{"id":5982,"date":"2026-09-16T03:55:17","date_gmt":"2026-09-16T03:55:17","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/tukey-vs-bonferroni-vs-scheffe-quel-test-utiliser\/"},"modified":"2026-09-16T03:55:19","modified_gmt":"2026-09-16T03:55:19","slug":"tukey-vs-bonferroni-vs-scheffe-quel-test-utiliser","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=tukey-vs-bonferroni-vs-scheffe-quel-test-utiliser","title":{"rendered":"Tukey vs. Bonferroni vs. Scheff\u00e9 : quel test devez-vous utiliser ?"},"content":{"rendered":"

Dans le domaine des sciences comportementales, de la psychologie cognitive, de la neuropsychologie et de la recherche clinique, la mod\u00e9lisation statistique des donn\u00e9es exp\u00e9rimentales constitue la cl\u00e9 de vo\u00fbte de la d\u00e9couverte empirique. Lorsqu’un protocole exp\u00e9rimental implique la comparaison de plusieurs groupes d’individus ou conditions exp\u00e9rimentales soumis \u00e0 des interventions distinctes, l’analyse de variance (ANOVA)<\/a> \u00e0 un facteur s’impose historiquement comme l’outil d’inf\u00e9rence de premier ordre. Cependant, l’obtention d’une valeur de p<\/em> statistiquement significative associ\u00e9e au test F<\/em> de Fisher ne r\u00e9sout qu’une partie infime de l’\u00e9nigme scientifique pos\u00e9e par le chercheur : elle affirme simplement que les moyennes observ\u00e9es ne proviennent pas toutes d’une m\u00eame population th\u00e9orique, sans jamais pr\u00e9ciser lesquelles diff\u00e8rent significativement les unes des autres.<\/p>\n

Cette insuffisance fondamentale du test omnibus contraint le chercheur \u00e0 d\u00e9ployer des proc\u00e9dures d’investigation secondaires d\u00e9nomm\u00e9es comparaisons multiples ou tests post-hoc. C’est pr\u00e9cis\u00e9ment \u00e0 cette \u00e9tape de l’analyse que surgit un arbitrage m\u00e9thodologique d\u00e9licat, porteur d’enjeux scientifiques consid\u00e9rables. Face \u00e0 la multitude d’approches math\u00e9matiques disponibles dans les progiciels d’analyse statistique modernes, trois figures canoniques dominent la litt\u00e9rature et divisent les praticiens : le test de la diff\u00e9rence honn\u00eatement significative de Tukey (Tukey’s HSD), la correction universelle de Bonferroni et la m\u00e9thode globale des contrastes de Scheff\u00e9. Chacun de ces outils repose sur des hypoth\u00e8ses distributionnelles particuli\u00e8res, propose un \u00e9quilibre singulier entre la protection contre les faux positifs et la puissance statistique, et r\u00e9pond \u00e0 des objectifs de recherche distincts.<\/p>\n

Choisir l’une de ces m\u00e9thodes par simple habitude logicielle ou par mim\u00e9tisme \u00e9ditorial constitue un risque m\u00e9thodologique majeur pouvant compromettre la reproductibilit\u00e9 des conclusions scientifiques. Une proc\u00e9dure excessivement conservatrice condamne le chercheur \u00e0 l’erreur de type II, masquant des effets th\u00e9rapeutiques ou comportementaux pourtant bien r\u00e9els ; \u00e0 l’inverse, une proc\u00e9dure trop lib\u00e9rale gonfle artificiellement le taux de faux positifs, alimentant la crise de la r\u00e9plication qui frappe la psychologie contemporaine. Cet article fournit une analyse th\u00e9orique, math\u00e9matique et pratique exhaustive du triumvirat compos\u00e9 par Tukey, Bonferroni et Scheff\u00e9, afin d’offrir aux chercheurs, analystes de donn\u00e9es et \u00e9tudiants avanc\u00e9s une boussole d\u00e9cisionnelle rigoureuse et p\u00e9renne.<\/p>\n

