{"id":25774,"date":"2026-11-08T15:07:30","date_gmt":"2026-11-08T15:07:30","guid":{"rendered":"https:\/\/french.arabpsychology.com\/?psych_comparison=fonction-discriminante-vs-analyse-factorielle"},"modified":"2026-11-08T15:07:30","modified_gmt":"2026-11-08T15:07:30","slug":"fonction-discriminante-vs-analyse-factorielle","status":"publish","type":"psych_comparison","link":"https:\/\/french.arabpsychology.com\/?psych_comparison=fonction-discriminante-vs-analyse-factorielle","title":{"rendered":"Fonction discriminante vs. Analyse factorielle"},"content":{"rendered":"

Le traitement des donn\u00e9es quantitatives complexes pose un d\u00e9fi m\u00e9thodologique constant dans l’ensemble des sciences contemporaines, qu’il s’agisse de la biom\u00e9decine, des sciences du comportement, de l’\u00e9conom\u00e9trie ou de l’ing\u00e9nierie des donn\u00e9es. Face \u00e0 des matrices d’observations comportant des dizaines, voire des centaines de descripteurs continus, les chercheurs sont confront\u00e9s \u00e0 deux imp\u00e9ratifs souvent intriqu\u00e9s mais conceptuellement disjoints : r\u00e9sumer l’information en identifiant des dimensions conceptuelles sous-jacentes d’une part, et classifier de fa\u00e7on optimale des unit\u00e9s statistiques au sein de groupes mutuellement exclusifs d’autre part. Cette dualit\u00e9 d’objectifs a historiquement favoris\u00e9 l’\u00e9mergence de deux approches multivari\u00e9es fondamentales : l’analyse factorielle<\/a> et l’analyse par fonction discriminante<\/a>.<\/p>\n

Bien que ces deux familles m\u00e9thodologiques partagent un h\u00e9ritage math\u00e9matique commun fond\u00e9 sur l’alg\u00e8bre lin\u00e9aire, la g\u00e9om\u00e9trie euclidienne multidimensionnelle et la d\u00e9composition spectrale des matrices de variance-covariance, leurs fondements \u00e9pist\u00e9mologiques divergent radicalement. L’analyse factorielle cherche \u00e0 sonder la structure interne d’un r\u00e9seau de variables manifestes pour en extraire des construits inobservables, op\u00e9rant ainsi dans un cadre non supervis\u00e9 o\u00f9 aucune variable de r\u00e9ponse externe n’est postul\u00e9e. \u00c0 l’oppos\u00e9, l’analyse discriminante s’ancre dans un paradigme supervis\u00e9, orient\u00e9 vers la mod\u00e9lisation des fronti\u00e8res s\u00e9paratrices entre des classes pr\u00e9d\u00e9finies \u00e0 partir d’un ensemble de pr\u00e9dicteurs continus.<\/p>\n

La confusion persistante observ\u00e9e dans la litt\u00e9rature scientifique appliqu\u00e9e provient en grande partie de la similarit\u00e9 apparente de leurs repr\u00e9sentations alg\u00e9briques et de leurs sorties logicielles. Des termes tels que \u00ab facteurs \u00bb, \u00ab fonctions canoniques \u00bb, \u00ab saturations \u00bb, \u00ab poids \u00bb ou \u00ab scores \u00bb sont fr\u00e9quemment employ\u00e9s de mani\u00e8re interchangeable dans les comptes rendus empiriques, induisant des erreurs d’interpr\u00e9tation th\u00e9orique et des inf\u00e9rences erron\u00e9es. Le pr\u00e9sent expos\u00e9 a pour vocation d’analyser en profondeur les m\u00e9canismes math\u00e9matiques, les conditions d’application, les divergences \u00e9pist\u00e9mologiques et les convergences op\u00e9ratoires de ces deux m\u00e9thodes capitales de la statistique multivari\u00e9e.<\/p>\n

