{"id":5058,"date":"2026-10-14T18:01:21","date_gmt":"2026-10-14T18:01:21","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/quand-utiliser-une-boite-a-moustaches-3-scenarios\/"},"modified":"2026-10-14T18:01:21","modified_gmt":"2026-10-14T18:01:21","slug":"quand-utiliser-une-boite-a-moustaches-3-scenarios","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=quand-utiliser-une-boite-a-moustaches-3-scenarios","title":{"rendered":"Quand devriez-vous utiliser une bo\u00eete \u00e0 moustaches ? (3 sc\u00e9narios)"},"content":{"rendered":"

Dans le champ foisonnant de l’analyse exploratoire des donn\u00e9es (Exploratory Data Analysis<\/em>), la visualisation graphique ne constitue pas un simple accessoire esth\u00e9tique destin\u00e9 \u00e0 agr\u00e9menter un rapport de recherche ; elle s’\u00e9rige en v\u00e9ritable instrument \u00e9pist\u00e9mologique de d\u00e9couverte et de v\u00e9rification des postulats m\u00e9trologiques. Face \u00e0 l’inflation constante des volumes d’\u00e9chantillonnage et \u00e0 la complexification des protocoles empiriques en sciences biom\u00e9dicales, cognitives et sociales, les chercheurs se heurtent fr\u00e9quemment aux limites inh\u00e9rentes aux statistiques r\u00e9capitulatives classiques. La moyenne arithm\u00e9tique et l’\u00e9cart-type, bien qu’ancr\u00e9s dans l’orthodoxie param\u00e9trique, s’av\u00e8rent d’une vuln\u00e9rabilit\u00e9 notoire d\u00e8s lors que les distributions r\u00e9elles s’\u00e9cartent du mod\u00e8le th\u00e9orique de la loi normale. C’est pr\u00e9cis\u00e9ment dans cette br\u00e8che m\u00e9thodologique que s’ins\u00e8re la bo\u00eete \u00e0 moustaches, ou diagramme de Tukey, dont la sobri\u00e9t\u00e9 g\u00e9om\u00e9trique dissimule une puissance analytique remarquable.<\/p>\n

Con\u00e7ue pour restituer fid\u00e8lement la structure distributionnelle d’une variable continue sans contraindre les donn\u00e9es \u00e0 entrer dans un carcan distributionnel pr\u00e9con\u00e7u, la bo\u00eete \u00e0 moustaches repose sur les statistiques d’ordre. En articulant son architecture autour du concept fondamental de quantiles, elle procure une synth\u00e8se compacte, r\u00e9sistante aux distorsions num\u00e9riques et imm\u00e9diatement interpr\u00e9table. Pourtant, en d\u00e9pit de son omnipr\u00e9sence dans les logiciels d’analyse statistique contemporains, son d\u00e9ploiement souffre trop souvent d’un manque de discernement th\u00e9orique : employ\u00e9e de mani\u00e8re machinale ou concurrenc\u00e9e maladroitement par des figures inad\u00e9quates comme les diagrammes \u00e0 barres d’erreurs, elle voit son potentiel diagnostique largement sous-exploit\u00e9. Comprendre avec exactitude les fondements m\u00e9trologiques de cet outil s’av\u00e8re donc indispensable pour quiconque aspire \u00e0 traiter les donn\u00e9es quantitatives avec rigueur.<\/p>\n

Le pr\u00e9sent article propose une exploration approfondie de la bo\u00eete \u00e0 moustaches, guid\u00e9e par une interrogation centrale : quand et pourquoi convient-il d’adopter ce mode de repr\u00e9sentation plut\u00f4t qu’une approche concurrente ? \u00c0 travers l’examen d\u00e9taill\u00e9 de trois sc\u00e9narios m\u00e9thodologiques cardinaux \u2014 l’exploration de la forme distributionnelle intrins\u00e8que d’une s\u00e9rie, la comparaison intergroupes au sein de plans exp\u00e9rimentaux, et le diagnostic rigoureux des valeurs aberrantes \u2014, ce guide exhaustif offre aux chercheurs, biostatisticiens et analystes de donn\u00e9es un cadre conceptuel et pratique complet, de l’\u00e9laboration math\u00e9matique jusqu’\u00e0 l’impl\u00e9mentation logicielle avanc\u00e9e.<\/p>\n

