Dans la pratique moderne de la mod\u00e9lisation statistique, l’\u00e9valuation et la s\u00e9lection de mod\u00e8les rivaux constituent une d\u00e9marche fondamentale de l’inf\u00e9rence scientifique. Que l’on explore les m\u00e9canismes cognitifs sous-tendant la prise de d\u00e9cision, les trajectoires d’apprentissage d\u00e9veloppementales ou l’impact d’une intervention clinique, le chercheur se trouve confront\u00e9 \u00e0 une tension inh\u00e9rente : identifier une repr\u00e9sentation math\u00e9matique qui ajuste au mieux les donn\u00e9es empiriques recueillies tout en \u00e9vitant l’\u00e9cueil d\u00e9l\u00e9t\u00e8re du surajustement. Depuis un demi-si\u00e8cle, le crit\u00e8re d’information d’Akaike s’est impos\u00e9 comme l’une des boussoles m\u00e9thodologiques les plus robustes et \u00e9l\u00e9gantes pour naviguer au sein de cet arbitrage entre fid\u00e9lit\u00e9 empirique et parcimonie.<\/p>\n
Pourtant, un ph\u00e9nom\u00e8ne r\u00e9current plonge r\u00e9guli\u00e8rement les analystes, doctorants et chercheurs chevronn\u00e9s dans une perplexit\u00e9 paralysante : l’apparition inattendue de valeurs d’AIC n\u00e9gatives dans les sorties des logiciels de traitement statistique. Confront\u00e9 \u00e0 un score de -142,8 ou -1250,4, le premier r\u00e9flexe m\u00e9thodologique consiste souvent \u00e0 suspecter une erreur de calcul sous-jacente, une d\u00e9faillance de convergence de l’algorithme d’estimation du maximum de vraisemblance, ou une violation fatale des postulats distributionnels. Cette r\u00e9action psychologique d\u00e9coule d’une analogie trompeuse \u00e9tablie avec des indices d’ad\u00e9quation traditionnels born\u00e9s, pour lesquels une valeur n\u00e9gative signale incontestablement une anomalie structurelle.<\/p>\n
Ce guide exhaustif a pour vocation de d\u00e9construire m\u00e9thodiquement cette m\u00e9prise et d’offrir un cadre conceptuel, math\u00e9matique et pratique complet pour interpr\u00e9ter avec rigueur et s\u00e9r\u00e9nit\u00e9 les valeurs n\u00e9gatives de l’AIC. En explorant la nature continue de la densit\u00e9 de probabilit\u00e9, la th\u00e9orie sous-jacente de l’information de Kullback-Leibler, les pi\u00e8ges de transformation d’\u00e9chelle et les normes de publication acad\u00e9mique les plus exigeantes, cet article d\u00e9montre qu’une valeur n\u00e9gative d’AIC ne constitue nullement une anomalie, mais l’aboutissement parfaitement valide et naturel d’un ajustement probabiliste pr\u00e9cis sur des variables \u00e0 support continu.<\/p>\n
Le crit\u00e8re d’information d’Akaike trouve ses fondements conceptuels dans les travaux s\u00e9minaux publi\u00e9s par le statisticien japonais Hirotugu Akaike en 1974<\/a>. \u00c0 une \u00e9poque o\u00f9 les tests d’hypoth\u00e8ses nulles classiques dominaient sans partage l’analyse statistique, Akaike a introduit un changement de paradigme radical en reliant la th\u00e9orie de l’estimation par le maximum de vraisemblance \u00e0 la th\u00e9orie de l’information formalis\u00e9e par Claude Shannon. Au c\u0153ur de cette approche r\u00e9side l’\u00e9valuation du compromis optimal entre la qualit\u00e9 de l’ajustement aux donn\u00e9es et la complexit\u00e9 structurelle du mod\u00e8le, formul\u00e9e de mani\u00e8re \u00e0 pr\u00e9venir le surapprentissage sans p\u00e9naliser ind\u00fbment les structures explicatives pertinentes.<\/p>\n D’un point de vue th\u00e9orique, l’AIC repose sur une approximation asymptotique de la divergence de Kullback-Leibler<\/a> (KL), qui quantifie l’in\u00e9vitable perte d’information subie lorsqu’on utilise un mod\u00e8le param\u00e9trique pour approximer la r\u00e9alit\u00e9 g\u00e9n\u00e9ratrice des donn\u00e9es, consid\u00e9r\u00e9e comme infiniment complexe et inconnaissable. Akaike a d\u00e9montr\u00e9 que maximiser la log-vraisemblance d’un mod\u00e8le conduit syst\u00e9matiquement \u00e0 sous-estimer la perte d’information sur de nouvelles donn\u00e9es issues du m\u00eame processus, en raison de l’optimisation des param\u00e8tres sur l’\u00e9chantillon d’apprentissage. Le crit\u00e8re int\u00e8gre ainsi un terme correctif correcteur d’optimisme, permettant d’estimer de fa\u00e7on non biais\u00e9e la distance relative moyenne entre le mod\u00e8le candidat et le v\u00e9ritable processus sous-jacent.<\/p>\n Dans le paysage contemporain des sciences quantitatives, et particuli\u00e8rement au sein des protocoles de recherche en psychologie exp\u00e9rimentale, en neurosciences et en sciences comportementales, l’AIC occupe une place cardinale. Il permet de d\u00e9partager des mod\u00e8les th\u00e9oriques concurrents sans imposer que ceux-ci soient strictement embo\u00eet\u00e9s, ouvrant ainsi la voie \u00e0 une comparaison directe entre des hypoth\u00e8ses computationnelles radicalement diff\u00e9rentes portant sur un m\u00eame ensemble d’observations empiriques.<\/p>\n L’\u00e9mergence d’une valeur n\u00e9gative lors du calcul de l’AIC suscite couramment une d\u00e9tresse m\u00e9thodologique disproportionn\u00e9e chez les utilisateurs de logiciels statistiques tels que R, SPSS, Jamovi ou SAS. Cette r\u00e9action s’explique par un biais cognitif tenace : le pr\u00e9suppos\u00e9 intuitif selon lequel un indice statistique mesurant une forme d’erreur ou d’\u00e9cart informationnel devrait intrins\u00e8quement adopter une valeur positive, \u00e0 l’instar de la variance, de la distance euclidienne ou de la somme des carr\u00e9s des r\u00e9sidus. Nombre de praticiens assimilent inconsciemment l’AIC \u00e0 une mesure absolue d’\u00e9loignement, o\u00f9 le z\u00e9ro repr\u00e9senterait une borne infranchissable marquant l’absence totale de d\u00e9viation.<\/p>\n Cette confusion est exacerb\u00e9e par la familiarit\u00e9 pr\u00e9coce des chercheurs avec des m\u00e9triques standardis\u00e9es et strictement born\u00e9es, telles que le coefficient de d\u00e9termination R\u00b2 (born\u00e9 entre 0 et 1 dans le cas lin\u00e9aire standard) ou les indices d’ajustement en mod\u00e9lisation par \u00e9quations structurelles comme le CFI ou le TLI. Habitu\u00e9s \u00e0 \u00e9voluer dans des espaces m\u00e9triques o\u00f9 les bornes inf\u00e9rieures et sup\u00e9rieures sont intuitives, les analystes confront\u00e9s \u00e0 un AIC de -354,2 pr\u00e9sument spontan\u00e9ment une d\u00e9faillance dans leur cha\u00eene de traitement. Les r\u00e9actions typiques oscillent alors entre la suspicion infond\u00e9e d’un bug dans le paquetage logiciel utilis\u00e9, la crainte d’une non-convergence algorithmique masqu\u00e9e, ou le sentiment coupable d’avoir viol\u00e9 les pr\u00e9suppos\u00e9s fondamentaux de l’analyse multivari\u00e9e.<\/p>\n Or, cette anxi\u00e9t\u00e9 repose enti\u00e8rement sur une m\u00e9connaissance de la m\u00e9canique alg\u00e9brique sous-jacente du crit\u00e8re. Contrairement aux coefficients d’association born\u00e9s, l’AIC est une m\u00e9trique d’information relative non contrainte qui s’\u00e9tend sur la totalit\u00e9 de la droite des nombres r\u00e9els, du p\u00f4le n\u00e9gatif infini au p\u00f4le positif infini. Une valeur n\u00e9gative n’indique en rien une anomalie de calcul, mais traduit fid\u00e8lement les propri\u00e9t\u00e9s probabilistes de la fonction de vraisemblance \u00e9valu\u00e9e au maximum pour les donn\u00e9es consid\u00e9r\u00e9es.<\/p>\n Pour dissiper d\u00e9finitivement cette ambigu\u00eft\u00e9 d’interpr\u00e9tation, il convient d’\u00e9noncer le principe directeur universel qui r\u00e9git l’usage du crit\u00e8re d’Akaike : quel que soit le contexte empirique ou disciplinaire, le mod\u00e8le pr\u00e9sentant la valeur d’AIC alg\u00e9briquement la plus faible est consid\u00e9r\u00e9 comme le meilleur de l’ensemble test\u00e9. Ce principe op\u00e8re avec une indiff\u00e9rence m\u00e9thodologique absolue quant au signe arithm\u00e9tique, positif ou n\u00e9gatif, de la m\u00e9trique obtenue.<\/p>\n Sur le plan math\u00e9matique, l’\u00e9valuation de l’AIC s’effectue strictement le long de l’axe des r\u00e9els ordonn\u00e9 de gauche \u00e0 droite. Une valeur plus n\u00e9gative est rigoureusement et formellement inf\u00e9rieure \u00e0 une valeur moins n\u00e9gative ou positive. Par cons\u00e9quent, un mod\u00e8le affichant un score d’AIC de -500 surpasse indiscutablement un mod\u00e8le concurrent pr\u00e9sentant un score de -300, tout comme ce dernier surpasse un mod\u00e8le dont l’AIC s’\u00e9l\u00e8verait \u00e0 +50. L’ordre de pr\u00e9f\u00e9rence statistique s’\u00e9tablit selon la relation d’ordre standard : -500 < -300 < +50.<\/p>\n L’erreur la plus pernicieuse consiste \u00e0 juger de la performance d’un mod\u00e8le \u00e0 l’aune de sa proximit\u00e9 avec le point z\u00e9ro ou en consid\u00e9rant sa valeur absolue. Penser qu’un AIC de -5 est sup\u00e9rieur \u00e0 un AIC de -80 sous pr\u00e9texte que le premier est plus proche de z\u00e9ro constituerait un contresens m\u00e9thodologique total, revenant \u00e0 pr\u00e9f\u00e9rer d\u00e9lib\u00e9r\u00e9ment le mod\u00e8le qui capture le moins fid\u00e8lement la r\u00e9gularit\u00e9 des donn\u00e9es observ\u00e9es. Le signe n\u00e9gatif n’est pas un avertissement d’invalidit\u00e9, mais le t\u00e9moin d’une log-vraisemblance particuli\u00e8rement \u00e9lev\u00e9e surpassant la p\u00e9nalit\u00e9 li\u00e9e au nombre de param\u00e8tres.