent \u00e9l\u00e9gamment les limitations de l’ANOVA traditionnelle en s’affranchissant de l’exigence absolue de sph\u00e9ricit\u00e9, en mod\u00e9lisant directement des matrices de variance-covariance complexes (autor\u00e9gressives, non structur\u00e9es), et en tol\u00e9rant parfaitement les donn\u00e9es manquantes sans imposer la suppression int\u00e9grale des donn\u00e9es d’un participant ayant manqu\u00e9 une seule condition.<\/p>\n

    4.3 Sensibilit\u00e9 aux biais m\u00e9thodologiques respectifs<\/h3>\n

    Chacun des devis exp\u00e9rimentaux pr\u00e9sente un profil de vuln\u00e9rabilit\u00e9 asym\u00e9trique face aux biais m\u00e9thodologiques, imposant des pr\u00e9cautions adapt\u00e9es lors de la conception du protocole. Le plan inter-sujets est principalement vuln\u00e9rable aux asym\u00e9tries de composition initiale<\/strong>. M\u00eame sous le r\u00e9gime d’une assignation al\u00e9atoire rigoureuse, les al\u00e9as stochastiques d’\u00e9chantillonnage peuvent concentrer dans un groupe donn\u00e9 des individus pr\u00e9sentant une sp\u00e9cificit\u00e9 cognitive, physiologique ou sociologique aberrante non identifi\u00e9e par le chercheur. Si un groupe assign\u00e9 \u00e0 une modalit\u00e9 d’\u00e9valuation cognitive se trouve fortuitement enrichi en participants ayant un niveau de fatigue \u00e9lev\u00e9 au moment du test, la moyenne du groupe sera artificiellement tir\u00e9e vers le bas, mimant un effet inhibiteur du traitement. L’homog\u00e9n\u00e9it\u00e9 des groupes constitue un pari statistique qui ne gagne en fiabilit\u00e9 absolue que lorsque la taille d’\u00e9chantillon devient tr\u00e8s importante.<\/p>\n

    \u00c0 cette fragilit\u00e9 initiale du plan inter-sujets s’ajoute sa sensibilit\u00e9 au biais d’attrition diff\u00e9rentielle \u00e9voqu\u00e9 pr\u00e9c\u00e9demment. Si des participants abandonnent l’\u00e9tude de mani\u00e8re asym\u00e9trique entre les groupes en cours d’exp\u00e9rimentation, le contr\u00f4le exp\u00e9rimental est rompu. La perte d’unit\u00e9s d’observation dans ce cadre \u00e9quivaut \u00e0 l’alt\u00e9ration de la repr\u00e9sentativit\u00e9 interne d’un groupe entier par rapport aux autres.<\/p>\n

    Inversement, le plan intra-sujets est nativement imperm\u00e9able aux biais d’asym\u00e9trie initiale mais se montre vuln\u00e9rable \u00e0 la contamination cognitive et temporelle<\/strong>. D\u00e8s qu’un participant encha\u00eene plusieurs t\u00e2ches similaires, il d\u00e9veloppe une expertise progressive vis-\u00e0-vis des stimuli, g\u00e9n\u00e9rant des courbes d’apprentissage parasites. Plus insidieux encore sont les effets de transfert asym\u00e9trique<\/strong> : supposons deux conditions, A (une t\u00e2che facilitatrice) et B (une t\u00e2che complexe et stressante). Si le passage pr\u00e9alable par la condition B alt\u00e8re la performance ult\u00e9rieure en A (par \u00e9puisement des ressources attentionnelles), mais que le passage pr\u00e9alable par la condition A n’influence en rien la performance subs\u00e9quente en B, le contrebalancement \u00e9choue \u00e0 neutraliser le biais. Dans une telle \u00e9ventualit\u00e9, l’effet de transfert interagit avec l’ordre de pr\u00e9sentation, g\u00e9n\u00e9rant une pollution analytique irr\u00e9cup\u00e9rable au sein des mod\u00e8les \u00e0 mesures r\u00e9p\u00e9t\u00e9es standards.<\/p>\n

