AAPOR<\/a>) et l’European Society for Opinion and Marketing Research (ESOMAR).<\/p>\nLe calcul de l’intervalle de confiance repose sur la mod\u00e9lisation de la variance li\u00e9e \u00e0 l’erreur d’\u00e9chantillonnage al\u00e9atoire, en consid\u00e9rant que l’erreur syst\u00e9matique de s\u00e9lection est nulle. Or, dans les \u00e9chantillons non probabilistes, c’est l’inverse qui se produit : l’erreur d’\u00e9chantillonnage al\u00e9atoire ne peut \u00eatre estim\u00e9e, tandis que l’erreur syst\u00e9matique de s\u00e9lection (le biais structurel d’acc\u00e8s et d’autos\u00e9lection) devient pr\u00e9pond\u00e9rante et ind\u00e9terminable. Ainsi, l’analyste qui traite un \u00e9chantillon non probabiliste avec les formules de la statistique inf\u00e9rentielle classique commet une erreur d’hypoth\u00e8se : il applique un cadre con\u00e7u pour des variables al\u00e9atoires ind\u00e9pendantes \u00e0 des observations interd\u00e9pendantes et asym\u00e9triquement filtr\u00e9es, produisant des calculs de pr\u00e9cision statistique formellement invalides.<\/p>\n
4.3 Ressources requises, co\u00fbts et logistique de terrain<\/h3>\n
La mise en \u0153uvre des m\u00e9thodes d’\u00e9chantillonnage impose des arbitrages \u00e9conomiques et temporels structurants pour la conduite des programmes de recherche. L’\u00e9chantillonnage probabiliste se caract\u00e9rise par des co\u00fbts fixes et variables \u00e9lev\u00e9s. L’acquisition ou la construction d’une base de sondage v\u00e9rifi\u00e9e implique fr\u00e9quemment des n\u00e9gociations administratives prolong\u00e9es, le paiement de redevances aupr\u00e8s d’agences d’enregistrement nationales ou la mise en \u0153uvre de cartographies exploratoires in situ. De plus, la gestion du terrain requiert des investissements organisationnels lourds : pour atteindre les unit\u00e9s sp\u00e9cifiques s\u00e9lectionn\u00e9es par le tirage sans biaiser la repr\u00e9sentativit\u00e9, les instituts doivent engager des \u00e9quipes d’enqu\u00eateurs mobiles, d\u00e9dommager des d\u00e9placements r\u00e9currents vers des zones d’acc\u00e8s difficile et multiplier les tentatives de contact sur plusieurs semaines cons\u00e9cutives.<\/p>\n
\u00c0 l’inverse, l’\u00e9chantillonnage non probabiliste permet une optimisation des co\u00fbts et une r\u00e9duction des calendriers d’ex\u00e9cution. L’essor technologique des plateformes de sondage d\u00e9mat\u00e9rialis\u00e9es a transform\u00e9 la collecte empirique. Le recrutement d’\u00e9chantillons au moyen de routeurs d’enqu\u00eates programmatiques, d’annonces cibl\u00e9es sur les r\u00e9seaux sociaux ou de plateformes de micro-travail permet de rassembler des milliers d’observations en quelques jours, pour un co\u00fbt unitaire marginal. Cette flexibilit\u00e9 \u00e9conomique permet \u00e0 des \u00e9quipes aux moyens financiers modestes, telles que des doctorants ou des organisations non gouvernementales locales, de collecter des donn\u00e9es empiriques quantitatives sur des th\u00e9matiques transversales.<\/p>\n
Ce gain d’efficacit\u00e9 op\u00e9rationnelle comporte toutefois une contrepartie m\u00e9thodologique : l’arbitrage permanent entre rigueur th\u00e9orique et commodit\u00e9 pratique. Si un protocole probabiliste consacre une part importante de son budget \u00e0 documenter, analyser et compenser ses propres marges d’incertitude (taux d’attrition, motifs de non-r\u00e9ponse, analyse d’inversion des refus), le protocole non probabiliste externalise ces biais vers la zone d’ombre m\u00e9thodologique. Le gain \u00e9conomique obtenu en amont lors de la phase de recrutement peut \u00eatre perdu en aval si les distorsions de s\u00e9lection alt\u00e8rent les mod\u00e8les analytiques, conduisant \u00e0 des pr\u00e9dictions empiriques erron\u00e9es ou \u00e0 des diagnostics strat\u00e9giques inadapt\u00e9s.<\/p>\n
5. Points de convergence et compl\u00e9mentarit\u00e9 m\u00e9thodologique<\/h2>\n5.1 Finalit\u00e9 commune : D\u00e9crire et mod\u00e9liser des ph\u00e9nom\u00e8nes<\/h3>\n
En d\u00e9pit de leurs divergences formelles, l’\u00e9chantillonnage probabiliste et l’\u00e9chantillonnage non probabiliste partagent une m\u00eame finalit\u00e9 scientifique : produire une repr\u00e9sentation intelligible, robuste et contextualis\u00e9e de dynamiques empiriques complexes \u00e0 partir de l’observation d’un fragment restreint du r\u00e9el. Les deux d\u00e9marches s’opposent conjointement au dogme de l’exhaustivit\u00e9 syst\u00e9matique, consid\u00e9rant qu’un protocole d’observation partiel bien con\u00e7u offre une r\u00e9solution analytique souvent plus fine qu’un recensement volumineux p\u00e9nalis\u00e9 par des erreurs de mesure massives et incontr\u00f4lables.<\/p>\n
Les deux approches partagent une exigence fondamentale : la n\u00e9cessit\u00e9 d’une clarification conceptuelle pr\u00e9alable des crit\u00e8res d’inclusion et d’exclusion des participants. Qu’il s’agisse de tirer al\u00e9atoirement des matricules dans un registre hospitalier ou de recruter des patients par annonces dans des associations de malades, le chercheur doit d\u00e9finir de fa\u00e7on univoque les bornes g\u00e9ographiques, temporelles, sociologiques ou m\u00e9dicales qui conf\u00e8rent \u00e0 une unit\u00e9 son \u00e9ligibilit\u00e9 scientifique. L’ambigu\u00eft\u00e9 dans la d\u00e9finition de l’objet d’\u00e9tude d\u00e9grade la coh\u00e9rence de l’observation empirique dans les deux cas : un \u00e9chantillon al\u00e9atoire simple tir\u00e9 sur une population mal d\u00e9limit\u00e9e produit des estimations pr\u00e9cises d’un ph\u00e9nom\u00e8ne conceptuellement ind\u00e9termin\u00e9, tandis qu’un \u00e9chantillon non probabiliste souffrant du m\u00eame d\u00e9faut d\u00e9bouche sur des r\u00e9cits h\u00e9t\u00e9rog\u00e8nes inaptes \u00e0 alimenter la th\u00e9orisation.<\/p>\n
