{"id":4464,"date":"2026-10-14T18:01:14","date_gmt":"2026-10-14T18:01:14","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-interpreter-intervalle-confiance-contient-zero\/"},"modified":"2026-10-14T18:01:14","modified_gmt":"2026-10-14T18:01:14","slug":"comment-interpreter-intervalle-confiance-contient-zero","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-interpreter-intervalle-confiance-contient-zero","title":{"rendered":"Comment interpr\u00e9ter un intervalle de confiance qui contient z\u00e9ro"},"content":{"rendered":"

Dans le champ contemporain des sciences psychologiques, de la neuropsychologie et des sciences du comportement, l’inf\u00e9rence statistique traverse une mutation paradigmatique profonde. Durant plusieurs d\u00e9cennies, la pratique scientifique a \u00e9t\u00e9 domin\u00e9e de fa\u00e7on quasi exclusive par les tests de signification de l’hypoth\u00e8se nulle (connus sous l’acronyme anglo-saxon NHST<\/em> pour Null Hypothesis Significance Testing<\/em><\/a>) et par l’arbitrage binaire fond\u00e9 sur le seuil critique de la p<\/em>-valeur fix\u00e9 conventionnellement \u00e0 0,05. Cette h\u00e9g\u00e9monie m\u00e9thodologique a suscit\u00e9 des distorsions conceptuelles majeures, favorisant l’av\u00e8nement d’une crise de la reproductibilit\u00e9 sans pr\u00e9c\u00e9dent dans les sciences empiriques. Face \u00e0 ces impasses \u00e9pist\u00e9mologiques, les comit\u00e9s de normalisation statistique et les principales revues scientifiques ont encourag\u00e9 l’adoption r\u00e9solue de l’estimation par intervalle, \u00e9levant l’intervalle de confiance au rang d’outil privil\u00e9gi\u00e9 de quantification de l’incertitude.<\/p>\n

L’une des situations les plus fr\u00e9quentes et les plus p\u00e9rilleuses auxquelles se heurte le chercheur ou le praticien r\u00e9side dans la confrontation \u00e0 un intervalle de confiance qui englobe la valeur z\u00e9ro. Face \u00e0 un intervalle s’\u00e9tendant d’une valeur n\u00e9gative \u00e0 une valeur positive, le r\u00e9flexe persistant consiste trop souvent \u00e0 conclure h\u00e2tivement \u00e0 l’absence de tout effet, assimilant l’intersection avec le z\u00e9ro \u00e0 une confirmation pure et simple de l’hypoth\u00e8se nulle. Or, cette assimilation constitue un sophisme d’acceptation qui oblit\u00e8re la richesse analytique inh\u00e9rente \u00e0 l’intervalle de confiance. Un tel intervalle ne d\u00e9limite pas une dichotomie entre l’existence et l’inexistence d’un ph\u00e9nom\u00e8ne ; il capture un spectre continu de valeurs de population plausibles, conditionn\u00e9 par la pr\u00e9cision de la mesure et l’erreur d’\u00e9chantillonnage.<\/p>\n

Le pr\u00e9sent article a pour vocation de fournir un guide magistral et exhaustif pour l’interpr\u00e9tation th\u00e9orique, computationnelle et clinique d’un intervalle de confiance contenant z\u00e9ro. En d\u00e9construisant les m\u00e9canismes math\u00e9matiques de l’estimation fr\u00e9quentiste, en explorant les alternatives bay\u00e9siennes et les m\u00e9thodologies d’\u00e9quivalence, et en diss\u00e9quant des protocoles exp\u00e9rimentaux concrets issus de la clinique et des neurosciences cognitives, cette analyse offre aux chercheurs les cl\u00e9s conceptuelles requises pour transformer ce r\u00e9sultat, fr\u00e9quemment jug\u00e9 d\u00e9cevant ou ambigu, en une source inestimable de lucidit\u00e9 scientifique.<\/p>\n

