La m\u00e9trologie appliqu\u00e9e aux sciences humaines, \u00e0 la biom\u00e9decine et \u00e0 la psychom\u00e9trie repose sur un postulat fondamental que tout praticien et chercheur se doit d’int\u00e9grer : nulle mesure empirique n’est exempte d’erreur. Qu’il s’agisse de quantifier une aptitude cognitive \u00e0 travers une \u00e9chelle d’efficience intellectuelle, d’\u00e9valuer la s\u00e9v\u00e9rit\u00e9 d’un \u00e9tat d\u00e9pressif via un inventaire standardis\u00e9, ou d’enregistrer une pression art\u00e9rielle dans un cadre de surveillance clinique, le chiffre brut produit par l’instrument d’\u00e9valuation ne constitue qu’une approximation imparfaite de la grandeur r\u00e9elle sous-jacente. Face \u00e0 cette incertitude inh\u00e9rente \u00e0 l’acte m\u00eame de quantifier, les statistiques inf\u00e9rentielles et la th\u00e9orie de la mesure ont \u00e9labor\u00e9 des outils conceptuels rigoureux destin\u00e9s \u00e0 apprivoiser l’al\u00e9a, \u00e0 d\u00e9limiter les fronti\u00e8res de l’impr\u00e9cision et \u00e0 pr\u00e9munir les sp\u00e9cialistes contre l’illusion de l’exactitude absolue.<\/p>\n
Au c\u0153ur de cette architecture m\u00e9trologique figurent deux concepts cardinaux souvent mentionn\u00e9s conjointement, mais dont les statuts math\u00e9matiques, interpr\u00e9tatifs et \u00e9pist\u00e9mologiques divergent substantiellement : l’erreur type de mesure<\/strong> (ETM, ou Standard Error of Measurement<\/em> \u2014 SEM) et l’intervalle de confiance<\/strong> (IC). Bien que l’erreur type intervienne directement dans la d\u00e9rivation alg\u00e9brique de l’intervalle de confiance, ces deux entit\u00e9s r\u00e9pondent \u00e0 des questions th\u00e9oriques et d\u00e9cisionnelles profond\u00e9ment h\u00e9t\u00e9rog\u00e8nes. L’ETM qualifie et quantifie les propri\u00e9t\u00e9s m\u00e9triques intrins\u00e8ques d’un outil d’\u00e9valuation sur une \u00e9chelle donn\u00e9e, tandis que l’intervalle de confiance op\u00e9rationnalise une d\u00e9marche probabiliste d’estimation autour d’un r\u00e9sultat empirique ou d’un param\u00e8tre populationnel non observable.<\/p>\n La confusion entre ces deux notions demeure l’un des \u00e9cueils les plus pernicieux de la pratique quantitative contemporaine. Dans les comptes rendus neuropsychologiques, les expertises m\u00e9dico-l\u00e9gales ou les rapports d’\u00e9valuation p\u00e9dagogique, il n’est pas rare de voir l’erreur type trait\u00e9e comme une marge d’erreur d\u00e9cisionnelle directe, ou l’intervalle de confiance assimil\u00e9 \u00e0 une dispersion invariable du sujet. Une telle indistinction n’est pas un simple manquement s\u00e9mantique ; elle engendre des interpr\u00e9tations cliniques erron\u00e9es, biaise l’estimation de l’efficacit\u00e9 d’interventions th\u00e9rapeutiques et peut conduire \u00e0 des erreurs diagnostiques pr\u00e9judiciables. L’objet de cet article est d’offrir une dissection exhaustive, conceptuelle et math\u00e9matique de ces deux piliers de l’\u00e9valuation quantitative, en confrontant leurs fondements, en mettant en lumi\u00e8re leurs articulations op\u00e9rationnelles et en \u00e9non\u00e7ant des recommandations m\u00e9thodologiques pr\u00e9cises pour leur usage appliqu\u00e9.