De m\u00eame, les deux paradigmes exigent le respect de normes d\u00e9ontologiques et psychom\u00e9triques dans la conception des instruments de recueil de donn\u00e9es. L’objectivit\u00e9 formelle conf\u00e9r\u00e9e par la randomisation ne prot\u00e8ge pas contre un questionnaire orient\u00e9, des items formul\u00e9s de mani\u00e8re ambigu\u00eb ou des dispositifs d’entretien directifs qui alt\u00e8rent les r\u00e9ponses des participants. De son c\u00f4t\u00e9, la s\u00e9lection intentionnelle de cas qualitatifs requiert une r\u00e9flexivit\u00e9 constante pour documenter la relation d’enqu\u00eate et \u00e9viter de projeter les pr\u00e9suppos\u00e9s de l’observateur sur les d\u00e9clarations des acteurs. La fid\u00e9lit\u00e9, la consistance interne et la sensibilit\u00e9 des m\u00e9triques employ\u00e9es demeurent des imp\u00e9ratifs scientifiques partag\u00e9s par l’ensemble des protocoles empiriques.<\/p>\n
5.2 Vuln\u00e9rabilit\u00e9 partag\u00e9e aux erreurs non dues \u00e0 l’\u00e9chantillonnage<\/h3>\n
L’une des confusions les plus dommageables de la m\u00e9thodologie quantitative consiste \u00e0 r\u00e9duire l’erreur globale d’une enqu\u00eate \u00e0 la seule erreur d’\u00e9chantillonnage statistique. Le cadre analytique de l’erreur totale d’enqu\u00eate (Total Survey Error<\/em> ou TSE), d\u00e9velopp\u00e9 par Robert Groves et ses coll\u00e8gues, d\u00e9montre avec rigueur que la variance d’\u00e9chantillonnage ne repr\u00e9sente qu’une composante marginale du risque d’\u00e9cart entre l’estimation produite et la r\u00e9alit\u00e9 de la population cible. Les deux modalit\u00e9s d’\u00e9chantillonnage sont confront\u00e9es de fa\u00e7on identique aux erreurs de mesure et de traitement des donn\u00e9es :<\/p>\n\n- Les biais de mesure et d’instrumentation :<\/strong> Des questions \u00e9quivoques, des \u00e9chelles d’\u00e9valuation d\u00e9s\u00e9quilibr\u00e9es, des effets de primaut\u00e9 ou de r\u00e9cence dans l’ordonnancement des modalit\u00e9s de r\u00e9ponse, ainsi que des dysfonctionnements techniques des interfaces de collecte affectent de mani\u00e8re sym\u00e9trique les enqu\u00eates al\u00e9atoires et les enqu\u00eates par quotas, d\u00e9formant substantiellement le signal collect\u00e9.<\/li>\n
- Le biais de d\u00e9sirabilit\u00e9 sociale :<\/strong> Face \u00e0 des th\u00e9matiques sensibles (consommation de substances illicites, comportements financiers transgressifs, conformit\u00e9 civique ou pr\u00e9jug\u00e9s discriminatoires), les r\u00e9pondants ont tendance \u00e0 alt\u00e9rer leurs d\u00e9clarations pour pr\u00e9server une image conforme aux normes sociales dominantes, ind\u00e9pendamment de la proc\u00e9dure stochastique qui a pr\u00e9sid\u00e9 \u00e0 leur s\u00e9lection.<\/li>\n
- La probl\u00e9matique universelle de la non-r\u00e9ponse :<\/strong> Dans un protocole probabiliste id\u00e9al, l’int\u00e9gralit\u00e9 des individus tir\u00e9s au sort devrait consigner ses r\u00e9ponses pour que les propri\u00e9t\u00e9s math\u00e9matiques de l’inf\u00e9rence soient valides. Or, dans le monde r\u00e9el, l’effondrement contemporain de la participation cr\u00e9e un filtre d’autos\u00e9lection a posteriori qui rapproche la structure op\u00e9rationnelle d’un sondage probabiliste de celle d’un panel non probabiliste d’internautes volontaires.<\/li>\n<\/ul>\n
Pour tenter d’att\u00e9nuer ces distorsions syst\u00e9matiques, les deux d\u00e9marches recourent aux m\u00eames techniques de redressement statistique a posteriori, telles que la post-stratification, le calage sur marges (algorithme raking ratio<\/em> th\u00e9oris\u00e9 par Jean-Claude Deville et Carl-Erik S\u00e4rndal) ou la pond\u00e9ration par l’inverse de la propension \u00e0 r\u00e9pondre. Il est toutefois capital d’insister sur une limitation m\u00e9thodologique fondamentale souvent m\u00e9connue : ces techniques de pond\u00e9ration ne corrigent le biais d’un \u00e9chantillon non probabiliste que pour les seules covariables observ\u00e9es et mesur\u00e9es, sous l’hypoth\u00e8se stricte que les donn\u00e9es manquantes le sont de mani\u00e8re al\u00e9atoire (Missing At Random — MAR)<\/strong>. Si des facteurs de confusion non observ\u00e9s influent sur la propension d’un individu \u00e0 int\u00e9grer l’\u00e9chantillon, le redressement sur des marges sociod\u00e9mographiques visibles n’\u00e9limine pas le biais r\u00e9siduel sous-jacent. Cette limite structurelle d\u00e9montre que le traitement statistique ex-post ne saurait se substituer \u00e0 la vigilance m\u00e9thodologique d\u00e9ploy\u00e9e lors de la phase initiale de recrutement.<\/p>\n5.3 Synergies dans les designs de recherche mixtes<\/h3>\n