1. Fondements de l’analyse post-hoc apr\u00e8s une ANOVA en psychologie<\/h2>\n

1.1 Limites intrins\u00e8ques de l’ANOVA unidirectionnelle<\/h3>\n

L’analyse de variance unidirectionnelle repose sur la d\u00e9composition de la variance totale des donn\u00e9es en deux composantes fondamentales : la variance factorielle (ou inter-groupes), attribuable aux manipulations exp\u00e9rimentales, et la variance r\u00e9siduelle (ou intra-groupes), qui capture les variations individuelles et les erreurs de mesure al\u00e9atoires. Le rapport de ces deux variances g\u00e9n\u00e8re le ratio de Snedecor-Fisher ($F$<\/span>). Lorsque ce ratio d\u00e9passe la valeur critique associ\u00e9e au seuil de signification choisi (typiquement $\\alpha = 0{,}05$<\/span>), le chercheur rejette formellement l’hypoth\u00e8se nulle globale ($H_0 : \\mu_1 = \\mu_2 = dots = \\mu_k$<\/span>). Ce rejet autorise \u00e0 conclure qu’au moins une des moyennes de population diff\u00e8re d’au moins une autre. N\u00e9anmoins, le test F<\/em> est par essence un test omnibus : il poss\u00e8de une structure non directionnelle et non diff\u00e9rentielle qui agr\u00e8ge l’ensemble des \u00e9carts sans pouvoir localiser l’origine exacte du signal statistique.<\/p>\n

Dans la pratique de la recherche psychologique, o\u00f9 un plan exp\u00e9rimental peut int\u00e9grer quatre, cinq ou six conditions diff\u00e9rentes \u2014 par exemple, l’effet de plusieurs mol\u00e9cules psychotropes comparativement \u00e0 un placebo et \u00e0 une th\u00e9rapie cognitive standard \u2014, le test global laisse le chercheur dans une c\u00e9cit\u00e9 inf\u00e9rentielle compl\u00e8te. Savoir que le syst\u00e8me des moyennes n’est pas homog\u00e8ne n’indique en rien si le traitement A surpasse le traitement B, si la th\u00e9rapie standard fait mieux que le placebo, ou si la combinaison des approches pr\u00e9sente une synergie. L’incapacit\u00e9 de l’ANOVA \u00e0 cartographier les paires de moyennes divergentes rend imp\u00e9rative une analyse cons\u00e9cutive approfondie.<\/p>\n

L’erreur m\u00e9thodologique la plus grave consisterait \u00e0 sur-interpr\u00e9ter la significativit\u00e9 du test F<\/em> global pour l\u00e9gitimer de simples constats visuels \u00e0 partir des graphiques de moyennes. D\u00e9clarer qu’une condition exp\u00e9rimentale est sup\u00e9rieure \u00e0 une autre uniquement parce que sa moyenne empirique est plus haute et que l’ANOVA globale est significative constitue un biais de confirmation flagrant. L’inf\u00e9rence statistique exige que chaque comparaison sp\u00e9cifique fasse l’objet d’un contr\u00f4le rigoureux de son erreur d’\u00e9chantillonnage, sous peine de transformer de simples fluctuations al\u00e9atoires en d\u00e9couvertes th\u00e9oriques factices.<\/p>\n

\"Tukey
Tukey vs. Bonferroni vs. Scheffe post hoc tests<\/figcaption><\/figure>\n

1.2 La transition des tests omnibus vers les comparaisons multiples<\/h3>\n

Pour d\u00e9passer l’impasse du test omnibus, le statisticien dispose de deux voies \u00e9pist\u00e9mologiques distinctes : les contrastes planifi\u00e9s a priori<\/em> et les tests de comparaisons multiples a posteriori<\/em>, universellement appel\u00e9s tests post-hoc. Les contrastes a priori<\/em> sont d\u00e9duits directement des hypoth\u00e8ses th\u00e9oriques formul\u00e9es avant la collecte des donn\u00e9es. Ils ciblent un nombre restreint de questions de recherche pr\u00e9cises et b\u00e9n\u00e9ficient d’un cadre inf\u00e9rentiel particuli\u00e8rement puissant. Cependant, l’investigation empirique ne permet pas toujours d’anticiper la totalit\u00e9 des dynamiques comportementales, notamment dans les contextes exploratoires ou lors de l’\u00e9valuation de protocoles d’intervention novateurs.<\/p>\n