<\/p>\n L’erreur type de mesure (ETM)<\/strong> trouve son ancrage historique et fonctionnel dans la th\u00e9orie classique des tests<\/a> (TCT). Elle repr\u00e9sente l’\u00e9cart-type th\u00e9orique de la distribution des scores observ\u00e9s qu’un m\u00eame individu obtiendrait s’il \u00e9tait soumis \u00e0 une infinit\u00e9 de passations ind\u00e9pendantes d’un m\u00eame test, sous des conditions rigoureusement identiques et en l’absence absolue de tout effet d’apprentissage ou de m\u00e9morisation. En d’autres termes, l’ETM traduit la variabilit\u00e9 intra-individuelle attribuable exclusivement aux fluctuations al\u00e9atoires du processus d’\u00e9valuation. Exprim\u00e9e dans la m\u00eame unit\u00e9 m\u00e9trique que l’\u00e9preuve qu’elle caract\u00e9rise \u2014 qu’il s’agisse de points sur une \u00e9chelle de quotient intellectuel, de secondes ou de scores \u00e0 un questionnaire psychologique \u2014, elle fournit un indicateur absolu et synth\u00e9tique du manque de pr\u00e9cision, ou \u00ab bruit de fond \u00bb, indissociable de l’instrument employ\u00e9.<\/p>\n \u00c0 l’inverse, l’intervalle de confiance (IC)<\/strong> rel\u00e8ve de la statistique inf\u00e9rentielle formalis\u00e9e par Jerzy Neyman<\/a> dans les ann\u00e9es 1930. Loin d’\u00eatre une simple propri\u00e9t\u00e9 intrins\u00e8que et descriptive de l’instrument, l’intervalle de confiance est un estimateur par intervalle qui d\u00e9limite une plage de valeurs plausibles au sein de laquelle un param\u00e8tre inconnu \u2014 tel que le \u00ab score vrai \u00bb d’un sujet ou la moyenne d’une population cible \u2014 est susceptible de se trouver, associ\u00e9 \u00e0 un niveau de confiance nominal pr\u00e9d\u00e9termin\u00e9 ($1 – alpha$, typiquement 90 % ou 95 %). Alors que l’ETM mod\u00e9lise une dispersion d’erreurs th\u00e9oriques, l’intervalle de confiance constitue une r\u00e8gle math\u00e9matique de d\u00e9cision qui transforme cette dispersion en une fronti\u00e8re probabiliste op\u00e9rationnelle, guidant l’inf\u00e9rence du praticien face \u00e0 une observation singuli\u00e8re.<\/p>\n La n\u00e9cessit\u00e9 de formaliser math\u00e9matiquement ces concepts s’impose d\u00e8s lors que l’on admet l’impossibilit\u00e9 de neutraliser l’int\u00e9gralit\u00e9 des facteurs de variabilit\u00e9 externe lors d’une \u00e9valuation quantitative. La fatigue passag\u00e8re d’un patient, une infime variation dans l’administration des consignes par l’examinateur, l’\u00e9tat \u00e9motionnel transitoire de la personne \u00e9valu\u00e9e ou les fluctuations environnementales (bruit, luminosit\u00e9) constituent autant de sources d’al\u00e9a qui s’additionnent ou se compensent pour \u00e9loigner le score observ\u00e9 de la valeur v\u00e9ritable recherch\u00e9e. L’ETM et l’IC constituent l’armature logique permettant de borner cette incertitude, transformant un chiffre ponctuel brut en une information m\u00e9trologiquement interpr\u00e9table et scientifiquement d\u00e9fendable.