1. Fondements th\u00e9oriques et math\u00e9matiques de la bo\u00eete \u00e0 moustaches<\/h2>\n

1.1 Origine \u00e9pist\u00e9mologique et invention par John Tukey<\/h3>\n

L’\u00e9mergence de la bo\u00eete \u00e0 moustaches s’inscrit au c\u0153ur d’une rupture paradigmatique majeure dans l’histoire de la statistique contemporaine. Durant les ann\u00e9es 1970, le statisticien am\u00e9ricain John Wilder Tukey<\/a> constate avec gravit\u00e9 l’impasse dans laquelle s’enferme la recherche empirique, domin\u00e9e de mani\u00e8re quasi exclusive par l’inf\u00e9rence confirmatoire et les tests d’hypoth\u00e8ses rigides h\u00e9rit\u00e9s des travaux de Ronald Fisher, Jerzy Neyman et Egon Pearson. Dans son ouvrage fondateur de 1977 intitul\u00e9 Exploratory Data Analysis<\/em>, Tukey formalise une approche alternative, plaidant pour que les donn\u00e9es puissent r\u00e9v\u00e9ler leurs r\u00e9gularit\u00e9s et leurs anomalies avant toute formulation d’hypoth\u00e8ses probabilistes restrictives. La bo\u00eete \u00e0 moustaches (originellement box-and-whisker plot<\/em>) na\u00eet de cette volont\u00e9 de doter les analystes d’un outil graphique non param\u00e9trique, sobre et universellement applicable, capable de s’affranchir de la stricte hypoth\u00e8se de normalit\u00e9 gaussienne.<\/p>\n

Cette innovation r\u00e9pondait \u00e0 une exigence m\u00e9trologique concr\u00e8te : fournir une repr\u00e9sentation visuelle fid\u00e8le des distributions asym\u00e9triques, plurimodales ou fortement contamin\u00e9es par des valeurs r\u00e9siduelles, omnipr\u00e9sentes dans les sciences du comportement, la g\u00e9n\u00e9tique et la sociologie naissante. L’adoption progressive du diagramme de Tukey dans les sciences comportementales et biom\u00e9triques s’est impos\u00e9e d\u00e8s lors que les praticiens ont pris conscience de la fragilit\u00e9 des estimateurs classiques face aux violations des postulats param\u00e9triques. L\u00e0 o\u00f9 le calcul d’une moyenne et d’une variance tend \u00e0 masquer l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 sous-jacente des cohortes de patients ou des groupes exp\u00e9rimentaux, la bo\u00eete \u00e0 moustaches expose sans fard les propri\u00e9t\u00e9s r\u00e9elles de l’\u00e9chantillon collect\u00e9.<\/p>\n

Au-del\u00e0 de son efficacit\u00e9 analytique, la bo\u00eete de Tukey incarne le principe d’\u00e9conomie cognitive en mati\u00e8re de s\u00e9miotique graphique. Selon ce principe th\u00e9oris\u00e9 par les sciences cognitives appliqu\u00e9es \u00e0 la visualisation des donn\u00e9es, la charge mentale allou\u00e9e au d\u00e9codage visuel d’un graphique doit \u00eatre minimale afin de lib\u00e9rer les ressources cognitives n\u00e9cessaires \u00e0 l’inf\u00e9rence scientifique de haut niveau. En synth\u00e9tisant une infinit\u00e9 th\u00e9orique de points de donn\u00e9es \u00e0 travers cinq marqueurs g\u00e9om\u00e9triques \u00e9l\u00e9mentaires, Tukey a r\u00e9ussi la synth\u00e8se parfaite entre compacit\u00e9 visuelle et densit\u00e9 informationnelle, permettant au cerveau humain d’appr\u00e9hender instantan\u00e9ment la dispersion, le centrage et la dissym\u00e9trie d’une distribution sans recourir au traitement fastidieux de longues tables de donn\u00e9es num\u00e9riques.<\/p>\n

1.2 Le r\u00e9sum\u00e9 \u00e0 cinq nombres : composantes fondamentales<\/h3>\n

L’armature conceptuelle de la bo\u00eete \u00e0 moustaches repose sur une formalisation math\u00e9matique \u00e9l\u00e9gante d\u00e9sign\u00e9e sous l’appellation de \u00ab r\u00e9sum\u00e9 \u00e0 cinq nombres \u00bb (five-number summary<\/em>). Ce dispositif statistique synth\u00e9tique d’ordre descriptif s’extrait directement des statistiques de rang de l’\u00e9chantillon ordonn\u00e9. Contrairement aux moments arithm\u00e9tiques d’une variable qui d\u00e9pendent de la sommation des valeurs absolues ou quadratiques, les cinq composantes de Tukey sont invariantes par rapport aux \u00e9talements asym\u00e9triques extr\u00eames et d\u00e9coulent exclusivement de la position s\u00e9quentielle des observations tri\u00e9es par ordre croissant :<\/p>\n