1. Introduction aux techniques multivari\u00e9es : D\u00e9finitions et contextes d’usage<\/h2>\n

1.1 Origine conceptuelle et r\u00f4le dans la mod\u00e9lisation statistique<\/h3>\n

L’\u00e9mergence des statistiques multivari\u00e9es au d\u00e9but du vingti\u00e8me si\u00e8cle a marqu\u00e9 une rupture avec le paradigme univari\u00e9 classique h\u00e9rit\u00e9 des travaux sur la distribution normale unilat\u00e9rale. Alors que la recherche empirique se heurtait \u00e0 des ph\u00e9nom\u00e8nes dont la complexit\u00e9 intrins\u00e8que ne pouvait \u00eatre saisie par une variable isol\u00e9e sans un biais r\u00e9ducteur inacceptable, des statisticiens et psychologues pionniers ont cherch\u00e9 \u00e0 appr\u00e9hender les interd\u00e9pendances globales au sein de syst\u00e8mes complexes. D\u00e8s 1904, Charles Spearman posait les premiers jalons de l’analyse factorielle en tentant d’isoler un facteur g\u00e9n\u00e9ral d’intelligence \u00e0 partir de la matrice de corr\u00e9lations de multiples tests cognitifs. Quelques d\u00e9cennies plus tard, en 1936, Ronald Aylmer Fisher formalisait le probl\u00e8me de l’analyse discriminante lin\u00e9aire afin de r\u00e9soudre une \u00e9nigme taxonomique botanique concr\u00e8te : diff\u00e9rencier rigoureusement trois esp\u00e8ces d’iris sur la base de mesures morphologiques de leurs s\u00e9pales et p\u00e9tales.<\/p>\n

Sur le plan d\u00e9finitionnel, la fonction discriminante se con\u00e7oit comme une technique statistique supervis\u00e9e destin\u00e9e \u00e0 identifier la combinaison lin\u00e9aire optimale de variables pr\u00e9dictives quantitatives permettant de discriminer de la mani\u00e8re la plus nette possible deux ou plusieurs populations ou groupes connus a priori. Elle r\u00e9pond \u00e0 deux finalit\u00e9s compl\u00e9mentaires : une finalit\u00e9 descriptive ou explicative, qui vise \u00e0 identifier les variables contribuant le plus fortement \u00e0 la diff\u00e9renciation des groupes, et une finalit\u00e9 d\u00e9cisionnelle ou pr\u00e9dictive, consistant \u00e0 affecter une nouvelle observation d’origine inconnue au groupe dont elle est statistiquement la plus proche. Le statut des donn\u00e9es y est asym\u00e9trique : il existe obligatoirement une variable d\u00e9pendante cat\u00e9gorielle d\u00e9limitant les groupes et un vecteur de variables ind\u00e9pendantes quantitatives.<\/p>\n

En contrepoint, l’analyse factorielle constitue une m\u00e9thode d’apprentissage non supervis\u00e9 et de r\u00e9duction de dimension qui postule l’existence de variables latentes \u2014 c’est-\u00e0-dire non observables directement \u2014 sous-jacentes aux corr\u00e9lations observ\u00e9es entre un ensemble de variables manifestes. Contrairement aux approches pr\u00e9dictives, l’analyse factorielle traite l’ensemble des variables sur un pied d’\u00e9galit\u00e9, sans distinction entre variables d\u00e9pendantes et ind\u00e9pendantes. Son r\u00f4le fondamental est d’expliquer la covariance observ\u00e9e avec un nombre minimal de facteurs communs, isolant ainsi la variance partag\u00e9e de la variance unique et du bruit de mesure. Dans la recherche scientifique, clarifier cette distinction est indispensable : appliquer une analyse factorielle l\u00e0 o\u00f9 des groupes th\u00e9oriques doivent \u00eatre diff\u00e9renci\u00e9s m\u00e8ne \u00e0 ignorer la structure cat\u00e9gorielle sous-jacente, tandis qu’appliquer une fonction discriminante sur un ensemble homog\u00e8ne sans variable de classe conduit \u00e0 des partitions artificielles d\u00e9pourvues de validit\u00e9 th\u00e9orique.<\/p>\n

1.2 Pourquoi ces deux approches sont-elles fr\u00e9quemment confondues ?<\/h3>\n

La confusion r\u00e9currente entre analyse factorielle et fonction discriminante au sein de la communaut\u00e9 des chercheurs appliqu\u00e9s n’est pas fortuite ; elle s’explique par une homologie formelle manifeste dans les op\u00e9rations math\u00e9matiques sous-jacentes. Dans les deux cas, le chercheur manipule un ensemble de pr\u00e9dicteurs continus mesur\u00e9s sur une population d’individus et cherche \u00e0 condenser cet espace \u00e0 $p$<\/span> dimensions en un sous-espace vectoriel de dimension $m$<\/span>, avec $m < p$. Dans les deux approches, cette condensation s'op\u00e8re par l'interm\u00e9diaire de combinaisons lin\u00e9aires des variables initiales. Une fonction discriminante canonique s'\u00e9crit formellement comme une somme pond\u00e9r\u00e9e des descripteurs, tout comme un facteur th\u00e9orique s'exprime ou se projette sous la forme d'une somme pond\u00e9r\u00e9e des variables manifestes.<\/p>\n