<\/p>\n La promiscuit\u00e9 conceptuelle entre l’ETM et l’intervalle de confiance d\u00e9coule en premier lieu de leur cohabitation syst\u00e9matique dans la pratique appliqu\u00e9e, singuli\u00e8rement en psychom\u00e9trie et en \u00e9valuation cognitive. Lorsqu’un manuel de test, tel que l’\u00e9chelle d’intelligence de Wechsler, fournit les tables d’\u00e9talonnage, il juxtapose syst\u00e9matiquement la valeur de l’ETM aux c\u00f4t\u00e9s des intervalles de confiance \u00e0 90 % et 95 % calcul\u00e9s pour diff\u00e9rentes tranches d’\u00e2ge. Cette pr\u00e9sentation tabulaire compacte induit chez l’utilisateur peu averti l’illusion que ces deux entit\u00e9s sont de m\u00eame nature, l’une n’\u00e9tant per\u00e7ue que comme une simple variante typographique de l’autre.<\/p>\n Cette confusion est renforc\u00e9e par l’architecture math\u00e9matique de l’intervalle de confiance dans le cadre de la th\u00e9orie classique des tests. En effet, l’erreur type de mesure figure formellement comme le multiplicateur fondamental au sein de l’\u00e9quation standard d\u00e9terminant les bornes de l’intervalle. L’amplitude de la marge d’erreur \u00e9tant directement proportionnelle au produit de l’ETM et d’une valeur critique issue de la loi normale centr\u00e9e r\u00e9duite ($z_{alpha\/2}$<\/span>), de nombreux praticiens finissent par fusionner le contenant et le contenu. L’ETM en vient \u00e0 \u00eatre qualifi\u00e9e d’\u00ab intervalle de confiance \u00e0 68 % \u00bb \u2014 assimilation math\u00e9matiquement recevable sous de strictes hypoth\u00e8ses de normalit\u00e9, mais \u00e9pist\u00e9mologiquement d\u00e9sastreuse quant \u00e0 la compr\u00e9hension des r\u00f4les respectifs de la dispersion d’\u00e9chantillonnage et de la d\u00e9cision inf\u00e9rentielle.<\/p>\n Enfin, l’amalgame s’alimente d’un glissement s\u00e9mantique r\u00e9current entre la dispersion th\u00e9orique<\/em> de la mesure et la probabilit\u00e9 de capture<\/em> du param\u00e8tre. Dire qu’un test pr\u00e9sente une ETM de 3 points renvoie \u00e0 la distribution des erreurs de l’outil ; affirmer qu’un score vrai se situe entre 95 et 105 avec une confiance de 95 % engage la responsabilit\u00e9 inf\u00e9rentielle de l’\u00e9valuateur vis-\u00e0-vis d’un individu singulier. Confondre l’indice m\u00e9trologique descriptif (l’ETM) avec la d\u00e9marche heuristique d’encadrement du param\u00e8tre (l’IC) obscurcit la port\u00e9e des d\u00e9cisions diagnostiques, notamment lorsque ces derni\u00e8res d\u00e9pendent de seuils r\u00e9glementaires stricts o\u00f9 chaque fraction d’\u00e9cart-type est d\u00e9terminante.<\/p>\n L’introduction conjointe de l’ETM et de l’intervalle de confiance a marqu\u00e9 une rupture \u00e9pist\u00e9mologique majeure au sein des sciences quantitatives, scellant le passage d\u00e9finitif d’un paradigme d\u00e9terministe na\u00eff \u00e0 un paradigme probabiliste rigoureux. Durant le XIXe si\u00e8cle et les pr\u00e9mices du XXe si\u00e8cle, les pionniers de la psychom\u00e9trie et de la biom\u00e9trie nourrissaient l’ambition d’atteindre une mesure exacte des facult\u00e9s de l’esprit ou des constantes physiologiques, assimilant la mesure humaine aux standards de la m\u00e9canique c\u00e9leste. Cette vision positiviste postulait implicitement qu’une instrumentation suffisamment raffin\u00e9e \u00e9liminerait l’erreur d’observation.