L’abandon d’une posture binaire au profit d’une compl\u00e9mentarit\u00e9 constructive trouve son terrain d’expression privil\u00e9gi\u00e9 dans le d\u00e9ploiement des m\u00e9thodes mixtes de recherche (mixed methods research<\/em>). Loin d’\u00e9voluer dans des univers \u00e9tanches, l’\u00e9chantillonnage probabiliste et l’\u00e9chantillonnage non probabiliste se renforcent mutuellement lorsqu’ils s’inscrivent au sein de designs s\u00e9quentiels ou convergents soigneusement articul\u00e9s :<\/p>\nDans un design s\u00e9quentiel exploratoire<\/strong>, le chercheur d\u00e9bute son investigation par une phase qualitative reposant sur un \u00e9chantillonnage non probabiliste au jug\u00e9 ou par convenance intensive. Cette immersion sur le terrain permet d’explorer des pratiques sociales in\u00e9dites, de cerner les repr\u00e9sentations locales d’un ph\u00e9nom\u00e8ne complexe et de stabiliser les concepts analytiques cl\u00e9s. Une fois cette taxonomie qualitative \u00e9tablie, ces connaissances empiriques servent \u00e0 b\u00e2tir un questionnaire structur\u00e9 qui sera ensuite administr\u00e9 \u00e0 un large \u00e9chantillon probabiliste repr\u00e9sentatif. La phase probabiliste confirme ainsi la pr\u00e9valence statistique, la port\u00e9e spatiale et l’intensit\u00e9 sociod\u00e9mographique des intuitions th\u00e9oriques forg\u00e9es au contact des quelques cas d\u00e9lib\u00e9r\u00e9ment choisis lors de la premi\u00e8re \u00e9tape.<\/p>\nInversement, dans un design s\u00e9quentiel explicatif<\/strong>, la logique m\u00e9thodologique s’inverse. L’enqu\u00eateur d\u00e9ploie initialement un \u00e9chantillonnage probabiliste d’envergure, dont l’exploitation quantitative permet de cartographier la distribution des variables et d’identifier des r\u00e9gularit\u00e9s statistiques robustes ainsi que des sous-groupes atypiques (individus pr\u00e9sentant des combinaisons paradoxales de comportements ou valeurs r\u00e9siduelles extr\u00eames dans les mod\u00e8les de r\u00e9gression). L’analyste extrait ensuite ces cas r\u00e9siduels pour composer un \u00e9chantillon non probabiliste cibl\u00e9, soumis \u00e0 des entretiens semi-directifs approfondis ou \u00e0 des observations ethnographiques in situ. Cette d\u00e9marche permet d’analyser les m\u00e9canismes causaux, les arbitrages subjectifs ou les trajectoires institutionnelles invisibles que la standardisation des variables du sondage al\u00e9atoire initial n’avait pas permis de d\u00e9celer.<\/p>\nEnfin, la validation crois\u00e9e<\/strong> s’impose comme une strat\u00e9gie robuste face aux nouveaux d\u00e9fis de l’ing\u00e9nierie des donn\u00e9es. Les analystes comparent r\u00e9guli\u00e8rement les signaux obtenus par des dispositifs non probabilistes peu co\u00fbteux et \u00e0 fr\u00e9quence \u00e9lev\u00e9e (flux de requ\u00eates sur les moteurs de recherche, sentiments extraits des r\u00e9seaux sociaux ou panels web d’opinion en temps r\u00e9el) avec les points d’ancrage m\u00e9thodologiquement solides fournis par les registres administratifs ou les enqu\u00eates statistiques nationales fond\u00e9es sur le hasard pur. Cette confrontation empirique it\u00e9rative permet d’ajuster dynamiquement les algorithmes de calage et d’optimiser le compromis entre v\u00e9locit\u00e9 de collecte et fid\u00e9lit\u00e9 de la pr\u00e9diction statistique.<\/p>\n6. Crit\u00e8res de d\u00e9cision : Quand employer chaque m\u00e9thode d’\u00e9chantillonnage ?<\/h2>\n6.1 En fonction des objectifs scientifiques poursuivis<\/h3>\n
L’arbitrage entre d\u00e9marches probabilistes et non probabilistes doit avant tout d\u00e9couler des vis\u00e9es \u00e9pist\u00e9miques explicites de l’\u00e9tude. Lorsque l’objectif premier r\u00e9side dans l’estimation sans biais de param\u00e8tres macro-sociod\u00e9mographiques, la mod\u00e9lisation de tendances au sein de politiques publiques \u00e0 fort impact socio-\u00e9conomique ou l’obtention d’autorisations administratives sur le march\u00e9 des biens de sant\u00e9, l’\u00e9chantillonnage probabiliste constitue la norme m\u00e9thodologique de r\u00e9f\u00e9rence. Les agences gouvernementales, les banques centrales, les organismes de sant\u00e9 publique et les tribunaux exigent des garanties d’inf\u00e9rence statistique formelle et des intervalles de confiance quantifiables que seuls les protocoles al\u00e9atoires rigoureusement document\u00e9s peuvent offrir sans contestation d’ordre m\u00e9thodologique.<\/p>\n
\u00c0 l’oppos\u00e9, si la trajectoire de recherche s’inscrit dans une logique heuristique, descriptive ou ph\u00e9nom\u00e9nologique — par exemple, l’exploration de la s\u00e9mantique d’un groupe marginal, la r\u00e9alisation de tests d’utilisabilit\u00e9 ergonomique de prototypes technologiques ou l’identification des barri\u00e8res psychologiques face \u00e0 une innovation de rupture —, l’\u00e9chantillonnage non probabiliste repr\u00e9sente une strat\u00e9gie adapt\u00e9e. Dans ces sc\u00e9narios, la question centrale n’est pas de d\u00e9terminer avec une pr\u00e9cision d\u00e9cimale la proportion d’individus concern\u00e9s dans la nation tout enti\u00e8re, mais d’appr\u00e9hender la morphologie du ph\u00e9nom\u00e8ne, d’inventorier ses modalit\u00e9s d’expression et de formuler des hypoth\u00e8ses explicatives destin\u00e9es \u00e0 des tests de validation ult\u00e9rieurs.<\/p>\n
Un crit\u00e8re m\u00e9thodologique structurant r\u00e9side dans l’\u00e9valuation du niveau de risque cons\u00e9cutif \u00e0 une erreur d’inf\u00e9rence<\/strong>. Si une d\u00e9cision erron\u00e9e — telle que le lancement pr\u00e9matur\u00e9 d’un m\u00e9dicament pr\u00e9sentant des effets secondaires ind\u00e9sirables concentr\u00e9s sur un segment d\u00e9mographique particulier, ou l’allocation de milliards d’euros de fonds structurels sur la base d’estimations r\u00e9gionales d\u00e9cal\u00e9es — engendre des cons\u00e9quences sanitaires, judiciaires ou \u00e9conomiques majeures, le co\u00fbt \u00e9lev\u00e9 d’un protocole probabiliste contr\u00f4l\u00e9 devient un investissement n\u00e9cessaire. En revanche, pour des \u00e9tudes de r\u00e9activit\u00e9 d’audience ou des pr\u00e9-tests publicitaires dont l’impact mat\u00e9riel est r\u00e9versible, l’approche empirique non probabiliste offre un rapport co\u00fbt-b\u00e9n\u00e9fice adapt\u00e9 aux exigences de r\u00e9activit\u00e9 d\u00e9cisionnelle.<\/p>\n6.2 En fonction de la nature et de l’accessibilit\u00e9 de la population cible<\/h3>\n