C’est ici qu’interviennent les tests post-hoc. Contrairement aux d\u00e9marches confirmatoires strictes, les tests post-hoc permettent d’explorer l’ensemble des diff\u00e9rences possibles entre groupes une fois les donn\u00e9es recueillies et l’ANOVA omnibus valid\u00e9e. Ils permettent de \u00ab sonder \u00bb la matrice des r\u00e9sultats sans formuler d’interdits m\u00e9thodologiques pr\u00e9liminaires. En psychologie exp\u00e9rimentale et en neurosciences, cette distinction entre recherche confirmatoire et recherche exploratoire est primordiale : les tests post-hoc constituent le garde-fou math\u00e9matique indispensable qui autorise l’exploration sans sombrer dans l’anarchie statistique.<\/p>\n

Au c\u0153ur de cet arsenal figure le grand triumvirat analytique : Tukey, Bonferroni et Scheff\u00e9. Bien qu’ils partagent le m\u00eame objectif fondamental \u2014 garantir la validit\u00e9 des conclusions multiples \u2014, ils abordent le compromis entre rigueur probabiliste et sensibilit\u00e9 de mani\u00e8re radicalement diff\u00e9rente. Tukey a con\u00e7u une technique sp\u00e9cialis\u00e9e dans la comparaison exhaustive par paires de moyennes ; Bonferroni propose une correction universelle d\u00e9riv\u00e9e de la th\u00e9orie des probabilit\u00e9s pures, applicable \u00e0 tout ensemble de tests d’hypoth\u00e8ses ; Scheff\u00e9, quant \u00e0 lui, a b\u00e2ti un cadre g\u00e9om\u00e9trique g\u00e9n\u00e9ralisant le test F<\/em> \u00e0 n’importe quel contraste lin\u00e9aire, qu’il soit simple ou complexe.<\/p>\n

1.3 Objectifs scientifiques de la r\u00e9gulation statistique<\/h3>\n

La r\u00e9gulation statistique des comparaisons multiples r\u00e9pond \u00e0 une obligation \u00e9thique et scientifique : garantir l’int\u00e9grit\u00e9 inf\u00e9rentielle des protocoles exp\u00e9rimentaux. Lorsque les chercheurs multiplient les analyses sur un m\u00eame jeu de donn\u00e9es, ils augmentent artificiellement la probabilit\u00e9 de d\u00e9couvrir un r\u00e9sultat qualifi\u00e9 de \u00ab statistiquement significatif \u00bb qui ne refl\u00e8te en r\u00e9alit\u00e9 que le bruit de mesure. Dans des protocoles comportementaux complexes comprenant des t\u00e2ches cognitives multiples, des scores psychom\u00e9triques multidimensionnels et des groupes d’\u00e2ge vari\u00e9s, la multiplication anarchique des tests d’hypoth\u00e8ses ruine la valeur probante des inf\u00e9rences.<\/p>\n

Un autre objectif fondamental de ces m\u00e9thodes de r\u00e9gulation r\u00e9side dans l’\u00e9limination syst\u00e9matique du cherry-picking<\/em> (le tri opportuniste des donn\u00e9es). Sans un cadre post-hoc standardis\u00e9 et contraignant, un chercheur peu scrupuleux ou inconscient des pi\u00e8ges stochastiques pourrait \u00eatre tent\u00e9 de n’extraire et de ne commenter que la paire de conditions exp\u00e9rimentales affichant une valeur de p<\/em> brute inf\u00e9rieure \u00e0 0,05, en passant sous silence les dizaines d’autres comparaisons non concluantes men\u00e9es en coulisses. Les corrections post-hoc imposent une p\u00e9nalit\u00e9 math\u00e9matique proportionnelle \u00e0 la libert\u00e9 d’exploration prise par l’analyste.<\/p>\n

Enfin, le maintien d’une r\u00e9gulation stricte est la condition sine qua non<\/em> de la reproductibilit\u00e9 scientifique. La psychologie contemporaine a \u00e9t\u00e9 profond\u00e9ment \u00e9branl\u00e9e par la prise de conscience que de nombreux effets classiques publi\u00e9s dans des revues prestigieuses \u00e9taient impossibles \u00e0 r\u00e9pliquer. L’usage indiscrimin\u00e9 de tests statistiques mal contr\u00f4l\u00e9s, coupl\u00e9 \u00e0 une inflation du taux de faux positifs, a \u00e9t\u00e9 identifi\u00e9 comme l’une des causes majeures de cette crise. Comprendre et appliquer avec rigueur les m\u00e9thodes de Tukey, Bonferroni et Scheff\u00e9 repr\u00e9sente ainsi un acte d’assainissement m\u00e9thodologique indispensable pour quiconque souhaite produire une science p\u00e9renne.<\/p>\n

