Comprendre la nature, les manifestations math\u00e9matiques et les r\u00e9percussions empiriques de la restriction d’\u00e9tendue est donc un pr\u00e9requis indispensable pour quiconque souhaite analyser des donn\u00e9es issues de populations s\u00e9lectionn\u00e9es. De la s\u00e9lection professionnelle \u00e0 la recherche clinique, en passant par les m\u00e9ta-analyses contemporaines et l’\u00e9laboration de politiques publiques fond\u00e9es sur des preuves, la prise en compte de cet art\u00e9fact statistique s\u00e9pare l’inf\u00e9rence causale erron\u00e9e de l’\u00e9valuation m\u00e9thodologique rigoureuse. Cet article propose une analyse exhaustive et approfondie de la restriction d’\u00e9tendue, explorant ses bases th\u00e9oriques, son formalisme math\u00e9matique, ses manifestations pratiques dans divers secteurs des sciences comportementales, ainsi que les solutions quantitatives modernes d\u00e9velopp\u00e9es pour en corriger les effets d\u00e9l\u00e9t\u00e8res.<\/p>\n La restriction d’\u00e9tendue d\u00e9signe, dans son acception statistique la plus pure, le ph\u00e9nom\u00e8ne par lequel la variabilit\u00e9 observ\u00e9e d’au moins une variable au sein d’un \u00e9chantillon d’analyse est significativement inf\u00e9rieure \u00e0 la variabilit\u00e9 pr\u00e9sente au sein de la population parente \u00e0 laquelle cet \u00e9chantillon appartient conceptuellement. Ce r\u00e9tr\u00e9cissement de la dispersion ne r\u00e9sulte pas d’une caract\u00e9ristique intrins\u00e8que des individus mesur\u00e9s, mais d\u00e9coule d’un m\u00e9canisme de filtrage syst\u00e9matique, volontaire ou fortuit, qui \u00e9limine ou n’enregistre pas les observations situ\u00e9es au-del\u00e0 de certaines limites ou seuils critiques. Lorsque l’amplitude des scores possibles est ainsi amput\u00e9e, la variance \u00e9chantillonnale s’effondre comparativement \u00e0 la variance de la population totale.<\/p>\n Il importe d’\u00e9tablir d’embl\u00e9e une distinction th\u00e9orique fondamentale entre la variance tronqu\u00e9e<\/em> et la variance censur\u00e9e<\/em>, deux concepts fr\u00e9quemment amalgam\u00e9s bien qu’ob\u00e9issant \u00e0 des r\u00e9alit\u00e9s m\u00e9thodologiques diff\u00e9rentes. Une distribution est dite tronqu\u00e9e lorsque les individus se situant en dehors d’un intervalle d\u00e9fini sont totalement absents de l’\u00e9chantillon : ni leurs scores sur la variable de s\u00e9lection ni leurs scores sur les autres variables d’int\u00e9r\u00eat ne sont enregistr\u00e9s ou accessibles au chercheur. En revanche, une distribution est qualifi\u00e9e de censur\u00e9e lorsque les individus existent bel et bien dans le jeu de donn\u00e9es et que leurs informations collat\u00e9rales sont connues, mais que leur score pr\u00e9cis sur la variable d’int\u00e9r\u00eat est born\u00e9 \u00e0 une valeur maximale ou minimale pr\u00e9d\u00e9finie en raison des limites d’enregistrement de l’outil de mesure.<\/p>\n L’origine historique de ce concept remonte aux travaux fondateurs de la biom\u00e9trie et de la psychom\u00e9trie<\/a> au tournant du XXe si\u00e8cle. D\u00e8s 1903, le math\u00e9maticien et biostatisticien britannique Karl Pearson<\/a> publia un article s\u00e9minal consacr\u00e9 \u00e0 l’influence de la s\u00e9lection naturelle et artificielle sur la corr\u00e9lation et la variation au sein des populations biologiques. Pearson comprit imm\u00e9diatement qu’observer une corr\u00e9lation sur un sous-groupe s\u00e9lectionn\u00e9 d’une esp\u00e8ce fournissait une estimation biais\u00e9e de la covariation originelle. Quelques d\u00e9cennies plus tard, durant la Seconde Guerre mondiale, des psychologues militaires tels que Robert L. Thorndike formalis\u00e8rent l’application de ces notions \u00e0 la s\u00e9lection des pilotes de l’arm\u00e9e de l’air am\u00e9ricaine, documentant comment le rejet des candidats aux scores initiaux faibles masquait l’efficacit\u00e9 r\u00e9elle des tests d’aptitude psychomotrice.<\/p>\n L’\u00e9cart syst\u00e9matique qui s’installe entre la variance observ\u00e9e au sein de l’\u00e9chantillon d’\u00e9tude (souvent not\u00e9e s\u00b2<\/em>) et la variance r\u00e9elle de la population cible (not\u00e9e \u03c3\u00b2<\/em>) d\u00e9coule d’un processus d’\u00e9chantillonnage non al\u00e9atoire. Dans une d\u00e9marche d’inf\u00e9rence statistique classique, le chercheur postule que son \u00e9chantillon constitue un miroir probabiliste non biais\u00e9 de la population g\u00e9n\u00e9rale, autorisant ainsi l’usage des statistiques descriptives \u00e9chantillonnales pour estimer les param\u00e8tres populationnels par des estimateurs sans biais. Lorsque la restriction d’\u00e9tendue intervient, cette hypoth\u00e8se d’\u00e9chantillonnage al\u00e9atoire simple s’effondre totalement : la probabilit\u00e9 pour un individu d’\u00eatre inclus dans l’\u00e9tude devient fonction de son score sur une ou plusieurs variables.<\/p>\n Ce m\u00e9canisme de s\u00e9lection non \u00e9quiprobable modifie profond\u00e9ment non seulement la variance, mais \u00e9galement la moyenne de l’\u00e9chantillon. Dans un sch\u00e9ma de s\u00e9lection unilat\u00e9rale sup\u00e9rieure (par exemple, retenir uniquement les 20 % des individus les plus performants \u00e0 un test), la moyenne observ\u00e9e au sein de l’\u00e9chantillon sera m\u00e9caniquement sup\u00e9rieure \u00e0 la moyenne populationnelle, tandis que l’\u00e9cart-type sera substantiellement contract\u00e9. Cette compression de l’\u00e9cart-type n’est pas une simple perte de pr\u00e9cision d’\u00e9chantillonnage r\u00e9ductible par l’augmentation de la taille N<\/em> du groupe \u00e9tudi\u00e9 : il s’agit d’un biais param\u00e9trique structurel. Augmenter le nombre de sujets retenus au sein du groupe restreint ne r\u00e9tablira en rien la variance de la population g\u00e9n\u00e9rale, car tous les nouveaux participants ajout\u00e9s demeureront cantonn\u00e9s \u00e0 l’int\u00e9rieur de la tranche de scores pr\u00e9-s\u00e9lectionn\u00e9e.