Au-del\u00e0 de cette structure lin\u00e9aire partag\u00e9e, l’appareil calculatoire de ces deux m\u00e9thodologies mobilise les m\u00eames outils fondamentaux de l’alg\u00e8bre lin\u00e9aire, plus particuli\u00e8rement la d\u00e9composition spectrale et la r\u00e9solution de probl\u00e8mes aux valeurs propres et vecteurs propres. Dans l’analyse factorielle, l’extraction repose sur la diagonalisation de la matrice de corr\u00e9lation ou de covariance, ou sur une d\u00e9composition en valeurs singuli\u00e8res. Dans l’analyse discriminante, la recherche des coefficients canoniques passe par la r\u00e9solution d’un probl\u00e8me aux valeurs propres g\u00e9n\u00e9ralis\u00e9es impliquant le produit de l’inverse de la matrice de covariance intra-groupe par la matrice de covariance inter-groupe. Cette similarit\u00e9 math\u00e9matique produit des sorties logicielles qui pr\u00e9sentent une ressemblance troublante pour le praticien non sp\u00e9cialiste : des tables affichant des coefficients, des pourcentages de variance associ\u00e9s \u00e0 des axes ordonn\u00e9s, et des repr\u00e9sentations graphiques bidimensionnelles projetant les individus dans un espace r\u00e9duit.<\/p>\n

Cette ressemblance superficielle masque pourtant un ab\u00eeme conceptuel. Dans le cas de l’analyse factorielle, les coefficients obtenus (les saturations factorielles) quantifient la corr\u00e9lation ou la d\u00e9pendance structurelle entre une variable manifeste et un construit th\u00e9orique abstrait. Dans le cadre de l’analyse discriminante, les coefficients (coefficients canoniques standardis\u00e9s) indiquent la contribution relative d’une variable \u00e0 la s\u00e9paration maximale de classes concr\u00e8tes et empiriquement observables. Confondre une projection destin\u00e9e \u00e0 maximiser la variance partag\u00e9e globale avec une projection con\u00e7ue pour maximiser l’\u00e9cartement de centro\u00efdes de groupes distincts constitue une erreur m\u00e9thodologique s\u00e9v\u00e8re, conduisant \u00e0 des interpr\u00e9tations substantiellement fausses de la dynamique des donn\u00e9es.<\/p>\n

1.3 Objectifs scientifiques et cadre comparatif de l’analyse<\/h3>\n

Face \u00e0 un corpus de donn\u00e9es empiriques, le choix de la m\u00e9thode d’analyse ne doit pas r\u00e9sulter d’une pr\u00e9f\u00e9rence stylistique ou d’une habitude logicielle, mais d’une articulation logique entre la question de recherche, la nature des hypoth\u00e8ses formul\u00e9es et les propri\u00e9t\u00e9s distributionnelles des variables. Le cadre scientifique de cette comparaison exige d’\u00e9valuer scrupuleusement la structure de causalit\u00e9 implicite postul\u00e9e par le chercheur. Si l’on suppose qu’une entit\u00e9 non mesur\u00e9e gouverne l’apparition de comportements ou de sympt\u00f4mes mesurables, la th\u00e9orie de la mesure impose le recours \u00e0 la mod\u00e9lisation par variables latentes de l’analyse factorielle. Si l’on cherche au contraire \u00e0 \u00e9tablir si des indicateurs physiologiques permettent de classer de mani\u00e8re fiable des sujets entre \u00ab malades \u00bb et \u00ab sains \u00bb, l’orientation d\u00e9cisionnelle impose l’analyse discriminante.<\/p>\n

Ce comparatif rigoureux requiert \u00e9galement de confronter les exigences distributionnelles impos\u00e9es par chaque technique. L’analyse discriminante param\u00e9trique classique repose sur des hypoth\u00e8ses strictes de normalit\u00e9 multivari\u00e9e au sein de chaque groupe et d’homog\u00e9n\u00e9it\u00e9 des matrices de covariance (homosc\u00e9dasticit\u00e9 multivari\u00e9e), sous peine de biaiser lourdement les taux d’erreur de classification. L’analyse factorielle, quant \u00e0 elle, impose des conditions d’\u00e9chantillonnage sp\u00e9cifiques, des distributions lin\u00e9aires entre variables et, selon la m\u00e9thode d’extraction adopt\u00e9e (comme le maximum de vraisemblance), la normalit\u00e9 multivari\u00e9e pour autoriser les tests d’ad\u00e9quation globale.<\/p>\n