2. Le probl\u00e8me de la multiplicit\u00e9 et le taux d’erreur par famille (FWER)<\/h2>\n

2.1 M\u00e9canisme math\u00e9matique de l’inflation de l’erreur de type I<\/h3>\n

Pour appr\u00e9hender la n\u00e9cessit\u00e9 vitale des tests post-hoc, il convient d’analyser la dynamique stochastique qui sous-tend la r\u00e9p\u00e9tition d’\u00e9preuves statistiques ind\u00e9pendantes ou partiellement d\u00e9pendantes. Lorsque l’on effectue un test d’hypoth\u00e8se unique, tel qu’un test t<\/em> de Student pour deux \u00e9chantillons ind\u00e9pendants, le niveau de risque de premi\u00e8re esp\u00e8ce (erreur de type I) est traditionnellement fix\u00e9 \u00e0 $\\alpha = 0{,}05$<\/span>. Cela signifie que si l’hypoth\u00e8se nulle est strictement vraie dans la population, il demeure une probabilit\u00e9 de $5,%$<\/span> de la rejeter \u00e0 tort, attribuant au hasard une diff\u00e9rence inexistante. La probabilit\u00e9 de ne pas commettre d’erreur sur ce test isol\u00e9 est donc le compl\u00e9mentaire, soit $1 – \\alpha = 0{,}95$<\/span>.<\/p>\n

Consid\u00e9rons \u00e0 pr\u00e9sent une exp\u00e9rience impliquant $k$<\/span> groupes ind\u00e9pendants. Le nombre total de comparaisons par paires deux \u00e0 deux possibles est donn\u00e9 par la formule combinatoire :<\/p>\n

$m = \\frac{k(k – 1)}{2}$<\/span><\/strong><\/p>\n

Si un chercheur commettait l’h\u00e9r\u00e9sie m\u00e9thodologique d’appliquer $m$<\/span> tests t<\/em> de Student ind\u00e9pendants pour explorer ces paires sans aucun ajustement, la probabilit\u00e9 conjointe de ne commettre aucune erreur de type I sur l’ensemble des $m$<\/span> tests (en supposant l’ind\u00e9pendance statistique des comparaisons) chuterait \u00e0 $(1 – \\alpha)^m$<\/span>. D\u00e8s lors, la probabilit\u00e9 d’observer au moins une d\u00e9cision faussement positive parmi l’ensemble des tests \u2014 ce que l’on appelle le taux d’erreur global ou par famille \u2014 s’\u00e9l\u00e8ve math\u00e9matiquement \u00e0 :<\/p>\n

$\\alpha_{\\text{global}} = 1 – (1 – \\alpha)^m$<\/span><\/strong><\/p>\n

Cette relation met en lumi\u00e8re une croissance quasi exponentielle du risque d’erreur au fur et \u00e0 mesure que le nombre de groupes s’accro\u00eet. Prenons l’exemple concret d’une recherche clinique \u00e9valuant cinq conditions th\u00e9rapeutiques ($k = 5$<\/span>). Le nombre de comparaisons deux \u00e0 deux s’\u00e9tablit \u00e0 :<\/p>\n

$m = \\frac{5 \\times 4}{2} = 10\\text{ paires}$<\/span><\/strong><\/p>\n

En conservant un seuil nominal de $\\alpha = 0{,}05$<\/span> pour chaque test individuel, le taux d’erreur global s’\u00e9l\u00e8ve \u00e0 :<\/p>\n

$\\alpha_{\\text{global}} = 1 – (1 – 0{,}05)^{10} = 1 – (0{,}95)^{10} \\approx 1 – 0{,}5987 = 0{,}4013$<\/span><\/strong><\/p>\n