<\/p>\n Cet \u00e9cart syst\u00e9matique entre les param\u00e8tres inf\u00e9r\u00e9s et les param\u00e8tres r\u00e9els de la population cible g\u00e9n\u00e8re un probl\u00e8me d’invariance des propri\u00e9t\u00e9s statistiques. L’estimation de l’erreur-type de la moyenne, la puissance statistique des tests d’hypoth\u00e8se et la capacit\u00e9 \u00e0 d\u00e9tecter des diff\u00e9rences interindividuelles fines se trouvent fauss\u00e9es. En ignorant la diff\u00e9rence entre l’\u00e9tendue empirique du groupe restreint et l’\u00e9tendue th\u00e9orique du domaine de g\u00e9n\u00e9ralisation, le statisticien attribue \u00e0 la nature m\u00eame du ph\u00e9nom\u00e8ne \u00e9tudi\u00e9 une homog\u00e9n\u00e9it\u00e9 artificielle qui n’est en r\u00e9alit\u00e9 que le produit d\u00e9riv\u00e9 du protocole de recrutement ou des crit\u00e8res d’admissibilit\u00e9.<\/p>\n Les sciences psychologiques, comportementales et sociales pr\u00e9sentent une vuln\u00e9rabilit\u00e9 singuli\u00e8re face au ph\u00e9nom\u00e8ne de restriction d’\u00e9tendue en raison de la pr\u00e9dominance des mesures standardis\u00e9es et des contextes \u00e9cologiques au sein desquels s’ex\u00e9cutent les protocoles de recherche. Contrairement aux sciences physiques o\u00f9 les variables d’int\u00e9r\u00eat peuvent souvent \u00eatre isol\u00e9es exp\u00e9rimentalement en laboratoire sans introduire de biais de s\u00e9lection d\u00e9mographique, la psychologie \u00e9tudie des \u00eatres humains engag\u00e9s dans des parcours sociaux, \u00e9ducatifs et professionnels hautement r\u00e9gul\u00e9s par des barri\u00e8res s\u00e9lectives formelles ou informelles.<\/p>\n Cette vuln\u00e9rabilit\u00e9 p\u00e8se lourdement sur la reproductibilit\u00e9 scientifique et la validit\u00e9 externe des conclusions publi\u00e9es. Lorsqu’un protocole exp\u00e9rimental ou corr\u00e9lationnel est d\u00e9ploy\u00e9 dans une universit\u00e9 d’\u00e9lite sur une cohorte d’\u00e9tudiants en psychologie de premier cycle, l’\u00e9tendue des aptitudes intellectuelles, du statut socio-\u00e9conomique et parfois des traits de personnalit\u00e9 se trouve consid\u00e9rablement plus \u00e9troite que celle observ\u00e9e dans la population g\u00e9n\u00e9rale adulte. Si les chercheurs tentent de r\u00e9pliquer une \u00e9tude d’association entre la m\u00e9moire de travail et la flexibilit\u00e9 cognitive sur des \u00e9chantillons aux niveaux de restriction divergents, les tailles d’effet obtenues oscilleront consid\u00e9rablement, non pas en raison d’une instabilit\u00e9 th\u00e9orique du construit psychologique, mais simplement \u00e0 cause de la variation du ratio de restriction d’un \u00e9chantillon \u00e0 l’autre.<\/p>\n Sur le plan \u00e9thique et soci\u00e9tal, les cons\u00e9quences des erreurs d’interpr\u00e9tation induites par la restriction d’\u00e9tendue peuvent s’av\u00e9rer dommageables. Dans le domaine du diagnostic clinique, une sous-estimation des corr\u00e9lations entre des mesures autorapport\u00e9es et des crit\u00e8res comportementaux peut conduire \u00e0 disqualifier \u00e0 tort des outils de d\u00e9pistage pr\u00e9coce tr\u00e8s efficaces dans l’ensemble de la population, mais dont la validit\u00e9 apparente semble faible au sein d’une clinique sp\u00e9cialis\u00e9e n’accueillant que des patients souffrant de pathologies s\u00e9v\u00e8res. De m\u00eame, en orientation scolaire ou professionnelle, d\u00e9clarer un test inefficace sur la base de donn\u00e9es restreintes peut priver des institutions d’instruments \u00e9quitables et objectifs, favorisant ainsi le retour \u00e0 des m\u00e9thodes de s\u00e9lection intuitives et perm\u00e9ables aux pr\u00e9jug\u00e9s discriminatoires.<\/p>\n Pour appr\u00e9hender avec rigueur les d\u00e9formations induites par la restriction d’\u00e9tendue, il est indispensable de revenir \u00e0 la structure alg\u00e9brique du coefficient de corr\u00e9lation produit-moment de Bravais-Pearson, conventionnellement d\u00e9sign\u00e9 par la lettre r<\/em>. D\u00e9velopp\u00e9 pour quantifier l’intensit\u00e9 et le sens de la relation lin\u00e9aire unissant deux variables continues X<\/em> et Y<\/em>, le coefficient r<\/em> est d\u00e9fini comme le rapport entre la covariance des deux variables et le produit de leurs \u00e9carts-types respectifs :<\/p>\n \n rXY<\/sub> = Cov(X, Y) \/ (\u03c3X<\/sub> \u00b7 \u03c3Y<\/sub>) = E[(X – \u03bcX<\/sub>)(Y – \u03bcY<\/sub>)] \/ (\u03c3X<\/sub> \u00b7 \u03c3Y<\/sub>)\n<\/p>\n L’estimation rigoureuse de ce coefficient repose sur plusieurs hypoth\u00e8ses distributionnelles fondamentales, parmi lesquelles l’hypoth\u00e8se de normalit\u00e9 bivari\u00e9e occupe une place centrale. Cette condition implique que pour chaque valeur conditionnelle de X<\/em>, la distribution des scores de Y<\/em> suit une loi normale, et vice-versa, avec une variance r\u00e9siduelle constante (hypoth\u00e8se d’homosc\u00e9dasticit\u00e9<\/a>). De surcro\u00eet, le mod\u00e8le suppose implicitement que la dispersion des points le long des axes X<\/em> et Y<\/em> couvre l’int\u00e9gralit\u00e9 du continuum pertinent sur lequel le ph\u00e9nom\u00e8ne a vocation \u00e0 \u00eatre th\u00e9oris\u00e9.<\/p>\n La structure m\u00eame du coefficient de corr\u00e9lation le rend intrins\u00e8quement d\u00e9pendant des \u00e9carts-types marginaux. La covariance mesure la tendance conjointe des variables \u00e0 s’\u00e9carter simultan\u00e9ment de leurs moyennes respectives. Si l’on applique un filtre qui comprime artificiellement les \u00e9carts \u00e0 la moyenne sur l’axe X<\/em>, la covariance diminue d’une fa\u00e7on qui n’est pas proportionnelle \u00e0 la simple diminution de l’\u00e9cart-type \u03c3X<\/sub><\/em> au d\u00e9nominateur, alt\u00e9rant ainsi la valeur finale du ratio r<\/em>. La dispersion n’agit pas comme un simple facteur d’\u00e9chelle neutre : elle d\u00e9termine directement la sensibilit\u00e9 du coefficient de corr\u00e9lation \u00e0 capter l’alignement lin\u00e9aire des observations.<\/p>\n L’att\u00e9nuation math\u00e9matique du coefficient de corr\u00e9lation sous l’effet de la restriction d’\u00e9tendue s’explique par l’asym\u00e9trie de contraction qui s’op\u00e8re entre le num\u00e9rateur (la covariance) et le d\u00e9nominateur (le produit des \u00e9carts-types). Consid\u00e9rons un mod\u00e8le de r\u00e9gression lin\u00e9aire classique o\u00f9 la relation entre X<\/em> et Y<\/em> dans la population g\u00e9n\u00e9rale non restreinte s’exprime par l’\u00e9quation standard : Y = \u03b20<\/sub> + \u03b21<\/sub>X + \u03b5<\/em>, o\u00f9 \u03b5<\/em> repr\u00e9sente un terme d’erreur ind\u00e9pendant de X<\/em> avec une variance r\u00e9siduelle constante not\u00e9e \u03c3\u00b2e<\/sub><\/em>.