{"id":1325,"date":"2026-10-14T18:00:39","date_gmt":"2026-10-14T18:00:39","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/qu-est-ce-qui-est-considere-comme-une-bonne-valeur-d-aic\/"},"modified":"2026-10-14T18:00:39","modified_gmt":"2026-10-14T18:00:39","slug":"qu-est-ce-qui-est-considere-comme-une-bonne-valeur-d-aic","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=qu-est-ce-qui-est-considere-comme-une-bonne-valeur-d-aic","title":{"rendered":"Qu’est-ce qui est consid\u00e9r\u00e9 comme une bonne valeur d’AIC ?"},"content":{"rendered":"

Dans le champ des statistiques contemporaines appliqu\u00e9es aux sciences humaines, rares sont les m\u00e9triques qui suscitent autant de confusions, d’interrogations et d’interpr\u00e9tations erron\u00e9es que le crit\u00e8re d’information d’Akaike (commun\u00e9ment abr\u00e9g\u00e9 sous l’acronyme AIC, pour Akaike Information Criterion<\/em>). Les chercheurs, analystes de donn\u00e9es et psychom\u00e9triciens d\u00e9butants posent invariablement la m\u00eame question lorsqu’ils d\u00e9couvrent la sortie de leur logiciel statistique : \u00ab Quelle est la valeur num\u00e9rique qui caract\u00e9rise un \u00ab\u00a0bon\u00a0\u00bb AIC ? \u00bb Cette interrogation, bien que l\u00e9gitime au regard de notre habitude culturelle \u00e0 \u00e9valuer des indicateurs standardis\u00e9s pourvus de bornes fixes \u2014 tels que le coefficient de d\u00e9termination $R^2$<\/span> compris entre 0 et 1, ou la traditionnelle $p$<\/span>-valeur confront\u00e9e au seuil arbitraire de 0,05 \u2014, r\u00e9v\u00e8le une m\u00e9compr\u00e9hension fondamentale de la nature m\u00eame de la th\u00e9orie de l’information.<\/p>\n

Contrairement aux indices statistiques classiques ax\u00e9s sur les tests d’hypoth\u00e8se nulle ou sur l’estimation de la variance expliqu\u00e9e, l’AIC ne poss\u00e8de aucune unit\u00e9 absolue, aucun point d’ancrage universel et aucune borne normative qui permettrait d’affirmer de mani\u00e8re d\u00e9contextualis\u00e9e qu’un score de 150, de 0 ou de -4000 constituerait une m\u00e9trique satisfaisante. Une valeur d’AIC n’est intrins\u00e8quement ni \u00ab bonne \u00bb ni \u00ab mauvaise \u00bb lorsqu’elle est consid\u00e9r\u00e9e isol\u00e9ment. Elle n’acquiert un sens scientifique, une substance math\u00e9matique et une utilit\u00e9 d\u00e9cisionnelle qu’au travers d’une confrontation directe et comparative entre plusieurs architectures th\u00e9oriques concurrentes, ajust\u00e9es sur un ensemble d’observations strictement rigoureusement identique.<\/p>\n

Ce guide exhaustif a pour vocation de d\u00e9construire le mythe d’une valeur id\u00e9ale de l’AIC et de fournir aux chercheurs, cliniciens et mod\u00e9lisateurs en sciences du comportement les fondements th\u00e9oriques, math\u00e9matiques et m\u00e9thodologiques n\u00e9cessaires pour appr\u00e9hender, interpr\u00e9ter et publier correctement ce crit\u00e8re. \u00c0 travers l’exploration de ses origines informationnelles, de la d\u00e9composition analytique de sa formule, de la manipulation critique du $\\Delta\\text{AIC}$<\/span> et des poids d’\u00e9vidence d’Akaike, cet article dresse un panorama complet des exigences scientifiques requises pour hisser la s\u00e9lection de mod\u00e8les au rang de v\u00e9ritable outil de d\u00e9couverte empirique.<\/p>\n

1. Introduction au crit\u00e8re d’information d’Akaike et son r\u00f4le en psychom\u00e9trie<\/h2>\n

1.1 Origine th\u00e9orique et contexte historique d’Hirotugu Akaike<\/h3>\n

L’\u00e9mergence du crit\u00e8re d’information d’Akaike au d\u00e9but des ann\u00e9es 1970 marque une rupture \u00e9pist\u00e9mologique majeure dans l’histoire de la statistique appliqu\u00e9e. Con\u00e7u par le statisticien japonais Hirotugu Akaike<\/a> et publi\u00e9 dans son article fondateur de 1973, puis d\u00e9velopp\u00e9 en 1974, ce crit\u00e8re trouve ses racines les plus profondes au confluent de l’analyse spectrale des s\u00e9ries temporelles et de la th\u00e9orie de l’information statistique<\/a> formul\u00e9e initialement par Claude Shannon. Akaike cherchait \u00e0 r\u00e9soudre un probl\u00e8me fondamental qui paralysait l’inf\u00e9rence pratique : comment identifier, parmi une s\u00e9rie de structures param\u00e9triques plausibles, celle qui capture le mieux le m\u00e9canisme g\u00e9n\u00e9rateur sous-jacent sans postuler arbitrairement que la r\u00e9alit\u00e9 est r\u00e9ductible \u00e0 l’un de ces mod\u00e8les artificiels.<\/p>\n