La faisabilit\u00e9 mat\u00e9rielle d’une s\u00e9lection probabiliste d\u00e9pend de l’existence d’une base de sondage nominative, exhaustive et directement accessible. Lorsque la recherche s’int\u00e9resse \u00e0 des populations institutionnellement encadr\u00e9es — les \u00e9tudiants r\u00e9guli\u00e8rement immatricul\u00e9s dans une universit\u00e9, les salari\u00e9s d’une entreprise multinationale disposant d’un annuaire d’entreprise centralis\u00e9, ou les contribuables inscrits au fichier d’imposition —, l’\u00e9chantillonnage probabiliste simple ou stratifi\u00e9 s’impose naturellement, sous r\u00e9serve des autorisations de traitement des donn\u00e9es \u00e0 caract\u00e8re personnel. Dans ce cas de figure, l’existence de listes r\u00e9pertori\u00e9es minimise les co\u00fbts de prospection et permet la mise en \u0153uvre d’un tirage au sort transparent.<\/p>\n
La situation m\u00e9thodologique s’inverse radicalement lorsque la population cible est dite cach\u00e9e (hidden population<\/em>), informelle ou atomis\u00e9e. Si le sujet d’investigation concerne les sans-domicile fixes non pris en charge par les structures d’h\u00e9bergement institutionnelles, les mineurs non accompagn\u00e9s en situation transfrontali\u00e8re, ou les adeptes d’id\u00e9ologies radicales clandestines, il n’existe aucune base de sondage v\u00e9rifiable. Tenter de recourir au hasard pur au sein de la population g\u00e9n\u00e9rale pour capter ces profils entra\u00eenerait des co\u00fbts de criblage (screening costs<\/em>) astronomiques pour identifier un nombre infime de r\u00e9pondants. Le recours aux protocoles non probabilistes — tels que l’\u00e9chantillonnage par boule de neige (snowball sampling<\/em>), l’\u00e9chantillonnage dirig\u00e9 par les r\u00e9pondants (RDS) ou l’immersion au sein de sites d’affluence physique — constitue la seule modalit\u00e9 d’investigation empirique viable.<\/p>\nDe m\u00eame, pour les populations rares<\/strong> mais non dissimul\u00e9es (par exemple, les directeurs des achats de filiales a\u00e9ronautiques de pointe ou les personnes centenaires vivant en milieu rural), l’usage exclusif de l’\u00e9chantillonnage al\u00e9atoire simple exigerait de contacter des dizaines de milliers de m\u00e9nages pour obtenir quelques dizaines d’entretiens qualifi\u00e9s. Dans ce cadre, la mise en \u0153uvre d’un \u00e9chantillonnage non probabiliste fond\u00e9 sur l’identification d’experts sectoriels (jug\u00e9 intentionnel) ou l’application stricte de quotas au sein de viviers sp\u00e9cialis\u00e9s optimise consid\u00e9rablement l’allocation des ressources scientifiques sans n\u00e9cessairement sacrifier la pertinence de l’observation empirique.<\/p>\n6.3 En fonction des contraintes budg\u00e9taires, temporelles et technologiques<\/h3>\n
Le triangle des contraintes de projet — budget allou\u00e9, horizon temporel disponible et outils technologiques mobilisables — dicte fr\u00e9quemment la marge de man\u0153uvre du chercheur ind\u00e9pendant ou de l’institut de recherche. L’\u00e9chantillonnage probabiliste en face-\u00e0-face ou par relances multicanaux exige des investissements logistiques et des d\u00e9lais de d\u00e9ploiement qui s’\u00e9talent g\u00e9n\u00e9ralement sur plusieurs mois. Dans les cas o\u00f9 la production de r\u00e9sultats s’inscrit dans un cycle temporel comprim\u00e9 (analyses de march\u00e9 concurrentielles, diagnostics de conjoncture politique imm\u00e9diate, ajustements communicationnels de crise), la s\u00e9lection par quotas au sein de panels web existants s’impose par son agilit\u00e9 op\u00e9rationnelle.<\/p>\n
Le cadre financier guide \u00e9galement ces arbitrages. Dans le domaine de la recherche universitaire doctorale ou des \u00e9tudes exploratoires financ\u00e9es sur fonds d’amor\u00e7age, le co\u00fbt d’acquisition d’un \u00e9chantillon probabiliste pur — pouvant atteindre plusieurs centaines d’euros par individu interrog\u00e9 avec succ\u00e8s selon le mode d’administration — peut \u00e9puiser la totalit\u00e9 des cr\u00e9dits disponibles sans garantir une taille d’\u00e9chantillon suffisante pour la mod\u00e9lisation statistique. L’orientation vers des \u00e9chantillons non probabilistes de taille substantielle, assortie d’une explicitation transparente des biais potentiels, constitue souvent le compromis le plus pragmatique pour amorcer des programmes de recherche originaux.<\/p>\n
L’int\u00e9gration grandissante des flux de m\u00e9gadonn\u00e9es (Big Data<\/em>) modifie \u00e9galement cette \u00e9quation logistique. L’analyse des traces transactionnelles bancaires, des m\u00e9tadonn\u00e9es de g\u00e9olocalisation issues des r\u00e9seaux mobiles ou des donn\u00e9es de navigation sur les plateformes num\u00e9riques offre des volumes d’information massifs sans requ\u00e9rir la constitution d’une base de sondage nominative formelle. Bien que ces bases de donn\u00e9es souffrent par nature de biais de s\u00e9lection structurels non probabilistes (la population connect\u00e9e ne repr\u00e9sente pas la totalit\u00e9 du corps social), leur volum\u00e9trie et leur haute fr\u00e9quence temporelle conduisent les \u00e9quipes d’analyse \u00e0 combiner des sous-\u00e9chantillons probabilistes repr\u00e9sentatifs et des flux massifs non probabilistes au sein de syst\u00e8mes d’information int\u00e9gr\u00e9s.<\/p>\n7. Foire aux questions (FAQ) m\u00e9thodologique<\/h2>\n7.1 Peut-on calculer une marge d’erreur sur un \u00e9chantillon non probabiliste ?<\/h3>\n
