{"id":25835,"date":"2026-11-08T16:58:11","date_gmt":"2026-11-08T16:58:11","guid":{"rendered":"https:\/\/french.arabpsychology.com\/?psych_comparison=test-signification-hypothese-nulle-vs-estimation-taille-effet"},"modified":"2026-11-08T16:58:11","modified_gmt":"2026-11-08T16:58:11","slug":"test-signification-hypothese-nulle-vs-estimation-taille-effet","status":"publish","type":"psych_comparison","link":"https:\/\/french.arabpsychology.com\/?psych_comparison=test-signification-hypothese-nulle-vs-estimation-taille-effet","title":{"rendered":"Test de signification de l’hypoth\u00e8se nulle vs Estimation de la taille d’effet"},"content":{"rendered":"

L’histoire de l’inf\u00e9rence statistique moderne est travers\u00e9e par une tension fondamentale entre deux ambitions scientifiques compl\u00e9mentaires mais conceptuellement distinctes : d’une part, la volont\u00e9 d’\u00e9tablir avec certitude l’existence d’une r\u00e9gularit\u00e9 empirique en \u00e9liminant l’hypoth\u00e8se du simple al\u00e9a d’\u00e9chantillonnage, et d’autre part, la n\u00e9cessit\u00e9 de quantifier la force, la port\u00e9e et la pertinence concr\u00e8te de cette m\u00eame r\u00e9gularit\u00e9 au sein du monde r\u00e9el. Depuis plus d’un si\u00e8cle, la recherche quantitative en sciences humaines, sociales, biom\u00e9dicales et comportementales s’est majoritairement appuy\u00e9e sur le paradigme du test de signification de l’hypoth\u00e8se nulle (couramment abr\u00e9g\u00e9 en anglais sous l’acronyme NHST pour Null Hypothesis Significance Testing<\/em>). Ce cadre op\u00e9ratoire s’est progressivement impos\u00e9 dans la formation acad\u00e9mique, les directives \u00e9ditoriales et les habitudes de mod\u00e9lisation jusqu’\u00e0 devenir une forme de liturgie m\u00e9thodologique presque incontournable.<\/p>\n

Cependant, l’adh\u00e9sion quasi exclusive au couperet dichotomique de la valeur p<\/em> a progressivement r\u00e9v\u00e9l\u00e9 ses limites structurelles, plongeant de nombreuses disciplines empiriques dans ce qu’il est d\u00e9sormais convenu d’appeler la crise de la reproductibilit\u00e9 scientifique. Face aux d\u00e9rives interpr\u00e9tatives consistant \u00e0 confondre une improbabilit\u00e9 statistique avec une importance th\u00e9orique ou clinique substantielle, une communaut\u00e9 grandissante de m\u00e9thodologistes pr\u00e9conise un changement de paradigme vers l’estimation param\u00e9trique et la quantification de la taille d’effet. Ce mouvement, incarn\u00e9 notamment par l’approche de la \u00ab New Statistics \u00bb, propose d’abandonner l’arbitrage artificiel entre pr\u00e9sence et absence de signal au profit d’une mesure continue de la magnitude du ph\u00e9nom\u00e8ne \u00e9tudi\u00e9, syst\u00e9matiquement assortie de son intervalle d’incertitude.<\/p>\n

Cet article propose un examen approfondi de ces deux piliers de l’inf\u00e9rence statistique. Loin de se limiter \u00e0 une querelle de techniciens de l’analyse de donn\u00e9es, l’opposition entre le test de signification de l’hypoth\u00e8se nulle et l’estimation de la taille d’effet engage des conceptions \u00e9pist\u00e9mologiques divergentes quant \u00e0 ce que signifie \u00ab savoir \u00bb et \u00ab prouver \u00bb \u00e0 partir de donn\u00e9es empiriques bruit\u00e9es. En explorant leurs fondations historiques, leurs architectures math\u00e9matiques, leurs champs d’application pr\u00e9f\u00e9rentiels ainsi que leurs points d’articulation mutuelle, nous mettrons en lumi\u00e8re la mani\u00e8re dont ces deux m\u00e9thodologies peuvent \u00eatre r\u00e9concili\u00e9es au sein d’une pratique de recherche rigoureuse, transparente et r\u00e9solument cumulative.<\/p>\n