Afin de guider rationnellement les praticiens, ce travail \u00e9tablit une grille d’\u00e9valuation syst\u00e9matique reposant sur plusieurs axes analytiques : la fonction math\u00e9matique de perte optimis\u00e9e, la topologie de l’espace g\u00e9om\u00e9trique g\u00e9n\u00e9r\u00e9, la robustesse statistique face aux violations des postulats, la puissance diagnostique et l’interpr\u00e9tabilit\u00e9 th\u00e9orique des structures obtenues. L’enjeu est de doter le chercheur d’une grille de lecture univoque permettant de d\u00e9terminer avec pr\u00e9cision quelle technique d\u00e9ploie une validit\u00e9 scientifique maximale en fonction des contraintes de l’\u00e9tude men\u00e9e.<\/p>\n

2. La fonction discriminante : Fondements, m\u00e9canique et mod\u00e9lisation<\/h2>\n

2.1 Cadre math\u00e9matique et formulation de Fisher<\/h3>\n

L’analyse discriminante lin\u00e9aire (souvent d\u00e9sign\u00e9e par l’acronyme anglais LDA<\/a>) repose sur un principe g\u00e9om\u00e9trique et variationnel \u00e9l\u00e9gant formul\u00e9 par Ronald Fisher. L’objectif math\u00e9matique central est de projeter un ensemble d’observations multidimensionnelles $\\mathbf{x} in \\mathbb{R}^p$<\/span> sur un axe unidimensionnel d\u00e9fini par un vecteur directeur $\\mathbf{w}$<\/span>, de mani\u00e8re \u00e0 ce que les projections des diff\u00e9rents groupes soient aussi distinctes que possible tout en conservant une dispersion minimale au sein de chaque groupe. Pour formaliser ce principe dans le cas de deux groupes, on d\u00e9finit la matrice de dispersion inter-groupes (ou matrice de sommes de carr\u00e9s et produits crois\u00e9s inter-groupes) not\u00e9e $\\mathbf{S}_B$<\/span>, et la matrice de dispersion intra-groupe not\u00e9e $\\mathbf{S}_W$<\/span>.<\/p>\n

La matrice de covariance intra-groupe $\\mathbf{S}_W$<\/span> synth\u00e9tise la variabilit\u00e9 des individus autour du centro\u00efde de leur groupe respectif, calcul\u00e9e par la somme pond\u00e9r\u00e9e des matrices de covariance empiriques de chaque classe :<\/p>\n

$$\\mathbf{S}_W = \\sum_{k=1}^K \\sum_{i in C_k} (\\mathbf{x}_i – \\bar{\\mathbf{x}}_k)(\\mathbf{x}_i – \\bar{\\mathbf{x}}_k)^T$$<\/span><\/p>\n

o\u00f9 $\\bar{\\mathbf{x}}_k$<\/span> repr\u00e9sente le vecteur moyen du groupe $C_k$<\/span>. \u00c0 l’inverse, la matrice $\\mathbf{S}_B$<\/span> capture la dispersion des moyennes de groupes autour du centro\u00efde global $\\bar{\\mathbf{x}}$<\/span> :<\/p>\n

$$\\mathbf{S}_B = \\sum_{k=1}^K n_k (\\bar{\\mathbf{x}}_k – \\bar{\\mathbf{x}})(\\bar{\\mathbf{x}}_k – \\bar{\\mathbf{x}})^T$$<\/span><\/p>\n

o\u00f9 $n_k$<\/span> d\u00e9signe l’effectif de la classe $k$<\/span>. Le crit\u00e8re d’optimisation de Fisher consiste alors \u00e0 maximiser le quotient de Rayleigh suivant :<\/p>\n

$$J(\\mathbf{w}) = \\frac{\\mathbf{w}^T \\mathbf{S}_B \\mathbf{w}}{\\mathbf{w}^T \\mathbf{S}_W \\mathbf{w}}$$<\/span><\/p>\n

La d\u00e9rivation de cette fonction par rapport au vecteur $\\mathbf{w}$<\/span> et son annulation conduisent directement \u00e0 l’\u00e9quation aux valeurs propres g\u00e9n\u00e9ralis\u00e9es :<\/p>\n

$$\\mathbf{S}_W^{-1} \\mathbf{S}_B \\mathbf{w} = \\lambda \\mathbf{w}$$<\/span><\/p>\n