Le coup de g\u00e9nie conceptuel d’Akaike r\u00e9side dans l’\u00e9tablissement d’une passerelle op\u00e9rationnelle entre la fonction de log-vraisemblance maximale d’un mod\u00e8le estim\u00e9 et la divergence d’entropie de Kullback-Leibler<\/a> (not\u00e9e couramment divergence $K\\text{-}L$<\/span>). La divergence de Kullback-Leibler quantifie de mani\u00e8re rigoureuse la perte d’information subie lorsque l’on substitue \u00e0 la v\u00e9ritable distribution probabiliste inconnue de la nature, not\u00e9e symboliquement $f$<\/span>, une approximation probabiliste simplifi\u00e9e formalis\u00e9e par un mod\u00e8le statistique $g$<\/span> conditionn\u00e9 par un vecteur de param\u00e8tres $\\theta$<\/span>. Dans le monde r\u00e9el, $f$<\/span> demeure inaccessible dans sa pl\u00e9nitude ontologique ; par cons\u00e9quent, la divergence $K\\text{-}L$<\/span> absolue ne peut \u00eatre calcul\u00e9e directement, car elle exigerait la connaissance exhaustive de la r\u00e9alit\u00e9 absolue.<\/p>\n

Akaike a d\u00e9montr\u00e9 empiriquement et formellement qu’il n’est nullement n\u00e9cessaire de conna\u00eetre $f$<\/span> pour estimer avec pr\u00e9cision l’esp\u00e9rance math\u00e9matique de la divergence $K\\text{-}L$<\/span> relative entre diff\u00e9rents mod\u00e8les concurrents. En prouvant que la log-vraisemblance maximis\u00e9e d’un mod\u00e8le est un estimateur structurellement biais\u00e9 de cette esp\u00e9rance, et que ce biais asymptotique est approximativement \u00e9gal au nombre de param\u00e8tres libres estim\u00e9s dans le syst\u00e8me, Akaike a offert \u00e0 la communaut\u00e9 scientifique une \u00e9quation d’une simplicit\u00e9 d\u00e9sarmante. Cette avanc\u00e9e a permis de s’\u00e9manciper du cadre traditionnel de l’inf\u00e9rence par test de signification de l’hypoth\u00e8se nulle (NHST), inaugurant une nouvelle \u00e8re m\u00e9thodologique fond\u00e9e sur la saine comp\u00e9tition simultan\u00e9e d’hypoth\u00e8ses scientifiques concurrentes.<\/p>\n

1.2 L’utilit\u00e9 fondamentale de la mod\u00e9lisation en sciences du comportement<\/h3>\n

Dans les sciences du comportement, la psychom\u00e9trie et la psychologie cognitive, les donn\u00e9es empiriques sont r\u00e9put\u00e9es pour leur volatilit\u00e9, leur bruit de mesure substantiel et la complexit\u00e9 des r\u00e9seaux d’influences mutuelles r\u00e9gissant les traits latents. Qu’il s’agisse de mesurer la trajectoire d\u00e9veloppementale d’une fonction ex\u00e9cutive, la structure factorielle sous-jacente de l’anxi\u00e9t\u00e9 clinique ou la dynamique d’apprentissage au cours d’une t\u00e2che de renforcement probabiliste, les mod\u00e9lisateurs sont confront\u00e9s au dilemme universel du compromis entre le biais d’estimation et la variance d’\u00e9chantillonnage.<\/p>\n

Un mod\u00e8le comportemental trop sommaire, comme un mod\u00e8le de r\u00e9gression ignorant des variables d’interaction critiques ou un mod\u00e8le factoriel contraignant ind\u00fbment l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des patterns de r\u00e9ponse, souffrira d’un biais empirique \u00e9lev\u00e9. Il manquera d’ad\u00e9quation aux donn\u00e9es et \u00e9chouera \u00e0 retranscrire la r\u00e9alit\u00e9 sous-jacente du fonctionnement psychologique. \u00c0 l’oppos\u00e9, un mod\u00e8le hypercomplexe, satur\u00e9 d’effets d’interaction multiples, de covariances libres d’erreurs de mesure et de param\u00e8tres idiosyncrasiques, pr\u00e9sentera un biais minime sur les donn\u00e9es d’\u00e9talonnage mais une variance d’\u00e9chantillonnage d\u00e9mesur\u00e9e. Ce ph\u00e9nom\u00e8ne, baptis\u00e9 le surapprentissage ou le surajustement, conduit \u00e0 int\u00e9grer le bruit al\u00e9atoire propre \u00e0 l’\u00e9chantillon d’\u00e9tude au d\u00e9triment du signal robuste.<\/p>\n

La mod\u00e9lisation psychologique n\u00e9cessite imp\u00e9rativement une m\u00e9thodologie formelle pour chiffrer et r\u00e9compenser la parcimonie d’une proposition th\u00e9orique. L’\u00e9valuation des processus cognitifs et \u00e9motionnels ne peut reposer sur l’illusion s\u00e9duisante de l’ajustement parfait : un mod\u00e8le qui reproduit fid\u00e8lement 100 % de la variance d’un protocole exp\u00e9rimental donn\u00e9 n’a souvent fait que m\u00e9moriser l’erreur de mesure contingente aux individus test\u00e9s ce jour-l\u00e0. Le crit\u00e8re d’information se pose donc comme un arbitre \u00e9quitable qui contrebalance l’am\u00e9lioration brute de la vraisemblance par un co\u00fbt param\u00e9trique explicite, garantissant ainsi que seules les r\u00e9gularit\u00e9s psychologiques g\u00e9n\u00e9ralisables sont conserv\u00e9es dans l’architecture finale.<\/p>\n