1. Introduction : Fondements \u00e9pist\u00e9mologiques et coexistence m\u00e9thodologique<\/h2>\n

1.1 D\u00e9finitions liminaires des deux paradigmes d’inf\u00e9rence<\/h3>\n

Le test de signification de l’hypoth\u00e8se nulle constitue un cadre d\u00e9cisionnel binaire dont la vocation premi\u00e8re est d’\u00e9valuer la compatibilit\u00e9 des donn\u00e9es observ\u00e9es avec un mod\u00e8le th\u00e9orique d’absence totale d’effet ou de diff\u00e9rence, conventionnellement d\u00e9sign\u00e9 sous le terme d’hypoth\u00e8se nulle ($H_0$<\/span>). Dans cette architecture probabiliste, la question pos\u00e9e n’est jamais de savoir si l’effet \u00e9tudi\u00e9 est vaste ou restreint, mais uniquement si la distribution des observations recueillies d\u00e9vie de mani\u00e8re suffisamment improbable de ce que g\u00e9n\u00e9rerait le seul hasard d’\u00e9chantillonnage. Le produit central de cette d\u00e9marche est la valeur p<\/em>, qui conditionne une d\u00e9cision discr\u00e8te : soit le rejet de l’hypoth\u00e8se nulle lorsque le seuil critique pr\u00e9d\u00e9termin\u00e9 est franchi, soit la suspension du jugement sous la forme d’un non-rejet de cette hypoth\u00e8se de base.<\/p>\n

\u00c0 l’oppos\u00e9 de cette logique de confrontation dichotomique, l’estimation de la taille d’effet s’inscrit dans une perspective m\u00e9trologique continue. Elle cherche \u00e0 quantifier directement la magnitude, l’amplitude ou la force d’association d’un ph\u00e9nom\u00e8ne observ\u00e9 dans la population sous-jacente. Qu’elle s’exprime en unit\u00e9s de mesure naturelles (par exemple, le nombre de millim\u00e8tres de mercure lors d’une baisse de pression art\u00e9rielle) ou sous la forme d’un indice standardis\u00e9 ind\u00e9pendant des \u00e9chelles d’origine (comme le d<\/em> de Cohen ou le coefficient de corr\u00e9lation r<\/em>), la taille d’effet renseigne sur l’impact empirique du ph\u00e9nom\u00e8ne \u00e9tudi\u00e9. L’interrogation centrale ne porte plus sur la possibilit\u00e9 th\u00e9orique que le signal soit purement illusoire, mais sur l’\u00e9valuation quantitative de son ampleur substantielle.<\/p>\n

Il existe donc une divergence conceptuelle fondamentale entre l’affirmation probabiliste de l’existence d’un signal et l’appr\u00e9ciation de son importance pratique. Un signal empirique peut \u00eatre av\u00e9r\u00e9 avec une certitude statistique \u00e9clatante sans pour autant pr\u00e9senter la moindre utilit\u00e9 concr\u00e8te pour la prise de d\u00e9cision th\u00e9rapeutique, \u00e9conomique ou soci\u00e9tale. Inversement, un effet de tr\u00e8s grande ampleur peut \u00e9chouer temporairement \u00e0 franchir les crit\u00e8res stricts de la significativit\u00e9 statistique en raison d’un manque de donn\u00e9es probantes. La distinction entre ces deux approches renvoie donc \u00e0 deux niveaux d’inf\u00e9rence h\u00e9t\u00e9rog\u00e8nes : la d\u00e9tection d’une d\u00e9viation par rapport au bruit de fond d’une part, et la caract\u00e9risation volum\u00e9trique de cette d\u00e9viation d’autre part.<\/p>\n