Les vecteurs propres associ\u00e9s aux plus grandes valeurs propres fournissent les coefficients des fonctions discriminantes successives. La dimension maximale du sous-espace discriminant est strictement born\u00e9e par le rang de la matrice $\\mathbf{S}_B$<\/span>, qui est au maximum \u00e9gal \u00e0 $min(K – 1, p)$<\/span>, o\u00f9 $K$<\/span> est le nombre de classes et $p$<\/span> le nombre de variables pr\u00e9dictives. Dans un sc\u00e9nario \u00e0 deux groupes ($K=2$<\/span>), il n’existe donc qu’une unique fonction discriminante canonique.<\/p>\n

Lorsque l’on \u00e9tend cette perspective g\u00e9om\u00e9trique au paradigme probabiliste bay\u00e9sien, l’affectation d’un individu repose sur le calcul de la probabilit\u00e9 a posteriori d’appartenir \u00e0 la classe $C_k$<\/span> conditionnellement aux observations $\\mathbf{x}$<\/span>, not\u00e9e $P(C_k mid \\mathbf{x})$<\/span>. Selon le th\u00e9or\u00e8me de Bayes :<\/p>\n

$$P(C_k mid \\mathbf{x}) = \\frac{f(\\mathbf{x} mid C_k) P(C_k)}{\\sum_{j=1}^K f(\\mathbf{x} mid C_j) P(C_j)}$$<\/span><\/p>\n

En postulant que la densit\u00e9 conditionnelle $f(\\mathbf{x} mid C_k)$<\/span> suit une loi normale multivari\u00e9e $\\mathcal{N}(boldsymbol{\\mu}_k, boldsymbol{\\Sigma}_k)$<\/span>, la r\u00e8gle de d\u00e9cision d\u00e9pend de la structure des matrices de covariance. Si l’on suppose l’\u00e9galit\u00e9 des matrices de covariance ($boldsymbol{\\Sigma}_k = boldsymbol{\\Sigma}$<\/span> pour tout $k$<\/span>), les termes quadratiques en $\\mathbf{x}$<\/span> s’annulent lors du calcul du logarithme du rapport de vraisemblance, d\u00e9bouchant sur une fronti\u00e8re de d\u00e9cision lin\u00e9aire (LDA). Si cette hypoth\u00e8se est rejet\u00e9e et que chaque groupe poss\u00e8de sa propre matrice de covariance $boldsymbol{\\Sigma}_k$<\/span>, la fronti\u00e8re devient une surface quadratique, ce qui correspond \u00e0 l’analyse discriminante quadratique (QDA), g\u00e9om\u00e9triquement plus flexible mais requ\u00e9rant l’estimation d’un nombre consid\u00e9rablement plus \u00e9lev\u00e9 de param\u00e8tres ($K \\times p(p+1)\/2$<\/span>).<\/p>\n

2.2 Hypoth\u00e8ses sous-jacentes et conditions de validit\u00e9<\/h3>\n

La validit\u00e9 statistique et la fiabilit\u00e9 inf\u00e9rentielle de la fonction discriminante lin\u00e9aire reposent sur un ensemble d’hypoth\u00e8ses distributionnelles rigoureuses qu’il convient de tester syst\u00e9matiquement avant toute exploitation des mod\u00e8les. La premi\u00e8re condition fondamentale est la normalit\u00e9 multivari\u00e9e des pr\u00e9dicteurs continus au sein de chaque groupe consid\u00e9r\u00e9 isol\u00e9ment. Bien que le th\u00e9or\u00e8me central limite conf\u00e8re une relative robustesse \u00e0 l’estimation des moyennes dans les \u00e9chantillons volumineux, des asym\u00e9tries prononc\u00e9es ou des kurtosis extr\u00eames peuvent distordre de fa\u00e7on substantielle l’estimation de la matrice de covariance intra-groupe et gonfler artificiellement les probabilit\u00e9s de mauvais classement.<\/p>\n