1. Fondements th\u00e9oriques de l’intervalle de confiance en sciences psychologiques<\/h2>\n

1.1 D\u00e9finition math\u00e9matique et conceptualisation fr\u00e9quentiste<\/h3>\n

L’intervalle de confiance trouve son ancrage rigoureux dans la th\u00e9orie de l’\u00e9chantillonnage formalis\u00e9e au XXe si\u00e8cle au sein du paradigme fr\u00e9quentiste. Pour appr\u00e9hender sa nature exacte, il est indispensable de convoquer le th\u00e9or\u00e8me central limite<\/a>, lequel stipule que, sous des conditions d’\u00e9chantillonnage al\u00e9atoire simple et pour une taille d’\u00e9chantillon suffisamment grande, la distribution d’\u00e9chantillonnage des moyennes converge vers une distribution normale, quelle que soit la forme de la distribution sous-jacente de la population m\u00e8re. La variabilit\u00e9 inh\u00e9rente \u00e0 ce processus d’extraction produit une dispersion des moyennes \u00e9chantillonnales autour de la moyenne r\u00e9elle du param\u00e8tre inconnu de la population, dispersion quantifi\u00e9e par l’erreur type de la moyenne.<\/p>\n

Dans la perspective math\u00e9matique pos\u00e9e par Jerzy Neyman<\/a> en 1937, un intervalle de confiance \u00e0 95 % ne signifie en aucun cas qu’il existe une probabilit\u00e9 de 0,95 pour que le param\u00e8tre r\u00e9el de la population se trouve \u00e0 l’int\u00e9rieur de l’intervalle sp\u00e9cifique calcul\u00e9 sur un \u00e9chantillon donn\u00e9. Le param\u00e8tre de la population est une constante fixe, bien qu’inconnue, et non une variable al\u00e9atoire. En cons\u00e9quence, une fois l’intervalle num\u00e9rique mat\u00e9rialis\u00e9 par ses bornes inf\u00e9rieure et sup\u00e9rieure, le param\u00e8tre s’y trouve ou ne s’y trouve pas : la probabilit\u00e9 a posteriori est strictement de un ou de z\u00e9ro. La formulation rigoureuse s’\u00e9nonce en termes de fr\u00e9quence \u00e0 long terme : si nous r\u00e9pliquions la m\u00eame proc\u00e9dure d’\u00e9chantillonnage une infinit\u00e9 de fois sous des conditions strictement identiques, 95 % des intervalles de confiance ainsi construits recouvriraient la valeur v\u00e9ritable du param\u00e8tre de population, tandis que 5 % \u00e9choueraient \u00e0 l’englober.<\/p>\n

Cette distinction entre le param\u00e8tre inconnu de la population et l’estimateur ponctuel calcul\u00e9 sur les donn\u00e9es de l’\u00e9chantillon est fondamentale pour la psychom\u00e9trie. Les variables psychologiques continues \u2014 telles que les indices de d\u00e9tresse psychologique, les quotients d’efficience cognitive ou les scores d’autor\u00e9gulation \u00e9motionnelle \u2014 sont soumises \u00e0 une double source d’incertitude : les fluctuations d’\u00e9chantillonnage interindividuelles et l’erreur de mesure inh\u00e9rente aux instruments psychom\u00e9triques. L’intervalle de confiance projette cette incertitude dans l’espace m\u00e9trique de la variable, fournissant une estimation dont l’amplitude refl\u00e8te directement la volatilit\u00e9 statistique du plan exp\u00e9rimental employ\u00e9.<\/p>\n

1.2 Le r\u00f4le de l’intervalle d’estimation face aux tests de signification stricts<\/h3>\n

L’histoire de la psychologie quantitative est marqu\u00e9e par les avertissements r\u00e9p\u00e9t\u00e9s d’\u00e9pist\u00e9mologues et de statisticiens \u00e9minents tels que Paul Meehl, Jacob Cohen et Gerd Gigerenzer quant aux d\u00e9rives du test de signification de l’hypoth\u00e8se nulle. La p<\/em>-valeur, d\u00e9finie comme la probabilit\u00e9 d’observer une statistique de test au moins aussi extr\u00eame que celle obtenue en supposant que l’hypoth\u00e8se nulle d’absence d’effet soit strictement vraie, est affect\u00e9e de vices r\u00e9dhibitoires lorsqu’elle est employ\u00e9e de mani\u00e8re isol\u00e9e. D’une part, elle confond la magnitude de l’effet \u00e9tudi\u00e9 avec la taille de la cohorte exp\u00e9rimentale ; un effet microscopique et d\u00e9nu\u00e9 de pertinence pratique peut franchir le seuil fatidique de 0,05 pourvu que l’\u00e9chantillon soit monumental. D’autre part, une valeur p<\/em> sup\u00e9rieure \u00e0 ce seuil est syst\u00e9matiquement et abusivement interpr\u00e9t\u00e9e comme l’attestation de l’absence d’effet.<\/p>\n