D’un point de vue statistique formel, il est interdit de calculer une marge d’erreur classique sur un \u00e9chantillon issu d’une m\u00e9thode non probabiliste<\/strong>. L’\u00e9difice math\u00e9matique qui permet de d\u00e9terminer l’\u00e9cart-type d’\u00e9chantillonnage et de d\u00e9limiter des intervalles de confiance — qu’il s’agisse de la formule standard de l’erreur type $SE = \\sqrt{p(1-p)\/n}$<\/span> ou de mod\u00e8les plus sophistiqu\u00e9s — repose sur le postulat th\u00e9orique de la randomisation pure. Ces \u00e9quations assument que chaque unit\u00e9 a \u00e9t\u00e9 s\u00e9lectionn\u00e9e par un tirage au sort ind\u00e9pendant et identiquement distribu\u00e9 selon des probabilit\u00e9s d’inclusion connues et positives, exemptes de tout biais syst\u00e9matique de s\u00e9lection humaine.<\/p>\nL’apposition de marges d’erreur chiffr\u00e9es au bas de sondages r\u00e9alis\u00e9s aupr\u00e8s de panels d’internautes autoselectionn\u00e9s ou d’\u00e9chantillons constitu\u00e9s par la m\u00e9thode des quotas rel\u00e8ve d’une simplification abusive, voire d’une pratique commerciale trompeuse r\u00e9guli\u00e8rement condamn\u00e9e par les instances internationales d’\u00e9valuation m\u00e9thodologique telles que l’AAPOR. Ces mentions appliquent m\u00e9caniquement des formules probabilistes \u00e0 des donn\u00e9es r\u00e9colt\u00e9es selon des proc\u00e9dures qui ne satisfont pas aux exigences th\u00e9oriques requises. Lorsque l’institut de sondage annonce une \u00ab marge d’erreur de 2,5 % \u00bb sur un \u00e9chantillon par quotas, il n’exprime qu’une hypoth\u00e8se de coh\u00e9rence interne dans l’\u00e9ventualit\u00e9 th\u00e9orique o\u00f9 cet \u00e9chantillon aurait \u00e9t\u00e9 tir\u00e9 au hasard sans biais de s\u00e9lection, ce qui n’est pr\u00e9cis\u00e9ment pas le cas empirique.<\/p>\n
Pour documenter la variabilit\u00e9 analytique d’un \u00e9chantillon non probabiliste sans contrevenir aux principes de la th\u00e9orie des probabilit\u00e9s, les statisticiens ont d\u00e9velopp\u00e9 des d\u00e9marches alternatives. La principale consiste \u00e0 calculer des intervalles de cr\u00e9dibilit\u00e9 bay\u00e9siens<\/strong> (credibility intervals<\/em>). Ces m\u00e9triques n’assument pas la randomisation du tirage, mais s’appuient sur une mod\u00e9lisation explicite de la propension des individus \u00e0 int\u00e9grer l’\u00e9chantillon, conditionnellement \u00e0 des distributions a priori d\u00e9termin\u00e9es par des sources administratives fiables. L’incertitude affich\u00e9e englobe alors \u00e0 la fois la dispersion intrins\u00e8que des observations et l’al\u00e9a li\u00e9 aux param\u00e8tres de calage du mod\u00e8le statistique retenu, offrant une transparence m\u00e9thodologique sup\u00e9rieure \u00e0 l’attribution indue d’une marge d’erreur classique.<\/p>\n7.2 Une taille d’\u00e9chantillon massive compense-t-elle le biais de s\u00e9lection non probabiliste ?<\/h3>\n
L’id\u00e9e selon laquelle l’accumulation massive d’observations annulerait les biais de s\u00e9lection constitue l’un des sophismes les plus r\u00e9pandus en science empirique, d\u00e9sign\u00e9 par le statisticien Xiao-Li Meng sous le terme de paradoxe des m\u00e9gadonn\u00e9es (Big Data Paradox<\/em>)<\/strong>. En r\u00e9alit\u00e9 statistique pure, plus la taille d’un \u00e9chantillon biais\u00e9 augmente, plus le r\u00e9sultat gagne en fausse pr\u00e9cision : les intervalles de confiance formels se resserrent autour d’une valeur moyenne syst\u00e9matiquement d\u00e9cal\u00e9e par rapport au param\u00e8tre r\u00e9el de la population g\u00e9n\u00e9rale, augmentant la probabilit\u00e9 de tirer des conclusions scientifiques fondamentalement fausses avec un niveau apparent de certitude absolue.<\/p>\nL’histoire de la statistique appliqu\u00e9e documente des d\u00e9faillances pr\u00e9dictives majeures attribuables \u00e0 cette illusion du volume :<\/p>\n
\n- Le d\u00e9sastre du Literary Digest<\/em> en 1936 :<\/strong> La revue am\u00e9ricaine avait distribu\u00e9 plus de dix millions de bulletins de vote postaux et analys\u00e9 plus de 2,3 millions de r\u00e9ponses effectives pour anticiper le r\u00e9sultat de l’\u00e9lection pr\u00e9sidentielle opposant Franklin D. Roosevelt \u00e0 Alf Landon. Le sondage annon\u00e7a une victoire \u00e9crasante de Landon avec 57 % des suffrages, alors que Roosevelt remporta le scrutin r\u00e9el avec 60,8 % des voix, soit une erreur d’inf\u00e9rence de pr\u00e8s de 18 points de pourcentage. La faille tenait \u00e0 la base de sondage non probabiliste mobilis\u00e9e — des r\u00e9pertoires d’abonn\u00e9s au t\u00e9l\u00e9phone, des registres d’immatriculation automobile et des annuaires de clubs s\u00e9lects —, surrepr\u00e9sentant les cat\u00e9gories ais\u00e9es oppos\u00e9es aux r\u00e9formes du New Deal, cumul\u00e9e \u00e0 un biais massif d’autos\u00e9lection des r\u00e9pondants les plus politis\u00e9s. Au m\u00eame moment, George Gallup, s’appuyant sur un \u00e9chantillon raisonn\u00e9 par quotas de seulement 50 000 individus, pr\u00e9disait avec succ\u00e8s l’\u00e9lection de Roosevelt, illustrant que la structure de repr\u00e9sentativit\u00e9 surpasse le simple volume num\u00e9rique.<\/li>\n
- La mod\u00e9lisation de l’\u00e9lection am\u00e9ricaine de 2016 et des campagnes vaccinales de 2021 :<\/strong> Plus r\u00e9cemment, des \u00e9tudes publi\u00e9es par Meng et ses coll\u00e8gues de Harvard sur les intentions vaccinales contre la COVID-19 aux \u00c9tats-Unis ont d\u00e9montr\u00e9 que des \u00e9chantillons de plusieurs centaines de milliers d’utilisateurs sur les r\u00e9seaux sociaux produisaient des erreurs d’estimation plus \u00e9lev\u00e9es qu’un \u00e9chantillon probabiliste classique de 1 000 personnes issu du Pew Research Center, en raison d’une sous-estimation syst\u00e9matique des profils r\u00e9fractaires ou faiblement connect\u00e9s.<\/li>\n<\/ul>\n