<\/p>\n L’av\u00e8nement des th\u00e9ories statistiques modernes a infirm\u00e9 cette ambition chim\u00e9rique en d\u00e9montrant que l’erreur n’est pas un accident de parcours mais une composante structurelle irr\u00e9ductible de toute mesure. En psychologie, en psychiatrie, en sciences de l’\u00e9ducation et en sant\u00e9 publique, la grandeur mesur\u00e9e est invariablement un construit latent \u2014 qu’il s’agisse de la m\u00e9moire de travail, de l’anxi\u00e9t\u00e9-trait ou de la qualit\u00e9 de vie li\u00e9e \u00e0 la sant\u00e9 \u2014 inaccessible \u00e0 une observation sensorielle directe. Dans ce contexte, assigner un nombre unique \u00e0 un individu sans documenter sa variance d’erreur rel\u00e8ve de l’illusion m\u00e9thodologique. L’ETM et l’IC constituent l’expression formelle de la modestie \u00e9pist\u00e9mique du chercheur et du clinicien, rappelant que tout score empirique est un indicateur bruit\u00e9 dont la valeur heuristique d\u00e9pend de la pr\u00e9cision de son calibrage.<\/p>\n Sur le plan d\u00e9cisionnel, les implications de cette transition sont fondamentales. L’attribution d’am\u00e9nagements p\u00e9dagogiques pour un enfant en situation de handicap, l’octroi d’une allocation d’invalidit\u00e9, la qualification m\u00e9dico-l\u00e9gale de l’alt\u00e9ration du discernement ou l’inclusion d’un patient dans un essai clinique exp\u00e9rimental reposent fr\u00e9quemment sur le franchissement de seuils num\u00e9riques pr\u00e9cis. Ignorer la marge d’incertitude quantifi\u00e9e par l’ETM et formalis\u00e9e par l’IC expose le syst\u00e8me social et m\u00e9dical \u00e0 un risque \u00e9lev\u00e9 de faux positifs et de faux n\u00e9gatifs. L’obligation d\u00e9ontologique de rapporter les intervalles de confiance et de ma\u00eetriser la signification de l’erreur type s’affirme ainsi comme une condition sine qua non<\/em> d’une pratique scientifique \u00e9thique et transparente.<\/p>\n Pour appr\u00e9hender l’erreur type de mesure dans toute sa rigueur, il convient de se r\u00e9f\u00e9rer au mod\u00e8le lin\u00e9aire fondamental d\u00e9velopp\u00e9 par Charles Spearman<\/a> (1904, 1910) et consolid\u00e9 ult\u00e9rieurement dans les travaux monumentaux de Gulliksen (1950) ainsi que de Lord et Novick (1968). Ce mod\u00e8le, pierre angulaire de la th\u00e9orie classique des tests, stipule que tout score observ\u00e9 empiriquement, d\u00e9sign\u00e9 par la variable al\u00e9atoire $X$<\/span>, peut \u00eatre partitionn\u00e9 de mani\u00e8re lin\u00e9aire et additive en deux composantes inobservables et ind\u00e9pendantes : le score vrai ($T$<\/span>, pour True score<\/em>) et l’erreur de mesure al\u00e9atoire ($E$<\/span>, pour Error<\/em>) :<\/p>\n X = T + E<\/span><\/p>\n Le score vrai $T$<\/span> n’est pas une entit\u00e9 platonicienne mystique, mais une esp\u00e9rance math\u00e9matique : il est formellement d\u00e9fini comme la valeur moyenne de la distribution des scores observ\u00e9s que l’on obtiendrait si l’on r\u00e9p\u00e9tait la mesure un nombre infini de fois sur le m\u00eame sujet, dans des conditions parfaitement homog\u00e8nes et ind\u00e9pendantes ($T = E(X)$<\/span>). Par voie de cons\u00e9quence directe, l’erreur de mesure $E$<\/span> repr\u00e9sente l’\u00e9cart r\u00e9siduel entre le score brut observ\u00e9 lors d’une passation donn\u00e9e et ce score vrai sous-jacent ($E = X – T$<\/span>). Le mod\u00e8le classique \u00e9rige plusieurs postulats axiomatiques r\u00e9gissant le