<\/p>\n Pour comprendre pr\u00e9cis\u00e9ment la gen\u00e8se arithm\u00e9tique des valeurs n\u00e9gatives, il est indispensable de diss\u00e9quer la formule canonique \u00e9tablie par Akaike :<\/p>\n AIC = 2K – 2ln(L)<\/p>\n Dans cette formulation \u00e9l\u00e9gante et compacte, l’indice se d\u00e9compose en deux forces antagonistes qui incarnent math\u00e9matiquement le rasoir d’Ockham. Le premier terme, 2K, repr\u00e9sente la p\u00e9nalit\u00e9 de complexit\u00e9 impos\u00e9e au mod\u00e8le. Ici, la variable K d\u00e9signe le nombre total de param\u00e8tres libres estim\u00e9s par la proc\u00e9dure statistique. Dans le cadre d’un mod\u00e8le de r\u00e9gression lin\u00e9aire gaussienne univari\u00e9e, K englobe non seulement les coefficients de r\u00e9gression associ\u00e9s aux variables pr\u00e9dictives et l’ordonn\u00e9e \u00e0 l’origine, mais \u00e9galement la variance r\u00e9siduelle de l’erreur, param\u00e8tre fondamental trop souvent n\u00e9glig\u00e9 dans le d\u00e9compte formel. Ce terme 2K est obligatoirement positif, d\u00e8s lors que tout mod\u00e8le statistique estime au moins un param\u00e8tre (K > 0).<\/p>\n Le second terme, -2ln(L), constitue la composante d’ajustement empirique, o\u00f9 L symbolise la valeur maximale atteinte par la fonction de vraisemblance, et ln(L) repr\u00e9sente son logarithme n\u00e9p\u00e9rien (souvent abr\u00e9g\u00e9 en log-vraisemblance). La fonction de vraisemblance L mesure la plausibilit\u00e9 d’observer l’\u00e9chantillon collect\u00e9 sous l’hypoth\u00e8se que les param\u00e8tres estim\u00e9s d\u00e9crivent la population parente. Le terme -2ln(L), parfois d\u00e9sign\u00e9 sous le vocable de d\u00e9viance non calibr\u00e9e, diminue \u00e0 mesure que le mod\u00e8le s’ajuste \u00e9troitement aux donn\u00e9es. L’AIC r\u00e9sulte donc d’une simple soustraction : la p\u00e9nalit\u00e9 positive 2K vient s’ajouter au terme -2ln(L).<\/p>\n L’\u00e9mergence d’une valeur globale n\u00e9gative pour l’AIC d\u00e9coule imm\u00e9diatement d’une condition d’in\u00e9galit\u00e9 \u00e9l\u00e9mentaire d\u00e9duite de sa formule structurelle :<\/p>\n AIC < 0 si et seulement si 2K – 2ln(L) < 0<\/p>\n En r\u00e9arrangeant les termes de cette in\u00e9galit\u00e9 par des op\u00e9rations alg\u00e9briques directes, on isole la condition fondamentale :<\/p>\n 2K < 2ln(L), ce qui \u00e9quivaut rigoureusement \u00e0 ln(L) > K<\/p>\n Cette d\u00e9monstration prouve sans \u00e9quivoque qu’un mod\u00e8le statistique produit un AIC n\u00e9gatif d\u00e8s lors que le logarithme n\u00e9p\u00e9rien de sa vraisemblance maximale exc\u00e8de le nombre de param\u00e8tres libres estim\u00e9s dans la structure du mod\u00e8le. Comme le nombre de param\u00e8tres K est un entier strictement positif, la condition sine qua non pour que ln(L) puisse surpasser K est que ln(L) soit lui-m\u00eame strictement positif : ln(L) > 0.<\/p>\n Lorsque la log-vraisemblance ln(L) est positive, sa multiplication par le coefficient scalaire -2 engendre n\u00e9cessairement un nombre n\u00e9gatif de magnitude substantielle : -2ln(L) < 0. Si la magnitude absolue de ce produit n\u00e9gatif surpasse la p\u00e9nalit\u00e9 positive 2K, la somme totale bascule in\u00e9vitablement sous la barre du z\u00e9ro. Par exemple, si un mod\u00e8le \u00e0 4 param\u00e8tres (K = 4, donc 2K = 8) atteint une log-vraisemblance de ln(L) = 15, le terme d’ajustement devient -2 * 15 = -30, produisant un AIC final de 8 – 30 = -22. La n\u00e9gativit\u00e9 de l’AIC n’est donc pas une anomalie stochastique, mais l’expression pr\u00e9visible d’une log-vraisemblance positive suffisamment puissante pour dominer la p\u00e9nalisation param\u00e9trique.<\/p>\n Afin d’ancrer cette d\u00e9monstration dans la r\u00e9alit\u00e9 calculatoire des logiciels d’analyse, examinons pas \u00e0 pas la trajectoire arithm\u00e9tique d’une r\u00e9gression lin\u00e9aire simple mod\u00e9lisant la pr\u00e9cision motrice en fonction de la dur\u00e9e d’entra\u00eenement. Soit un \u00e9chantillon de N = 50 participants soumis \u00e0 un protocole standardis\u00e9. Le mod\u00e8le s’\u00e9crit formellement sous la forme : Y = beta_0 + beta_1 * X + epsilon, avec une hypoth\u00e8se de r\u00e9sidus gaussiens distribu\u00e9s selon une loi normale centr\u00e9e d’\u00e9cart-type sigma.<\/p>\n Dans cette architecture empirique, le nombre de param\u00e8tres libres estim\u00e9s comprend l’ordonn\u00e9e \u00e0 l’origine (beta_0), la pente de r\u00e9gression (beta_1) et l’\u00e9cart-type r\u00e9siduel (sigma), \u00e9tablissant formellement K = 3. La p\u00e9nalit\u00e9 de complexit\u00e9 vaut donc exactement : 2K = 2 * 3 = 6.<\/p>\n Supposons que la dispersion r\u00e9siduelle autour de la droite de r\u00e9gression soit particuli\u00e8rement restreinte, traduisant une excellente pr\u00e9dictibilit\u00e9 du ph\u00e9nom\u00e8ne. L’\u00e9valuation de la fonction de vraisemblance gaussienne globale produit un logarithme n\u00e9p\u00e9rien maximis\u00e9 \u00e9gal \u00e0 ln(L) = 45,8. En substituant ces valeurs num\u00e9riques dans l’\u00e9quation d’Akaike, le calcul s’op\u00e8re comme suit :<\/p>\n AIC = 2(3) – 2(45,8) = 6 – 91,6 = -85,6<\/p>\n L’analyste obtient un AIC final de -85,6. Cet exemple met en lumi\u00e8re la simplicit\u00e9 arithm\u00e9tique de l’op\u00e9ration : aucune violation th\u00e9orique n’est survenue, aucun artefact algorithmique ne s’est produit. Le r\u00e9sultat n\u00e9gatif est le produit direct d’une log-vraisemblance positive de magnitude 45,8, dont la contribution n\u00e9gative pond\u00e9r\u00e9e (-91,6) surpasse largement la faible p\u00e9nalit\u00e9 structurelle (+6) impos\u00e9e aux trois param\u00e8tres estim\u00e9s.<\/p>\n Pour saisir pourquoi certains chercheurs n’ont jamais rencontr\u00e9 d’AIC n\u00e9gatif au cours de leur carri\u00e8re tandis que d’autres y sont syst\u00e9matiquement confront\u00e9s, il est imp\u00e9ratif d’examiner la nature probabiliste de la variable d\u00e9pendante mod\u00e9lis\u00e9e. Dans le cadre de donn\u00e9es strictement discr\u00e8tes (telles que des choix binaires, des comptages d’\u00e9v\u00e9nements ou des classifications diagnostiques mod\u00e9lis\u00e9s par des r\u00e9gressions logistiques, multinomiales ou de Poisson), la fonction de vraisemblance est construite \u00e0 partir de probabilit\u00e9s ponctuelles : P(Y = y).<\/p>\n En vertu des axiomes fondamentaux de Kolmogorov, la probabilit\u00e9 d’un \u00e9v\u00e9nement discret est strictement confin\u00e9e au sein de l’intervalle ferm\u00e9 [0, 1]. Or, la fonction logarithme n\u00e9p\u00e9rien appliqu\u00e9e \u00e0 un nombre r\u00e9el appartenant \u00e0 cet intervalle produit invariablement un r\u00e9sultat n\u00e9gatif ou nul : pour tout p tel que 0 < p ≤ 1, on observe ln(p) ≤ 0. Puisque la vraisemblance globale d’un \u00e9chantillon ind\u00e9pendant d’observations discr\u00e8tes correspond au produit de ces probabilit\u00e9s individuelles, la log-vraisemblance globale ln(L) constitue la somme de logarithmes n\u00e9p\u00e9riens de probabilit\u00e9s ponctuelles. Elle est donc structurellement, universellement et inconditionnellement n\u00e9gative : ln(L) ≤ 0.<\/p>\n En r\u00e9injectant cette contrainte structurelle dans l’\u00e9quation de l’AIC, le terme -2ln(L) devient rigoureusement positif : -2 * (valeur n\u00e9gative) = valeur positive. Par cons\u00e9quent, dans l’univers exclusif des mod\u00e8les discrets purs, l’AIC est la somme de deux termes strictement positifs (2K > 0 et -2ln(L) ≥ 0). Il est math\u00e9matiquement impossible d’obtenir un AIC n\u00e9gatif dans une r\u00e9gression logistique standard ou un mod\u00e8le log-lin\u00e9aire sur tableau de contingence, ce qui forge l’illusion trompeuse chez certains sp\u00e9cialistes du domaine discret que l’AIC ne saurait jamais \u00eatre inf\u00e9rieur \u00e0 z\u00e9ro.<\/p>\n La donne conceptuelle et math\u00e9matique change radicalement d\u00e8s lors que l’on mod\u00e9lise une variable al\u00e9atoire continue, comme c’est le cas dans les r\u00e9gressions lin\u00e9aires standards, les mod\u00e8les lin\u00e9aires g\u00e9n\u00e9raux ou les analyses spectrales. Pour une variable continue, la probabilit\u00e9 d’observer une valeur ponctuelle exacte est strictement nulle : P(Y = y) = 0. D\u00e8s lors, la fonction de vraisemblance ne repose plus sur des probabilit\u00e9s ponctuelles, mais sur une fonction de densit\u00e9 de probabilit\u00e9, not\u00e9e usuellement f(y).<\/p>\n Si l’int\u00e9grale totale de la fonction de densit\u00e9 sur l’ensemble de son domaine de d\u00e9finition est obligatoirement \u00e9gale \u00e0 1 (garantissant que la probabilit\u00e9 globale de l’espace \u00e9chantillonnal soit unitaire), la valeur ponctuelle de la densit\u00e9 f(y) elle-m\u00eame n’est en aucune mani\u00e8re contrainte d’\u00eatre inf\u00e9rieure \u00e0 1. Dans les zones o\u00f9 la distribution des donn\u00e9es est fortement concentr\u00e9e et o\u00f9 la variance r\u00e9siduelle du mod\u00e8le est faible, la densit\u00e9 de probabilit\u00e9 peut atteindre des sommets consid\u00e9rables, s’\u00e9levant \u00e0 5, 10, 100, voire tendant vers l’infini si la variance approche de z\u00e9ro.