1.3 Les objectifs centraux guidant la comparaison de mod\u00e8les<\/h3>\n

L’impl\u00e9mentation du crit\u00e8re d’Akaike dans les analyses quantitatives modernes r\u00e9pond \u00e0 trois objectifs interconnect\u00e9s qui garantissent l’int\u00e9grit\u00e9 de la d\u00e9marche scientifique. Le premier objectif est l’\u00e9vitement formel du surajustement statistique. En p\u00e9nalisant explicitement la prolif\u00e9ration des covariables ou des chemins structurels latents, le processus de s\u00e9lection assist\u00e9 par l’AIC emp\u00eache le chercheur d’ajouter complaisamment des degr\u00e9s de libert\u00e9 suppl\u00e9mentaires dans le seul dessein d’optimiser artificiellement un coefficient d’ajustement empirique.<\/p>\n

Le deuxi\u00e8me imp\u00e9ratif r\u00e9side dans l’optimisation de la validit\u00e9 pr\u00e9dictive externe. Les sciences comportementales contemporaines subissent une profonde crise de r\u00e9plicabilit\u00e9. Une th\u00e9orie psychologique qui ne saurait pr\u00e9dire les observations futures d’une cohorte clinique distincte perd l’essentiel de sa valeur clinique ou p\u00e9dagogique. L’AIC poss\u00e8de une relation asymptotique \u00e9troite avec la validation crois\u00e9e de type leave-one-out<\/em> (LOOCV). S\u00e9lectionner un mod\u00e8le sur la base du crit\u00e8re d’Akaike revient math\u00e9matiquement \u00e0 s\u00e9lectionner le mod\u00e8le qui d\u00e9montrera la plus faible erreur quadratique moyenne de pr\u00e9diction lorsqu’il sera projet\u00e9 sur des individus absents de la base de calibration initiale.<\/p>\n

Enfin, le troisi\u00e8me objectif renvoie \u00e0 l’arbitrage rationnel entre des th\u00e9ories psychologiques concurrentes. La psychom\u00e9trie se heurte r\u00e9guli\u00e8rement \u00e0 des visions oppos\u00e9es de l’architecture mentale : par exemple, le mod\u00e8le d’intelligence g\u00e9n\u00e9rale de Spearman face aux structures multidimensionnelles de Cattell-Horn-Carroll, ou encore les approches cat\u00e9gorielles des troubles de l’humeur face aux conceptualisations dimensionnelles en r\u00e9seaux de sympt\u00f4mes. L’AIC offre un espace g\u00e9om\u00e9trique unifi\u00e9 au sein duquel ces hypoth\u00e8ses divergentes peuvent \u00eatre traduites sous forme de mod\u00e8les formels, estim\u00e9es sur les m\u00eames donn\u00e9es d’observation, puis hi\u00e9rarchis\u00e9es de mani\u00e8re probante sans exiger d’embo\u00eetement hi\u00e9rarchique strict des \u00e9quations.<\/p>\n

2. La question centrale : Qu’est-ce qu’une \u00ab bonne \u00bb valeur d’AIC ?<\/h2>\n

2.1 L’absence fondamentale d’un seuil absolu universel<\/h3>\n

Il est imp\u00e9ratif d’affirmer d’embl\u00e9e une v\u00e9rit\u00e9 m\u00e9thodologique implacable qui d\u00e9sar\u00e7onne fr\u00e9quemment les praticiens : il n’existe aucune valeur seuil absolue permettant de qualifier un AIC d’intrins\u00e8quement bon, satisfaisant ou mauvais<\/strong>. Alors que la communaut\u00e9 scientifique a \u00e9t\u00e9 conditionn\u00e9e pendant des d\u00e9cennies \u00e0 traquer un coefficient alpha de Cronbach sup\u00e9rieur \u00e0 0,70, un indice de Tucker-Lewis (TLI) sup\u00e9rieur \u00e0 0,95 ou un seuil d’erreur quadratique moyenne d’approximation (RMSEA) inf\u00e9rieur \u00e0 0,06, l’AIC se d\u00e9robe totalement \u00e0 une telle grille de lecture taxinomique.<\/p>\n

Dans la pratique de la mod\u00e9lisation statistique, un AIC peut prendre n’importe quelle valeur sur l’axe des nombres r\u00e9els : il peut valoir +48 230,24 dans une \u00e9tude de cohorte \u00e9pid\u00e9miologique analysant 10 000 participants sous un mod\u00e8le logistique complexe, \u00eatre de l’ordre de +12,4 dans une micro-exp\u00e9rience psychophysique, s’approcher de 0, voire afficher des valeurs n\u00e9gatives profondes comme -3 450,88 lors de l’estimation de mod\u00e8les gaussiens continus caract\u00e9ris\u00e9s par des variances r\u00e9siduelles infinit\u00e9simales. Aucune de ces configurations n’est a priori sup\u00e9rieure aux autres ; la magnitude brute du chiffre obtenu n’offre aucun renseignement sur la robustesse, la pertinence conceptuelle ou l’ad\u00e9quation psychologique de la structure test\u00e9e.<\/p>\n