Le principe math\u00e9matique sous-jacent est clair : l’erreur cuadratique moyenne (MSE)<\/strong> est la somme de la variance d’\u00e9chantillonnage et du carr\u00e9 du biais syst\u00e9matique :<\/p>\n$$\\text{MSE} = \\text{Variance} + \\text{Biais}^2$$<\/span><\/p>\nL’augmentation de la taille $n$<\/span> de l’\u00e9chantillon permet de r\u00e9duire asymptotiquement la variance vers z\u00e9ro, mais laisse le biais syst\u00e9matique invariant. Dans un \u00e9chantillon massif entach\u00e9 d’un d\u00e9faut structurel d’inclusion, le terme $\\text{Biais}^2$<\/span> domine rapidement l’\u00e9quation. Ainsi, un \u00e9chantillon probabiliste modeste mais m\u00e9thodologiquement rigoureux garantit une fid\u00e9lit\u00e9 d’inf\u00e9rence tr\u00e8s sup\u00e9rieure \u00e0 des ensembles massifs de donn\u00e9es collect\u00e9s sans contr\u00f4le probabiliste.<\/p>\n7.3 Quelle est la diff\u00e9rence fondamentale entre \u00e9chantillonnage stratifi\u00e9 et par quotas ?<\/h3>\n
L’\u00e9chantillonnage stratifi\u00e9 (probabiliste) et l’\u00e9chantillonnage par quotas (non probabiliste) partagent une parent\u00e9 morphologique \u00e9vidente : tous deux refusent l’homog\u00e9n\u00e9it\u00e9 globale de la population cible et proc\u00e8dent \u00e0 sa partition en sous-groupes structurels stables (strates ou cellules de quotas) sur la base de crit\u00e8res identifi\u00e9s au pr\u00e9alable, tels que le sexe, les classes d’\u00e2ge, les qualifications socioprofessionnelles ou l’ancrage r\u00e9gional. L’objectif commun consiste \u00e0 neutraliser les risques de d\u00e9rive structurelle en for\u00e7ant l’\u00e9chantillon final \u00e0 contenir des effectifs pr\u00e9d\u00e9termin\u00e9s dans chaque sous-cat\u00e9gorie. C’est toutefois au niveau de l’algorithme d’affectation individuelle<\/strong> au sein de ces segments que r\u00e9side une divergence m\u00e9thodologique radicale.<\/p>\nDans un \u00e9chantillonnage stratifi\u00e9 probabiliste<\/strong>, le chercheur dispose obligatoirement d’une base de sondage nominative segment\u00e9e. Une fois les strates d\u00e9limit\u00e9es (par exemple, la strate des femmes de 25 \u00e0 34 ans titulaires d’un dipl\u00f4me d’\u00e9tudes sup\u00e9rieures), une extraction al\u00e9atoire — par tirage sans remise — est ex\u00e9cut\u00e9e ind\u00e9pendamment au sein de chacune de ces listes. Les personnes dont les identifiants sont s\u00e9lectionn\u00e9s par l’algorithme math\u00e9matique doivent imp\u00e9rativement \u00eatre contact\u00e9es, sollicit\u00e9es et suivies selon des r\u00e8gles strictes de non-substitution. Aucune marge de discr\u00e9tion n’est laiss\u00e9e aux enqu\u00eateurs sur le terrain. Les probabilit\u00e9s d’inclusion demeurent connues et quantifiables pour chaque individu, pr\u00e9servant la validit\u00e9 des th\u00e9or\u00e8mes stochastiques et l’aptitude \u00e0 r\u00e9aliser des tests d’hypoth\u00e8ses statistiques.<\/p>\nDans un \u00e9chantillonnage par quotas<\/strong>, la population accessible n’est pas r\u00e9pertori\u00e9e sous forme de listes individuelles au sein des strates. Les cellules de quotas fixent simplement des objectifs quantitatifs cibles (par exemple, \u00ab interviewer 150 ouvriers \u00e2g\u00e9s de 40 \u00e0 55 ans en zone urbaine \u00bb). La mani\u00e8re dont les 150 personnes r\u00e9pondant \u00e0 ces sp\u00e9cifications sont recrut\u00e9es est enti\u00e8rement d\u00e9l\u00e9gu\u00e9e \u00e0 l’action de terrain : les enqu\u00eateurs physiques abordent les individus selon leur disponibilit\u00e9 imm\u00e9diate, ou les syst\u00e8mes informatiques orientent les premiers internautes qui se connectent \u00e0 l’enqu\u00eate jusqu’\u00e0 ce que la case d’effectif soit remplie. Les personnes plus difficiles \u00e0 mobiliser, celles qui refusent initialement de participer ou celles qui ne fr\u00e9quentent pas les canaux de diffusion retenus sont purement et simplement ignor\u00e9es au profit d’individus plus coop\u00e9ratifs. D\u00e8s lors, le m\u00e9canisme interne de recrutement n’est pas al\u00e9atoire : il repose sur un filtre d’accessibilit\u00e9 et de volontariat, invalidant formellement l’utilisation des tests param\u00e9triques d’inf\u00e9rence statistique sur les donn\u00e9es recueillies.<\/p>\n7.4 Comment justifier scientifiquement le choix du non probabiliste dans une th\u00e8se ou publication ?<\/h3>\n
D\u00e9fendre le choix d’un \u00e9chantillonnage non probabiliste au sein d’une th\u00e8se de doctorat, d’un m\u00e9moire de recherche ou d’un manuscrit soumis \u00e0 une revue scientifique \u00e0 comit\u00e9 de lecture n\u00e9cessite de construire une argumentation m\u00e9thodologique m\u00e9thodique, d\u00e9barrass\u00e9e de toute complaisance comme de tout complexe injustifi\u00e9. Il est imp\u00e9ratif d’\u00e9carter l’argument de la facilit\u00e9 op\u00e9rationnelle ou de l’\u00e9conomie budg\u00e9taire brute — qui est per\u00e7u par les \u00e9valuateurs universitaires comme un indicateur de faiblesse du protocole — pour formuler une justification articul\u00e9e autour des exigences \u00e9pist\u00e9mologiques et contextuelles de l’objet de recherche.<\/p>\n
L’argumentaire doit se d\u00e9ployer le long de quatre axes fondamentaux :<\/p>\n