L’estimation par intervalle transcende ces limites en restituant l’analyse dans l’\u00e9chelle d’origine des mesures ou dans des unit\u00e9s de taille d’effet standardis\u00e9es. Plut\u00f4t que de contraindre la pens\u00e9e du chercheur dans un jugement dichotomique r\u00e9ducteur (\u00ab rejet \u00bb ou \u00ab non-rejet \u00bb), l’intervalle de confiance quantifie avec pr\u00e9cision l’incertitude entourant l’estimation ponctuelle. Il combine simultan\u00e9ment l’information relative \u00e0 la magnitude probable de l’effet et la pr\u00e9cision m\u00e9trique permise par le protocole exp\u00e9rimental. Un intervalle informe le chercheur non seulement de la compatibilit\u00e9 des donn\u00e9es avec l’hypoth\u00e8se nulle, mais \u00e9galement de leur compatibilit\u00e9 avec une constellation d’hypoth\u00e8ses alternatives substantielles.<\/p>\n

\u00c0 cet \u00e9gard, les recommandations \u00e9dict\u00e9es par la Task Force on Statistical Inference<\/em> de l’American Psychological Association (APA)<\/a> ont marqu\u00e9 un tournant institutionnel d\u00e9terminant. Le manuel de style de l’APA stipule sans \u00e9quivoque que la mention des intervalles de confiance doit \u00eatre syst\u00e9matique pour l’ensemble des effets principaux et des contrastes d’int\u00e9r\u00eat. Selon ces directives, l’intervalle repr\u00e9sente la strat\u00e9gie d’estimation par d\u00e9faut, car il force le scientifique \u00e0 consid\u00e9rer l’\u00e9ventualit\u00e9 que l’effet v\u00e9ritable r\u00e9side \u00e0 proximit\u00e9 de la borne inf\u00e9rieure ou sup\u00e9rieure, rompant ainsi avec l’illusion d’infaillibilit\u00e9 induite par l’estimation ponctuelle isol\u00e9e.<\/p>\n

1.3 Origine arithm\u00e9tique de l’inclusion de la valeur z\u00e9ro<\/h3>\n

Pour d\u00e9crypter la signification de l’inclusion de la valeur z\u00e9ro dans un intervalle de confiance, il convient d’en d\u00e9composer l’architecture arithm\u00e9tique \u00e9l\u00e9mentaire. Soit une diff\u00e9rence moyenne observ\u00e9e entre deux conditions exp\u00e9rimentales not\u00e9e D<\/em>, estimant la diff\u00e9rence param\u00e9trique sous-jacente. L’intervalle de confiance bilat\u00e9ral \u00e0 un seuil donn\u00e9 est classiquement formul\u00e9 selon l’expression g\u00e9n\u00e9rale :<\/p>\n

IC<\/em> = D<\/em> \u00b1 (t<\/em>critique<\/sub> \u00d7 SE<\/em>diff<\/sub>)<\/p>\n

Dans cette \u00e9quation, t<\/em>critique<\/sub> repr\u00e9sente le quantile idoine de la distribution de Student d\u00e9pendant du nombre de degr\u00e9s de libert\u00e9 et du niveau de confiance s\u00e9lectionn\u00e9 (par exemple, approximativement 1,96 pour de grands \u00e9chantillons \u00e0 un niveau de 95 %), et SE<\/em>diff<\/sub> figure l’erreur type de la diff\u00e9rence des moyennes. Le produit de ces deux composantes constitue la marge d’erreur de l’estimation. L’intervalle englobera math\u00e9matiquement la valeur z\u00e9ro si et seulement si la valeur absolue de la diff\u00e9rence observ\u00e9e est strictement inf\u00e9rieure \u00e0 la marge d’erreur :<\/p>\n