Cette variabilit\u00e9 vertigineuse d\u00e9coule directement du fait que l’AIC est calcul\u00e9 \u00e0 partir de la fonction de log-vraisemblance maximale, laquelle incorpore directement la constante d’\u00e9chelle m\u00e9trique des variables d\u00e9pendantes ainsi que la taille totale de l’\u00e9chantillon $N$<\/span>. Modifier simplement l’unit\u00e9 de mesure d’une latence de r\u00e9action \u2014 en passant des secondes aux millisecondes \u2014 fait basculer instantan\u00e9ment l’AIC brut de plusieurs centaines de points en raison de la transformation de l’int\u00e9grale de densit\u00e9 de probabilit\u00e9, sans pour autant modifier d’un iota l’ajustement substantiel du mod\u00e8le aux observations empiriques.<\/p>\n

2.2 Le principe axiomatique de la relativit\u00e9 compar\u00e9e<\/h3>\n

Pour exploiter l’AIC sans commettre de contresens m\u00e9thodologique, l’analyste doit embrasser le principe d’\u00e9valuation purement ordinale et relative. L’AIC n’a \u00e9t\u00e9 formalis\u00e9 ni pour certifier l’ad\u00e9quation universelle d’une th\u00e9orie isol\u00e9e, ni pour agir comme une jauge d’ajustement autonome. Sa fonction unique et exclusive est d’\u00e9tablir un classement hi\u00e9rarchique entre deux ou plusieurs mod\u00e8les candidats postul\u00e9s pour expliquer le m\u00eame jeu de donn\u00e9es.<\/p>\n

Au sein d’un ensemble pr\u00e9d\u00e9fini de mod\u00e8les en comp\u00e9tition, le mod\u00e8le qui pr\u00e9sente l’AIC le plus bas (c’est-\u00e0-dire le plus n\u00e9gatif ou le moins positif) est math\u00e9matiquement d\u00e9sign\u00e9 comme le candidat le plus informatif au sens de la m\u00e9trique de Kullback-Leibler. Cela signifie simplement qu’il s’agit de la structure qui minimise l’estimation de la perte d’information statistique parmi les candidats soumis au crible. L’expression \u00ab un bon AIC \u00bb n’a donc de pertinence linguistique que sous la forme comparative : \u00ab Le mod\u00e8le A dispose d’un meilleur AIC que le mod\u00e8le B \u00bb.<\/p>\n

D\u00e8s lors, d\u00e9duire une conclusion substantielle de la simple observation isol\u00e9e de la mention AIC = 1450.2<\/code> dans une publication scientifique rel\u00e8ve du non-sens statistique. Si le meilleur mod\u00e8le concurrent affiche un AIC de 1600,0, alors cette valeur de 1450,2 traduit une sup\u00e9riorit\u00e9 \u00e9clatante du mod\u00e8le consid\u00e9r\u00e9. Mais si ce m\u00eame mod\u00e8le est confront\u00e9 \u00e0 une architecture rivale th\u00e9oriquement plus \u00e9l\u00e9gante atteignant un AIC de 1320,0, ce m\u00eame score de 1450,2 devient imm\u00e9diatement l’indicateur d’un mod\u00e8le sous-optimal et empiriquement discr\u00e9dit\u00e9.<\/p>\n

2.3 La perspective acad\u00e9mique dans la litt\u00e9rature comportementale<\/h3>\n

Les m\u00e9thodologues les plus \u00e9minents en psychologie quantitative insistent vigoureusement sur cette n\u00e9cessaire d\u00e9construction des illusions normatives. Dans son ouvrage de r\u00e9f\u00e9rence Serious Stats: A Guide to Advanced Statistics for the Behavioral Sciences<\/em><\/a>, le professeur Thom Baguley explicite sans d\u00e9tour que la qu\u00eate d’une m\u00e9trique universelle \u00ab id\u00e9ale \u00bb pour l’AIC t\u00e9moigne d’une m\u00e9connaissance de la logique comparative fondamentale des crit\u00e8res d’information. Baguley souligne avec force que l’AIC ne quantifie jamais la fraction de variance expliqu\u00e9e, pas plus qu’il n’atteste que le mod\u00e8le s\u00e9lectionn\u00e9 poss\u00e8de une utilit\u00e9 diagnostique concr\u00e8te.<\/p>\n

Ce consensus est partag\u00e9 par les figures tut\u00e9laires de l’inf\u00e9rence multimod\u00e8le que sont Kenneth Burnham et David Anderson. Les deux auteurs ont constamment rappel\u00e9 que la mod\u00e9lisation statistique ne consiste pas \u00e0 d\u00e9couvrir \u00ab la V\u00e9rit\u00e9 \u00bb absolue au fond d’un tube \u00e0 essai algorithmique, mais \u00e0 s\u00e9lectionner la repr\u00e9sentation la plus \u00e9conomique et op\u00e9rationnelle parmi les options soumises \u00e0 l’analyse comparative. L’AIC ne valide pas un mod\u00e8le dans l’absolu ; il organise rationnellement un tournoi entre plusieurs repr\u00e9sentations simplifi\u00e9es de la r\u00e9alit\u00e9.<\/p>\n

En cons\u00e9quence, au lieu de chercher vainement \u00e0 savoir si leur valeur d’AIC d\u00e9passe ou non un imaginaire seuil de r\u00e9ussite, les chercheurs en sciences humaines doivent r\u00e9orienter l’int\u00e9gralit\u00e9 de leur d\u00e9marche analytique sur la construction d’un espace de mod\u00e8les th\u00e9oriquement justifi\u00e9s, sur le calcul syst\u00e9matique des diff\u00e9rentiels d’information et sur la propagation de l’incertitude d\u00e9cisionnelle \u00e0 l’aide des outils d\u00e9riv\u00e9s de l’AIC.<\/p>\n