<\/p>\n Consid\u00e9rons la fonction de densit\u00e9 d’une loi normale univari\u00e9e au point moyen : f(mu) = 1 \/ (sigma * sqrt(2 * pi)). Lorsque l’\u00e9cart-type r\u00e9siduel sigma devient inf\u00e9rieur \u00e0 1 \/ sqrt(2 * pi) ≈ 0,3989, la valeur de f(mu) d\u00e9passe formellement l’unit\u00e9. D\u00e8s lors que les densit\u00e9s individuelles f(y_i) exc\u00e8dent 1, leurs logarithmes n\u00e9p\u00e9riens deviennent strictement positifs : ln(f(y_i)) > 0. La somme de ces logarithmes positifs sur l’ensemble de l’\u00e9chantillon produit une log-vraisemblance globale positive : ln(L) > 0. C’est cette caract\u00e9ristique intrins\u00e8que des densit\u00e9s de probabilit\u00e9 continues qui ouvre in\u00e9vitablement la porte \u00e0 l’\u00e9mergence d’AIC n\u00e9gatifs.<\/p>\n Cette propri\u00e9t\u00e9 math\u00e9matique des densit\u00e9s continues a des r\u00e9percussions directes et massives dans les disciplines quantitatives telles que la psychologie cognitive, la psychom\u00e9trie et les neurosciences comportementales. Dans ces champs de recherche, il est d’usage courant d’analyser des variables continues dont la variabilit\u00e9 r\u00e9siduelle est structurellement minime, soit en raison de protocoles exp\u00e9rimentaux hautement contr\u00f4l\u00e9s au niveau intra-individuel, soit du fait de transformations math\u00e9matiques sp\u00e9cifiques appliqu\u00e9es aux variables observ\u00e9es.<\/p>\n \u00c0 titre d’illustration, l’analyse des temps de r\u00e9action transform\u00e9s en secondes (dont les valeurs oscillent typiquement entre 0,350 s et 0,700 s) g\u00e9n\u00e8re des variances d’erreur minuscules, souvent inf\u00e9rieures \u00e0 0,01. De m\u00eame, les indices d’efficacit\u00e9 neuronale, les scores factoriels standardis\u00e9s d\u00e9riv\u00e9s de batteries psychom\u00e9triques ou les s\u00e9ries temporelles d’indices de dilatation pupillaire pr\u00e9sentent des concentrations de densit\u00e9 extr\u00eamement denses autour de la tendance centrale mod\u00e9lis\u00e9e. Dans de telles configurations, la fonction de vraisemblance gaussienne op\u00e8re sur des \u00e9chelles o\u00f9 la densit\u00e9 de probabilit\u00e9 unitaire est continuellement d\u00e9pass\u00e9e.<\/p>\n Par cons\u00e9quent, observer un AIC n\u00e9gatif dans une r\u00e9gression lin\u00e9aire gaussienne ou un mod\u00e8le \u00e0 effets mixtes appliqu\u00e9 \u00e0 des donn\u00e9es psychologiques continues n’est nullement une bizarrerie statistique. C’est au contraire la signature pr\u00e9visible et bienvenue du fait que le mod\u00e8le parvient \u00e0 restreindre la variance de l’erreur d’estimation \u00e0 un niveau suffisant pour que la fonction de densit\u00e9 culmine au-del\u00e0 du seuil unitaire. Loin de d\u00e9noter une faille th\u00e9orique, l’AIC n\u00e9gatif atteste simplement d’une mod\u00e9lisation continue efficace sur une variable dont l’\u00e9chelle de mesure produit des variances r\u00e9siduelles contenues.<\/p>\n L’un des \u00e9cueils majeurs dans l’interpr\u00e9tation des crit\u00e8res d’information r\u00e9side dans la tentation d’attribuer une signification intrins\u00e8que ou substantielle \u00e0 la valeur brute de l’AIC. Il est fondamental d’int\u00e9grer que l’AIC ne poss\u00e8de pas d’\u00e9chelle absolue de mesure, ni de z\u00e9ro absolu dou\u00e9 d’un sens probabiliste intrins\u00e8que. Contrairement \u00e0 un thermom\u00e8tre mesurant l’\u00e9nergie thermique en degr\u00e9s Kelvin o\u00f9 le z\u00e9ro absolu fige tout mouvement particulaire, l’\u00e9chelle de l’AIC ne marque aucune fronti\u00e8re conceptuelle \u00e0 z\u00e9ro. Un AIC de 0 n’indique aucunement un mod\u00e8le parfait, ni un mod\u00e8le al\u00e9atoire, ni un mod\u00e8le nul.<\/p>\n En r\u00e9alit\u00e9, l’AIC poss\u00e8de une propri\u00e9t\u00e9 math\u00e9matique cruciale : l’invariance de rang par translation. Si l’on ajoute ou soustrait une constante arbitraire C \u00e0 la log-vraisemblance de tous les mod\u00e8les compar\u00e9s (par exemple, en omettant les constantes d’int\u00e9gration dans le calcul de la distribution normale sous-jacente, pratique courante dans plusieurs moteurs logiciels), l’AIC de chaque mod\u00e8le se trouve translat\u00e9 d’une valeur fixe 2C, mais l’ordre hi\u00e9rarchique et les \u00e9carts relatifs entre les mod\u00e8les demeurent strictement inchang\u00e9s. L’AIC est une m\u00e9trique d’\u00e9valuation strictement relative et ordinale con\u00e7ue exclusivement pour l’inf\u00e9rence comparative.<\/p>\n Pour saisir cette dynamique sans ambigu\u00eft\u00e9, une analogie robuste peut \u00eatre dress\u00e9e avec l’\u00e9chelle de temp\u00e9rature Celsius ou avec des mesures d’altitude par rapport au niveau de la mer. Une temp\u00e9rature de -15 \u00b0C est rigoureusement plus froide qu’une temp\u00e9rature de -5 \u00b0C, laquelle est \u00e0 son tour plus froide que +10 \u00b0C. De m\u00eame, une fosse oc\u00e9anique situ\u00e9e \u00e0 -2000 m\u00e8tres d’altitude est plus profonde qu’un canyon situ\u00e9 \u00e0 -300 m\u00e8tres, lui-m\u00eame inf\u00e9rieur \u00e0 un plateau situ\u00e9 \u00e0 +500 m\u00e8tres. Sur l’axe continu de l’AIC, la travers\u00e9e du z\u00e9ro n’engendre aucune alt\u00e9ration de la dynamique : un nombre situ\u00e9 plus \u00e0 gauche sur la droite des r\u00e9els indique toujours une moindre perte d’information de Kullback-Leibler par rapport au processus r\u00e9el.<\/p>\n Consid\u00e9rons une \u00e9tude empirique visant \u00e0 mod\u00e9liser la d\u00e9gradation de la m\u00e9moire de travail sous privation de sommeil, au sein de laquelle un chercheur confronte deux mod\u00e8les th\u00e9oriques distincts. Le Mod\u00e8le A, lin\u00e9aire simple, produit un AIC de -56,5. Le Mod\u00e8le B, int\u00e9grant une composante non-lin\u00e9aire quadratique, aboutit \u00e0 un AIC de -103,3. Quelle conclusion statistique s’impose formellement face \u00e0 ces deux r\u00e9sultats n\u00e9gatifs ?<\/p>\n L’\u00e9valuation repose sur la position respective des deux valeurs sur l’axe continu des nombres r\u00e9els. La valeur -103,3 est strictement inf\u00e9rieure \u00e0 la valeur -56,5 :<\/p>\n -103,3 < -56,5<\/p>\n Le Mod\u00e8le B pr\u00e9sentant la valeur d’AIC la plus basse, il est sans \u00e9quivoque le mod\u00e8le statistiquement sup\u00e9rieur. Il garantit une minimisation substantiellement plus efficace de la perte d’information estim\u00e9e que le Mod\u00e8le A, tout en tenant compte du param\u00e8tre suppl\u00e9mentaire introduit pour estimer la courbure quadratique.<\/p>\n \u00c0 ce stade, il est imp\u00e9ratif de dissiper une confusion catastrophique fr\u00e9quemment observ\u00e9e lors de l’apprentissage des statistiques : l’application r\u00e9flexe et erron\u00e9e de la valeur absolue. Certains analystes non avertis comparent la magnitude des nombres en ignorant leur signe, affirmant \u00e0 tort que puisque |-103,3| = 103,3 et que |-56,5| = 56,5, le Mod\u00e8le B pr\u00e9senterait un indice d’\u00e9loignement plus \u00e9lev\u00e9 et devrait donc \u00eatre \u00e9cart\u00e9. Un tel raisonnement constitue une erreur m\u00e9thodologique gravissime, qui inverse pr\u00e9cis\u00e9ment l’ordre d’ad\u00e9quation et conduit \u00e0 s\u00e9lectionner le pire mod\u00e8le de l’ensemble analys\u00e9. Sur l’\u00e9chelle de l’AIC, les valeurs n\u00e9gatives doivent toujours \u00eatre trait\u00e9es avec leur signe alg\u00e9brique natif, sans jamais recourir \u00e0 la valeur absolue.<\/p>\n Une source de d\u00e9sarroi suppl\u00e9mentaire survient lorsque l’ensemble des mod\u00e8les candidats chevauche la fronti\u00e8re du z\u00e9ro, g\u00e9n\u00e9rant un tableau de s\u00e9lection o\u00f9 cohabitent des valeurs positives et n\u00e9gatives. Imaginons qu’au sein de la m\u00eame investigation, un Mod\u00e8le 1 (hypoth\u00e8se d’invariance totale ne comportant qu’une constante globale) produise un AIC de +12,4, tandis qu’un Mod\u00e8le 2 (int\u00e9grant des covariables d\u00e9veloppementales adapt\u00e9es) aboutisse \u00e0 un AIC de -8,2.<\/p>\n Nombre d’analystes h\u00e9sitent face \u00e0 ce r\u00e9sultat, redoutant qu’une discontinuit\u00e9 math\u00e9matique n’invalide la comparaison directe d’un score positif et d’un score n\u00e9gatif. Il n’en est absolument rien. La r\u00e8gle de d\u00e9cision s’applique avec une constance algorithmique sans faille :<\/p>\n -8,2 < +12,4<\/p>\n Le Mod\u00e8le 2 est r\u00e9solument sup\u00e9rieur au Mod\u00e8le 1. La travers\u00e9e de la fronti\u00e8re de z\u00e9ro ne cr\u00e9e aucun artefact, aucun biais de courbure et aucune rupture d’homog\u00e9n\u00e9it\u00e9 dans la m\u00e9trique de Kullback-Leibler. Le passage d’une log-vraisemblance inf\u00e9rieure \u00e0 K (produisant un AIC positif) \u00e0 une log-vraisemblance sup\u00e9rieure \u00e0 K (produisant un AIC n\u00e9gatif) est un ph\u00e9nom\u00e8ne continu, fluide et parfaitement l\u00e9gitime. Comparer +12,4 et -8,2 s’op\u00e8re avec la m\u00eame validit\u00e9 que de comparer +112,4 et +91,8, ou -108,2 et -128,8.<\/p>\n Pour affranchir l’analyse des ambigu\u00eft\u00e9s li\u00e9es aux \u00e9chelles arbitraires et aux valeurs brutes, l’approche pr\u00e9conis\u00e9e par la litt\u00e9rature m\u00e9thodologique moderne, notamment incarn\u00e9e par les travaux majeurs de Kenneth Burnham et David Anderson (2002)<\/a>, repose sur le calcul des \u00e9carts d’AIC, universellement d\u00e9sign\u00e9s par le symbole Delta AIC (ou Δ_i). Cette transformation recentre la distribution des scores autour du mod\u00e8le le plus performant du groupe examin\u00e9.