1.2 Origine historique et \u00e9volution des controverses statistiques<\/h3>\n

L’inconfort conceptuel qui entoure la pratique contemporaine du NHST trouve sa source dans une fusion historique bancale intervenue au milieu du XXe si\u00e8cle entre deux philosophies statistiques irr\u00e9conciliables : l’inf\u00e9rence inductive d\u00e9velopp\u00e9e par Ronald Aylmer Fisher<\/a> et le cadre de d\u00e9cision inductive formalis\u00e9 par Jerzy Neyman<\/a> et Egon Sharpe Pearson<\/a>. Fisher envisageait le test de signification comme un instrument fluide d’apprentissage scientifique continu. Selon lui, le chercheur confrontait ses donn\u00e9es \u00e0 une hypoth\u00e8se nulle unique et utilisait la valeur p<\/em> r\u00e9sultante comme une mesure quantitative continue du degr\u00e9 d’\u00e9vidence empirique contre cette hypoth\u00e8se. Chez Fisher, il n’existait pas d’hypoth\u00e8se alternative math\u00e9matiquement sp\u00e9cifi\u00e9e, pas de prise en compte explicite de la puissance statistique, et la valeur p<\/em> ne devait en aucun cas \u00eatre transform\u00e9e en une r\u00e8gle m\u00e9canique d’acceptation ou de rejet aveugle.<\/p>\n

\u00c0 l’inverse, Neyman et Pearson ont rejet\u00e9 cette conception de l’\u00e9vidence inductive pour proposer un mod\u00e8le comportemental rigoureux, con\u00e7u pour r\u00e9guler le taux d’erreur dans le cadre de d\u00e9cisions r\u00e9p\u00e9t\u00e9es sur le long terme. Dans leur approche, le chercheur doit obligatoirement d\u00e9finir une hypoth\u00e8se nulle ($H_0$<\/span>) et une hypoth\u00e8se alternative pr\u00e9cise ($H_1$<\/span>), fixer a priori deux risques d’erreur sym\u00e9triques \u2014 l’erreur de type I ($\\alpha$<\/span>) et l’erreur de type II ($\\beta$<\/span>) \u2014, puis adopter une r\u00e8gle d’action m\u00e9canique dict\u00e9e par le passage ou non de la statistique de test dans une zone critique pr\u00e9d\u00e9finie. Dans la conception de Neyman-Pearson, une exp\u00e9rience isol\u00e9e ne permet pas de quantifier la plausibilit\u00e9 d’une th\u00e9orie, mais assure simplement le contr\u00f4le des erreurs de d\u00e9cision sur une s\u00e9rie infinie de r\u00e9p\u00e9titions conceptuelles de l’exp\u00e9rience.<\/p>\n

Au cours des ann\u00e9es 1940 et 1950, les auteurs de manuels de psychologie et de p\u00e9dagogie ont synth\u00e9tis\u00e9 ces deux approches incompatibles en un \u00ab rituel de la nullit\u00e9 \u00bb hybride (comme l’a magistralement document\u00e9 Gerd Gigerenzer). Ce cadre hybride associe le calcul de la valeur p<\/em> fisherienne \u00e0 la dichotomie d\u00e9cisionnelle de Neyman-Pearson, tout en occultant totalement la sp\u00e9cification de l’hypoth\u00e8se alternative et la notion de puissance statistique. D\u00e8s les ann\u00e9es 1960, des pionniers de la m\u00e9thodologie quantitative, \u00e0 l’instar de Jacob Cohen<\/a> et de Paul Meehl<\/a>, ont tir\u00e9 la sonnette d’alarme. Cohen a mis en \u00e9vidence le fait que la majorit\u00e9 des \u00e9tudes publi\u00e9es manquaient cruellement de puissance pour d\u00e9tecter des effets r\u00e9els de taille modeste, tandis que Meehl a d\u00e9montr\u00e9 le paradoxe selon lequel l’augmentation de la pr\u00e9cision des mesures en sciences sociales rendait le rejet de l’hypoth\u00e8se nulle plus ais\u00e9 m\u00eame pour des th\u00e9ories erron\u00e9es, en raison du \u00ab bruit de fond directionnel ambiant \u00bb (crud factor<\/em>).<\/p>\n

Ces critiques pr\u00e9monitoires sont revenues au premier plan au d\u00e9but des ann\u00e9es 2010 avec l’\u00e9clatement de la crise de la reproductibilit\u00e9 scientifique. L’incapacit\u00e9 de r\u00e9pliquer de nombreuses d\u00e9couvertes majeures dans les revues \u00e0 fort impact a r\u00e9v\u00e9l\u00e9 que la d\u00e9pendance aveugle au seuil arbitraire de $p < 0{,}05$ avait favoris\u00e9 une inflation de faux positifs et une distorsion syst\u00e9matique de la litt\u00e9rature. D\u00e8s lors, les appels \u00e0 rel\u00e9guer le NHST au second plan pour adopter pleinement l'estimation quantitative de la taille d'effet et des intervalles de confiance sont devenus l'axe central des propositions de r\u00e9forme m\u00e9thodologique contemporaines.<\/p>\n