comportement de cette composante d’erreur :<\/p>\n Sous ces hypoth\u00e8ses axiomatiques, la variance totale des scores observ\u00e9s au sein d’une population ($\\sigma_X^2$<\/span>) se d\u00e9compose simplement en la somme de la variance des scores vrais ($\\sigma_T^2$<\/span>) et de la variance des erreurs de mesure ($\\sigma_E^2$<\/span>) : $\\sigma_X^2 = \\sigma_T^2 + \\sigma_E^2$<\/span>. L’erreur type de mesure (not\u00e9e $\\sigma_E$<\/span> ou $SEM$<\/span>) n’est rien d’autre que l’\u00e9cart-type de cette composante d’erreur al\u00e9atoire. Elle mesure directement la dispersion des scores observ\u00e9s $X$<\/span> autour du score vrai $T$<\/span> pour un sujet repr\u00e9sentatif de la population d’\u00e9talonnage.<\/p>\n L’inaccessibilit\u00e9 directe du score vrai et de l’erreur al\u00e9atoire interdit une mesure directe de $\\sigma_E$<\/span> par simple observation intra-individuelle r\u00e9p\u00e9t\u00e9e. En pratique clinique, soumettre un sujet \u00e0 cent passations successives du m\u00eame test psychom\u00e9trique est rigoureusement impossible en raison des effets d’entra\u00eenement, de l’habituation, de la fatigue et des contraintes \u00e9thiques. Pour contourner cette limite ontologique, la th\u00e9orie classique des tests op\u00e8re une d\u00e9rivation \u00e9l\u00e9gante reliant l’erreur type de mesure \u00e0 des param\u00e8tres statistiques ais\u00e9ment observables au niveau d’un \u00e9chantillon normatif : l’\u00e9cart-type des scores observ\u00e9s ($s_X$<\/span>) et le coefficient de fid\u00e9lit\u00e9 du test<\/a> ($r_{XX}$<\/span>).<\/p>\n La fid\u00e9lit\u00e9 d’un instrument exprime le ratio de la variance du score vrai sur la variance du score observ\u00e9, soit la proportion de la variance totale qui n’est pas attribuable \u00e0 l’erreur al\u00e9atoire :<\/p>\n r_{XX} = frac{sigma_T^2}{sigma_X^2} = 1 – frac{sigma_E^2}{sigma_X^2}<\/span><\/p>\n En isolant le terme de variance d’erreur $\\sigma_E^2$<\/span> au sein de cette \u00e9quation alg\u00e9brique, nous obtenons :<\/p>\n frac{sigma_E^2}{sigma_X^2} = 1 – r_{XX} implies sigma_E^2 = sigma_X^2 (1 – r_{XX})<\/span><\/p>\n En extrayant la racine carr\u00e9e de cette expression, nous aboutissons \u00e0 la formule canonique universellement consacr\u00e9e pour l’estimation de l’erreur type de mesure \u00e9chantillonnale ($SEM$<\/span>) :<\/p>\n SEM = s_X sqrt{1 – r_{XX}}<\/span><\/p>\n Cette relation math\u00e9matique explicite avec limpidit\u00e9 les forces en pr\u00e9sence. L’erreur type de mesure est index\u00e9e sur la dispersion brute des scores ($s_X$<\/span>) et modul\u00e9e par le compl\u00e9ment \u00e0 l’unit\u00e9 de la fid\u00e9lit\u00e9. Si un test pr\u00e9sentait une fid\u00e9lit\u00e9 parfaite ($r_{XX} = 1,0$<\/span>), l’ETM s’annulerait rigoureusement ($SEM = 0$<\/span>), attestant que le score observ\u00e9 est une r\u00e9plique exacte du score vrai. \u00c0 l’oppos\u00e9, si l’instrument est d\u00e9pourvu de toute fiabilit\u00e9 ($r_{XX} = 0$<\/span>), l’erreur type devient \u00e9quivalente \u00e0 l’\u00e9cart-type global de l’\u00e9chantillon ($SEM = s_X$<\/span>), signifiant que la variabilit\u00e9 enregistr\u00e9e n’est constitu\u00e9e que d’un bruit stochastique d\u00e9nu\u00e9 de tout signal substantiel.