La seconde exigence, souvent la plus contraignante dans la pratique, r\u00e9side dans l’homog\u00e9n\u00e9it\u00e9 des matrices de variance-covariance entre les diff\u00e9rents groupes, couramment appel\u00e9e homosc\u00e9dasticit\u00e9 multivari\u00e9e. Cette hypoth\u00e8se stipule que la structure de dispersion des variables doit \u00eatre invariante d’une classe \u00e0 l’autre ($boldsymbol{\\Sigma}_1 = boldsymbol{\\Sigma}_2 = dots = boldsymbol{\\Sigma}_K$<\/span>). Sur le plan diagnostique, cette hypoth\u00e8se s’\u00e9value traditionnellement au moyen du test M de Box. Cependant, ce test s’av\u00e8re particuli\u00e8rement sensible aux d\u00e9viations par rapport \u00e0 la normalit\u00e9 multivari\u00e9e, conduisant fr\u00e9quemment \u00e0 des rejets erron\u00e9s de l’hypoth\u00e8se nulle dans les grands \u00e9chantillons. En pr\u00e9sence d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 confirm\u00e9e, les estimateurs lin\u00e9aires cessent d’\u00eatre optimaux, et le recours \u00e0 l’analyse discriminante quadratique (QDA) ou \u00e0 des approches non param\u00e9triques devient imp\u00e9ratif.<\/p>\n

Une attention m\u00e9ticuleuse doit \u00e9galement \u00eatre port\u00e9e \u00e0 l’absence de multicolin\u00e9arit\u00e9 parfaite ou quasi-parfaite parmi les variables explicatives. Puisque la d\u00e9termination des fonctions canoniques implique l’inversion de la matrice $\\mathbf{S}_W$<\/span>, un d\u00e9terminant proche de z\u00e9ro g\u00e9n\u00e8re une instabilit\u00e9 num\u00e9rique s\u00e9v\u00e8re des coefficients de pond\u00e9ration, rendant les poids hautement volatils et impossibles \u00e0 interpr\u00e9ter. De surcro\u00eet, la fonction discriminante est extr\u00eamement vuln\u00e9rable aux valeurs aberrantes multivari\u00e9es (outliers), qui exercent un effet de levier disproportionn\u00e9 sur les centro\u00efdes de groupe et la structure des covariances, alt\u00e9rant l’orientation optimale des hyperplans de s\u00e9paration.<\/p>\n

Enfin, le rapport entre la taille de l’\u00e9chantillon et le nombre de descripteurs conditionne directement la g\u00e9n\u00e9ralisabilit\u00e9 du mod\u00e8le. Les r\u00e8gles empiriques sugg\u00e8rent un effectif minimal absolu de 20 observations par pr\u00e9dicteur, la classe la plus petite devant imp\u00e9rativement compter plus d’observations que le nombre de variables ($n_{\\min} > p$<\/span>). Le non-respect de ces ratios favorise le ph\u00e9nom\u00e8ne de surajustement (overfitting), dans lequel le mod\u00e8le apprend le bruit statistique de l’\u00e9chantillon d’apprentissage, affichant d’excellentes performances apparentes mais s’effondrant lors de son application \u00e0 de nouvelles donn\u00e9es ind\u00e9pendantes.<\/p>\n

2.3 Champs d’application et interpr\u00e9tation des r\u00e9sultats<\/h3>\n

Les applications empiriques de l’analyse discriminante sont vastes et couvrent des disciplines vari\u00e9es n\u00e9cessitant des classifications supervis\u00e9es fond\u00e9es sur des biomarqueurs ou des m\u00e9triques quantitatives. En bio-informatique et en m\u00e9decine translationnelle, la m\u00e9thode est intens\u00e9ment exploit\u00e9e pour \u00e9tablir des signatures diagnostiques ou pronostiques \u00e0 partir de profils d’expression g\u00e9nique ou de panels prot\u00e9omiques, permettant par exemple de distinguer des sous-types tumoraux agressifs de l\u00e9sions b\u00e9nignes. Dans le secteur bancaire et financier, l’analyse discriminante a constitu\u00e9 la pierre angulaire de l’\u00e9valuation du risque de cr\u00e9dit, immortalis\u00e9e par le score Z d’Edward Altman con\u00e7u pour pr\u00e9dire la d\u00e9faillance d’entreprises \u00e0 partir de ratios financiers standards tels que la rentabilit\u00e9 des actifs ou le ratio d’endettement global.<\/p>\n