3. Les fondements math\u00e9matiques de l’AIC et la m\u00e9canique de la formule<\/h2>\n

3.1 D\u00e9composition formelle de l’\u00e9quation standard<\/h3>\n

Pour comprendre en profondeur pourquoi l’AIC ne peut fournir d’\u00e9chelle standardis\u00e9e absolue, il est imp\u00e9ratif de se pencher sur la m\u00e9canique math\u00e9matique de sa c\u00e9l\u00e8bre \u00e9quation. Dans sa formulation la plus universelle, le crit\u00e8re d’information d’Akaike s’exprime selon la relation compacte suivante :<\/p>\n

$$\\text{AIC} = 2K – 2\\ln(L)$$<\/span><\/p>\n

Dans cette formalisation alg\u00e9brique \u00e9l\u00e9gante, $K$<\/span> symbolise le nombre total de param\u00e8tres libres estim\u00e9s par l’algorithme d’optimisation au sein du mod\u00e8le, tandis que $ln(L)$<\/span> d\u00e9signe le logarithme n\u00e9p\u00e9rien de la fonction de vraisemblance maximale (souvent qualifi\u00e9e de log-vraisemblance<\/em>). La formule se pr\u00e9sente ainsi sous la forme d’un arbitrage arithm\u00e9tique rigide entre deux termes tirant la m\u00e9trique globale dans des directions diam\u00e9tralement oppos\u00e9es : un terme d’ajustement empirique et un terme de p\u00e9nalit\u00e9 structurelle.<\/p>\n

Le terme $-2ln(L)$<\/span> constitue la mesure de l’inad\u00e9quation empirique (la d\u00e9voyance<\/em> non ajust\u00e9e). Par d\u00e9finition de l’estimation du maximum de vraisemblance, plus un mod\u00e8le th\u00e9orique r\u00e9ussit \u00e0 rendre hautement probables les donn\u00e9es observ\u00e9es au sein de l’\u00e9chantillon, plus la vraisemblance $L$<\/span> tend vers des valeurs importantes, ce qui fait cro\u00eetre $ln(L)$<\/span>. Comme ce terme est pr\u00e9c\u00e9d\u00e9 du signe n\u00e9gatif, une augmentation de la vraisemblance r\u00e9duit drastiquement la valeur globale de l’AIC. En revanche, le terme $2K$<\/span> op\u00e8re \u00e0 la mani\u00e8re d’une taxe param\u00e9trique lin\u00e9aire. Chaque fois que l’analyste d\u00e9cide d’incorporer un pr\u00e9dicteur, un terme quadratique ou une covariance d’erreur suppl\u00e9mentaire, ce terme augmente de deux unit\u00e9s, alourdissant arithm\u00e9tiquement le score final. Le mod\u00e8le optimal sera donc celui qui maximise substantiellement l’ad\u00e9quation tout en mobilisant le panier de param\u00e8tres le plus aust\u00e8re possible.<\/p>\n

3.2 Le r\u00f4le structurel du nombre de param\u00e8tres K<\/h3>\n

La variable $K$<\/span> intervenant dans la p\u00e9nalit\u00e9 de l’AIC ne se limite nullement au nombre de covariables ou de pr\u00e9dicteurs visibles figurant dans une table de r\u00e9gression lin\u00e9aire. Une erreur courante chez les utilisateurs novices consiste \u00e0 poser $K$<\/span> \u00e9gal au nombre de variables explicatives $X_i$<\/span>. En r\u00e9alit\u00e9, $K$<\/span> doit comptabiliser sans omission l’int\u00e9gralit\u00e9 de tous les param\u00e8tres libres inconnus qui ont d\u00fb faire l’objet d’une estimation num\u00e9rique simultan\u00e9e pour parvenir au calcul de la fonction de vraisemblance.<\/p>\n

Pour illustrer cette exigence comptable dans le cadre d’un mod\u00e8le de r\u00e9gression lin\u00e9aire gaussienne multiple classique comportant $p$<\/span> pr\u00e9dicteurs, le vecteur des param\u00e8tres libres comprend : l’ordonn\u00e9e \u00e0 l’origine ($\\beta_0$<\/span>), l’ensemble des $p$<\/span> pentes de r\u00e9gression associ\u00e9es aux variables ind\u00e9pendantes ($\\beta_1, \\beta_2, dots, \\beta_p$<\/span>), mais \u00e9galement la variance du terme d’erreur r\u00e9siduelle ($\\sigma_\\epsilon^2$<\/span>). Dans cette configuration de base, la valeur exacte de la p\u00e9nalit\u00e9 sera donc $K = p + 2$<\/span>. Si l’analyste omet d’inclure la variance r\u00e9siduelle dans le d\u00e9compte param\u00e9trique, il sous-estime artificiellement la p\u00e9nalit\u00e9 impos\u00e9e \u00e0 la complexit\u00e9 structurelle du mod\u00e8le.<\/p>\n