\n- La d\u00e9monstration de l’inaccessibilit\u00e9 ou de la non-pertinence d’une base de sondage formelle :<\/strong> Le chercheur doit expliciter avec pr\u00e9cision les raisons document\u00e9es pour lesquelles l’extraction al\u00e9atoire \u00e9tait objectivement impossible (inexistence de registres publics, cadres l\u00e9gislatifs de protection des donn\u00e9es interdisant l’acc\u00e8s aux identifiants, populations marginalis\u00e9es ou stigmatis\u00e9es n\u00e9cessitant des protocoles de confiance relationnels).<\/li>\n
- L’alignement avec les vis\u00e9es th\u00e9oriques :<\/strong> Si l’investigation ambitionne d’\u00e9laborer une ph\u00e9nom\u00e9nologie, d’\u00e9prouver la robustesse d’un cadre conceptuel \u00e9mergent ou d’identifier les conditions limites d’un ph\u00e9nom\u00e8ne complexe, il convient de valoriser la pertinence du concept de s\u00e9lection raisonn\u00e9e. Le chercheur argumentera que l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des cas cibl\u00e9s intentionnellement apporte une richesse conceptuelle et une profondeur explicative que le hasard m\u00e9canique d’un tirage simple aurait pu disperser sur des profils peu informatifs.<\/li>\n
- La transparence m\u00e9thodologique totale :<\/strong> Le rapport doit d\u00e9crire de mani\u00e8re exhaustive la proc\u00e9dure de recrutement, les canaux de sollicitation, les taux d’acceptation, les grilles de quotas appliqu\u00e9es, ainsi que le contexte mat\u00e9riel dans lequel les interactions d’enqu\u00eate ont \u00e9t\u00e9 nou\u00e9es. L’honn\u00eatet\u00e9 scientifique impose de formuler explicitement les limites de validit\u00e9 externe : l’auteur doit affirmer clairement que ses r\u00e9sultats n’ont pas vocation \u00e0 \u00eatre g\u00e9n\u00e9ralis\u00e9s sous la forme de pr\u00e9valences quantitatives dans la population globale, mais qu’ils caract\u00e9risent les m\u00e9canismes en jeu au sein de la cohorte analys\u00e9e.<\/li>\n
- Le recours \u00e0 des proc\u00e9dures de contr\u00f4le et de triangulation :<\/strong> Pour renforcer la recevabilit\u00e9 acad\u00e9mique du protocole, il est conseill\u00e9 de documenter la triangulation des sources (confrontation d’\u00e9chantillons non probabilistes de provenances diversifi\u00e9es) et de d\u00e9montrer que la saturation th\u00e9orique a \u00e9t\u00e9 m\u00e9thodologiquement v\u00e9rifi\u00e9e lors de l’int\u00e9gration des derni\u00e8res unit\u00e9s d’analyse.<\/li>\n<\/ul>\n
8. Conclusion : Synth\u00e8se r\u00e9flexive et perspectives d’\u00e9volution<\/h2>\n8.1 Synth\u00e8se des arbitrages scientifiques et m\u00e9thodologiques<\/h3>\n
L’analyse comparative approfondie des paradigmes de s\u00e9lection d’\u00e9chantillon r\u00e9v\u00e8le qu’il n’existe pas d’approche m\u00e9thodologique intrins\u00e8quement sup\u00e9rieure dans l’absolu ; la validit\u00e9 d’un dispositif r\u00e9side dans l’ad\u00e9quation fine \u00e9tablie entre la nature de l’interrogation scientifique, le degr\u00e9 d’accessibilit\u00e9 empirique de l’univers \u00e9tudi\u00e9 et la tol\u00e9rance d\u00e9cisionnelle au risque d’erreur d’inf\u00e9rence. Le probabilisme statistique repr\u00e9sente l’armature formelle indispensable \u00e0 toute mod\u00e9lisation confirmatrice dont l’enjeu exige une extrapolation populationnelle quantifiable et opposable. Il constitue la r\u00e9f\u00e9rence m\u00e9thodologique pour asseoir les politiques de sant\u00e9 publique, orienter les agr\u00e9gats macro-\u00e9conomiques et valider des relations de causalit\u00e9 au sein d’\u00e9cosyst\u00e8mes sociaux r\u00e9gul\u00e9s.<\/p>\n
Parall\u00e8lement, l’\u00e9chantillonnage non probabiliste repr\u00e9sente le fer de lance de la recherche exploratoire, de l’\u00e9lucidation ph\u00e9nom\u00e9nologique et de la p\u00e9n\u00e9tration des territoires sociaux complexes ou dissimul\u00e9s. Son pragmatisme op\u00e9rationnel offre une adaptabilit\u00e9 essentielle face aux dynamiques sociologiques \u00e9mergentes et aux environnements de crise. R\u00e9duire cette approche \u00e0 une d\u00e9clinaison d\u00e9grad\u00e9e du probabilisme proc\u00e8de d’une incompr\u00e9hension des d\u00e9marches inductives en sciences humaines et sociales : la s\u00e9lection raisonn\u00e9e de situations sp\u00e9cifiques g\u00e9n\u00e8re une densit\u00e9 analytique irrempla\u00e7able que l’indiff\u00e9rence du hasard m\u00e9canique ne peut appr\u00e9hender avec la m\u00eame proximit\u00e9 conceptuelle.<\/p>\n
Le d\u00e9fi m\u00e9thodologique contemporain consiste \u00e0 d\u00e9passer les postures d’opposition id\u00e9ologique au profit d’un r\u00e9alisme critique et rigoureux. Le chercheur chevronn\u00e9 doit se d\u00e9partir d’une confiance aveugle envers des sondages al\u00e9atoires d\u00e9grad\u00e9s par des taux de refus massifs, tout en \u00e9vitant d’attribuer de fa\u00e7on indue des vertus repr\u00e9sentatives \u00e0 des panels num\u00e9riques de convenance sous le seul pr\u00e9texte qu’ils affichent une ressemblance descriptive superficielle avec la population g\u00e9n\u00e9rale. L’\u00e9thique de la recherche commande d’expliciter sans ambigu\u00eft\u00e9 les hypoth\u00e8ses de travail, de d\u00e9clarer les zones d’incertitude et de reconna\u00eetre avec lucidit\u00e9 les limites inh\u00e9rentes \u00e0 la strat\u00e9gie d’acc\u00e8s au terrain adopt\u00e9e.<\/p>\n
8.2 Transformations contemporaines : Panels web, IA et int\u00e9gration de donn\u00e9es<\/h3>\n