<\/p>\n La formule math\u00e9matique du Delta AIC pour un mod\u00e8le sp\u00e9cifique not\u00e9 i s’\u00e9nonce comme suit :<\/p>\n Δ_i = AIC_i – AIC_min<\/p>\n Dans cette formulation, AIC_min repr\u00e9sente la valeur d’AIC minimale absolue identifi\u00e9e dans l’ensemble des R mod\u00e8les concurrents soumis \u00e0 l’\u00e9valuation. Lorsque tous les scores d’AIC ou une partie d’entre eux sont n\u00e9gatifs, AIC_min d\u00e9signe formellement la valeur la plus n\u00e9gative (c’est-\u00e0-dire celle qui se situe le plus \u00e0 gauche sur l’axe des r\u00e9els).<\/p>\n La beaut\u00e9 math\u00e9matique de cette soustraction r\u00e9side dans sa capacit\u00e9 \u00e0 neutraliser imm\u00e9diatement le signe n\u00e9gatif d’origine. En soustrayant la valeur minimale alg\u00e9brique de chaque score, on obtient une suite de grandeurs Δ_i qui sont obligatoirement et rigoureusement positives ou nulles (Δ_i ≥ 0). Consid\u00e9rons l’exemple chiffr\u00e9 suivant, confrontant trois mod\u00e8les rivaux :<\/p>\n Ici, la valeur minimale alg\u00e9brique est indubitablement celle du Mod\u00e8le A : AIC_min = -100. En appliquant rigoureusement les r\u00e8gles \u00e9l\u00e9mentaires du calcul alg\u00e9brique des signes n\u00e9gatifs, le calcul des \u00e9carts s’op\u00e8re sans encombre :<\/p>\n L’analyste retrouve un espace de r\u00e9f\u00e9rence universel et intuitif : le meilleur mod\u00e8le affiche un \u00e9cart de 0, tandis que ses concurrents sous-optimaux se voient assigner des p\u00e9nalit\u00e9s d’\u00e9cart positives (+5 et +22) refl\u00e9tant fid\u00e8lement leur perte empirique relative.<\/p>\n L’un des avantages majeurs de l’\u00e9talonnage par les Δ_i r\u00e9side dans l’universalit\u00e9 des grilles d’interpr\u00e9tation heuristiques \u00e9tablies par Burnham et Anderson. Ces seuils de preuve empirique demeurent d’une validit\u00e9 absolue, que les scores d’AIC d’origine soient positifs, nuls ou profond\u00e9ment ancr\u00e9s dans le domaine n\u00e9gatif, puisque la soustraction a converti l’ensemble en \u00e9carts positifs standardis\u00e9s :<\/p>\n Dans notre exemple pr\u00e9c\u00e9dent, le Mod\u00e8le B avec son Δ_B = +5 pr\u00e9sente un soutien substantiellement d\u00e9grad\u00e9, tandis que le Mod\u00e8le C avec Δ_C = +22 est d\u00e9finitivement \u00e9cart\u00e9 de la course. Ces r\u00e8gles de d\u00e9cision s’appliquent sans aucune modification op\u00e9rationnelle, d\u00e9montrant une fois encore la parfaite transparence du signe n\u00e9gatif initial vis-\u00e0-vis des r\u00e8gles d’inf\u00e9rence scientifique.<\/p>\n Pour quantifier l’incertitude pesant sur la s\u00e9lection du mod\u00e8le optimal, la th\u00e9orie de l’information pousse l’\u00e9l\u00e9gance formelle un cran plus loin en calculant les poids d’Akaike (not\u00e9s w_i). Ces poids traduisent la probabilit\u00e9 conditionnelle relative que le mod\u00e8le i soit le meilleur mod\u00e8le au sens de Kullback-Leibler parmi la liste ferm\u00e9e des R mod\u00e8les candidats \u00e9valu\u00e9s.<\/p>\n Le calcul d\u00e9bute par l’\u00e9valuation de la vraisemblance relative de chaque mod\u00e8le, obtenue par l’exponentiation de la moiti\u00e9 de l’oppos\u00e9 de son \u00e9cart : RelLik_i = exp(-0,5 * Δ_i). Ensuite, la normalisation s’effectue en divisant chaque r\u00e9sultat par la somme des vraisemblances relatives de l’ensemble des mod\u00e8les examin\u00e9s :<\/p>\n w_i = exp(-0,5 * Δ_i) \/ Σ_{j=1}^R exp(-0,5 * Δ_j)<\/p>\n Puisque les valeurs de Δ_i sont invariablement positives ou nulles (gr\u00e2ce \u00e0 la soustraction de l’AIC_min le plus n\u00e9gatif), l’expression -0,5 * Δ_i est invariablement n\u00e9gative ou nulle. Par cons\u00e9quent, les termes exp(-0,5 * Δ_i) sont math\u00e9matiquement contraints d’\u00e9voluer dans l’intervalle semi-ouvert ]0, 1].<\/p>\n La somme globale des poids w_i est rigoureusement \u00e9gale \u00e0 1 (Σ w_i = 1), permettant une interpr\u00e9tation probabiliste transparente. Par exemple, si le Mod\u00e8le A obtient w_A = 0,88 et le Mod\u00e8le B w_B = 0,12, le chercheur peut formuler que le Mod\u00e8le A d\u00e9tient 88 % de chances d’\u00eatre le meilleur mod\u00e8le d’approximation de la r\u00e9alit\u00e9 informationnelle parmi les candidats consid\u00e9r\u00e9s. Tout au long de cette cha\u00eene de transformation math\u00e9matique sophistiqu\u00e9e, le fait que les AIC initiaux aient \u00e9t\u00e9 de -100 et -95 n’a introduit aucune perturbation de calcul ni distorsion de probabilit\u00e9.<\/p>\n L’un des aspects les plus fascinants et potentiellement trompeurs de la log-vraisemblance continue r\u00e9side dans son extr\u00eame sensibilit\u00e9 \u00e0 l’\u00e9chelle de mesure adopt\u00e9e pour la variable d\u00e9pendante Y. Toute modification d’\u00e9chelle, qu’il s’agisse d’une multiplication, d’une division ou d’une conversion d’unit\u00e9s physiques, alt\u00e8re imm\u00e9diatement la concentration de la densit\u00e9 de probabilit\u00e9 et, par ricochet, translate m\u00e9caniquement la valeur brute de l’AIC dans le domaine positif ou n\u00e9gatif.<\/p>\n Pour illustrer ce m\u00e9canisme avec clart\u00e9, consid\u00e9rons une exp\u00e9rience de psychophysique mesurant les temps de r\u00e9action. Si la variable d\u00e9pendante est enregistr\u00e9e en millisecondes, un \u00e9cart-type r\u00e9siduel classique s’\u00e9l\u00e8vera par exemple \u00e0 sigma = 80 ms. La densit\u00e9 normale correspondante 1 \/ (80 * sqrt(2 * pi)) sera nettement inf\u00e9rieure \u00e0 1, conduisant \u00e0 une log-vraisemblance n\u00e9gative et \u00e0 un AIC largement positif, par exemple +1450. Si le m\u00eame chercheur, travaillant sur le m\u00eame \u00e9chantillon exact, convertit simplement ses donn\u00e9es en secondes en divisant chaque observation par 1000, le nouvel \u00e9cart-type r\u00e9siduel devient sigma = 0,080 s.<\/p>\n D\u00e9sormais, la densit\u00e9 normale au point central s’envole \u00e0 environ 5, calcul\u00e9e par 1 \/ (0,08 * sqrt(2 * pi)). La log-vraisemblance devient massivement positive et l’AIC bascule instantan\u00e9ment dans le n\u00e9gatif, atteignant par exemple -850. La r\u00e9alit\u00e9 empirique n’a subi aucune alt\u00e9ration : le mod\u00e8le pr\u00e9dit les donn\u00e9es avec une pr\u00e9cision intrins\u00e8que strictement identique. Le passage d’un AIC positif \u00e0 un AIC n\u00e9gatif r\u00e9sulte ici exclusivement du r\u00e9tr\u00e9cissement de l’unit\u00e9 de mesure, confirmant l’interdiction formelle et absolue de comparer les AIC de mod\u00e8les entra\u00een\u00e9s sur des \u00e9chelles m\u00e9triques diff\u00e9rentes.<\/p>\n Dans la pratique courante des analyses multivari\u00e9es, les chercheurs appliquent fr\u00e9quemment des transformations math\u00e9matiques \u00e0 leurs variables d\u00e9pendantes afin de stabiliser la variance ou de restaurer la normalit\u00e9 distributionnelle, notamment par le centrage-r\u00e9duction (Z-score), la transformation logarithmique ou les transformations de puissance de type Box-Cox. Ces manipulations exercent un impact colossal sur la fonction de vraisemblance.<\/p>\n Lorsqu’une variable subit une transformation non-lin\u00e9aire, telle que le passage \u00e0 Y* = ln(Y), la r\u00e8gle de transformation des densit\u00e9s de probabilit\u00e9 impose l’intervention du jacobien de la transformation pour maintenir la coh\u00e9rence de l’espace probabiliste. La fonction de densit\u00e9 de la variable originelle est li\u00e9e \u00e0 celle de la variable transform\u00e9e par la relation formelle : f_Y(y) = f_{Y*}(ln(y)) * |d(ln(y))\/dy| = f_{Y*}(ln(y)) * (1\/y). Si l’on omet ce terme jacobien, la log-vraisemblance issue du mod\u00e8le transform\u00e9 n’est plus commensurable avec celle du mod\u00e8le lin\u00e9aire brut.<\/p>\n Cette distinction technique explique pourquoi la standardisation centr\u00e9e-r\u00e9duite standard (fixant la variance empirique totale de Y \u00e0 1) modifie radicalement les scores bruts d’AIC par rapport aux donn\u00e9es brutes non standardis\u00e9es. Si la standardisation conduit souvent \u00e0 des AIC n\u00e9gatifs lorsque la variance r\u00e9siduelle apr\u00e8s mod\u00e9lisation plonge nettement sous l’unit\u00e9, il est m\u00e9thodologiquement prohib\u00e9 de comparer l’AIC d’un mod\u00e8le estim\u00e9 sur Y avec l’AIC d’un mod\u00e8le estim\u00e9 sur ln(Y) ou sur les Z-scores de Y, sauf \u00e0 int\u00e9grer formellement la correction jacobienne de la log-vraisemblance.<\/p>\n Une r\u00e8gle cardinale de la th\u00e9orie de la s\u00e9lection de mod\u00e8les stipule que la validit\u00e9 de la comparaison par l’AIC repose imp\u00e9rativement sur la constance absolue du vecteur d’observations Y. L’ensemble des mod\u00e8les candidats compar\u00e9s doivent avoir \u00e9t\u00e9 ajust\u00e9s rigoureusement sur le m\u00eame \u00e9chantillon d’individus, sans la moindre divergence dans le nombre d’observations N ni dans la composition des cas retenus.