|D<\/em>| < (t<\/em>critique<\/sub> \u00d7 SE<\/em>diff<\/sub>)<\/p>\n

Cette relation in\u00e9galitaire d\u00e9montre les deux voies arithm\u00e9tiques par lesquelles un intervalle traverse l’axe du z\u00e9ro, g\u00e9n\u00e9rant une borne inf\u00e9rieure n\u00e9gative et une borne sup\u00e9rieure positive. La premi\u00e8re condition d\u00e9coule d’un num\u00e9rateur faible : la diff\u00e9rence observ\u00e9e D<\/em> est num\u00e9riquement proche de z\u00e9ro, ce qui traduit une proximit\u00e9 substantielle entre les moyennes des deux groupes. La seconde condition, souvent n\u00e9glig\u00e9e, d\u00e9coule d’un d\u00e9nominateur ou d’une dispersion disproportionn\u00e9e : l’erreur type SE<\/em>diff<\/sub> est excessivement large. Puisque l’erreur type d\u00e9pend directement de la variance intra-groupe mutualis\u00e9e et est inversement proportionnelle \u00e0 la racine carr\u00e9e de la taille des effectifs, une variance r\u00e9siduelle hypertrophi\u00e9e ou une taille d’\u00e9chantillon squelettique gonfle m\u00e9caniquement la marge d’erreur. D\u00e8s lors, le franchissement du z\u00e9ro n’indique pas n\u00e9cessairement que la diff\u00e9rence r\u00e9elle est absente ; il peut r\u00e9sulter d’un manque criant de pr\u00e9cision m\u00e9trologique qui emp\u00eache l’intervalle de se d\u00e9tacher de la ligne d’effet nul.<\/p>\n

2. La valeur z\u00e9ro comme hypoth\u00e8se de r\u00e9f\u00e9rence dans la diff\u00e9rence de moyennes<\/h2>\n

2.1 La valeur z\u00e9ro comme reflet direct de l’hypoth\u00e8se nulle (H0)<\/h3>\n

Dans le sch\u00e9ma canonique de l’analyse inf\u00e9rentielle appliqu\u00e9e \u00e0 la comparaison de deux groupes, l’hypoth\u00e8se nulle (H<\/em>0<\/sub>) postule une identit\u00e9 stricte des param\u00e8tres de population sous-jacents, formul\u00e9e couramment comme \u03bc<\/em>1<\/sub> – \u03bc<\/em>2<\/sub> = 0. La valeur z\u00e9ro n’est donc pas une constante num\u00e9rique arbitraire ; elle incarne l’invariance parfaite, l’absence d’impact de la variable ind\u00e9pendante, ou la stricte \u00e9quivalence fonctionnelle de deux traitements psychoth\u00e9rapeutiques ou pharmacologiques. Elle sert d’ancrage central autour duquel la distribution th\u00e9orique des diff\u00e9rences d’\u00e9chantillonnage s’organise sous l’hypoth\u00e8se d’une absence d’effet r\u00e9el.<\/p>\n

Lorsque le z\u00e9ro s’ins\u00e8re \u00e0 l’int\u00e9rieur des fronti\u00e8res d\u00e9limit\u00e9es par les bornes inf\u00e9rieure et sup\u00e9rieure d’un intervalle de confiance, la traduction op\u00e9ratoire est imm\u00e9diate : au regard des donn\u00e9es recueillies et du niveau de confiance stipul\u00e9, la valeur z\u00e9ro fait partie de la r\u00e9gion de plausibilit\u00e9 statistique. Les observations collect\u00e9es ne fournissent pas d’\u00e9l\u00e9ments suffisamment incompatibles avec le mod\u00e8le th\u00e9orique qui pr\u00e9dit une diff\u00e9rence nulle entre les populations cibles. Le z\u00e9ro doit \u00eatre qualifi\u00e9 de valeur compatible et recevable sur le plan inf\u00e9rentiel.<\/p>\n

Sur le versant \u00e9pist\u00e9mologique, l’insertion du z\u00e9ro dans un intervalle issu d’un test bilat\u00e9ral mat\u00e9rialise le principe de parcimonie scientifique. En l’absence de donn\u00e9es exp\u00e9rimentales capables d’exclure formellement l’absence d’effet, l’\u00e9difice scientifique ne peut \u00e9carter l’hypoth\u00e8se par d\u00e9faut. Toutefois, la compatibilit\u00e9 des donn\u00e9es avec le z\u00e9ro ne conf\u00e8re pas \u00e0 ce dernier un statut d’exclusivit\u00e9 causale : l’ensemble des valeurs non nulles h\u00e9berg\u00e9es au sein de l’intervalle partagent exactement le m\u00eame statut de plausibilit\u00e9 statistique.<\/p>\n