<\/p>\n Dans ce cadre lin\u00e9aire homosc\u00e9dastique, la pente de r\u00e9gression non standardis\u00e9e \u03b21<\/sub><\/em> poss\u00e8de la propri\u00e9t\u00e9 remarquable de demeurer invariante face \u00e0 une s\u00e9lection directe sur X<\/em>. Math\u00e9matiquement, \u03b21<\/sub> = Cov(X, Y) \/ \u03c3\u00b2X<\/sub><\/em>. Lorsque la variance de X<\/em> est restreinte \u00e0 une valeur s\u00b2x<\/sub> < \u03c3\u00b2X<\/sub><\/em>, la nouvelle covariance observ\u00e9e Covres<\/sub>(X, Y)<\/em> se trouve contract\u00e9e dans une proportion exactement identique, de sorte que le rapport Covres<\/sub>(X, Y) \/ s\u00b2x<\/sub><\/em> reste th\u00e9oriquement \u00e9gal \u00e0 la pente originale \u03b21<\/sub><\/em>. En revanche, le coefficient de corr\u00e9lation de Pearson dans l’\u00e9chantillon restreint, not\u00e9 rres<\/sub><\/em>, s’exprime en fonction de cette pente invariante par la relation :<\/p>\n \n rres<\/sub> = \u03b21<\/sub> \u00b7 (sx<\/sub> \/ sy<\/sub>)\n<\/p>\n Or, tandis que la variance de X<\/em> passe de \u03c3\u00b2X<\/sub><\/em> \u00e0 s\u00b2x<\/sub><\/em>, la variance conditionnelle de Y<\/em> ne se contracte pas au m\u00eame rythme, car elle est lest\u00e9e par la variance d’erreur \u03c3\u00b2e<\/sub><\/em> qui reste inchang\u00e9e : s\u00b2y<\/sub> = \u03b21<\/sub>\u00b2 \u00b7 s\u00b2x<\/sub> + \u03c3\u00b2e<\/sub><\/em>. En ins\u00e9rant cette \u00e9galit\u00e9 dans l’expression du coefficient de corr\u00e9lation restreint, on obtient :<\/p>\n \n rres<\/sub> = \u03b21<\/sub> \u00b7 sx<\/sub> \/ \u221a(\u03b21<\/sub>\u00b2 \u00b7 s\u00b2x<\/sub> + \u03c3\u00b2e<\/sub>) = 1 \/ \u221a(1 + [\u03c3\u00b2e<\/sub> \/ (\u03b21<\/sub>\u00b2 \u00b7 s\u00b2x<\/sub>)])\n<\/p>\n Cette d\u00e9composition alg\u00e9brique met en lumi\u00e8re le comportement asymptotique du coefficient : \u00e0 mesure que la dispersion restreinte sx<\/sub><\/em> tend vers z\u00e9ro, le ratio \u03c3\u00b2e<\/sub> \/ (\u03b21<\/sub>\u00b2 \u00b7 s\u00b2x<\/sub>)<\/em> diverge vers l’infini, entra\u00eenant in\u00e9luctablement rres<\/sub><\/em> vers z\u00e9ro, et ce, quelle que soit la force de la corr\u00e9lation originale dans la population sans restriction. Dans certains cas limites hautement sp\u00e9cifiques marqu\u00e9s par une forte h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 ou des relations non lin\u00e9aires, la troncature peut m\u00eame provoquer une inversion paradoxale du signe de la corr\u00e9lation ou une sur\u00e9valuation artificielle, bien que l’att\u00e9nuation vers z\u00e9ro demeure la manifestation standard \u00e9crasante observ\u00e9e en pratique.<\/p>\n Pour conceptualiser intuitivement l’impact de la restriction d’\u00e9tendue, il est particuli\u00e8rement instructif d’adopter une perspective g\u00e9om\u00e9trique. Dans un rep\u00e8re cart\u00e9sien bidimensionnel repr\u00e9sentant les variables standardis\u00e9es X<\/em> et Y<\/em> au sein d’une population normale bivari\u00e9e, le nuage de points adopte la forme d’une ellipse de dispersion dont l’excentricit\u00e9 refl\u00e8te la magnitude de la corr\u00e9lation. Plus l’ellipse est \u00e9tir\u00e9e et \u00e9troite le long de son grand axe, plus le coefficient de corr\u00e9lation s’approche des valeurs extr\u00eames +1 ou -1. \u00c0 l’inverse, une corr\u00e9lation nulle se mat\u00e9rialise par une ellipse circulaire sym\u00e9trique.<\/p>\n Lorsqu’une restriction directe d’\u00e9tendue survient sur l’axe horizontal des abscisses (la variable X<\/em>), deux lignes verticales d\u00e9limitent le sous-ensemble conserv\u00e9, sectionnant sans m\u00e9nagement les extr\u00e9mit\u00e9s gauche et droite de l’ellipse originelle. Ce qui subsiste entre ces bornes n’est plus une ellipse compl\u00e8te \u00e9tir\u00e9e le long de sa diagonale, mais un segment tronqu\u00e9 dont la configuration g\u00e9om\u00e9trique se rapproche davantage d’un cercle ou d’une bande verticale compacte. Les distances entre les observations selon l’axe horizontal \u00e9tant consid\u00e9rablement r\u00e9duites alors que l’\u00e9talement vertical r\u00e9siduel \u03c3e<\/sub><\/em> demeure intact, l’orientation directionnelle du nuage devient beaucoup moins nette \u00e0 l’\u0153il comme aux algorithmes d’estimation.<\/p>\n Cette alt\u00e9ration g\u00e9om\u00e9trique modifie substantiellement l’erreur standard d’estimation et d\u00e9forme la structure apparente des r\u00e9sidus. Bien que la droite des moindres carr\u00e9s conserve th\u00e9oriquement la m\u00eame orientation angulaire (invariance de la pente non standardis\u00e9e), la certitude entourant son ajustement s’effondre. Les r\u00e9sidus orthogonaux semblent occuper une place pr\u00e9pond\u00e9rante face \u00e0 la variance expliqu\u00e9e par le mod\u00e8le, induisant un coefficient de d\u00e9termination R\u00b2<\/em> effondr\u00e9. Le chercheur non averti, contemplant ce nuage de points rabougri, conclura souvent h\u00e2tivement \u00e0 une absence de relation lin\u00e9aire ou \u00e0 une dispersion al\u00e9atoire incontr\u00f4l\u00e9e, alors qu’il n’observe qu’une fen\u00eatre observationnelle arbitrairement r\u00e9tr\u00e9cie d’un syst\u00e8me bivari\u00e9 ordonn\u00e9.<\/p>\n La taxonomie de la restriction d’\u00e9tendue repose sur les m\u00e9canismes structurels ayant conduit au r\u00e9tr\u00e9cissement de l’\u00e9chantillon. La configuration m\u00e9thodologique la plus classique, \u00e9tudi\u00e9e historiquement par Karl Pearson sous l’appellation de Cas II<\/strong>, est la restriction directe sur la variable pr\u00e9dictive<\/em> (souvent not\u00e9e X<\/em>). Dans ce sc\u00e9nario, l’inclusion d’un individu au sein du jeu de donn\u00e9es final d\u00e9coule explicitement et exclusivement d’une r\u00e8gle de coupure appliqu\u00e9e directement sur ses scores obtenus \u00e0 la variable pr\u00e9dictive.<\/p>\n Ce cas de figure est omnipr\u00e9sent dans les processus s\u00e9lectifs institutionnalis\u00e9s. Consid\u00e9rons une universit\u00e9 prestigieuse qui soumet tous ses postulants \u00e0 un examen standardis\u00e9 d’admission et qui refuse syst\u00e9matiquement tout candidat obtenant une note inf\u00e9rieure \u00e0 un seuil d’admissibilit\u00e9 fix\u00e9 par le jury. Si un chercheur \u00e9value ult\u00e9rieurement la relation entre la note \u00e0 cet examen et les r\u00e9sultats obtenus \u00e0 la fin du cursus universitaire, il travaille sur un \u00e9chantillon directement restreint sur X<\/em>. Aucune donn\u00e9e n’existe, par d\u00e9finition, sur la variable crit\u00e8re Y<\/em> pour l’ensemble des candidats dont le score X<\/em> \u00e9tait inf\u00e9rieur au point de coupure, cr\u00e9ant une troncature unilat\u00e9rale abrupte et totale du domaine exp\u00e9rimental.