    Enfin, le traitement des donn\u00e9es manquantes<\/strong> diff\u00e8re radicalement entre les deux devis. Dans un devis inter-sujets conventionnel, la perte d’un participant retranche simplement un degr\u00e9 de libert\u00e9 \u00e0 un groupe donn\u00e9 sans affecter l’int\u00e9grit\u00e9 formelle des donn\u00e9es collect\u00e9es aupr\u00e8s des autres individus. Dans un devis intra-sujets analys\u00e9 sous l’angle de l’ANOVA \u00e0 mesures r\u00e9p\u00e9t\u00e9es, une seule d\u00e9fection ou d\u00e9faillance technique survenue lors de la quatri\u00e8me session d’un protocole entra\u00eene la suppression par liste (listwise deletion<\/em>) de l’ensemble des donn\u00e9es enregistr\u00e9es pour ce sujet lors des trois premi\u00e8res sessions. Ce m\u00e9canisme d’\u00e9limination brute r\u00e9duit la puissance globale du dispositif et peut induire de nouveaux biais d’\u00e9chantillonnage si l’abandon lors des derni\u00e8res sessions n’est pas distribu\u00e9 de fa\u00e7on al\u00e9atoire.<\/p>\n

    4.4 Tableau comparatif des dimensions analytiques<\/h3>\n

    Le tableau ci-dessous synth\u00e9tise de mani\u00e8re exhaustive et sym\u00e9trique les contrastes m\u00e9thodologiques, statistiques et logistiques structurant le face-\u00e0-face entre le plan inter-sujets et le plan intra-sujets :<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
    Dimension d’analyse<\/th>\nPlan inter-sujets (Between-Subjects)<\/th>\nPlan intra-sujets (Within-Subjects)<\/th>\n<\/tr>\n<\/thead>\n
    D\u00e9finition op\u00e9rationnelle<\/strong><\/td>\nChaque participant est expos\u00e9 \u00e0 une seule et unique condition exp\u00e9rimentale. Comparaison entre des groupes ind\u00e9pendants distincts.<\/td>\nChaque participant est expos\u00e9 s\u00e9quentiellement \u00e0 toutes les modalit\u00e9s exp\u00e9rimentales. Mesures r\u00e9p\u00e9t\u00e9es sur les m\u00eames individus.<\/td>\n<\/tr>\n
    Contr\u00f4le du bruit interindividuel<\/strong><\/td>\nFaible. Les dissemblances individuelles stables se confondent int\u00e9gralement avec la variance d’erreur statistique ($SS_{Within}$<\/span>).<\/td>\nOptimal. Les variations idiosyncratiques stables sont mod\u00e9lis\u00e9es et soustraites du terme d’erreur r\u00e9siduelle ($SS_{Sujets}$<\/span>).<\/td>\n<\/tr>\n
    Puissance statistique relative<\/strong><\/td>\nMod\u00e9r\u00e9e \u00e0 faible \u00e0 effectif \u00e9gal. N\u00e9cessite une taille d’effet importante ou de tr\u00e8s larges cohortes pour \u00e9merger du bruit.<\/td>\nExtr\u00eamement \u00e9lev\u00e9e. Permet d’isoler des effets subtils en r\u00e9duisant drastiquement le d\u00e9nominateur de la statistique F<\/em>.<\/td>\n<\/tr>\n
    Volume d’\u00e9chantillonnage requis<\/strong><\/td>\n\u00c9lev\u00e9. L’effectif total est proportionnel au nombre de conditions ($N = n \\times k$<\/span>). Co\u00fbts de recrutement substantiels.<\/td>\nFaible. L’effectif total \u00e9quivaut au nombre d’individus n\u00e9cessaires pour une seule condition ($N = n$<\/span>). \u00c9conomie de moyens majeure.<\/td>\n<\/tr>\n
    Vuln\u00e9rabilit\u00e9 aux effets d’ordre<\/strong><\/td>\nNulle. L’absence d’exposition r\u00e9p\u00e9t\u00e9e immunise le devis contre la fatigue, la pratique et la familiarisation.<\/td>\nTr\u00e8s \u00e9lev\u00e9e. Exige obligatoirement la mise en place de protocoles de contrebalancement (complet ou carr\u00e9 latin).<\/td>\n<\/tr>\n
    Sensibilit\u00e9 aux effets de report<\/strong><\/td>\nAbsente. Aucune condition exp\u00e9rimentale ne peut contaminer l’administration d’une modalit\u00e9 alternative.<\/td>\n\u00c9lev\u00e9e. Risque de contamination physiologique ou psychologique r\u00e9manente n\u00e9cessitant des p\u00e9riodes de washout<\/em>.<\/td>\n<\/tr>\n
    Na\u00efvet\u00e9 des participants<\/strong><\/td>\nPr\u00e9serv\u00e9e. L’observation d’un segment unique du protocole limite la d\u00e9duction des finalit\u00e9s et hypoth\u00e8ses scientifiques.<\/td>\nCompromise. La travers\u00e9e comparative des conditions favorise la d\u00e9couverte des hypoth\u00e8ses et active des caract\u00e9ristiques de la demande.<\/td>\n<\/tr>\n
    Applicabilit\u00e9 aux effets permanents<\/strong><\/td>\nUniverselle. Convient parfaitement aux interventions irr\u00e9versibles (chirurgies, apprentissages stables, th\u00e9rapies).<\/td>\nNulle. Incapable de traiter des manipulations modifiant d\u00e9finitivement l’\u00e9tat biologique ou cognitif du sujet.<\/td>\n<\/tr>\n
    Outils statistiques conventionnels<\/strong><\/td>\nANOVA \u00e0 facteurs ind\u00e9pendants, test t<\/em> de Student pour \u00e9chantillons ind\u00e9pendants, test de Levene, ANCOVA.<\/td>\nANOVA \u00e0 mesures r\u00e9p\u00e9t\u00e9es, test t<\/em> appari\u00e9, corrections de Greenhouse-Geisser\/Huynh-Feldt, Mod\u00e8les Mixtes Lin\u00e9aires (LMM).<\/td>\n<\/tr>\n
    Postulat statistique critique<\/strong><\/td>\nHomog\u00e9n\u00e9it\u00e9 des variances (homosc\u00e9dasticit\u00e9) entre les groupes ind\u00e9pendants.<\/td>\nSph\u00e9ricit\u00e9 (\u00e9galit\u00e9 des variances des diff\u00e9rences alg\u00e9briques inter-conditions) \u00e9valu\u00e9e par le test de Mauchly.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    5. Points de convergence et compl\u00e9mentarit\u00e9s m\u00e9thodologiques<\/h2>\n