L’exploitation analytique des r\u00e9sultats d’une fonction discriminante requiert une distinction rigoureuse entre plusieurs indicateurs synth\u00e9tiques. L’examen des coefficients canoniques standardis\u00e9s informe sur le r\u00f4le unique de chaque pr\u00e9dicteur dans la construction de la fonction, de mani\u00e8re analogue aux coefficients de r\u00e9gression multiple r\u00e9gularis\u00e9s. Toutefois, en pr\u00e9sence d’intercorr\u00e9lations entre pr\u00e9dicteurs, ces coefficients peuvent s’av\u00e9rer trompeurs en raison d’effets de suppression. Il est d\u00e8s lors pr\u00e9f\u00e9rable de se r\u00e9f\u00e9rer \u00e0 la matrice de structure (ou coefficients de structure), qui regroupe les corr\u00e9lations bivari\u00e9es simples entre chaque variable et la fonction discriminante consid\u00e9r\u00e9e. Les variables affichant des corr\u00e9lations de structure sup\u00e9rieures en valeur absolue \u00e0 $0{,}30$<\/span> ou $0{,}40$<\/span> sont habituellement consid\u00e9r\u00e9es comme les marqueurs substantiels de la dimension discriminante.<\/p>\n

Sur le plan global, la significativit\u00e9 statistique de la s\u00e9paration entre les groupes est quantifi\u00e9e par le test du $Lambda$<\/span> (Lambda) de Wilks, dont la valeur varie entre 0 et 1 :<\/p>\n

$$\\Lambda = \\frac{|\\mathbf{S}_W|}{|\\mathbf{S}_W + \\mathbf{S}_B|} = \\prod_{i=1}^m \\frac{1}{1 + \\lambda_i}$$<\/span><\/p>\n

Une valeur proche de 0 indique que la variabilit\u00e9 inter-groupes pr\u00e9domine largement sur la variabilit\u00e9 intra-groupe, signalant une discrimination hautement significative, valid\u00e9e par une approximation du test $F$<\/span> de Rao.<\/p>\n

Enfin, la performance d\u00e9cisionnelle de l’algorithme est sanctionn\u00e9e par l’analyse de la matrice de confusion, dressant le bilan des vrais positifs, faux positifs, vrais n\u00e9gatifs et faux n\u00e9gatifs. Les taux d’exactitude globale (accuracy) doivent syst\u00e9matiquement \u00eatre pond\u00e9r\u00e9s par l’examen de la sensibilit\u00e9 et de la sp\u00e9cificit\u00e9 clinique ou financi\u00e8re. L’indice Kappa de Cohen vient compl\u00e9ter cette \u00e9valuation en mesurant l’accord au-del\u00e0 du simple hasard, particuli\u00e8rement lorsque la r\u00e9partition des classes est d\u00e9s\u00e9quilibr\u00e9e dans la cohorte d’\u00e9tude. Pour pr\u00e9munir le mod\u00e8le contre tout optimisme trompeur, une validation crois\u00e9e (par exemple par validation crois\u00e9e \u00e0 $k$<\/span> blocs ou par la m\u00e9thode de Jackknife) doit syst\u00e9matiquement \u00eatre mise en \u0153uvre.<\/p>\n

3. L’analyse factorielle : Mod\u00e9lisation des variables latentes et r\u00e9duction<\/h2>\n

3.1 Cadre th\u00e9orique et \u00e9quations structurelles de base<\/h3>\n

L’analyse factorielle s’inscrit dans une tradition \u00e9pist\u00e9mologique diff\u00e9rente de celle des m\u00e9thodes de classification. Elle part du postulat fondamental formul\u00e9 par la th\u00e9orie de la mesure selon lequel les covariations observ\u00e9es entre de multiples indicateurs empiriques manifestes sont g\u00e9n\u00e9r\u00e9es par l’action d’un nombre restreint de variables inobserv\u00e9es, d\u00e9nomm\u00e9es facteurs latents ou construits th\u00e9oriques. Contrairement aux approches purement inductives de condensation g\u00e9om\u00e9trique, l’analyse factorielle commune repose sur un mod\u00e8le g\u00e9n\u00e9ratif lin\u00e9aire explicite. Elle d\u00e9compose le score standardis\u00e9 de chaque individu sur une variable manifeste en deux parties distinctes : la variance commune, expliqu\u00e9e par l’influence partag\u00e9e des facteurs latents, et la variance unique, propre \u00e0 la variable consid\u00e9r\u00e9e.<\/p>\n

Cette distinction th\u00e9orique constitue le point de divergence absolu entre l’Analyse en Composantes Principales (ACP)<\/a> et l’Analyse Factorielle Exploratoire (AFE ou EFA en anglais). Tandis que l’ACP se contente de redistribuer la totalit\u00e9 de la variance observ\u00e9e (variance commune, variance sp\u00e9cifique et variance d’erreur confondues) dans des composantes orthogonales sans formuler d’hypoth\u00e8se sur la causalit\u00e9 sous-jacente, l’analyse factorielle commune mod\u00e9lise exclusivement la variance commune. Elle soustrait d\u00e9lib\u00e9r\u00e9ment la variance unique (compos\u00e9e de la sp\u00e9cificit\u00e9 th\u00e9orique de l’item et du bruit al\u00e9atoire de mesure), postulant que seule la variance partag\u00e9e est porteuse d’une signification conceptuelle globale.<\/p>\n