<\/p>\n La mod\u00e9lisation math\u00e9matique du cas direct b\u00e9n\u00e9ficie d’une clart\u00e9 th\u00e9orique remarquable. Dans la mesure o\u00f9 la r\u00e8gle de s\u00e9lection d\u00e9pend de mani\u00e8re d\u00e9terministe d’une variable observ\u00e9e pour tous les postulants initiaux, la distribution de X<\/em> avant s\u00e9lection est g\u00e9n\u00e9ralement accessible au chercheur sous forme de donn\u00e9es d’archives institutionnelles. La connaissance de la variance originelle de la population parente rend possible une restauration analytique exacte des param\u00e8tres d’association bivari\u00e9s gr\u00e2ce aux \u00e9quations classiques de Pearson, sous r\u00e9serve de la v\u00e9racit\u00e9 des hypoth\u00e8ses de lin\u00e9arit\u00e9 et d’homosc\u00e9dasticit\u00e9 sur l’ensemble de l’\u00e9tendue th\u00e9orique.<\/p>\n Le second sc\u00e9nario r\u00e9pertori\u00e9 dans la taxonomie fondamentale concerne la restriction directe op\u00e9r\u00e9e sur la variable crit\u00e8re<\/em> (conventionnellement not\u00e9e Y<\/em>). Moins fr\u00e9quente dans les processus de s\u00e9lection institutionnels formels, cette forme de restriction \u00e9merge avec une acuit\u00e9 particuli\u00e8re dans la recherche clinique, m\u00e9dicale, \u00e9pid\u00e9miologique et dans les \u00e9tudes d’\u00e9valuation de programmes d’intervention.<\/p>\n La restriction directe sur Y<\/em> survient lorsque les individus sont admis ou maintenus dans l’\u00e9chantillon d’analyse uniquement s’ils satisfont \u00e0 une condition stricte portant sur la variable d’aboutissement elle-m\u00eame. Par exemple, une \u00e9tude clinique investiguant les d\u00e9terminants cognitifs ou g\u00e9n\u00e9tiques de la d\u00e9pression majeure peut choisir d’inclure uniquement des patients hospitalis\u00e9s pr\u00e9sentant un score \u00e0 l’\u00e9chelle d’\u00e9valuation de la d\u00e9pression de Hamilton<\/a> sup\u00e9rieur \u00e0 24 points. Dans cette configuration, c’est la variable d\u00e9pendante qui subit une troncature nette. De m\u00eame, les ph\u00e9nom\u00e8nes d’attrition diff\u00e9rentielle \u2014 o\u00f9 les participants abandonnent pr\u00e9matur\u00e9ment une \u00e9tude longitudinale pr\u00e9cis\u00e9ment parce qu’ils connaissent une d\u00e9gradation de leur \u00e9tat de sant\u00e9 ou de leur performance \u2014 engendrent une s\u00e9lection directe sur le crit\u00e8re.<\/p>\n D’un point de vue analytique, la restriction directe sur Y<\/em> soul\u00e8ve des difficult\u00e9s m\u00e9thodologiques consid\u00e9rablement plus \u00e9pineuses que la restriction sur X<\/em>. Dans ce contexte, la pente de r\u00e9gression de Y<\/em> sur X<\/em> n’est plus invariante : elle est elle-m\u00eame s\u00e9v\u00e8rement att\u00e9nu\u00e9e, faussant radicalement l’estimation de l’impact direct du pr\u00e9dicteur. De surcro\u00eet, la distribution compl\u00e8te de la variable crit\u00e8re au sein de la population g\u00e9n\u00e9rale est tr\u00e8s fr\u00e9quemment inconnue ou impossible \u00e0 \u00e9chantillonner avec pr\u00e9cision pour des raisons logistiques ou \u00e9thiques. Corriger l’impact d’une restriction directe sur le crit\u00e8re requiert l’inversion de l’\u00e9quation de r\u00e9gression (r\u00e9gression de X<\/em> sur Y<\/em>) ou le recours \u00e0 des estimateurs \u00e9conom\u00e9triques complexes tels que les mod\u00e8les de s\u00e9lection de Heckman.<\/p>\n Si les cas directs offrent un cadre didactique \u00e9l\u00e9gant, la r\u00e9alit\u00e9 \u00e9cologique des donn\u00e9es en sciences humaines est domin\u00e9e par une troisi\u00e8me configuration, beaucoup plus insidieuse et complexe : la restriction indirecte<\/strong> (ou incidental range restriction<\/em>). Dans ce sch\u00e9ma, ni le pr\u00e9dicteur d’int\u00e9r\u00eat op\u00e9rationnel X<\/em> ni le crit\u00e8re final Y<\/em> ne font l’objet d’un seuillage explicite direct. La s\u00e9lection des individus dans l’\u00e9chantillon s’op\u00e8re plut\u00f4t sur la base d’une tierce variable interm\u00e9diaire (ou d’un composite de variables) not\u00e9e Z<\/em>, laquelle pr\u00e9sente une corr\u00e9lation substantielle simultan\u00e9e avec X<\/em> et avec Y<\/em>.<\/p>\n Ce ph\u00e9nom\u00e8ne s’illustre de mani\u00e8re paradigmatique dans les contextes de recrutement organisationnel o\u00f9 une entreprise recrute ses employ\u00e9s en se basant sur un entretien de motivation semi-structur\u00e9 (variable Z<\/em>). Si un chercheur tente d’\u00e9tudier r\u00e9trospectivement la validit\u00e9 pr\u00e9dictive d’un test d’intelligence fluide (variable X<\/em>) pass\u00e9 lors de l’embauche mais non utilis\u00e9 pour la d\u00e9cision finale d’engagement, vis-\u00e0-vis du rendement professionnel annuel (variable Y<\/em>), l’\u00e9chantillon des collaborateurs en poste souffre d’une restriction indirecte. Parce que les individus retenus poss\u00e9daient d’excellents scores \u00e0 l’entretien Z<\/em>, et que cet entretien partageait une variance commune avec l’intelligence fluide X<\/em>, la variabilit\u00e9 de X<\/em> chez les employ\u00e9s embauch\u00e9s se trouve indirectement contract\u00e9e.<\/p>\n La mod\u00e9lisation de la restriction indirecte exige d’abandonner les \u00e9quations univari\u00e9es traditionnelles au profit de formulations matricielles multivari\u00e9es. L’att\u00e9nuation de la corr\u00e9lation rXY<\/sub><\/em> ne d\u00e9pend pas uniquement du ratio de contraction de la variance de X<\/em>, mais est m\u00e9di\u00e9e par les coefficients de cheminement reliant X<\/em> \u00e0 Z<\/em> et Z<\/em> \u00e0 Y<\/em>. La sous-estimation de la validit\u00e9 qui en d\u00e9coule est souvent plus s\u00e9v\u00e8re encore que dans le cas d’une restriction directe, car l’analyste n’a g\u00e9n\u00e9ralement pas conscience de l’ensemble des filtres implicites (variables Z1<\/sub>, Z2<\/sub>, … Zk<\/sub><\/em>) qui ont modul\u00e9 l’acc\u00e8s des individus \u00e0 l’\u00e9chantillon analys\u00e9.