2.2 La dualit\u00e9 math\u00e9matique entre test de Student et intervalle de confiance<\/h3>\n

Il existe une correspondance formelle et biunivoque entre l’estimation par intervalle et le test d’hypoth\u00e8se de Student bilat\u00e9ral classique. Cette dualit\u00e9 alg\u00e9brique garantit que pour un niveau de risque d’erreur de premi\u00e8re esp\u00e8ce fix\u00e9 \u00e0 \u03b1<\/em> (commun\u00e9ment 0,05), l’intervalle de confiance \u00e0 (1 – \u03b1<\/em>) \u00d7 100 % (soit 95 %) contiendra le chiffre z\u00e9ro si et seulement si la valeur p<\/em> d\u00e9coulant du test de Student correspondant est strictement sup\u00e9rieure \u00e0 \u03b1<\/em> (p<\/em> > 0,05).<\/p>\n

La d\u00e9monstration de cette \u00e9quivalence repose sur la statistique t<\/em> empirique calcul\u00e9e selon le rapport t<\/em> = D<\/em> \/ SE<\/em>diff<\/sub>. Affirmer que l’intervalle de confiance \u00e0 95 % contient z\u00e9ro revient \u00e0 formuler la cha\u00eene d’in\u00e9galit\u00e9s suivante :<\/p>\n

D<\/em> – (t<\/em>critique<\/sub> \u00d7 SE<\/em>diff<\/sub>) \u2264 0 \u2264 D<\/em> + (t<\/em>critique<\/sub> \u00d7 SE<\/em>diff<\/sub>)<\/p>\n

En soustrayant D<\/em> et en divisant l’ensemble des termes par SE<\/em>diff<\/sub> (qui est une quantit\u00e9 strictement positive), cette in\u00e9galit\u00e9 se r\u00e9sume \u00e0 l’expression |-D<\/em> \/ SE<\/em>diff<\/sub>| \u2264 t<\/em>critique<\/sub>, soit tout simplement |t<\/em>| \u2264 t<\/em>critique<\/sub>. Cette derni\u00e8re condition d\u00e9finit pr\u00e9cis\u00e9ment la zone de non-rejet de l’hypoth\u00e8se nulle dans le test de Student bilat\u00e9ral. Tout \u00e9chantillon dont la statistique empirique \u00e9choue \u00e0 d\u00e9passer la valeur seuil critique produira un intervalle qui traversera in\u00e9luctablement la coordonn\u00e9e z\u00e9ro.<\/p>\n

N\u00e9anmoins, la sensibilit\u00e9 de ces deux modes d’expression diverge sur le plan heuristique face aux petites cohortes et aux biais d’\u00e9chantillonnage. Alors que le test de Student r\u00e9sume la confrontation empirique en un indice unique d\u00e9contextualis\u00e9 (la valeur p<\/em>), l’intervalle de confiance expose imm\u00e9diatement l’impr\u00e9cision du dispositif. Chez une cohorte r\u00e9duite affect\u00e9e d’une forte variabilit\u00e9, le test de Student retournera laconiquement un verdict d’insignifiance (par exemple p<\/em> = 0,12), incitant souvent \u00e0 un abandon d’hypoth\u00e8se, tandis que l’intervalle de confiance mettra cr\u00fbment en lumi\u00e8re une marge d’incertitude disproportionn\u00e9e, sugg\u00e9rant la reconduction du plan exp\u00e9rimental sous une puissance accrue.<\/p>\n

2.3 Interpr\u00e9tation contextuelle de la plausibilit\u00e9 du z\u00e9ro<\/h3>\n

Constater que le z\u00e9ro r\u00e9side au sein de l’intervalle d’estimation impose une retenue analytique majeure. Ce constat autorise l’acceptation provisoire du z\u00e9ro comme sc\u00e9nario explicatif parcimonieux dans la mesure o\u00f9 les donn\u00e9es n’autorisent pas son \u00e9viction. Cependant, accepter la plausibilit\u00e9 du z\u00e9ro ne revient en aucun cas \u00e0 d\u00e9cr\u00e9ter son exactitude immuable ou son statut d’unique v\u00e9rit\u00e9 physique. Il existe une faille logique b\u00e9ante entre \u00e9noncer \u00ab les donn\u00e9es sont compatibles avec une absence d’effet \u00bb et certifier \u00ab les donn\u00e9es d\u00e9montrent que le ph\u00e9nom\u00e8ne est rigoureusement nul \u00bb.<\/p>\n