1.3 Origines de la confusion fr\u00e9quente entre les deux approches<\/h3>\n

L’amalgame tenace entre significativit\u00e9 statistique et importance pratique provient d’abord d’une confusion s\u00e9mantique profond\u00e9ment enracin\u00e9e dans le langage scientifique. Dans le langage courant, le qualificatif \u00ab significatif \u00bb renvoie intuitivement \u00e0 ce qui a du sens, \u00e0 ce qui p\u00e8se lourdement, \u00e0 ce qui est capital ou remarquable. Or, sur le plan strictement statistique, le mot ne signifie rien d’autre qu’\u00ab attribuable \u00e0 autre chose que la seule fluctuation d’\u00e9chantillonnage sous le mod\u00e8le nul \u00bb. Cette polys\u00e9mie cr\u00e9e un pi\u00e8ge cognitif redoutable : de nombreux praticiens, cliniciens ou d\u00e9cideurs politiques concluent h\u00e2tivement qu’un traitement induisant une am\u00e9lioration \u00ab statistiquement significative \u00bb poss\u00e8de n\u00e9cessairement un impact clinique transformateur sur la qualit\u00e9 de vie des patients, alors que le b\u00e9n\u00e9fice r\u00e9el peut \u00eatre infinit\u00e9simal.<\/p>\n

Ce biais est renforc\u00e9 par l’illusion selon laquelle la valeur p<\/em> constituerait une mesure continue de la magnitude de l’effet. Il est courant d’observer dans des \u00e9crits acad\u00e9miques l’affirmation fautive qu’un r\u00e9sultat affichant $p < 0{,}0001$ t\u00e9moigne d'un ph\u00e9nom\u00e8ne exp\u00e9rimental plus puissant ou plus robuste qu'un r\u00e9sultat associ\u00e9 \u00e0 $p = 0{,}04$<\/span>. En r\u00e9alit\u00e9, la valeur p<\/em> est une fonction composite qui d\u00e9pend indissociablement de deux variables : l’ampleur v\u00e9ritable de l’effet au sein de la population et la taille de l’\u00e9chantillon observ\u00e9 ($N$<\/span>). En gonflant artificiellement les effectifs, on peut obtenir des valeurs p<\/em> infinit\u00e9simales pour des variations minuscules n’ayant rigoureusement aucune incidence th\u00e9orique ou appliqu\u00e9e.<\/p>\n

Enfin, cette confusion perdure en raison d’une puissante inertie institutionnelle et p\u00e9dagogique. Les comit\u00e9s d’\u00e9thique, les instances de r\u00e9gulation sanitaire et la quasi-totalit\u00e9 des revues savantes ont historiquement fonctionn\u00e9 sur une logique de filtrage bas\u00e9e sur la significativit\u00e9. Pour un jeune chercheur, l’obtention du seuil f\u00e9tiche de $p < 0{,}05$ a longtemps repr\u00e9sent\u00e9 le s\u00e9same unique garantissant la publication de son manuscrit, l'obtention de subventions de recherche et sa promotion professionnelle. Ce syst\u00e8me de r\u00e9compenses a \u00e9rig\u00e9 la valeur p<\/em> en objectif strat\u00e9gique, rel\u00e9guant la question fondamentale de l’amplitude de l’effet et de sa pr\u00e9cision m\u00e9trologique au rang d’accessoire d’\u00e9criture r\u00e9trospectif.<\/p>\n

2. Comprendre le test de signification de l’hypoth\u00e8se nulle (NHST)<\/h2>\n

2.1 M\u00e9canique op\u00e9rationnelle et architecture probabiliste<\/h3>\n

Le fonctionnement interne du NHST repose sur une logique d\u00e9ductive rigoureuse mais souvent mal comprise. La d\u00e9marche s’articule autour de la confrontation de deux propositions mutuellement exclusives :<\/p>\n