<\/p>\n Le champ de la psychologie industrielle et organisationnelle, et plus particuli\u00e8rement celui de la s\u00e9lection du personnel, constitue le th\u00e9\u00e2tre historique privil\u00e9gi\u00e9 o\u00f9 la restriction d’\u00e9tendue d\u00e9ploie ses paradoxes les plus d\u00e9routants. Lorsqu’une organisation d\u00e9ploie un syst\u00e8me de recrutement particuli\u00e8rement comp\u00e9titif pour pourvoir des postes \u00e0 haute responsabilit\u00e9, elle \u00e9limine impitoyablement la vaste majorit\u00e9 des postulants pour ne conserver qu’une frange infime de candidats affichant les scores les plus \u00e9lev\u00e9s aux batteries de tests initiaux.<\/p>\n Une fois ces individus int\u00e9gr\u00e9s au sein de l’entreprise, les d\u00e9partements des ressources humaines mesurent p\u00e9riodiquement leur performance op\u00e9rationnelle r\u00e9elle via des indicateurs quantitatifs ou des \u00e9valuations hi\u00e9rarchiques. En calculant le coefficient de corr\u00e9lation de Pearson entre les scores obtenus lors du processus d’embauche et les notes de performance professionnelles au bout d’un an, les praticiens sont fr\u00e9quemment stup\u00e9faits de constater une valeur d\u00e9risoire, oscillant souvent entre 0,05 et 0,15, quand elle n’est pas tout simplement non significative sur le plan statistique. Ce r\u00e9sultat contre-intuitif donne naissance \u00e0 ce que l’on nomme couramment le paradoxe de la s\u00e9lection<\/em> : les tests qui ont servi \u00e0 choisir les candidats semblent r\u00e9trospectivement incapables de diff\u00e9rencier les meilleurs professionnels au sein du groupe embauch\u00e9.<\/p>\n Le pi\u00e8ge interpr\u00e9tatif r\u00e9side dans l’oubli que ce groupe s\u00e9lectionn\u00e9 est devenu extraordinairement homog\u00e8ne sur le plan des aptitudes mesur\u00e9es. Les postulants faibles, chez qui l’absence de comp\u00e9tences aurait provoqu\u00e9 des \u00e9checs professionnels patents, n’ont jamais franchi les portes de l’organisation. Au sein de la cohorte d’\u00e9lite retenue, la variance r\u00e9siduelle des aptitudes cognitives est si \u00e9troite que la variabilit\u00e9 de la performance au travail n’est plus expliqu\u00e9e par ces aptitudes, mais par d’autres facteurs non contr\u00f4l\u00e9s (la motivation contextuelle, les relations interpersonnelles, la sant\u00e9 physique ou des contingences organisationnelles fortuites). Sans une compr\u00e9hension lucide de la restriction d’\u00e9tendue, les directions d’entreprises courent le risque mortif\u00e8re d’abandonner pr\u00e9matur\u00e9ment des outils de s\u00e9lection pourtant scientifiquement irr\u00e9prochables et dot\u00e9s d’un pouvoir pr\u00e9dictif immense sur la population g\u00e9n\u00e9rale.<\/p>\n L’impact direct de la restriction d’\u00e9tendue sur l’estimation de la validit\u00e9 de crit\u00e8re<\/a> fausse syst\u00e9matiquement la hi\u00e9rarchie compar\u00e9e des pr\u00e9dicteurs de r\u00e9ussite professionnelle. Dans les manuels classiques de psychologie appliqu\u00e9e, les m\u00e9ta-analyses contemporaines non corrig\u00e9es dressent un portrait erron\u00e9 de l’utilit\u00e9 relative des instruments. Un test d’aptitude cognitive g\u00e9n\u00e9rale qui pr\u00e9sente une validit\u00e9 th\u00e9orique r\u00e9elle de \u03c1 = 0,55<\/em> dans la population g\u00e9n\u00e9rale des candidats postulant \u00e0 un emploi technique verra sa validit\u00e9 observ\u00e9e chuter \u00e0 r = 0,20<\/em> voire 0,15<\/em> si seulement les 10 % sup\u00e9rieurs sont embauch\u00e9s.<\/p>\n Ce ph\u00e9nom\u00e8ne introduit une distorsion comparative majeure lorsque diff\u00e9rents instruments de s\u00e9lection sont confront\u00e9s au sein d’une m\u00eame \u00e9tude empirique. Si une variable pr\u00e9dictive A<\/em> (comme un test cognitif hautement s\u00e9lectif) a servi de base exclusive \u00e0 l’embauche tandis qu’une variable pr\u00e9dictive B<\/em> (comme un questionnaire de personnalit\u00e9 ou un test d’int\u00e9r\u00eats professionnels) a \u00e9t\u00e9 administr\u00e9e \u00e0 titre purement indicatif sans influer sur la d\u00e9cision finale, la variable A<\/em> subit une restriction directe s\u00e9v\u00e8re alors que la variable B<\/em> ne subit qu’une restriction indirecte mod\u00e9r\u00e9e. Les coefficients de corr\u00e9lation observ\u00e9s sugg\u00e9reront fallacieusement que la personnalit\u00e9 est un pr\u00e9dicteur sup\u00e9rieur ou \u00e9quivalent aux capacit\u00e9s cognitives pour le poste en question, induisant en erreur les comit\u00e9s de recrutement lors de la conception de leurs futures batteries d’\u00e9valuation.<\/p>\n Les jurys et les praticiens fondent alors leurs choix strat\u00e9giques sur des donn\u00e9es quantitatives amput\u00e9es de leur contexte m\u00e9thodologique. Cette distorsion syst\u00e9matique favorise le d\u00e9ploiement d’instruments d’\u00e9valuation \u00e0 faible validit\u00e9 intrins\u00e8que au d\u00e9triment de m\u00e9thodes \u00e9prouv\u00e9es, affaiblissant la qualit\u00e9 globale du capital humain recrut\u00e9 et exposant paradoxalement les processus de s\u00e9lection \u00e0 des contestations juridiques quant \u00e0 leur pertinence empirique et leur validit\u00e9 de contenu.<\/p>\n L’utilit\u00e9 \u00e9conomique des syst\u00e8mes de s\u00e9lection du personnel s’\u00e9value traditionnellement au moyen de mod\u00e8les d’\u00e9quations financi\u00e8res formalis\u00e9s, au premier rang desquels figure le c\u00e9l\u00e8bre mod\u00e8le de Brogden-Cronbach-Gleser<\/strong> (BCG). Cette formulation math\u00e9matique estime le gain financier net (\u0394U<\/em>) g\u00e9n\u00e9r\u00e9 par l’introduction d’un nouveau syst\u00e8me de s\u00e9lection par rapport \u00e0 un recrutement al\u00e9atoire ou rudimentaire, en fonction de la taille de la cohorte recrut\u00e9e (N<\/em>), de la dur\u00e9e moyenne de r\u00e9tention en poste (T<\/em>), du co\u00fbt d’administration par candidat (C<\/em>), du ratio de s\u00e9lection, de l’\u00e9cart-type de la valeur de la performance au travail exprim\u00e9e en unit\u00e9s mon\u00e9taires (SDy<\/sub><\/em>), et surtout de la validit\u00e9 op\u00e9rationnelle du test (rxy<\/sub><\/em>) :<\/p>\n \n \u0394U = N \u00b7 T \u00b7 rxy<\/sub> \u00b7 SDy<\/sub> \u00b7 \u03bb – (C \u00b7 N \/ SR)\n<\/p>\n Dans cette formule canonique, la validit\u00e9 op\u00e9rationnelle rxy<\/sub><\/em> agit comme un coefficient multiplicateur direct et lin\u00e9aire de la valeur financi\u00e8re cr\u00e9\u00e9e par le processus de s\u00e9lection. Si un cabinet d’audit ou un d\u00e9partement des ressources humaines int\u00e8gre dans cette \u00e9quation le coefficient de corr\u00e9lation brut et non corrig\u00e9 observ\u00e9 chez les employ\u00e9s en poste (par exemple r = 0,20<\/em>) au lieu de la validit\u00e9 r\u00e9elle non restreinte de la population des candidats (qui s’\u00e9l\u00e8ve par exemple \u00e0 \u03c1 = 0,50<\/em>), l’utilit\u00e9 financi\u00e8re calcul\u00e9e du dispositif d’\u00e9valuation sera divis\u00e9e par 2,5. Le retour sur investissement projet\u00e9 appara\u00eet alors artificiellement an\u00e9mique.