    5.1 Finalit\u00e9 \u00e9pist\u00e9mique partag\u00e9e<\/h3>\n

    En d\u00e9pit de leurs dissemblances architecturales, le plan inter-sujets et le plan intra-sujets proc\u00e8dent d’un socle \u00e9pist\u00e9mologique rigoureusement unifi\u00e9. Tous deux s’ancrent dans la tradition de l’exp\u00e9rimentation contr\u00f4l\u00e9e et poursuivent l’\u00e9tablissement d’inf\u00e9rences causales univoques, transcendant la simple observation d’associations corr\u00e9latives. Dans les deux approches, la validit\u00e9 de la d\u00e9marche scientifique repose sur l’introduction d\u00e9lib\u00e9r\u00e9e et active d’une variable ind\u00e9pendante sous le contr\u00f4le direct de l’investigateur, conjugu\u00e9e \u00e0 l’enregistrement standardis\u00e9 de ses effets sur une variable d\u00e9pendante objectivement quantifi\u00e9e.<\/p>\n

    Les deux paradigmes partagent une obligation fondamentale d’op\u00e9rationnalisation conceptuelle rigoureuse. Qu’une manipulation soit administr\u00e9e \u00e0 des cohortes transversales ou \u00e0 une cohorte longitudinale r\u00e9currente, la d\u00e9finition op\u00e9rationnelle des variables doit \u00eatre d\u00e9nu\u00e9e de toute \u00e9quivoque s\u00e9mantique ou instrumentale. En outre, les deux devis sont r\u00e9gis par le principe g\u00e9n\u00e9ral d’optimisation de la variance formul\u00e9 par Fred N. Kerlinger : le principe MAXMINCON<\/strong>. Ce principe postule que l’architecture de toute recherche empirique doit s’efforcer de :<\/p>\n