La r\u00e8gle d’imputation param\u00e9trique s’av\u00e8re encore plus exigeante au sein des analyses statistiques sophistiqu\u00e9es comme la mod\u00e9lisation par \u00e9quations structurelles (SEM) ou les mod\u00e8les lin\u00e9aires mixtes (LMM). Dans ces univers analytiques, $K$<\/span> doit int\u00e9grer l’ensemble des variances et covariances des facteurs latents, les variances d’erreur de mesure sp\u00e9cifiques associ\u00e9es \u00e0 chaque indicateur psychom\u00e9trique observable, ainsi que l’ensemble des composantes de la matrice de variance-covariance r\u00e9gissant les intercepts et pentes al\u00e9atoires. Cette p\u00e9nalisation syst\u00e9matique et lin\u00e9aire pr\u00e9serve le mod\u00e9lisateur des s\u00e9ductions trompeuses de la surparam\u00e9trisation opportuniste.<\/p>\n

3.3 La log-vraisemblance ln(L) comme mesure d’ad\u00e9quation<\/h3>\n

Le second moteur de l’\u00e9quation est le logarithme de la fonction de vraisemblance $L(\\theta | y)$<\/span>. Math\u00e9matiquement, la vraisemblance mesure la densit\u00e9 de probabilit\u00e9 conjointe sous laquelle le vecteur d’observations comportementales empiriques $y = (y_1, y_2, dots, y_n)$<\/span> aurait pu \u00eatre g\u00e9n\u00e9r\u00e9 par le mod\u00e8le th\u00e9orique sous r\u00e9serve d’avoir fix\u00e9 ses param\u00e8tres \u00e0 leur valeur optimale $\\hat{\\theta}$<\/span>. Elle r\u00e9pond formellement \u00e0 la question : \u00ab Si notre formalisation th\u00e9orique repr\u00e9sentait parfaitement le monde, \u00e0 quel degr\u00e9 d’ad\u00e9quation probabiliste pouvons-nous observer pr\u00e9cis\u00e9ment la matrice de r\u00e9ponses de nos sujets exp\u00e9rimentaux ? \u00bb<\/p>\n

La fonction de log-vraisemblance est intrins\u00e8quement sensible aux patrons de corr\u00e9lation et \u00e0 la structure multidimensionnelle de covariance existant au sein des donn\u00e9es. Cependant, sa magnitude num\u00e9rique brute d\u00e9pend lin\u00e9airement et inexorablement de la taille globale de l’\u00e9chantillon $N$<\/span>. Pour une s\u00e9rie d’observations ind\u00e9pendantes et identiquement distribu\u00e9es, la fonction de vraisemblance totale s’obtient par la multiplication des densit\u00e9s conditionnelles individuelles :<\/p>\n

$$L = \\prod_{i=1}^{N} f(y_i | \\hat{\\theta})$$<\/span><\/p>\n

Par cons\u00e9quent, son passage au logarithme n\u00e9p\u00e9rien se traduit par une sommation extensive sur tous les participants :<\/p>\n

$$\\ln(L) = \\sum_{i=1}^{N} \\ln f(y_i | \\hat{\\theta})$$<\/span><\/p>\n

Ce comportement d’accumulation implique in\u00e9vitablement que, lorsque la taille de l’\u00e9chantillon $N$<\/span> passe par exemple de 100 \u00e0 10 000 sujets lors du passage d’une \u00e9tude de laboratoire \u00e0 une cohorte \u00e9pid\u00e9miologique nationale, le terme $-2ln(L)$<\/span> \u2014 et donc l’AIC final \u2014 sera multipli\u00e9 par un ordre de grandeur consid\u00e9rable, quand bien m\u00eame la structure des relations psychologiques test\u00e9es demeurerait rigoureusement inchang\u00e9e. C’est l’une des raisons math\u00e9matiques fondamentales pour lesquelles une valeur absolue d’AIC ne saurait conserver une signification stable ind\u00e9pendamment des param\u00e8tres volum\u00e9triques du protocole de recueil.<\/p>\n

4. La nature intrins\u00e8quement relative de l’AIC face aux \u00e9chelles de donn\u00e9es<\/h2>\n

4.1 D\u00e9pendance structurelle \u00e0 la m\u00e9trique de la variable d\u00e9pendante<\/h3>\n

L’illusion selon laquelle l’AIC pourrait \u00eatre interpr\u00e9t\u00e9 de mani\u00e8re autonome s’effondre d\u00e9finitivement d\u00e8s que l’on \u00e9tudie son comportement face aux changements d’\u00e9chelle de mesure et aux transformations math\u00e9matiques des variables observ\u00e9es. Contrairement \u00e0 des coefficients de corr\u00e9lation normalis\u00e9s ou \u00e0 des indices d’ad\u00e9quation d’\u00e9quations structurelles contraints entre 0 et 1, la valeur de la vraisemblance d\u00e9pend intimement de l’unit\u00e9 de mesure assign\u00e9e \u00e0 la variable d\u00e9pendante continue.<\/p>\n

Prenons l’exemple clinique d’un protocole \u00e9valuant le niveau d’alt\u00e9ration cognitive chez des patients atteints de d\u00e9mence s\u00e9nile pr\u00e9coce \u00e0 l’aide d’un temps de r\u00e9action mesur\u00e9 au cours d’une t\u00e2che d’inhibition de type Stroop. Si le chercheur exprime le temps de r\u00e9ponse en secondes ($s$<\/span>), les densit\u00e9s de probabilit\u00e9 associ\u00e9es aux temps individuels prendront des valeurs num\u00e9riques distinctes de celles calcul\u00e9es si ces m\u00eames latences sont cod\u00e9es en millisecondes ($ms$<\/span>). La multiplication des donn\u00e9es par un facteur scalaire de 1 000 modifie la constante de normalisation de l’int\u00e9grale de densit\u00e9 gaussienne par l’introduction d’un terme logarithmique proportionnel \u00e0 $ln(1000)$<\/span>.<\/p>\n