<\/p>\n Cette sous-\u00e9valuation financi\u00e8re substantielle d\u00e9courage les directions financi\u00e8res d’investir les capitaux n\u00e9cessaires dans des technologies de tests psychom\u00e9triques robustes, des centres d’\u00e9valuation structur\u00e9s ou des entretiens comportementaux standardis\u00e9s. Les organisations se replient alors par calcul erron\u00e9 vers des processus de filtrage rudimentaires et peu co\u00fbteux \u00e0 court terme (tri informel de curriculums vitae, entretiens non directifs), sans r\u00e9aliser que le manque \u00e0 gagner annuel en mati\u00e8re de productivit\u00e9 et de performance organisationnelle se chiffre en millions d’euros, uniquement en raison d’un biais d’estimation statistique non corrig\u00e9 dans leurs feuilles de calcul pr\u00e9visionnelles.<\/p>\n Si la psychologie du travail illustre la s\u00e9lection intentionnelle de l’excellence, la recherche en psychologie clinique<\/a> et en psychopathologie affronte un d\u00e9fi sym\u00e9trique : la restriction d’\u00e9tendue caus\u00e9e par la s\u00e9lection intentionnelle de la pathologie. Les protocoles de recherche m\u00e9dicale et clinique recrutent prioritairement leurs participants au sein d’institutions sp\u00e9cialis\u00e9es, de services psychiatriques d’urgence ou de cohortes hospitali\u00e8res compos\u00e9es exclusivement d’individus ayant franchi des crit\u00e8res d’inclusion diagnostiques draconiens bas\u00e9s sur le DSM-5<\/a> ou la CIM-11.<\/p>\n Cette homog\u00e9n\u00e9it\u00e9 clinique s\u00e9v\u00e8re a pour cons\u00e9quence directe d’\u00e9craser la variance des scores psychopathologiques au sein du groupe \u00e9tudi\u00e9. Par exemple, si l’on cherche \u00e0 analyser la relation fondamentale unissant le trait de personnalit\u00e9 N\u00e9vrosisme<\/em> (instabilit\u00e9 \u00e9motionnelle) \u00e0 la fr\u00e9quence des crises d’angoisse au sein d’un \u00e9chantillon d’individus hospitalis\u00e9s pour un trouble panique s\u00e9v\u00e8re, la corr\u00e9lation calcul\u00e9e sera quasi syst\u00e9matiquement d\u00e9cevante. Tous les patients inclus dans l’\u00e9tude affichent des scores de n\u00e9vrosisme exceptionnellement \u00e9lev\u00e9s et des fr\u00e9quences de crises quotidiennes massives. La quasi-absence de sujets calmes, stables et asymptomatiques au sein de l’\u00e9chantillon d\u00e9truit le continuum de dispersion bivari\u00e9 naturel.<\/p>\n Ce r\u00e9tr\u00e9cissement conduit fr\u00e9quemment \u00e0 des impasses th\u00e9oriques dommageables. Les chercheurs peuvent \u00eatre tent\u00e9s d’inf\u00e9rer \u00e0 tort que le n\u00e9vrosisme n’est pas un facteur pronostique de la s\u00e9v\u00e9rit\u00e9 du trouble panique, sous pr\u00e9texte que le p<\/em>-value n’atteint pas le seuil de significativit\u00e9 au sein de leur cohorte hospitali\u00e8re restreinte. L’impossibilit\u00e9 de g\u00e9n\u00e9raliser les relations observ\u00e9es d’un sous-groupe clinique \u00e0 la population g\u00e9n\u00e9rale saine \u2014 o\u00f9 le continuum complet de variance permettrait d’observer une corr\u00e9lation robuste \u2014 est l’un des facteurs majeurs de divergence entre les \u00e9tudes cliniques institutionnelles et les grandes enqu\u00eates \u00e9pid\u00e9miologiques communautaires.<\/p>\n Dans la recherche cognitive et psychologique fondamentale, la restriction d’\u00e9tendue ne proc\u00e8de pas toujours d’un filtre d’\u00e9chantillonnage d\u00e9mographique externe ; elle est fr\u00e9quemment engendr\u00e9e de mani\u00e8re endog\u00e8ne par les propri\u00e9t\u00e9s psychom\u00e9triques d\u00e9fectueuses des instruments de mesure eux-m\u00eames. On parle alors d’effet de plancher<\/strong> (floor effect<\/em>) ou d’effet de plafond<\/strong> (ceiling effect<\/em>).<\/p>\n Un effet de plafond se manifeste lorsqu’un test d’aptitude cognitive, un questionnaire d’\u00e9valuation scolaire ou une t\u00e2che de m\u00e9moire de travail s’av\u00e8re d’une difficult\u00e9 si faible que la majorit\u00e9 des participants obtiennent le score maximal th\u00e9orique possible permis par l’\u00e9chelle. R\u00e9ciproquement, un effet de plancher survient lorsque l’\u00e9preuve est tellement ardue ou inadapt\u00e9e \u00e0 la population \u00e9valu\u00e9e qu’une fraction massive des sujets s’agglutine au score minimal th\u00e9orique (souvent le score z\u00e9ro). Dans les deux cas, l’instrument de mesure agit comme une barri\u00e8re m\u00e9canique rigide qui censure brutalement la distribution continue sous-jacente des aptitudes r\u00e9elles des participants.<\/p>\n Cette saturation psychom\u00e9trique d\u00e9truit l’information discriminante aux extr\u00e9mit\u00e9s de la distribution. Deux individus obtenant un score maximal parfait \u00e0 une t\u00e2che cognitive peuvent en r\u00e9alit\u00e9 poss\u00e9der des capacit\u00e9s latentes consid\u00e9rablement divergentes que le test s’est av\u00e9r\u00e9 incapable de capturer. Lors de l’analyse statistique, la variance observ\u00e9e est artificiellement rabot\u00e9e, comprimant drastiquement les corr\u00e9lations reliant cette variable satur\u00e9e \u00e0 d’autres construits cognitifs. Une confusion m\u00e9thodologique persistante consiste \u00e0 interpr\u00e9ter cette faiblesse de corr\u00e9lation comme une absence substantielle de lien psychologique entre les fonctions cognitives \u00e9valu\u00e9es, alors qu’elle ne fait que trahir le calibrage inad\u00e9quat et le manque de pouvoir discriminant de l’outil de mesure.<\/p>\n L’un des d\u00e9bats les plus virulents de la psychologie diff\u00e9rentielle contemporaine concerne la relation entre le quotient intellectuel (QI<\/a>) et la cr\u00e9ativit\u00e9 ou l’accomplissement professionnel exceptionnel chez les individus hautement dou\u00e9s. Depuis plusieurs d\u00e9cennies, de nombreuses publications avancent ce qui est commun\u00e9ment d\u00e9nomm\u00e9 l’hypoth\u00e8se du seuil d’intelligence<\/em> (propos\u00e9e initialement par Ellis Paul Torrance), stipulant qu’au-del\u00e0 d’un QI d’environ 120, la corr\u00e9lation entre capacit\u00e9s intellectuelles g\u00e9n\u00e9rales et cr\u00e9ativit\u00e9 s’\u00e9teindrait pour devenir statistiquement n\u00e9gligeable.