<\/p>\n Une violation fr\u00e9quente de cette r\u00e8gle survient en pr\u00e9sence de valeurs manquantes (missing data) diss\u00e9min\u00e9es parmi les variables pr\u00e9dictives. Lorsqu’un chercheur sp\u00e9cifie un Mod\u00e8le 1 int\u00e9grant les pr\u00e9dicteurs X1 et X2, puis un Mod\u00e8le 2 introduisant une covariable additionnelle X3 qui contient 15 % de donn\u00e9es manquantes, les logiciels statistiques appliquent par d\u00e9faut une suppression des observations incompl\u00e8tes (listwise deletion). Le Mod\u00e8le 2 est alors ajust\u00e9 sur un \u00e9chantillon r\u00e9duit (par exemple N = 85 au lieu de N = 100).<\/p>\n Dans cette situation, la log-vraisemblance globale diminue artificiellement du simple fait qu’elle additionne moins de termes individuels, ce qui biaise irr\u00e9versiblement l’AIC et interdit toute interpr\u00e9tation comparative des scores. De surcro\u00eet, la magnitude brute de l’AIC \u00e9tant proportionnelle \u00e0 N, toute variation de l’\u00e9chantillon distord la position relative des mod\u00e8les sur l’axe des r\u00e9els, pouvant faire basculer artificiellement un indice d’un c\u00f4t\u00e9 ou de l’autre du z\u00e9ro. L’analyste doit imp\u00e9rativement s’assurer de l’imputation pr\u00e9alable ou de la restriction uniforme du jeu de donn\u00e9es avant d’engager toute comparaison d’AIC.<\/p>\n Lorsque la taille de l’\u00e9chantillon N est relativement modeste par rapport au nombre de param\u00e8tres libres K estim\u00e9s, l’approximation asymptotique sous-jacente \u00e0 la d\u00e9rivation originale d’Akaike tend \u00e0 sous-estimer la p\u00e9nalit\u00e9 de complexit\u00e9, favorisant de mani\u00e8re excessive les mod\u00e8les surparam\u00e9tr\u00e9s. Pour pallier ce biais d’optimisme, Clifford Hurvich et Chih-Ling Tsai ont d\u00e9velopp\u00e9 en 1989 une version raffin\u00e9e du crit\u00e8re, universellement adopt\u00e9e sous l’acronyme d’AICc (AIC corrig\u00e9 pour petits \u00e9chantillons) :<\/p>\n AICc = AIC + [2K(K + 1)] \/ (N – K – 1)<\/p>\n Le terme correctif [2K(K + 1)] \/ (N – K – 1) est strictement positif pour toute configuration m\u00e9thodologiquement viable o\u00f9 N > K + 1. Son ajout syst\u00e9matique a pour cons\u00e9quence g\u00e9om\u00e9trique d’augmenter alg\u00e9briquement le score d’AIC de base, d\u00e9pla\u00e7ant ainsi la valeur vers la droite sur l’axe des nombres r\u00e9els.<\/p>\n Face \u00e0 des valeurs d’AIC initiales n\u00e9gatives, l’intervention du correctif d’Hurvich et Tsai a pour effet de r\u00e9duire la magnitude n\u00e9gative du crit\u00e8re. Par exemple, si un mod\u00e8le \u00e0 K = 5 param\u00e8tres \u00e9valu\u00e9 sur N = 25 observations produit un AIC de -40,0, le terme correctif s’\u00e9l\u00e8ve \u00e0 [2 * 5 * 6] \/ (25 – 5 – 1) = 60 \/ 19 ≈ +3,16. L’AICc final s’\u00e9tablit donc \u00e0 -40,0 + 3,16 = -36,84. La valeur demeure n\u00e9gative, mais la p\u00e9nalisation suppl\u00e9mentaire a att\u00e9nu\u00e9 son ampleur. Il est aujourd’hui recommand\u00e9 par la majorit\u00e9 des m\u00e9thodologues de substituer syst\u00e9matiquement l’AICc \u00e0 l’AIC classique d\u00e8s lors que le ratio N \/ K est inf\u00e9rieur \u00e0 40, sans que le signe n\u00e9gatif n’entrave en rien cette substitution.<\/p>\n Parall\u00e8lement \u00e0 la famille d’Akaike, le crit\u00e8re d’information bay\u00e9sien introduit par Gideon Schwarz en 1978 (Schwarz, 1978<\/a>), d\u00e9sign\u00e9 sous l’acronyme BIC (Bayesian Information Criterion), ob\u00e9it \u00e0 une logique \u00e9pist\u00e9mologique distincte. Tandis que l’AIC cherche le mod\u00e8le minimisant la perte d’information pr\u00e9dictive sans supposer que le vrai mod\u00e8le appartienne \u00e0 l’ensemble test\u00e9, le BIC vise \u00e0 identifier asymptotiquement le v\u00e9ritable mod\u00e8le g\u00e9n\u00e9rateur des donn\u00e9es sous l’hypoth\u00e8se qu’il figure parmi les candidats. Sa formulation math\u00e9matique s’\u00e9crit :<\/p>\n BIC = K * ln(N) – 2ln(L)<\/p>\n La distinction op\u00e9ratoire majeure r\u00e9side dans la p\u00e9nalit\u00e9 de complexit\u00e9 : le terme constant 2K de l’AIC est remplac\u00e9 par le terme K * ln(N). D\u00e8s lors que la taille de l’\u00e9chantillon franchit le seuil de N = 8 observations (puisque ln(8) ≈ 2,079 > 2), la p\u00e9nalisation impos\u00e9e par le BIC devient structurellement plus s\u00e9v\u00e8re que celle de l’AIC, et cette divergence s’accro\u00eet de mani\u00e8re logarithmique avec l’expansion de l’\u00e9chantillon.<\/p>\n Cette s\u00e9v\u00e9rit\u00e9 accrue engendre une dynamique fascinante en r\u00e9gime de valeurs n\u00e9gatives : il est tr\u00e8s fr\u00e9quent d’observer des situations o\u00f9 l’AIC d’un mod\u00e8le est n\u00e9gatif, tandis que son BIC demeure r\u00e9solument positif. Cela survient pr\u00e9cis\u00e9ment lorsque la log-vraisemblance est suffisamment \u00e9lev\u00e9e pour d\u00e9passer 2K, mais s’av\u00e8re incapable de compenser la p\u00e9nalit\u00e9 bien plus lourde dict\u00e9e par K * ln(N). Dans tous les cas, le BIC peut lui-m\u00eame devenir n\u00e9gatif si la log-vraisemblance positive est spectaculairement \u00e9lev\u00e9e (ln(L) > [K * ln(N)] \/ 2). Lorsque cela se produit, la m\u00eame r\u00e8gle d’inf\u00e9rence universelle pr\u00e9vaut : le BIC le plus faible alg\u00e9briquement (le plus n\u00e9gatif) d\u00e9signe le mod\u00e8le bay\u00e9sien optimal.<\/p>\n Afin de synth\u00e9tiser le comportement structurel de ces trois crit\u00e8res majeurs d’information face aux valeurs n\u00e9gatives, le tableau conceptuel suivant met en relief leurs conditions d’\u00e9mergence, leurs sensibilit\u00e9s d’\u00e9chantillon et leurs convergences interpr\u00e9tatives :<\/p>\n L’exploration computationnelle de la cognition humaine fournit l’un des contextes les plus prolifiques en valeurs d’AIC n\u00e9gatives. Dans l’analyse des temps de r\u00e9ponse lors de t\u00e2ches de discrimination sensorielle ou d’attention s\u00e9lective, les chercheurs ont largement abandonn\u00e9 l’analyse de variance classique pour adopter des mod\u00e8les math\u00e9matiques sophistiqu\u00e9s, tels que les mod\u00e8les d’accumulation s\u00e9quentielle d’indices (Drift-Diffusion Models ou DDM) et les d\u00e9compositions de distribution temporelle ex-gaussienne (combinant une composante normale et une composante exponentielle pour capturer la queue de distribution).<\/p>\n Dans ces mod\u00e9lisations, la variable temporelle continue s’exprime typiquement sur des \u00e9chelles courtes (en fractions de seconde, de 0,200 s \u00e0 1,5 s). Les densit\u00e9s de probabilit\u00e9 associ\u00e9es au taux de d\u00e9rive (drift rate) ou aux temps de processus non d\u00e9cisionnel (non-decision time t0) sont extr\u00eamement resserr\u00e9es. En estimant ces param\u00e8tres par maximum de vraisemblance, il est syst\u00e9matique d’enregistrer des log-vraisemblances globales d\u00e9passant plusieurs centaines d’unit\u00e9s positives pour des \u00e9chantillons de quelques milliers d’essais comportementaux.<\/p>\n Par cons\u00e9quent, les tableaux comparatifs de mod\u00e8les DDM affichent presque constamment des scores d’AIC oscillant entre -500 et -8000. L’analyste en sciences cognitives ne doit \u00e9prouver aucune r\u00e9ticence \u00e0 s\u00e9lectionner un mod\u00e8le affichant un AIC de -4520,3 face \u00e0 un mod\u00e8le concurrent affichant -4310,1. Cette n\u00e9gativit\u00e9 massive t\u00e9moigne simplement de la capacit\u00e9 du mod\u00e8le computationnel \u00e0 capter avec une finesse millim\u00e9trique la dynamique d’accumulation d’information sensorielle au sein des r\u00e9seaux neuronaux des participants.<\/p>\n La psychologie d\u00e9veloppementale et la recherche clinique recourent massivement aux mod\u00e8les lin\u00e9aires mixtes (LMM) ou aux mod\u00e8les multiniveaux pour analyser l’\u00e9volution longitudinale de fonctions cognitives, de traits \u00e9motionnels ou de scores cliniques collect\u00e9s \u00e0 travers de multiples vagues de mesures r\u00e9p\u00e9t\u00e9es. Dans ce cadre m\u00e9thodologique, l’estimation des composantes de variance al\u00e9atoire (intercepts et pentes al\u00e9atoires au niveau individuel) affine consid\u00e9rablement l’ajustement aux trajectoires singuli\u00e8res des sujets.<\/p>\n Lorsque le mod\u00e8le mixte incorpore une structure de covariance r\u00e9siduelle complexe (telle qu’une structure autor\u00e9gressive d’ordre 1 [AR(1)] ou de Toeplitz) pour mod\u00e9liser la d\u00e9pendance s\u00e9rielle des erreurs temporelles standardis\u00e9es, la variance de l’erreur r\u00e9siduelle non expliqu\u00e9e au niveau 1 plonge fr\u00e9quemment \u00e0 des niveaux tr\u00e8s modestes. Cette absorption de variance par la composante al\u00e9atoire propulse la log-vraisemblance restreinte (REML) dans des grandeurs positives, induisant m\u00e9caniquement des AIC et BIC n\u00e9gatifs.<\/p>\n Dans ce contexte, comparer un mod\u00e8le \u00e0 trajectoire lin\u00e9aire (AIC = -145,2) avec un mod\u00e8le int\u00e9grant un polyn\u00f4me de croissance cubique et une structure autor\u00e9gressive (AIC = -210,8) s’effectue dans le respect le plus strict des r\u00e8gles ordonn\u00e9es sur l’axe r\u00e9el. Le gain de 65,6 points d’AIC en faveur de la valeur la plus n\u00e9gative confirme sans \u00e9quivoque que la mod\u00e9lisation de la courbure d\u00e9veloppementale et de l’autocorr\u00e9lation temporelle capture des r\u00e9gularit\u00e9s fondamentales du d\u00e9veloppement de l’enfant, bien au-del\u00e0 de la p\u00e9nalisation encourue par l’estimation des param\u00e8tres de variance additionnels.