Le tableau ci-dessous illustre de fa\u00e7on saisissante l’impact exclusif d’une transformation lin\u00e9aire d’\u00e9chelle sur les m\u00e9triques brutes de l’AIC, alors que les donn\u00e9es empiriques, les pr\u00e9dicteurs, l’ajustement conceptuel et la validit\u00e9 scientifique demeurent strictement identiques :<\/p>\n\n\n\n\n\n\n\n
M\u00e9trique de la variable d\u00e9pendante ($Y$<\/span>)<\/th>\nTransformation appliqu\u00e9e<\/th>\n$K$<\/span> (Param\u00e8tres libres)<\/th>\nLog-vraisemblance ($ln L$<\/span>)<\/th>\nAIC Brut ($2K – 2ln L$<\/span>)<\/th>\n<\/tr>\n<\/thead>\n
Temps de r\u00e9ponse en secondes (s)<\/td>\nDonn\u00e9es brutes ($y$<\/span>)<\/td>\n3<\/td>\n-120,40<\/td>\n246,80<\/strong><\/td>\n<\/tr>\n
Temps de r\u00e9ponse en millisecondes (ms)<\/td>\n$y \\times 1000$<\/span><\/td>\n3<\/td>\n-811,18<\/td>\n1 628,36<\/strong><\/td>\n<\/tr>\n
Temps de r\u00e9ponse standardis\u00e9<\/td>\n$(y – \\mu) \/ \\sigma$<\/span><\/td>\n3<\/td>\n-141,89<\/td>\n289,78<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Ce comparatif prouve sans appel qu’un AIC de 246,80 et un AIC de 1 628,36 renvoient en r\u00e9alit\u00e9 au m\u00eame ph\u00e9nom\u00e8ne psychologique sous-jacent. Aucun des deux n’est \u00ab meilleur \u00bb que l’autre dans l’absolu ; ils constituent les reflets de la constante g\u00e9om\u00e9trique de l’espace m\u00e9trique mobilis\u00e9 par l’analyste.<\/p>\n

4.2 L’exigence imp\u00e9rative de jeux de donn\u00e9es strictement identiques<\/h3>\n

Une des transgressions m\u00e9thodologiques les plus s\u00e9v\u00e8res constat\u00e9es dans les soumissions d’articles acad\u00e9miques r\u00e9side dans la comparaison de valeurs d’AIC issues de mod\u00e8les ajust\u00e9s sur des matrices de donn\u00e9es qui diff\u00e8rent, ne serait-ce que de quelques cas d’observation. L’axiomatique sous-jacente \u00e0 la divergence de Kullback-Leibler exige de mani\u00e8re inconditionnelle que tous les mod\u00e8les candidats soumis \u00e0 la s\u00e9lection soient calibr\u00e9s sur une base d’observations rigoureusement identique.<\/p>\n

Cette contrainte soul\u00e8ve une vigilance capitale lors du traitement des donn\u00e9es manquantes. Dans la grande majorit\u00e9 des progiciels de statistiques appliqu\u00e9es (tels que R, SPSS, SAS ou Stata), l’estimation d’un mod\u00e8le lin\u00e9aire recourt par d\u00e9faut \u00e0 l’exclusion des donn\u00e9es incompl\u00e8tes par observation (la suppression dite listwise<\/em>). Supposons qu’un chercheur souhaite comparer un mod\u00e8le psychologique simple $M_1$<\/span> comportant deux variables ind\u00e9pendantes sans valeur manquante ($N = 500$<\/span>), \u00e0 un mod\u00e8le \u00e9largi $M_2$<\/span> incorporant une troisi\u00e8me covariable pour laquelle 45 participants ont omis de r\u00e9pondre. Le progiciel ajustera automatiquement $M_2$<\/span> sur les 455 individus restants.<\/p>\n

Dans ce cas de figure, comparer directement l’AIC de $M_1$<\/span> et l’AIC de $M_2$<\/span> constitue un non-sens statistique absolu. L’AIC du second mod\u00e8le appara\u00eetra artificiellement plus faible en raison exclusive de la perte des 45 observations dans le calcul cumul\u00e9 de la vraisemblance, et non parce que l’ad\u00e9quation structurelle s’est am\u00e9lior\u00e9e. Pour autoriser une comparaison l\u00e9gitime par crit\u00e8re d’Akaike, le chercheur doit obligatoirement restreindre au pr\u00e9alable son \u00e9chantillon aux 455 cas disposant de donn\u00e9es compl\u00e8tes sur l’int\u00e9gralit\u00e9 des variables consid\u00e9r\u00e9es \u00e0 travers tous les mod\u00e8les en lice, ou recourir \u00e0 des proc\u00e9dures d’imputation multiple rigoureuses int\u00e9grant les techniques de mod\u00e9lisation FIML (Full Information Maximum Likelihood<\/em>).<\/p>\n