<\/p>\n De m\u00eame, il est fr\u00e9quemment observ\u00e9 que la corr\u00e9lation entre les scores de QI et la r\u00e9ussite acad\u00e9mique au sein des promotions d’\u00e9tudiants admis dans les grandes \u00e9coles scientifiques (comme Polytechnique ou les fili\u00e8res m\u00e9dicales s\u00e9lectives) s’effondre comparativement aux corr\u00e9lations observ\u00e9es dans les cohortes du secondaire. Des essayistes non statisticiens en concluent r\u00e9guli\u00e8rement que l’intelligence g\u00e9n\u00e9rale cesserait de pr\u00e9dire l’excellence d\u00e8s lors que l’on atteint les strates sup\u00e9rieures du fonctionnement cognitif humain.<\/p>\n Pourtant, une analyse psychom\u00e9trique rigoureuse d\u00e9montre que cette \u00ab disparition \u00bb de la corr\u00e9lation chez les \u00e9lites intellectuelles constitue une illustration embl\u00e9matique de restriction unilat\u00e9rale s\u00e9v\u00e8re de la variance. Dans un \u00e9chantillon d’\u00e9l\u00e8ves ing\u00e9nieurs admis sur concours avec des seuils de QI mesur\u00e9s syst\u00e9matiquement au-del\u00e0 du 98e centile (QI moyen sup\u00e9rieur \u00e0 130 avec un \u00e9cart-type r\u00e9siduel tr\u00e8s faible de 4 ou 5 points au lieu des 15 points habituels de la population g\u00e9n\u00e9rale), la variance de X<\/em> est compress\u00e9e de plus de 80 %. Lorsque l’on r\u00e9applique les \u00e9quations de correction psychom\u00e9triques r\u00e9tablissant la distribution normale sans troncature, la relation entre facteur g<\/em> et cr\u00e9ativit\u00e9 ou accomplissement complexe r\u00e9appara\u00eet avec vigueur et constance le long de l’int\u00e9gralit\u00e9 du spectre cognitif, infirmant l’hypoth\u00e8se d’une rupture qualitative du fonctionnement intellectuel au sommet de la distribution.<\/p>\n L’av\u00e8nement des m\u00e9thodes quantitatives d’agr\u00e9gation de donn\u00e9es au cours du dernier quart du XXe si\u00e8cle a profond\u00e9ment r\u00e9volutionn\u00e9 l’\u00e9pist\u00e9mologie des sciences comportementales. Sous l’impulsion pionni\u00e8re de psychologues et m\u00e9thodologistes tels que Frank L. Schmidt<\/a> et John E. Hunter, la m\u00e9ta-analyse psychom\u00e9trique s’est constitu\u00e9e en r\u00e9ponse \u00e0 l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 conflictuelle inexplicable qui caract\u00e9risait alors les revues de litt\u00e9rature narrative.<\/p>\n Hunter et Schmidt ont d\u00e9montr\u00e9 qu’une grande part de la variabilit\u00e9 observ\u00e9e entre les tailles d’effet rapport\u00e9es par diff\u00e9rentes \u00e9tudes portant sur une question identique ne relevait nullement de mod\u00e9rateurs substantiels (tels que des diff\u00e9rences culturelles, des nuances contextuelles d’entreprises ou des variations d\u00e9mographiques subtiles), mais r\u00e9sultait de l’action pernicieuse d’une s\u00e9rie d’art\u00e9facts statistiques m\u00e9thodologiques<\/strong>. Parmi ces art\u00e9facts d\u00e9l\u00e9t\u00e8res, l’erreur d’\u00e9chantillonnage (li\u00e9e \u00e0 la taille modeste des \u00e9chantillons individuels), l’infid\u00e9lit\u00e9 de mesure des instruments et, pr\u00e9cis\u00e9ment, la restriction d’\u00e9tendue diff\u00e9rentielle<\/em> jouent les r\u00f4les de perturbateurs pr\u00e9dominants.<\/p>\n La th\u00e9orie de la g\u00e9n\u00e9ralisation de la validit\u00e9 de Hunter et Schmidt postule qu’en l’absence de correction rigoureuse pour ces art\u00e9facts statistiques, les m\u00e9ta-analyses conventionnelles se contentent de moyenner des indices fondamentalement incomparables et fauss\u00e9s d\u00e8s leur origine. En d\u00e9veloppant des algorithmes formels permettant de purifier les estimations m\u00e9ta-analytiques de l’effet d’att\u00e9nuation caus\u00e9 par la restriction de variance, ils ont pu \u00e9tablir que les v\u00e9rit\u00e9s scientifiques en psychologie \u00e9taient beaucoup plus robustes, g\u00e9n\u00e9ralisables et invariantes qu’on ne le soup\u00e7onnait alors au milieu des ann\u00e9es 1970.<\/p>\n L’ignorance ou le traitement superficiel de la restriction d’\u00e9tendue dans une synth\u00e8se quantitative expose la m\u00e9ta-analyse \u00e0 un risque syst\u00e9mique d’accumulation et de propagation d’erreurs d’inf\u00e9rence. Si dix \u00e9tudes primaires incluses dans une m\u00e9ta-analyse ont op\u00e9r\u00e9 des s\u00e9lections d’\u00e9chantillons avec des taux de coupure radicaux (par exemple, des ratios d’\u00e9cart-type de u = 0,40<\/em>), calculer une moyenne pond\u00e9r\u00e9e par la taille d’\u00e9chantillon des corr\u00e9lations de Pearson brutes produira une taille d’effet agr\u00e9g\u00e9e massivement sous-estim\u00e9e. Cette sous-estimation collective ne fait que donner une illusion de robustesse et de pr\u00e9cision math\u00e9matique accrue \u00e0 une mesure fondamentalement d\u00e9vi\u00e9e de la r\u00e9alit\u00e9 ontologique.<\/p>\n De surcro\u00eet, le degr\u00e9 de restriction d’\u00e9tendue fluctue de mani\u00e8re anarchique d’une \u00e9tude primaire \u00e0 l’autre au sein d’une m\u00eame litt\u00e9rature empirique. Une \u00e9quipe de chercheurs travaillant sur des ouvriers non qualifi\u00e9s aura pu obtenir un \u00e9chantillon \u00e0 variance quasi normale, tandis qu’une autre \u00e9quipe \u00e9valuant des gestionnaires de portefeuille aura interrog\u00e9 une cohorte ultra-s\u00e9lectionn\u00e9e. Comparer directement les corr\u00e9lations brutes de ces deux \u00e9tudes sans standardiser pr\u00e9alablement leur \u00e9tendue de variance respective g\u00e9n\u00e8re une variance inter-\u00e9tudes totalement artificielle, faussement interpr\u00e9t\u00e9e par les analystes comme l’indice d’une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 substantielle n\u00e9cessitant l’introduction de mod\u00e8les \u00e0 effets al\u00e9atoires ou la qu\u00eate de variables mod\u00e9ratrices fant\u00f4mes.