Dans les architectures statistiques complexes, telles que les mod\u00e8les lin\u00e9aires g\u00e9n\u00e9raux ou la mod\u00e9lisation en \u00e9quations structurelles, l’interpr\u00e9tation d’un coefficient dont l’intervalle traverse z\u00e9ro rejaillit sur l’ensemble de la structure factorielle. Si un pr\u00e9dicteur poss\u00e8de un intervalle incluant le z\u00e9ro, l’impact additif marginal de ce facteur ne peut \u00eatre affirm\u00e9 avec une certitude statistique suffisante. N\u00e9anmoins, sa suppression imm\u00e9diate du mod\u00e8le peut alt\u00e9rer la covariance des autres variables pr\u00e9dictives, particuli\u00e8rement en pr\u00e9sence de relations de colin\u00e9arit\u00e9 mod\u00e9r\u00e9es.<\/p>\n

Il est donc imp\u00e9ratif de replacer la plausibilit\u00e9 du z\u00e9ro dans l’\u00e9cosyst\u00e8me th\u00e9orique de la recherche : une th\u00e9orie psychologique robuste pr\u00e9disant un effet t\u00e9nu ne saurait \u00eatre d\u00e9clar\u00e9e caduque au seul motif que l’intervalle de confiance inclut la valeur nulle, en particulier si les bornes de cet intervalle embrassent des valeurs dont la magnitude th\u00e9orique est loin d’\u00eatre n\u00e9gligeable.<\/p>\n

3. Distinction cruciale entre absence de preuve et preuve d’absence<\/h2>\n

3.1 Le pi\u00e8ge du sophisme d’acceptation de l’hypoth\u00e8se nulle<\/h3>\n

L’un des \u00e9garements interpr\u00e9tatifs les plus d\u00e9l\u00e9t\u00e8res de la litt\u00e9rature psychologique r\u00e9side dans le glissement rh\u00e9torique consistant \u00e0 transformer l’absence de preuve statistique en une preuve positive d’absence d’effet. Cette faute de raisonnement, formellement r\u00e9pertori\u00e9e comme le sophisme argumentum ad ignorantiam<\/em>, a conduit des g\u00e9n\u00e9rations de chercheurs \u00e0 proclamer l’inefficacit\u00e9 d’interventions th\u00e9rapeutiques ou l’inexistence de diff\u00e9rentiels cognitifs au seul motif que leurs analyses affichaient un intervalle de confiance englobant z\u00e9ro.<\/p>\n

Comme l’a soulign\u00e9 avec insistance l’\u00e9pid\u00e9miologiste et biostatisticien Douglas Altman<\/a>, l’absence de preuve d’un effet ne constitue jamais la preuve de son absence. Ronald Fisher lui-m\u00eame soulignait que l’hypoth\u00e8se nulle ne peut jamais \u00eatre prouv\u00e9e ni \u00e9tablie de mani\u00e8re d\u00e9finitive \u00e0 partir de donn\u00e9es \u00e9chantillonnales ; elle peut seulement \u00eatre r\u00e9fut\u00e9e ou maintenue sous r\u00e9serve. Lorsqu’un intervalle de confiance s’\u00e9tire, par exemple, de -0,15 \u00e0 +0,45 sur une \u00e9chelle de mesure standardis\u00e9e de la m\u00e9moire de travail, affirmer qu’il n’y a \u00ab aucun effet \u00bb rel\u00e8ve d’une falsification m\u00e9thodologique : l’intervalle indique que les donn\u00e9es sont compatibles avec une d\u00e9t\u00e9rioration l\u00e9g\u00e8re de -0,15, avec une stricte absence d’effet (0,00), mais tout autant avec une am\u00e9lioration substantielle culminant \u00e0 +0,45.<\/p>\n