Sur le plan matriciel formel, le mod\u00e8le factoriel classique pour un vecteur de variables observables standardis\u00e9es $\\mathbf{z}$<\/span> de dimension $p$<\/span> s’exprime ainsi :<\/p>\n

$$\\mathbf{z} = \\mathbf{\\Lambda} \\mathbf{f} + \\mathbf{u}$$<\/span><\/p>\n

o\u00f9 $\\mathbf{\\Lambda}$<\/span> d\u00e9signe la matrice $p \\times m$<\/span> des saturations factorielles (factor loadings), $\\mathbf{f}$<\/span> est le vecteur de dimension $m$<\/span> des facteurs communs latents ($m ll p$<\/span>), et $\\mathbf{u}$<\/span> est le vecteur des facteurs uniques non partag\u00e9s. En posant les hypoth\u00e8ses standards selon lesquelles les facteurs communs sont standardis\u00e9s et ind\u00e9pendants des facteurs uniques, la matrice de corr\u00e9lation th\u00e9orique des variables manifestes, not\u00e9e $boldsymbol{\\Sigma}$<\/span>, est d\u00e9compos\u00e9e selon la relation structurelle fondamentale :<\/p>\n

$$boldsymbol{\\Sigma} = \\mathbf{\\Lambda} \\mathbf{\\Phi} \\mathbf{\\Lambda}^T + \\mathbf{\\Psi}$$<\/span><\/p>\n

Dans cette formulation, $\\mathbf{\\Phi}$<\/span> repr\u00e9sente la matrice de corr\u00e9lation des facteurs latents (qui se r\u00e9duit \u00e0 la matrice identit\u00e9 $\\mathbf{I}_m$<\/span> si les facteurs sont suppos\u00e9s orthogonaux), et $\\mathbf{\\Psi}$<\/span> est une matrice diagonale contenant les variances uniques (unicit\u00e9s) de chaque indicateur. La quantit\u00e9 $h_j^2 = 1 – \\psi_{jj}$<\/span> repr\u00e9sente la communalit\u00e9 de la variable $j$<\/span>, c’est-\u00e0-dire la proportion de sa variance totale expliqu\u00e9e par l’ensemble des facteurs communs retenus dans le mod\u00e8le.<\/p>\n

3.2 Processus d’extraction et rotation des facteurs<\/h3>\n

L’estimation des param\u00e8tres du mod\u00e8le factoriel exige d’extraire les facteurs communs \u00e0 partir de la matrice de donn\u00e9es empiriques. Plusieurs techniques d’extraction coexistent dans la pratique statistique. La factorisation par axes principaux (Principal Axis Factoring) proc\u00e8de de mani\u00e8re it\u00e9rative : elle substitue aux valeurs unitaires de la diagonale de la matrice de corr\u00e9lation des estimations initiales des communalit\u00e9s (fr\u00e9quemment le carr\u00e9 du coefficient de corr\u00e9lation multiple de chaque variable avec toutes les autres), puis diagonalise la matrice r\u00e9duite jusqu’\u00e0 convergence num\u00e9rique. \u00c0 l’oppos\u00e9, la m\u00e9thode du maximum de vraisemblance (Maximum Likelihood), conditionn\u00e9e \u00e0 l’hypoth\u00e8se de normalit\u00e9 multivari\u00e9e, estime simultan\u00e9ment les saturations et les unicit\u00e9s en maximisant la fonction de log-vraisemblance des donn\u00e9es observ\u00e9es. Elle offre l’avantage majeur de fournir des erreurs-types asymptotiques pour chaque saturation et d’autoriser un test d’ad\u00e9quation globale fond\u00e9 sur la loi du Chi-deux.<\/p>\n

La d\u00e9termination du nombre optimal de facteurs \u00e0 retenir constitue une \u00e9tape n\u00e9vralgique de l’analyse, conditionnant l’ensemble des conclusions substantives. Plusieurs crit\u00e8res de r\u00e9tention sont document\u00e9s dans la litt\u00e9rature sp\u00e9cialis\u00e9e :<\/p>\n