<\/p>\n Ces controverses th\u00e9oriques st\u00e9riles encombrent durablement la litt\u00e9rature scientifique. Des d\u00e9cennies de d\u00e9bats passionn\u00e9s sur la question de savoir si tel trait de personnalit\u00e9 n’op\u00e8re que dans certains secteurs d’activit\u00e9 ou si l’intelligence g\u00e9n\u00e9rale perd son pouvoir pr\u00e9dictif dans certains m\u00e9tiers complexes trouvent souvent leur d\u00e9nouement math\u00e9matique le plus limpide d\u00e8s lors que les variances sous-jacentes des pr\u00e9dicteurs sont rigoureusement harmonis\u00e9es d’une publication \u00e0 l’autre.<\/p>\n Pour neutraliser ces distorsions syst\u00e9matiques dans les synth\u00e8ses contemporaines de grande ampleur, les m\u00e9ta-analystes d\u00e9ploient des proc\u00e9dures d’ajustement statistique global standardis\u00e9es. La m\u00e9thode repose sur l’exploitation du param\u00e8tre u<\/em>, d\u00e9fini comme le ratio de l’\u00e9cart-type restreint de l’\u00e9chantillon sur l’\u00e9cart-type de la population sans s\u00e9lection (u = s \/ \u03c3<\/em>). Lorsque les valeurs du ratio u<\/em> sont rapport\u00e9es dans les \u00e9tudes primaires ou peuvent \u00eatre inf\u00e9r\u00e9es \u00e0 partir de donn\u00e9es normatives publi\u00e9es, chaque corr\u00e9lation individuelle ri<\/sub><\/em> fait l’objet d’une correction unitaire avant int\u00e9gration au corpus global.<\/p>\n Lorsque les \u00e9tudes primaires omettent de mentionner l’\u00e9cart-type observ\u00e9 de leur \u00e9chantillon restreint \u2014 omission h\u00e9las fr\u00e9quente dans la litt\u00e9rature psychologique \u2014, Hunter et Schmidt ont introduit la technique des distributions d’art\u00e9facts<\/strong>. Cette proc\u00e9dure probabiliste compile les informations partielles disponibles sur les distributions du ratio u<\/em> et de la fid\u00e9lit\u00e9 de mesure observ\u00e9es dans un sous-ensemble d’\u00e9tudes de r\u00e9f\u00e9rence repr\u00e9sentatives. Les m\u00e9ta-analystes peuvent alors calculer la moyenne et la variance asymptotique des facteurs de correction d’art\u00e9facts pour ajuster collectivement la distribution globale des corr\u00e9lations observ\u00e9es.<\/p>\n Cette m\u00e9thodologie sophistiqu\u00e9e permet non seulement d’estimer la corr\u00e9lation op\u00e9rationnelle moyenne corrig\u00e9e (not\u00e9e \u03c1\u0302<\/em>), mais \u00e9galement de calculer des intervalles de cr\u00e9dibilit\u00e9<\/strong> \u00e0 80 % ou 90 % (\u00e0 ne pas confondre avec les simples intervalles de confiance autour de la moyenne). Les intervalles de cr\u00e9dibilit\u00e9 ajust\u00e9s pour la restriction d’\u00e9tendue fournissent aux chercheurs et d\u00e9cideurs publics une mesure empirique r\u00e9aliste de l’\u00e9tendue des tailles d’effet r\u00e9elles dans la population g\u00e9n\u00e9rale, garantissant que les prises de d\u00e9cision manag\u00e9riales ou cliniques reposent sur des preuves quantitatives d\u00e9barrass\u00e9es des distorsions d’\u00e9chantillonnage.<\/p>\n L’\u00e9difice math\u00e9matique de la correction pour restriction d’\u00e9tendue repose sur l’article fondamental publi\u00e9 en 1903 par Karl Pearson<\/a> dans les Philosophical Transactions of the Royal Society of London<\/em>. Dans ce texte matriciel, Pearson r\u00e9solut le probl\u00e8me de l’estimation de la corr\u00e9lation non restreinte dans la population (not\u00e9e RXY<\/sub><\/em> ou \u03c1XY<\/sub><\/em>) \u00e0 partir de la corr\u00e9lation observ\u00e9e dans l’\u00e9chantillon tronqu\u00e9 (not\u00e9e rxy<\/sub><\/em>), dans le cas o\u00f9 la s\u00e9lection s’est op\u00e9r\u00e9e de mani\u00e8re directe et univari\u00e9e sur la variable pr\u00e9dictive X<\/em> (le mod\u00e8le historique d\u00e9nomm\u00e9 Cas II de Pearson<\/strong>).<\/p>\n La formule analytique ferm\u00e9e d\u00e9duite par Pearson s’articule autour du ratio d’\u00e9cart-type, universellement d\u00e9sign\u00e9 sous le symbole uX<\/sub><\/em>, d\u00e9fini par le rapport de la dispersion de l’\u00e9chantillon restreint sur la dispersion de la population de r\u00e9f\u00e9rence non restreinte :<\/p>\n \n uX<\/sub> = s![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/restrictedRange0.png\")
<\/figure>\n1. D\u00e9finition fondamentale et principes conceptuels de la restriction d’\u00e9tendue<\/h2>\n
1.1 Origine statistique et concept de base<\/h3>\n
1.2 Diff\u00e9renciation entre variance observ\u00e9e et variance r\u00e9elle de la population<\/h3>\n
1.3 Importance du ph\u00e9nom\u00e8ne en sciences psychologiques et comportementales<\/h3>\n
2. M\u00e9canismes math\u00e9matiques sous-jacents de la corr\u00e9lation et impact de la restriction<\/h2>\n
2.1 Le coefficient de corr\u00e9lation de Pearson et ses hypoth\u00e8ses<\/h3>\n
2.2 L’effet de la r\u00e9duction de la variance sur le num\u00e9rateur et le d\u00e9nominateur<\/h3>\n
2.3 Cons\u00e9quences g\u00e9om\u00e9triques sur le nuage de points et la r\u00e9gression<\/h3>\n
![\"Scatterplot](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/restrictedRange2.png\")
3. Typologie formelle : Restriction directe versus restriction indirecte<\/h2>\n
3.1 La restriction directe sur la variable pr\u00e9dictive<\/h3>\n
3.2 La restriction directe sur la variable crit\u00e8re<\/h3>\n
3.3 La restriction indirecte ou fortuite via une tierce variable<\/h3>\n
4. Manifestations et enjeux en psychologie du travail et s\u00e9lection du personnel<\/h2>\n
4.1 Le paradoxe de la s\u00e9lection des candidats hautement qualifi\u00e9s<\/h3>\n
![\"Restricted](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/restrictedRange1.png\")
4.2 Sous-estimation de la validit\u00e9 pr\u00e9dictive des instruments d’\u00e9valuation<\/h3>\n
4.3 R\u00e9percussions sur l’analyse d’utilit\u00e9 organisationnelle<\/h3>\n
5. La restriction d’\u00e9tendue dans la recherche en psychologie clinique et cognitive<\/h2>\n
5.1 \u00c9chantillons cliniques homog\u00e8nes et att\u00e9nuation des corr\u00e9lations<\/h3>\n
5.2 Effets de plancher et de plafond dans les instruments psychom\u00e9triques<\/h3>\n
5.3 \u00c9tudes sur les aptitudes cognitives et le quotient intellectuel chez les \u00e9lites<\/h3>\n
6. Cons\u00e9quences m\u00e9thodologiques sur les m\u00e9ta-analyses contemporaines<\/h2>\n
6.1 L’art\u00e9fact statistique selon l’approche de Hunter et Schmidt<\/h3>\n
6.2 Risques d’accumulation d’erreurs dans l’estimation de la taille d’effet<\/h3>\n
6.3 Proc\u00e9dures d’ajustement global dans les synth\u00e8ses quantitatives<\/h3>\n
7. Formules classiques de correction : L’h\u00e9ritage de Karl Pearson<\/h2>\n
7.1 La formule univari\u00e9e historique de Pearson (Cas II)<\/h3>\n