L’\u00e9cosyst\u00e8me de la recherche quantitative traverse une p\u00e9riode de reconfiguration sous la pression conjointe des mutations technologiques et soci\u00e9tales. L’\u00e9difice classique du sondage probabiliste par entretien t\u00e9l\u00e9phonique al\u00e9atoire (m\u00e9thode RDD — Random Digit Dialing<\/em>) ou par visite in situ se heurte \u00e0 une crise structurelle sans pr\u00e9c\u00e9dent : les taux de participation dans la plupart des pays de l’OCDE oscillent d\u00e9sormais entre 1 % et 7 %. Cette d\u00e9saffection civique fragilise les assises op\u00e9rationnelles de l’inf\u00e9rence : lorsqu’un \u00e9chantillon probabiliste initialement tir\u00e9 au hasard perd plus de 90 % de ses unit\u00e9s avant l’administration du protocole, les ajustements correctifs requis sont d’une complexit\u00e9 telle que la distinction th\u00e9orique historique avec les d\u00e9marches non probabilistes tend \u00e0 s’estomper sur le plan de la distribution empirique finale.<\/p>\nFace \u00e0 cette impasse logistique, la recherche en m\u00e9thodologie d’enqu\u00eate d\u00e9veloppe des architectures de traitement avanc\u00e9es \u00e0 l’intersection de la statistique th\u00e9orique et de l’apprentissage automatique (machine learning<\/em>). Des d\u00e9marches telles que le matching synth\u00e9tique de panels<\/strong> et l’estimation combin\u00e9e par MRP (Multilevel Regression and Poststratification)<\/strong> permettent de projeter les d\u00e9clarations issues d’\u00e9chantillons volumineux non probabilistes sur des bases de recensement probabilistes de r\u00e9f\u00e9rence. En mod\u00e9lisant les probabilit\u00e9s de r\u00e9ponse conditionnelles \u00e0 des micro-profils d\u00e9mographiques crois\u00e9s, ces algorithmes autorisent des ajustements granulaires impensables par les techniques traditionnelles de calage sur marges uni-dimensionnelles.<\/p>\nEnfin, l’\u00e9mergence des agents conversationnels g\u00e9n\u00e9ratifs fond\u00e9s sur de grands mod\u00e8les de langage (LLM) ouvre des champs d’exp\u00e9rimentation in\u00e9dits, avec le concept d’\u00e9chantillonnage synth\u00e9tique (silicon sampling<\/em>), o\u00f9 des instances algorithmiques sont instruites pour simuler les r\u00e9ponses de cohortes sociod\u00e9mographiques diversifi\u00e9es. Cette virtualisation de la r\u00e9ponse empirique souligne, par contraste, la valeur irrempla\u00e7able du contact direct avec les acteurs humains. Face \u00e0 la prolif\u00e9ration de donn\u00e9es synth\u00e9tiques et de traces num\u00e9riques partielles, la compr\u00e9hension fine des principes de l’\u00e9chantillonnage — qu’il mobilise les certitudes d\u00e9ductives du calcul des probabilit\u00e9s ou la pertinence inductrice de la s\u00e9lection de terrain — demeure la condition fondamentale d’une investigation scientifique rigoureuse, ind\u00e9pendante et ancr\u00e9e dans le r\u00e9el.<\/p>\nR\u00e9f\u00e9rences<\/h2>\n\n- American Association for Public Opinion Research. (2016). Standard definitions: Final dispositions of case codes and outcome rates for surveys<\/em> (9th ed.). AAPOR. https:\/\/aapor.org<\/li>\n
- Bethlehem, J. (2010). Selection bias in web surveys. International Statistical Review<\/em>, 78(2), 161\u2013188. https:\/\/doi.org\/10.1111\/j.1751-5823.2010.00112.x<\/li>\n
- Deville, J.-C., & S\u00e4rndal, C.-E. (1992). Calibration estimators in survey sampling. Journal of the American Statistical Association<\/em>, 87(418), 376\u2013382. https:\/\/doi.org\/10.1080\/01621459.1992.10475217<\/li>\n
- Groves, R. M., Fowler, F. J., Couper, M. P., Lepkowski, J. M., Singer, E., & Tourangeau, R. (2009). Survey methodology<\/em> (2nd ed.). John Wiley & Sons. https:\/\/doi.org\/10.1002\/9780470725177<\/li>\n
- Heckathorn, D. D. (1997). Respondent-driven sampling: A new approach to the study of hidden populations. Social Problems<\/em>, 44(2), 174\u2013199. https:\/\/doi.org\/10.2307\/3096941<\/li>\n
- Horvitz, D. G., & Thompson, D. J. (1952). A generalization of sampling without replacement from a finite universe. Journal of the American Statistical Association<\/em>, 47(260), 663\u2013685. https:\/\/doi.org\/10.1080\/01621459.1952.10483446<\/li>\n
- Meng, X.-L. (2018). Statistical paradises and paradoxes in big data (I): Law of large populations, insignificance of small populations, and the 2016 US presidential election. The Annals of Applied Statistics<\/em>, 12(2), 685\u2013726. https:\/\/doi.org\/10.1214\/18-AOAS1161SF<\/li>\n
- Neyman, J. (1934). On the two different aspects of the representative method: The method of stratified sampling and the method of purposive selection. Journal of the Royal Statistical Society<\/em>, 97(4), 558\u2013625. https:\/\/doi.org\/10.2307\/2342192<\/li>\n
- S\u00e4rndal, C.-E., Swensson, B., & Wretman, J. (1992). Model assisted survey sampling<\/em>. Springer-Verlag. https:\/\/doi.org\/10.1007\/978-1-4612-0919-5<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"
Comparaison approfondie entre \u00e9chantillonnage probabiliste et non probabiliste : fondements statistiques, m\u00e9thodologies, applications, avantages et limites.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[304,1838],"tags":[5895,9315,5868,3911,2344],"class_list":["post-25189","psych_comparison","type-psych_comparison","status-publish","hentry","category-methodologie-de-recherche","category-statistiques","tag-biais-de-selection","tag-echantillonnage-non-probabiliste","tag-echantillonnage-probabiliste","tag-methodologie","tag-statistiques"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_comparison\/25189","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_comparison"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_comparison"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=25189"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_comparison\/25189\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=25189"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=25189"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=25189"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}