<\/p>\n L’amplitude num\u00e9rique de l’ETM d\u00e9pend intimement de la m\u00e9thode s\u00e9lectionn\u00e9e pour estimer le coefficient de fid\u00e9lit\u00e9 $r_{XX}$<\/span>. L’utilisation d’un coefficient de coh\u00e9rence interne (comme le coefficient alpha de Cronbach ou l’om\u00e9ga de McDonald) tend \u00e0 sous-estimer l’ETM globale car elle n’int\u00e8gre que l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des items \u00e0 un instant $t$<\/span>, n\u00e9gligeant les fluctuations temporelles de l’\u00e9tat du sujet. Inversement, l’emploi d’un coefficient de fid\u00e9lit\u00e9 test-retest int\u00e8gre la variabilit\u00e9 intra-individuelle li\u00e9e au passage du temps, produisant une ETM g\u00e9n\u00e9ralement plus large et plus repr\u00e9sentative des contraintes r\u00e9elles de la pratique longitudinale. Il est \u00e0 noter que, dans le cadre de la th\u00e9orie classique des tests, l’ETM est postul\u00e9e constante et uniforme d’une extr\u00e9mit\u00e9 \u00e0 l’autre de l’\u00e9chelle des scores, postulat restrictif que les th\u00e9ories contemporaines remettront ult\u00e9rieurement en question.<\/p>\n Sur le versant interpr\u00e9tatif, l’erreur type de mesure fournit au praticien un \u00e9talon direct de la robustesse d’un score isol\u00e9. Imaginons une batterie d’\u00e9valuation cognitive standardis\u00e9e o\u00f9 les scores composites sont calibr\u00e9s sur une \u00e9chelle classique de moyenne 100 et d’\u00e9cart-type 15 (\u00e0 l’image des \u00e9chelles de Wechsler). Si le manuel technique stipule que l’indice de compr\u00e9hension verbale b\u00e9n\u00e9ficie d’un coefficient de fid\u00e9lit\u00e9 remarquable de $r_{XX} = 0,96$<\/span>, le calcul de l’ETM s’op\u00e8re comme suit :<\/p>\n SEM = 15 times sqrt{1 – 0,96} = 15 times sqrt{0,04} = 15 times 0,20 = 3,00text{ points de QI}<\/span><\/p>\n \u00c0 l’inverse, si un sous-test ou une \u00e9preuve abr\u00e9g\u00e9e pr\u00e9sente une fid\u00e9lit\u00e9 modeste de $r_{XX} = 0,64$<\/span>, l’ETM bondit m\u00e9caniquement :<\/p>\n SEM = 15 times sqrt{1 – 0,64} = 15 times sqrt{0,36} = 15 times 0,60 = 9,00text{ points de QI}<\/span><\/p>\n Cette diff\u00e9rence d’amplitude illustre concr\u00e8tement ce que repr\u00e9sente la variabilit\u00e9 intra-individuelle. Dans le premier cas, les fluctuations al\u00e9atoires attendues autour de la comp\u00e9tence v\u00e9ritable du sujet sont resserr\u00e9es dans une fourchette \u00e9troite ; dans le second cas, le \u00ab tremblement m\u00e9trologique \u00bb de l’aiguille de mesure est si ample qu’une variation substantielle entre deux passations peut survenir par le simple jeu du hasard, sans qu’aucune modification des capacit\u00e9s cognitives r\u00e9elles du patient n’ait eu lieu.<\/p>\n Il est crucial de souligner que l’ETM caract\u00e9rise la pr\u00e9cision instrumentale ind\u00e9pendamment de toute hypoth\u00e8se relative \u00e0 l’\u00e9chantillonnage de populations r\u00e9currentes. Bien que sa formule incorpore l’\u00e9cart-type de l’\u00e9chantillon normatif, l’ETM a pour vocation ultime de renseigner sur le sujet unique confront\u00e9 \u00e0 la mesure. Elle offre la base de calcul indispensable pour \u00e9valuer si la d\u00e9t\u00e9rioration des performances d’un patient c\u00e9r\u00e9brol\u00e9s\u00e9 ou le progr\u00e8s constat\u00e9 chez un enfant ayant suivi une r\u00e9\u00e9ducation cognitive exc\u00e8dent le seuil de tol\u00e9rance de l’erreur purement technique de l’outil employ\u00e9.