<\/p>\n Dans le domaine de la psychom\u00e9trie et de l’analyse factorielle confirmatoire (CFA), la mod\u00e9lisation d’\u00e9quations structurelles \u00e9value dans quelle mesure une matrice de covariance th\u00e9orique postul\u00e9e par un mod\u00e8le reproduit fid\u00e8lement la matrice de covariance empirique observ\u00e9e entre des indicateurs latents. Bien que l’ad\u00e9quation globale soit historiquement examin\u00e9e via le test du Chi-deux et des indices incr\u00e9mentaux, l’AIC est devenu la m\u00e9trique de pr\u00e9dilection pour arbitrer entre des structures factorielles non embo\u00eet\u00e9es (par exemple, confronter un mod\u00e8le unifactoriel global \u00e0 un mod\u00e8le bifactoriel ou \u00e0 facteurs corr\u00e9l\u00e9s).<\/p>\n Les logiciels phares du domaine, tels que lavaan dans l’environnement R, Mplus ou Amos, proc\u00e8dent \u00e0 l’estimation par le maximum de vraisemblance sur la fonction de divergence de Wishart. Dans certaines impl\u00e9mentations o\u00f9 les donn\u00e9es observ\u00e9es ont fait l’objet d’un calibrage m\u00e9trique tr\u00e8s fin, ou lorsque l’ajustement est \u00e9valu\u00e9 sur des \u00e9chelles composites standardis\u00e9es, l’AIC rapport\u00e9 par le logiciel peut afficher des valeurs n\u00e9gatives.<\/p>\n Cette situation se pr\u00e9sente tout particuli\u00e8rement lorsque les structures factorielles int\u00e8grent un nombre substantiel d’indicateurs continus hautement fiables affichant des saturations factorielles tr\u00e8s \u00e9lev\u00e9es (λ > 0,85). La variance d’unicit\u00e9 (l’erreur de mesure r\u00e9siduelle de chaque item) devient alors minime, augmentant exponentiellement la hauteur de la densit\u00e9 conjointe. La s\u00e9lection de la structure factorielle optimale repose alors rigoureusement sur le choix de l’architecture pr\u00e9sentant le score d’AIC le plus bas sur la droite num\u00e9rique, sanctionnant les structures redondantes et primant l’organisation dimensionnelle la plus parcimonieuse.<\/p>\n Parmi les \u00e9garements interpr\u00e9tatifs document\u00e9s dans la litt\u00e9rature statistique, le pi\u00e8ge de la valeur absolue demeure le plus destructeur pour la validit\u00e9 des conclusions scientifiques. Ce biais cognitif consiste, pour un analyste confront\u00e9 \u00e0 deux scores d’AIC n\u00e9gatifs, \u00e0 appliquer mentalement ou logiciellement une fonction valeur absolue (|AIC|) sous le pr\u00e9texte fallacieux que le crit\u00e8re quantifierait une distance g\u00e9om\u00e9trique positive par rapport \u00e0 un id\u00e9al.<\/p>\n Supposons qu’un chercheur \u00e9value deux mod\u00e8les neurocognitifs : le Mod\u00e8le 1 affiche un AIC de -12,0 et le Mod\u00e8le 2 affiche un AIC de -85,0. Aveugl\u00e9 par le pi\u00e8ge de la valeur absolue, l’analyste pose que |-12,0| = 12 et |-85,0| = 85. Raisonnant selon le pr\u00e9cepte que \u00ab\u00a0le plus petit AIC est le meilleur\u00a0\u00bb, il commet l’erreur fatale de d\u00e9signer le Mod\u00e8le 1 comme le mod\u00e8le sup\u00e9rieur, croyant que 12 est inf\u00e9rieur \u00e0 85.<\/p>\n Cette d\u00e9duction est un non-sens statistique dramatique. Sur l’axe continu de la th\u00e9orie de l’information, -85,0 est immens\u00e9ment inf\u00e9rieur \u00e0 -12,0 (-85,0 < -12,0). Le Mod\u00e8le 2 est en r\u00e9alit\u00e9 sup\u00e9rieur par un \u00e9cart colossal de Δ = 73 points d’AIC, indiquant que le Mod\u00e8le 1 ne dispose d’absolument aucun soutien empirique. En appliquant la valeur absolue, le chercheur a d\u00e9lib\u00e9r\u00e9ment rejet\u00e9 le mod\u00e8le le plus fid\u00e8le et le plus parcimonieux pour adopter celui qui subit la pire perte d’information. La r\u00e8gle est infrangible : l’AIC ne s’\u00e9value jamais, en aucune circonstance, sous sa valeur absolue.<\/p>\n Une seconde erreur r\u00e9pandue d\u00e9coule de la confusion entre les crit\u00e8res d’information comparatifs et les tests d’ad\u00e9quation globale fond\u00e9s sur des hypoth\u00e8ses statistiques formelles. Nombre de jeunes chercheurs, d\u00e9couvrant un AIC n\u00e9gatif, redoutent imm\u00e9diatement que cette m\u00e9trique ne signifie le \u00ab\u00a0rejet\u00a0\u00bb formel du mod\u00e8le ou la d\u00e9monstration d’une inad\u00e9quation r\u00e9dhibitoire avec les donn\u00e9es observ\u00e9es.<\/p>\n Il est fondamental de r\u00e9affirmer que l’AIC n’est pas un test d’hypoth\u00e8se nulle. Il ne d\u00e9livre aucune valeur p (p-value), ne postule aucun seuil de significativit\u00e9 alpha, et ne prononce ni rejet ni acceptation au sens de la th\u00e9orie de Neyman-Pearson. L’AIC quantifie uniquement une perte d’information relative. Un mod\u00e8le affichant un AIC n\u00e9gatif peut pr\u00e9senter des violations manifestes de ses postulats r\u00e9siduels (comme une h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 s\u00e9v\u00e8re, une non-lin\u00e9arit\u00e9 flagrante ou des r\u00e9sidus aberrants).<\/p>\n R\u00e9ciproquement, un mod\u00e8le pr\u00e9sentant un ajustement th\u00e9orique impeccable peut g\u00e9n\u00e9rer un AIC positif si la variance d’\u00e9chelle des donn\u00e9es est large. Par cons\u00e9quent, l’obtention d’un AIC n\u00e9gatif ne dispense en aucune fa\u00e7on le chercheur d’effectuer un diagnostic approfondi des r\u00e9sidus (graphiques quantile-quantile, tests d’ind\u00e9pendance, distances de Cook). L’AIC intervient exclusivement pour classer des mod\u00e8les dont la viabilit\u00e9 th\u00e9orique et distributionnelle a \u00e9t\u00e9 pr\u00e9alablement valid\u00e9e par l’inspection diagnostique standard.<\/p>\n Si les AIC n\u00e9gatifs sont l\u00e9gitimes en pr\u00e9sence de variables continues \u00e0 faible dispersion, une vigilance m\u00e9thodologique aigu\u00eb s’impose face \u00e0 des valeurs d’AIC devenant subitement et massivement n\u00e9gatives au cours du raffinement d’un mod\u00e8le (par exemple, un plongeon brutal de -50 \u00e0 -8500 suite \u00e0 l’ajout d’un unique param\u00e8tre). Une telle trajectoire ne traduit presque jamais une perc\u00e9e th\u00e9orique r\u00e9volutionnaire, mais constitue l’indicateur d’alarme typique d’une d\u00e9faillance num\u00e9rique de surajustement pathologique.<\/p>\n Ce ph\u00e9nom\u00e8ne se manifeste avec acuit\u00e9 dans deux configurations d’estimation bien connues :<\/p>\n Face \u00e0 un AIC spectaculairement n\u00e9gatif, le premier devoir de l’analyste consiste \u00e0 inspecter m\u00e9ticuleusement le tableau des param\u00e8tres estim\u00e9s pour v\u00e9rifier qu’aucune variance r\u00e9siduelle n’est \u00e9gale \u00e0 z\u00e9ro ou n\u00e9gative. Un AIC n’a de sens que si les param\u00e8tres sous-jacents qui l’ont g\u00e9n\u00e9r\u00e9 demeurent rigoureusement plausibles et situ\u00e9s \u00e0 l’int\u00e9rieur de leur espace param\u00e9trique th\u00e9orique.<\/p>\n Dans l’environnement de programmation statistique R, l’extraction de l’AIC s’effectue traditionnellement via la fonction g\u00e9n\u00e9rique stats::AIC(), applicable \u00e0 une vaste typologie d’objets de mod\u00e9lisation (lm, glm, nls, ou lmerMod issus du paquetage lme4). Le comportement interne de cette fonction repose sur l’extraction directe de la log-vraisemblance maximis\u00e9e via la m\u00e9thode logLik(). D\u00e8s que l’objet mod\u00e9lis\u00e9 pr\u00e9sente une log-vraisemblance positive exc\u00e9dant K, stats::AIC() renvoie tout naturellement une valeur n\u00e9gative au format num\u00e9rique \u00e0 virgule flottante.<\/p>\n Pour la s\u00e9lection automatis\u00e9e et syst\u00e9matique de mod\u00e8les, le paquetage MuMIn (Multi-Model Inference) constitue la r\u00e9f\u00e9rence internationale. Lorsqu’on soumet un mod\u00e8le global \u00e0 la fonction dredge(), MuMIn g\u00e9n\u00e8re un tableau r\u00e9capitulatif ordonnant l’ensemble des sous-mod\u00e8les candidats par ordre croissant d’AIC ou d’AICc. Le paquetage g\u00e8re avec une rigueur math\u00e9matique sans faille les valeurs n\u00e9gatives : le mod\u00e8le positionn\u00e9 sur la premi\u00e8re ligne (au sommet de la hi\u00e9rarchie) est invariablement celui dont la valeur alg\u00e9brique est la plus faible sur l’axe des r\u00e9els, et le calcul de la colonne delta est syst\u00e9matiquement ancr\u00e9 sur cette valeur la plus n\u00e9gative, garantissant des deltas positifs.<\/p>\n Dans le domaine de l’inf\u00e9rence bay\u00e9sienne computationnelle par cha\u00eenes de Markov Monte-Carlo (MCMC), notamment via le paquetage brms reposant sur le moteur Stan, les crit\u00e8res d’information d’\u00e9chantillonnage pr\u00e9dictif tels que le WAIC (Watanabe-Akaike Information Criterion) ou le LOO-CV (Leave-One-Out Cross-Validation bas\u00e9e sur le package loo) peuvent \u00e9galement adopter des scores n\u00e9gatifs. La fonction loo_compare() classe rigoureusement ces mod\u00e8les bay\u00e9siens du plus n\u00e9gatif au plus positif, confirmant l’universalit\u00e9 de la convention ordinale \u00e0 travers tous les paradigmes computationnels sous R.<\/p>\n Dans les environnements statistiques munis d’une interface graphique, l’affichage des crit\u00e8res d’information ob\u00e9it \u00e0 des conventions visuelles qu’il convient de d\u00e9crypter avec assurance afin d’\u00e9viter toute m\u00e9prise lors de l’exploration des menus.