L’histoire de la psychologie clinique rec\u00e8le d’exemples d’essais contr\u00f4l\u00e9s randomis\u00e9s pr\u00e9coces qui, faute d’une puissance statistique suffisante, pr\u00e9sentaient des intervalles chevauchant le z\u00e9ro et concluaient \u00e0 l’inefficacit\u00e9 de th\u00e9rapies qui se sont r\u00e9v\u00e9l\u00e9es par la suite salvatrices lorsqu’elles ont \u00e9t\u00e9 \u00e9valu\u00e9es sur des cohortes convenablement dimensionn\u00e9es. Rel\u00e9guer une piste th\u00e9rapeutique sur la base d’une travers\u00e9e du z\u00e9ro constitue un pr\u00e9judice scientifique direct si la borne sup\u00e9rieure laisse pr\u00e9sager un gain clinique significatif.<\/p>\n

3.2 Intervalles larges versus intervalles \u00e9troits contenant z\u00e9ro<\/h3>\n

L’erreur consistant \u00e0 traiter tous les intervalles contenant z\u00e9ro comme des \u00e9quivalents empiriques est d\u00e9samorc\u00e9e d\u00e8s lors que l’on analyse l’amplitude g\u00e9om\u00e9trique de l’intervalle, c’est-\u00e0-dire la distance entre sa borne inf\u00e9rieure et sa borne sup\u00e9rieure. Deux intervalles contenant z\u00e9ro peuvent d\u00e9crire des r\u00e9alit\u00e9s exp\u00e9rimentales diam\u00e9tralement oppos\u00e9es.<\/p>\n

Consid\u00e9rons en premier lieu un intervalle de confiance \u00e9troit centr\u00e9 sur z\u00e9ro, calcul\u00e9 par exemple sur l’indice de taille d’effet standardis\u00e9 d<\/em> de Cohen : d<\/em> = 0,01, IC<\/em> \u00e0 95 % [-0,04 ; +0,06]. Dans ce cas de figure, l’intervalle est extr\u00eamement resserr\u00e9 autour de l’axe nul. La marge d’erreur est minime, ce qui traduit une puissance statistique tr\u00e8s \u00e9lev\u00e9e et une pr\u00e9cision d’\u00e9chantillonnage remarquable. M\u00eame si l’effet r\u00e9el de la population n’est pas strictement z\u00e9ro, il est contenu dans un voisinage si \u00e9troit autour de z\u00e9ro que le chercheur peut l\u00e9gitimement conclure \u00e0 une invariance d’effet pratique. Cet intervalle constitue une d\u00e9monstration empirique robuste de quasi-\u00e9quivalence.<\/p>\n

Consid\u00e9rons \u00e0 l’inverse un intervalle large franchissant le z\u00e9ro : d<\/em> = 0,15, IC<\/em> \u00e0 95 % [-0,40 ; +0,70]. Cet intervalle contient certes la valeur nulle, mais son \u00e9tendue globale est colossale (1,10 \u00e9cart type). Il embrasse aussi bien un effet d\u00e9l\u00e9t\u00e8re moyen (-0,40) qu’un effet b\u00e9n\u00e9fique massif (+0,70). Ce profil ne fournit aucune information scientifique exploitable quant \u00e0 la nature du ph\u00e9nom\u00e8ne : il signe simplement l’ind\u00e9termination m\u00e9thodologique de l’\u00e9tude. Conclure que ces deux \u00e9tudes sont similaires au motif qu’elles \u00ab contiennent toutes deux z\u00e9ro \u00bb proc\u00e8de d’un aveuglement statistique aberrant.<\/p>\n

3.3 Diff\u00e9rence entre insignifiance statistique et \u00e9quivalence pratique<\/h3>\n

L’adh\u00e9sion m\u00e9canique \u00e0 la coupure impos\u00e9e par le z\u00e9ro perp\u00e9tue une vision \u00e9triqu\u00e9e qui dissocie l’analyse inf\u00e9rentielle de la r\u00e9alit\u00e9 clinique ou empirique du terrain. La statistique inf\u00e9rentielle ne saurait statuer seule sur la pertinence d’un r\u00e9sultat sans la d\u00e9finition a priori d’une diff\u00e9rence minimale cliniquement pertinente (connue sous l’appellation Minimal Clinically Important Difference<\/em> ou MCID<\/a>).<\/p>\n

Le tableau ci-dessous explicite la confrontation directe entre la pr\u00e9sence du z\u00e9ro au sein de l’intervalle et l’inclusion ou l’exclusion de la MCID, illustrant comment d\u00e9river une conclusion scientifique valide :<\/p>\n