<\/p>\n L’intervalle de confiance<\/strong> rel\u00e8ve d’une logique \u00e9pist\u00e9mologique fondamentalement dissemblable : celle de l’inf\u00e9rence statistique fr\u00e9quentiste<\/a>. Dans l’\u00e9pist\u00e9mologie d\u00e9velopp\u00e9e par Fisher, Neyman et Pearson, les param\u00e8tres r\u00e9els de la population (comme la moyenne th\u00e9orique $\\mu$<\/span> ou le score vrai d’un individu $T$<\/span>) sont consid\u00e9r\u00e9s comme des grandeurs fixes mais fondamentalement inconnaissables de mani\u00e8re exacte. D\u00e8s lors, l’estimation ponctuelle \u2014 qui consisterait \u00e0 affirmer p\u00e9remptoirement que la valeur vraie est \u00e9gale au chiffre brut obtenu \u2014 est jug\u00e9e scientifiquement intenable, car la probabilit\u00e9 exacte qu’une estimation ponctuelle continue co\u00efncide parfaitement avec le param\u00e8tre latent est rigoureusement nulle ($P(\\hat{\\theta} = \\theta) = 0$<\/span>).<\/p>\n Pour parer \u00e0 cette impasse, l’inf\u00e9rence fr\u00e9quentiste substitue \u00e0 l’estimation ponctuelle une estimation par intervalle<\/em>. L’intervalle de confiance d\u00e9limite un continuum num\u00e9rique au sein duquel le param\u00e8tre cibl\u00e9 a une fr\u00e9quence d\u00e9finie de se trouver si la proc\u00e9dure d’\u00e9chantillonnage et de calcul venait \u00e0 \u00eatre r\u00e9it\u00e9r\u00e9e un nombre ind\u00e9fini de fois. C’est ici que r\u00e9side la subtilit\u00e9 du cadre de Neyman : le niveau de confiance, d\u00e9sign\u00e9 par $1 – alpha$ (g\u00e9n\u00e9ralement fix\u00e9 \u00e0 90 %, 95 % ou 99 %), ne renvoie pas \u00e0 la probabilit\u00e9 que le param\u00e8tre fixe se d\u00e9place pour entrer dans l’intervalle calcul\u00e9, mais qualifie la proc\u00e9dure de capture<\/em> elle-m\u00eame. Si l’on construisait cent intervalles de confiance \u00e0 95 % \u00e0 partir de cent \u00e9chantillons ind\u00e9pendants issus de la m\u00eame population, exactement quatre-vingt-quinze d’entre eux encadreraient le param\u00e8tre fixe inconnu, tandis que cinq \u00e9choueraient \u00e0 le contenir.<\/p>\n Ce cadre th\u00e9orique prend tout son sens \u00e0 la lumi\u00e8re de la distribution d’\u00e9chantillonnage et du th\u00e9or\u00e8me central limite<\/a>. Ce th\u00e9or\u00e8me assure que, sous des conditions tr\u00e8s g\u00e9n\u00e9rales de r\u00e9gularit\u00e9 et de taille d’\u00e9chantillon, la distribution des estimateurs converge asymptotiquement vers une loi normale. Appliqu\u00e9 \u00e0 la mesure individuelle en psychom\u00e9trie ou en biom\u00e9decine, cela implique que les manifestations empiriques des scores observ\u00e9s ou les moyennes d’\u00e9chantillons s’organisent selon une courbe de Gauss bien connue, autorisant l’usage de fonctions de r\u00e9partition standardis\u00e9es pour d\u00e9limiter les zones de plausibilit\u00e9 statistique.