<\/p>\n Sous IBM SPSS Statistics, l’AIC est accessible au sein des modules de r\u00e9gression lin\u00e9aire, de r\u00e9gression logistique binaire et, de fa\u00e7on pr\u00e9pond\u00e9rante, dans le menu des mod\u00e8les lin\u00e9aires mixtes (Analyse > Mod\u00e8les mixtes > Lin\u00e9aires). Dans les sorties de mod\u00e8les mixtes, SPSS consacre un tableau entier intitul\u00e9 \u00ab\u00a0Crit\u00e8res d’information\u00a0\u00bb. La premi\u00e8re ligne mentionne la statistique \u00ab\u00a0-2 Log-vraisemblance restreinte\u00a0\u00bb (ou -2 Restrict Log Likelihood). Si la log-vraisemblance du mod\u00e8le est positive, cette premi\u00e8re ligne affiche un nombre n\u00e9gatif pr\u00e9c\u00e9d\u00e9 d’un signe moins (-). Par voie de cons\u00e9quence directe, la ligne subs\u00e9quente \u00ab\u00a0Crit\u00e8re d’Akaike (AIC)\u00a0\u00bb affiche une valeur n\u00e9gative. L’analyste doit noter que SPSS n’\u00e9met aucun message d’erreur ou d’alerte particulier lorsqu’un AIC est n\u00e9gatif : le logiciel traite cette \u00e9ventualit\u00e9 comme une modalit\u00e9 arithm\u00e9tique standard.<\/p>\n Dans les interfaces modernes ax\u00e9es sur l’accessibilit\u00e9 comme Jamovi<\/a> ou JASP<\/a>, con\u00e7ues sur un socle R sous-jacent, les tables de s\u00e9lection de mod\u00e8les affichent spontan\u00e9ment les AIC, AICc et BIC dans les options d’ajustement global. Si les donn\u00e9es continues analys\u00e9es produisent des variances r\u00e9siduelles serr\u00e9es, les tableaux de sortie pr\u00e9sentent des valeurs pr\u00e9c\u00e9d\u00e9es du symbole n\u00e9gatif. Les \u00e9tudiants et chercheurs novices sont parfois d\u00e9stabilis\u00e9s par l’absence d’explication textuelle dans les sorties de ces logiciels ; il convient de souligner que cette absence d’avertissement prouve pr\u00e9cis\u00e9ment qu’aucun \u00e9v\u00e9nement anormal ne s’est produit au regard de la machinerie statistique.<\/p>\n Afin de pr\u00e9munir les chercheurs contre toute b\u00e9vue de manipulation lors du calcul manuel des \u00e9carts et des poids en pr\u00e9sence de valeurs d’AIC n\u00e9gatives, il est vivement pr\u00e9conis\u00e9 d’automatiser le processus d’ordonnancement par des fonctions programm\u00e9es fiables. Dans un flux de travail R rigoureux, la s\u00e9lection de mod\u00e8les s’articule autour d’une logique algorithmique assurant l’identification infaillible du minimum alg\u00e9brique.<\/p>\n Le squelette op\u00e9rationnel d’une telle fonction d’ordonnancement implique les \u00e9tapes analytiques suivantes :<\/p>\n L’impl\u00e9mentation d’une telle routine automatis\u00e9e au sein de scripts reproductibles s\u00e9curise l’analyse statistique, \u00e9vite le pi\u00e8ge involontaire de l’inversion de signes et assure une transition fluide entre la mod\u00e9lisation brute et la restitution synth\u00e9tique des r\u00e9sultats.<\/p>\n Face \u00e0 un tableau de mod\u00e9lisation d\u00e9voilant un ou plusieurs scores d’AIC n\u00e9gatifs, le chercheur ne doit ni s’inqui\u00e9ter pr\u00e9matur\u00e9ment ni valider aveugl\u00e9ment les chiffres obtenus. La premi\u00e8re phase du protocole m\u00e9thodique consiste \u00e0 soumettre les sorties du logiciel \u00e0 un audit de coh\u00e9rence structurelle rigoureux, visant \u00e0 \u00e9carter l’hypoth\u00e8se d’une d\u00e9g\u00e9n\u00e9rescence algorithmique de l’ajustement.<\/p>\n Cet audit initial se d\u00e9compose en trois v\u00e9rifications indispensables :<\/p>\n Une fois la conformit\u00e9 num\u00e9rique des estimations attest\u00e9e, l’analyste proc\u00e8de \u00e0 l’alignement ordonn\u00e9 de l’ensemble des mod\u00e8les concurrents le long de la droite r\u00e9elle. Cette op\u00e9ration g\u00e9om\u00e9trique \u00e9l\u00e9mentaire vise \u00e0 pr\u00e9munir le chercheur contre tout r\u00e9flexe erron\u00e9 d’interpr\u00e9tation visuelle.<\/p>\n La r\u00e8gle op\u00e9rationnelle est d’une limpidit\u00e9 totale : on identifie le mod\u00e8le qui se situe le plus profond\u00e9ment vers le p\u00f4le n\u00e9gatif (la coordonn\u00e9e la plus \u00e0 gauche). Ce mod\u00e8le constitue sans ambigu\u00eft\u00e9 le mod\u00e8le de r\u00e9f\u00e9rence statistique de l’investigation, celui qui capitalise la plus forte concentration de vraisemblance relative rapport\u00e9e \u00e0 sa structure param\u00e9trique.<\/p>\n C’est \u00e0 ce mod\u00e8le de r\u00e9f\u00e9rence que l’on attribue conventionnellement un Δ = 0. On proc\u00e8de ensuite au calcul s\u00e9quentiel des \u00e9carts pour tous les autres mod\u00e8les du groupe en soustrayant cette valeur minimale de chaque AIC respectif (Δ_i = AIC_i – AIC_min). Les mod\u00e8les sont alors compil\u00e9s au sein d’un tableau r\u00e9capitulatif hi\u00e9rarchis\u00e9, class\u00e9s du Δ le plus faible (0) au Δ le plus \u00e9lev\u00e9, permettant d’objectiver instantan\u00e9ment la perte de performance informationnelle de chaque architecture rivale.<\/p>\n L’inf\u00e9rence statistique moderne s’oppose \u00e0 tout automatisme aveugle qui d\u00e9l\u00e9guerait la d\u00e9cision scientifique finale \u00e0 une simple machine \u00e0 calculer. Une fois l’ordonnancement par les Δ \u00e9tabli, le chercheur doit exercer son discernement th\u00e9orique, particuli\u00e8rement au sein de la fen\u00eatre de sensibilit\u00e9 Δ < 2 formalis\u00e9e par Burnham et Anderson.<\/p>\n Si deux ou trois mod\u00e8les concurrents se situent au coude-\u00e0-coude au sein de cet intervalle d’\u00e9quivalence substantielle (Δ ≤ 2) tout en pr\u00e9sentant des AIC n\u00e9gatifs, l’analyste doit mobiliser le principe de parcimonie au sens strict du rasoir d’Ockham. Si un mod\u00e8le plus simple comportant K = 3 param\u00e8tres affiche un AIC de -152,1 et qu’un mod\u00e8le complexe \u00e0 K = 7 param\u00e8tres affiche un AIC de -153,2 (soit un Δ de seulement 1,1 point en faveur du mod\u00e8le complexe), il est m\u00e9thodologiquement sup\u00e9rieur et \u00e9pist\u00e9mologiquement sage de retenir le mod\u00e8le le plus sobre.<\/p>\n De surcro\u00eet, la coh\u00e9rence des param\u00e8tres estim\u00e9s avec les corpus th\u00e9oriques \u00e9tablis de la discipline (psychologie cognitive, neurobiologie, \u00e9ducation) doit primer sur des micro-gains d’information statistique. Un mod\u00e8le affichant un AIC l\u00e9g\u00e8rement plus n\u00e9gatif mais dont les coefficients sont en contradiction flagrante avec les lois physiologiques connues doit susciter une remise en cause critique de sa sp\u00e9cification plut\u00f4t qu’une adh\u00e9sion inconditionnelle.<\/p>\n La publication de r\u00e9sultats reposant sur des crit\u00e8res d’information au sein de revues scientifiques internationales exige une conformit\u00e9 absolue avec les directives de l’American Psychological Association (APA, 7e \u00e9dition)<\/a>. La pr\u00e9sentation tabulaire de la s\u00e9lection de mod\u00e8les doit \u00eatre con\u00e7ue pour offrir une lisibilit\u00e9 imm\u00e9diate, tout en dissipant d’embl\u00e9e toute ambigu\u00eft\u00e9 relative aux valeurs n\u00e9gatives.<\/p>\n Le tableau APA standardis\u00e9 doit \u00e9viter tout quadrillage vertical et comporter des lignes horizontales sobres d\u00e9limitant l’en-t\u00eate, le corps du tableau et les notes de cl\u00f4ture. Les colonnes indispensables comprennent l’identification explicite du Mod\u00e8le, le nombre de param\u00e8tres libres estim\u00e9s (K), le logarithme de la vraisemblance (ln(L)), l’AIC (ou l’AICc selon la taille de l’\u00e9chantillon), l’\u00e9cart d’information (Δ AIC), et enfin le poids d’Akaike (w_i). Les valeurs num\u00e9riques doivent afficher un nombre uniforme de d\u00e9cimales (usuellement une ou deux pour l’AIC, deux ou trois pour les poids).<\/p>\n Une r\u00e8gle typographique fondamentale du style APA stipule que le signe n\u00e9gatif doit imp\u00e9rativement \u00eatre compos\u00e9 \u00e0 l’aide d’un v\u00e9ritable tiret demi-cadratin (en-dash, –) ou d’un symbole math\u00e9matique moins (−), et jamais d’un trait d’union standard (-). Une note explicative concise plac\u00e9e sous le tableau pr\u00e9cisera la m\u00e9trique retenue, la m\u00e9thode d’estimation (par exemple, Maximum de Vraisemblance Int\u00e9grale [ML] ou Restreinte [REML]) et stipulera explicitement que les mod\u00e8les ont \u00e9t\u00e9 ordonn\u00e9s par ordre croissant de performance d’information.<\/p>\n Dans le corps du texte de la section R\u00e9sultats d’un manuscrit soumis \u00e0 publication, la description de la s\u00e9lection de mod\u00e8les doit \u00eatre articul\u00e9e avec une clart\u00e9 limpide, en formulant explicitement les scores obtenus sans dissimuler leur polarit\u00e9 n\u00e9gative. Les tournures de phrases doivent affirmer l’inf\u00e9rence avec assurance sans s’excuser de la pr\u00e9sence du signe moins.