4.3 Comparaison de mod\u00e8les embo\u00eet\u00e9s et mod\u00e8les non embo\u00eet\u00e9s<\/h3>\n

L’un des apports majeurs de l’AIC r\u00e9side dans son affranchissement de la contrainte d’embo\u00eetement structurel requise par les tests statistiques param\u00e9triques classiques. Dans le paradigme traditionnel de l’inf\u00e9rence par rapport de vraisemblance (connu sous le nom de test du rapport de vraisemblance<\/a> ou test du chi-carr\u00e9 de diff\u00e9rence), le chercheur ne peut confronter deux mod\u00e8les que si le mod\u00e8le le plus contraint est strictement embo\u00eet\u00e9 dans le mod\u00e8le le plus g\u00e9n\u00e9ral. Cela implique que les \u00e9quations du premier mod\u00e8le doivent pouvoir \u00eatre obtenues simplement en fixant \u00e0 z\u00e9ro un sous-ensemble des param\u00e8tres du second.<\/p>\n

Cette restriction paralyse fr\u00e9quemment la mod\u00e9lisation en sciences du comportement, o\u00f9 les th\u00e9ories concurrentes ne partagent pas toujours des filiations directes. Par exemple, un psychom\u00e9tricien peut souhaiter opposer une th\u00e9orisation cat\u00e9gorielle d’un trouble psychiatrique (impl\u00e9ment\u00e9e via une analyse de profils latents ou un mod\u00e8le de m\u00e9lange fini) \u00e0 une th\u00e9orisation dimensionnelle continue (impl\u00e9ment\u00e9e via un mod\u00e8le factoriel standard \u00e0 variables latentes continues). Dans cette situation, les deux approches reposent sur des formalisations math\u00e9matiques divergentes qui interdisent tout embo\u00eetement direct.<\/p>\n

L’AIC contourne brillamment cette impasse technique : tant que les mod\u00e8les candidats visent \u00e0 pr\u00e9dire la m\u00eame variable r\u00e9ponse \u00e0 partir de la m\u00eame population, leurs valeurs d’AIC peuvent \u00eatre directement compar\u00e9es. Cette flexibilit\u00e9 permet de mettre en concurrence des th\u00e9ories fond\u00e9es sur des hypoth\u00e8ses structurales incompatibles. L’analyste doit simplement s’assurer que les conditions de r\u00e9gularit\u00e9 math\u00e9matique standard de l’estimateur du maximum de vraisemblance sont respect\u00e9es et que la fonction de distribution de densit\u00e9 sous-jacente est ad\u00e9quatement formalis\u00e9e pour chaque architecture.<\/p>\n

5. Quantification des \u00e9carts : L’interpr\u00e9tation du Delta AIC<\/h2>\n

5.1 D\u00e9finition formelle et mode de calcul du Delta AIC<\/h3>\n

Puisque la grandeur brute de l’AIC est d\u00e9nu\u00e9e de signification universelle isol\u00e9e, l’op\u00e9ration analytique fondamentale consiste \u00e0 recalculer syst\u00e9matiquement les scores obtenus par rapport au meilleur mod\u00e8le identifi\u00e9 dans l’ensemble candidat. Cette op\u00e9ration de normalisation donne naissance \u00e0 la m\u00e9trique d\u00e9cisionnelle pivot : le $\\Delta\\text{AIC}$<\/span> (Delta AIC).<\/p>\n

Sur le plan math\u00e9matique, le calcul du $\\Delta\\text{AIC}$<\/span> pour un mod\u00e8le donn\u00e9 $i$<\/span> (not\u00e9 conventionnellement $\\Delta_i$<\/span>) s’effectue par simple soustraction arithm\u00e9tique :<\/p>\n

$$\\Delta_i = \\text{AIC}_i – \\text{AIC}_{\\min}$$<\/span><\/p>\n

o\u00f9 $\\text{AIC}_i$<\/span> repr\u00e9sente la valeur du crit\u00e8re d’information calcul\u00e9e pour le mod\u00e8le cible $i$<\/span>, et $\\text{AIC}_{\\min}$<\/span> correspond \u00e0 la valeur d’AIC la plus basse observ\u00e9e parmi l’ensemble des $R$<\/span> mod\u00e8les concurrents soumis \u00e0 l’\u00e9valuation comparative.<\/p>\n

Par construction alg\u00e9brique directe, le meilleur mod\u00e8le de l’\u00e9chantillon d’\u00e9valuation pr\u00e9sente obligatoirement un $\\Delta_i = 0$<\/span>. Plus la valeur du $\\Delta_i$<\/span> d’un mod\u00e8le alternatif s’\u00e9l\u00e8ve au-dessus de z\u00e9ro, plus ce mod\u00e8le accumule un d\u00e9ficit d’information substantiel, s’\u00e9loignant de la capacit\u00e9 explicative du mod\u00e8le dominant. Cette standardisation relationnelle \u00e9limine int\u00e9gralement la constante d’\u00e9chelle arbitraire de la variable d\u00e9pendante ainsi que les effets cumulatifs de la taille d’\u00e9chantillon globale, fournissant enfin au chercheur une \u00e9chelle d’\u00e9valuation interpr\u00e9table et scientifiquement universelle.<\/p>\n

5.2 Les directives fondamentales de Burnham et Anderson<\/h3>\n

Pour naviguer rationnellement au sein de cette \u00e9chelle de diff\u00e9rentiels, les travaux canoniques de Kenneth Burnham et David Anderson, consign\u00e9s dans leur monographie de r\u00e9f\u00e9rence Model Selection and Multimodel Inference<\/em><\/a>, fournissent des rep\u00e8res interpr\u00e9tatifs valid\u00e9s par d’innombrables simulations de Monte Carlo. Ces seuils heuristiques permettent de qualifier le degr\u00e9 de soutien empirique qu’il convient d’accorder \u00e0 chaque mod\u00e8le candidat en comp\u00e9tition :<\/p>\n