<\/p>\n Dans sa structure g\u00e9n\u00e9rale, un intervalle de confiance bilat\u00e9ral sym\u00e9trique repose sur l’adjonction et la soustraction d’une marge d’erreur ($ME$<\/span>) \u00e0 l’estimateur ponctuel obtenu. Cette marge d’erreur r\u00e9sulte invariablement de la multiplication d’une valeur critique standardis\u00e9e par une mesure de dispersion d’erreur appropri\u00e9e :<\/p>\n IC_{1 – alpha} = text{Estimateur Ponctuel} pm (z_{text{critique}} times text{Erreur Type})<\/span><\/p>\n Dans le domaine de l’\u00e9valuation individuelle, sous l’hypoth\u00e8se classique o\u00f9 l’on utilise directement le score observ\u00e9 $X$<\/span> comme estimateur du score vrai $T$<\/span>, et o\u00f9 l’erreur type ad\u00e9quate est l’ETM, la formule classique de l’intervalle de confiance s’exprime ainsi :<\/p>\n IC_{1 – alpha} = X pm left( z_{alpha\/2} times SEM right)<\/span><\/p>\n La valeur critique $z_{alpha\/2}$<\/span> d\u00e9coule des percentiles de la loi normale standardis\u00e9e $N(0, 1)$<\/span> correspondant au niveau de risque d’erreur consenti ($\\alpha$<\/span>). Pour les niveaux de confiance les plus fr\u00e9quemment mobilis\u00e9s par les standards internationaux, ces coefficients d’\u00e9largissement sont parfaitement calibr\u00e9s :<\/p>\n Trois facteurs d\u00e9terminent de fa\u00e7on concomitante l’amplitude finale (la largeur) de cet intervalle de confiance. Le premier est le degr\u00e9 d’exigence de certitude<\/em> incarn\u00e9 par $z$<\/span> : plus le clinicien souhaite \u00e9carter le risque d’erreur et se pr\u00e9munir contre une mauvaise classification, plus il doit augmenter le niveau de confiance, ce qui \u00e9carte m\u00e9caniquement les bornes de l’intervalle et r\u00e9duit la pr\u00e9cision informative du r\u00e9sultat. Le deuxi\u00e8me facteur est la qualit\u00e9 intrins\u00e8que de l’instrument<\/em> via l’ETM : un test dot\u00e9 d’une fid\u00e9lit\u00e9 m\u00e9diocre g\u00e9n\u00e8re une ETM \u00e9lev\u00e9e qui gonfle l’intervalle de confiance, traduisant l’incertitude mat\u00e9rielle de l’\u00e9valuation. Le troisi\u00e8me param\u00e8tre, pr\u00e9pond\u00e9rant lors de l’estimation de param\u00e8tres de groupe (comme une moyenne populationnelle), est la taille de l’\u00e9chantillon<\/em> ($N$<\/span>), l’erreur type de la moyenne d\u00e9croissant en raison inverse de la racine carr\u00e9e de l’effectif ($\\sigma \/ \\sqrt{N}$<\/span>) ; toutefois, dans le cas de l’\u00e9valuation d’un sujet individuel, $N = 1$<\/span>, et c’est la seule pr\u00e9cision du test qui r\u00e9gule la variabilit\u00e9 du signal.<\/p>\n1. Introduction g\u00e9n\u00e9rale et mise en contexte m\u00e9trologique<\/h2>\n
1.1 D\u00e9finitions liminaires des deux concepts<\/h3>\n
1.2 Origine de la confusion conceptuelle<\/h3>\n
1.3 Port\u00e9e \u00e9pist\u00e9mologique en sciences quantitatives<\/h3>\n
2. L’erreur type de mesure (ETM) : fondements th\u00e9oriques et op\u00e9rationnels<\/h2>\n
2.1 Th\u00e9orie classique des tests et mod\u00e8le du score vrai<\/h3>\n
\n
2.2 Formulation math\u00e9matique et d\u00e9rivation de l’ETM<\/h3>\n
2.3 Interpr\u00e9tation pratique de la variabilit\u00e9 intra-individuelle<\/h3>\n
3. L’intervalle de confiance (IC) : cadre inf\u00e9rentiel et probabiliste<\/h2>\n
3.1 Principes fondamentaux de l’inf\u00e9rence statistique fr\u00e9quentiste<\/h3>\n
3.2 Calcul de l’intervalle de confiance et param\u00e8tres d\u00e9terminants<\/h3>\n
\n
3.3 Interpr\u00e9tation probabiliste et pi\u00e8ges conceptuels<\/h3>\n