<\/p>\n Voici un gabarit de r\u00e9daction acad\u00e9mique standardis\u00e9 pr\u00eat \u00e0 l’emploi :<\/p>\n \u00ab\u00a0Afin de d\u00e9terminer l’architecture pr\u00e9dictive optimale mod\u00e9lisant les temps de r\u00e9action moyens sous condition d’\u00e9puisement cognitif, une s\u00e9rie de mod\u00e8les lin\u00e9aires hi\u00e9rarchiques embo\u00eet\u00e9s et non embo\u00eet\u00e9s a \u00e9t\u00e9 compar\u00e9e \u00e0 l’aide du crit\u00e8re d’information d’Akaike corrig\u00e9 pour petits \u00e9chantillons (AICc). Comme consign\u00e9 dans le Tableau 2, le Mod\u00e8le 3 (int\u00e9grant les effets al\u00e9atoires d’interaction sujet-t\u00e2che) a manifest\u00e9 le meilleur ajustement parcimonieux aux donn\u00e9es empiriques, affichant la valeur d’AICc alg\u00e9briquement la plus faible (AICc = −324,85 ; K = 6). En r\u00e9f\u00e9rence \u00e0 ce mod\u00e8le optimal, le Mod\u00e8le 2 lin\u00e9aire standard a pr\u00e9sent\u00e9 un soutien empirique consid\u00e9rablement d\u00e9grad\u00e9 (ΔAICc = 6,42 ; AICc = −318,43 ; w_i = 0,038), tandis que le mod\u00e8le nul ne disposait d’aucun soutien substantiel (ΔAICc = 48,12 ; AICc = −276,73 ; w_i < 0,001). Les poids d’Akaike indiquent que le Mod\u00e8le 3 d\u00e9tient une probabilit\u00e9 relative d’ad\u00e9quation informationnelle de 96,1 % au sein de l’ensemble des mod\u00e8les \u00e9valu\u00e9s.\u00a0\u00bb<\/em><\/p>\n Cette formulation d\u00e9montre une ma\u00eetrise statistique rigoureuse : les signes n\u00e9gatifs sont \u00e9nonc\u00e9s naturellement, la relation d’ordre est respect\u00e9e (−324,85 est formellement identifi\u00e9 comme plus bas que −318,43), et la d\u00e9rivation des poids d’Akaike vient asseoir la conclusion m\u00e9thodologique selon les canons scientifiques contemporains.<\/p>\n Tout chercheur publiant des analyses quantitatives est susceptible de se heurter un jour \u00e0 l’incompr\u00e9hension d’un \u00e9valuateur de revue (Reviewer 2) exigeant de fa\u00e7on comminatoire l’explication d’un score d’AIC n\u00e9gatif ou affirmant cat\u00e9goriquement qu’une telle m\u00e9trique d\u00e9coule d’une erreur informatique de calcul. Dans cette situation d\u00e9licate, la r\u00e9ponse aux r\u00e9viseurs doit conjuguer une courtoisie irr\u00e9prochable avec une d\u00e9monstration technique p\u00e9dagogique inattaquable.<\/p>\n Voici un exemple argumentaire type pouvant \u00eatre int\u00e9gr\u00e9 dans une lettre de r\u00e9ponse \u00e9ditoriale (Response to Reviewers) :<\/p>\n \u00ab\u00a0Nous remercions chaleureusement le r\u00e9viseur pour son attention minutieuse port\u00e9e aux crit\u00e8res d’information rapport\u00e9s dans le Tableau 1. Le r\u00e9viseur s’interroge sur la validit\u00e9 m\u00e9thodologique des valeurs d’AIC n\u00e9gatives obtenues lors de l’estimation de nos mod\u00e8les de r\u00e9gression. Nous souhaitons rassurer pleinement le r\u00e9viseur sur la conformit\u00e9 de ces scores. Conform\u00e9ment aux principes fondamentaux de la th\u00e9orie de l’information appliqu\u00e9e aux variables al\u00e9atoires continues (Burnham & Anderson, 2002, pp. 62-64), la fonction de vraisemblance est d\u00e9riv\u00e9e d’une fonction de densit\u00e9 de probabilit\u00e9 continue f(x). Lorsque la variance d’erreur r\u00e9siduelle d’un mod\u00e8le ajust\u00e9 sur une variable continue est modeste, la densit\u00e9 ponctuelle exc\u00e8de r\u00e9guli\u00e8rement l’unit\u00e9 (f(x) > 1), ce qui produit une log-vraisemblance maximale positive (ln(L) > 0). Lorsque 2ln(L) surpasse la p\u00e9nalit\u00e9 param\u00e9trique 2K, la formule canonique AIC = 2K − 2ln(L) g\u00e9n\u00e8re math\u00e9matiquement et l\u00e9gitimement une valeur n\u00e9gative. Sur l’axe continu de l’information relative, la r\u00e8gle universelle de s\u00e9lection demeure inalt\u00e9r\u00e9e : le mod\u00e8le affichant la valeur alg\u00e9briquement la plus faible (la plus n\u00e9gative) est celui qui minimise la divergence de Kullback-Leibler. Pour rassurer le lectorat, nous avons enrichi la note de bas de tableau d’une pr\u00e9cision bibliographique clarifiant ce fondement math\u00e9matique.\u00a0\u00bb<\/em><\/p>\n Face \u00e0 une argumentation aussi structur\u00e9e, \u00e9tay\u00e9e par les r\u00e9f\u00e9rences pionni\u00e8res de la statistique computationnelle, tout comit\u00e9 \u00e9ditorial averti l\u00e8vera imm\u00e9diatement la r\u00e9serve, validant la pertinence de l’analyse et la comp\u00e9tence m\u00e9thodologique des auteurs.<\/p>\n Guide acad\u00e9mique complet pour comprendre et interpr\u00e9ter correctement les valeurs n\u00e9gatives du crit\u00e8re d’information d’Akaike (AIC) en mod\u00e9lisation statistique.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[1829,2869],"tags":[2919,2920,2921,2172,2895],"class_list":["post-1312","psych_stat","type-psych_stat","status-publish","hentry","category-methodologie-statistique","category-psychometrie-et-analyse-quantitative","tag-aic","tag-akaike","tag-log-vraisemblance","tag-psychologie-quantitative","tag-selection-de-modeles"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/1312","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_stat"}],"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=1312"}],"version-history":[{"count":1,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/1312\/revisions"}],"predecessor-version":[{"id":16218,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/1312\/revisions\/16218"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1312"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1312"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1312"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}1.2 L’incompr\u00e9hension fr\u00e9quente face aux scores d’AIC n\u00e9gatifs<\/h3>\n
1.3 La r\u00e8gle fondamentale de d\u00e9cision : la sup\u00e9riorit\u00e9 des valeurs les plus basses<\/h3>\n
2. D\u00e9composition math\u00e9matique de l’AIC : le m\u00e9canisme g\u00e9n\u00e9rateur de valeurs n\u00e9gatives<\/h2>\n
2.1 Analyse de l’\u00e9quation standard de l’AIC<\/h3>\n
2.2 La condition formelle pour l’obtention d’un AIC n\u00e9gatif<\/h3>\n
2.3 Exemple de calcul pas \u00e0 pas d’un AIC n\u00e9gatif<\/h3>\n
3. La nature de la log-vraisemblance : variables discr\u00e8tes vs variables continues<\/h2>\n
3.1 Pourquoi la log-vraisemblance est toujours n\u00e9gative avec des donn\u00e9es discr\u00e8tes<\/h3>\n
3.2 La densit\u00e9 de probabilit\u00e9 des variables continues et ses valeurs sup\u00e9rieures \u00e0 1<\/h3>\n
3.3 Cons\u00e9quences pour les mod\u00e8les gaussiens en sciences psychologiques<\/h3>\n
4. La nature purement ordinale et relative du crit\u00e8re d’information d’Akaike<\/h2>\n
4.1 L’absence d’\u00e9chelle absolue et de point z\u00e9ro substantiel<\/h3>\n
4.2 Comparaison de mod\u00e8les : comparaison de grandeurs sur l’axe des r\u00e9els<\/h3>\n
4.3 Transition trans-z\u00e9ro : comparer un AIC positif et un AIC n\u00e9gatif<\/h3>\n
5. \u00c9carts d’AIC (Delta AIC) et poids d’Akaike en pr\u00e9sence de valeurs n\u00e9gatives<\/h2>\n
5.1 Calcul rigoureux du Delta AIC avec des valeurs n\u00e9gatives<\/h3>\n
\n
\n
5.2 Interpr\u00e9tation des seuils de Burnham et Anderson<\/h3>\n
\n
5.3 D\u00e9rivation des poids d’Akaike (Akaike Weights)<\/h3>\n
6. Impact du pr\u00e9-traitement des donn\u00e9es et de l’unit\u00e9 de mesure sur l’AIC<\/h2>\n
6.1 L’effet d’\u00e9chelle de la variable d\u00e9pendante<\/h3>\n
6.2 Standardisation et transformations math\u00e9matiques (Z-score, log, Box-Cox)<\/h3>\n
6.3 Constance de l’\u00e9chantillon et des donn\u00e9es observ\u00e9es<\/h3>\n
7. Variantes du crit\u00e8re : AIC corrig\u00e9 (AICc) et Crit\u00e8re Bay\u00e9sien (BIC) n\u00e9gatifs<\/h2>\n
7.1 L’AIC corrig\u00e9 pour petits \u00e9chantillons (AICc)<\/h3>\n
7.2 Comportement du crit\u00e8re d’information bay\u00e9sien (BIC) face aux valeurs n\u00e9gatives<\/h3>\n
7.3 Tableau comparatif des crit\u00e8res face aux signes n\u00e9gatifs<\/h3>\n
\n
\n
\n
\n
8. Applications pratiques en psychologie cognitive, clinique et psychom\u00e9trie<\/h2>\n
8.1 Mod\u00e9lisation des temps de r\u00e9action et mod\u00e8les d’accumulation de preuve<\/h3>\n
8.2 Mod\u00e8les lin\u00e9aires mixtes et longitudinaux en psychologie du d\u00e9veloppement<\/h3>\n
8.3 Mod\u00e9lisation par \u00e9quations structurelles (SEM) et analyse factorielle confirmatoire<\/h3>\n
9. Erreurs m\u00e9thodologiques courantes et pi\u00e8ges d’interpr\u00e9tation<\/h2>\n
9.1 Le pi\u00e8ge de la valeur absolue<\/h3>\n
9.2 La confusion entre rejet du mod\u00e8le et AIC n\u00e9gatif<\/h3>\n
9.3 Ignorer le surajustement (overfitting) extr\u00eame<\/h3>\n
\n
10. Diagnostic logiciel : comment lire et v\u00e9rifier les AIC n\u00e9gatifs dans R, SPSS et Jamovi<\/h2>\n
10.1 Gestion des AIC dans l’environnement R (fonctions AIC, MuMIn, brms)<\/h3>\n
10.2 Sorties statistiques sous SPSS, Jamovi et JASP<\/h3>\n
10.3 Scripts types pour automatiser la s\u00e9lection de mod\u00e8les<\/h3>\n
\n
11. Protocole pas \u00e0 pas pour interpr\u00e9ter des AIC n\u00e9gatifs dans une recherche<\/h2>\n
11.1 \u00c9tape 1 : Contr\u00f4le de la validit\u00e9 math\u00e9matique et convergence<\/h3>\n
\n
11.2 \u00c9tape 2 : Ordonnancement strict sur la droite num\u00e9rique<\/h3>\n
11.3 \u00c9tape 3 : Int\u00e9gration de la parcimonie et de la plausibilit\u00e9 scientifique<\/h3>\n
12. Normes de r\u00e9daction et de pr\u00e9sentation des r\u00e9sultats acad\u00e9miques selon l’APA<\/h2>\n
12.1 Structuration d’un tableau comparatif de mod\u00e8les selon le style APA 7<\/h3>\n
12.2 Exemples de formulation textuelle pour les sections R\u00e9sultats<\/h3>\n
12.3 R\u00e9pondre constructivement aux remarques des r\u00e9viseurs de revues<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n
\n