Autrement dit, le chercheur a plus de $40,%$<\/span> de risque de d\u00e9clarer \u00e0 tort au moins une diff\u00e9rence significative dans son \u00e9tude, alors m\u00eame que l’hypoth\u00e8se nulle globale serait parfaitement v\u00e9rifi\u00e9e. L’accumulation de tests t<\/em> de Student conventionnels apr\u00e8s une ANOVA est une strat\u00e9gie analytique suicidaire sur le plan inf\u00e9rentiel.<\/p>\n

2.2 D\u00e9finition formelle du Family-Wise Error Rate (FWER)<\/h3>\n

Pour endiguer ce ph\u00e9nom\u00e8ne d’inflation stochastique, la th\u00e9orie statistique moderne a formalis\u00e9 le concept de Family-Wise Error Rate<\/em> (FWER), ou taux d’erreur par famille de comparaisons. Le FWER se d\u00e9finit comme la probabilit\u00e9 d’affirmer \u00e0 tort au moins une d\u00e9couverte statistique (commettre au moins une erreur de type I) au sein d’un ensemble pr\u00e9d\u00e9fini \u2014 une \u00ab famille \u00bb \u2014 de tests d’hypoth\u00e8ses formul\u00e9s sur le m\u00eame ensemble de donn\u00e9es. Le FWER s’oppose conceptuellement au Per-Comparison Error Rate<\/em> (PCER), qui correspond simplement au risque d’erreur consenti sur un test pris isol\u00e9ment, ind\u00e9pendamment de tous les autres.<\/p>\n

Dans l’\u00e9valuation des propri\u00e9t\u00e9s d’une proc\u00e9dure statistique, on distingue deux niveaux d’exigence de contr\u00f4le du FWER : le contr\u00f4le au sens faible (weak control<\/em>) et le contr\u00f4le au sens fort (strong control<\/em>). Le contr\u00f4le au sens faible garantit que le taux d’erreur par famille ne d\u00e9passe pas le niveau nominal $\\alpha$<\/span> uniquement sous l’hypoth\u00e8se nulle globale absolue, c’est-\u00e0-dire dans la configuration o\u00f9 toutes les moyennes de population sans exception sont parfaitement \u00e9gales. Cependant, ce crit\u00e8re s’av\u00e8re insuffisant dans la recherche empirique r\u00e9elle, car il est fr\u00e9quent qu’une partie des groupes diff\u00e8re r\u00e9ellement tandis qu’un sous-ensemble demeure invariant.<\/p>\n

Le contr\u00f4le au sens fort exige que le FWER soit maintenu inf\u00e9rieur ou \u00e9gal \u00e0 $\\alpha$<\/span> quelle que soit la configuration des moyennes sous-jacentes, qu’elles soient toutes \u00e9gales ou que seules certaines d’entre elles le soient (hypoth\u00e8ses nulles partielles). Les m\u00e9thodes post-hoc valid\u00e9es par la communaut\u00e9 statistique \u2014 au premier rang desquelles figurent Tukey, Bonferroni et Scheff\u00e9 \u2014 assurent toutes un contr\u00f4le au sens fort du FWER. Cette garantie math\u00e9matique constitue la pierre angulaire de la cr\u00e9dibilit\u00e9 des publications scientifiques, attestant que le dispositif m\u00e9thodologique ne produit pas d’artefacts statistiques par simple jeu combinatoire.<\/p>\n

2.3 Cons\u00e9quences \u00e9pist\u00e9mologiques pour la recherche clinique et cognitive<\/h3>\n

L’omission de la r\u00e9gulation du FWER engendre des ravages \u00e9pist\u00e9mologiques majeurs, en particulier dans les disciplines appliqu\u00e9es telles que la psychologie clinique, la psychiatrie biologique et la neuropsychologie. Dans un essai th\u00e9rapeutique explorant diff\u00e9rents dosages ou variantes d’une psychoth\u00e9rapie face \u00e0 des groupes t\u00e9moins, d\u00e9clarer un effet diff\u00e9rentiel significatif sur la base d’un test non ajust\u00e9 peut conduire \u00e0 l’homologation ou \u00e0 la promotion de prises en charge cliniques sans r\u00e9elle valeur ajout\u00e9e. L’impact se mesure ici en termes de co\u00fbts financiers pour la sant\u00e9 publique et d’opportunit\u00e9s de soins perdues pour les patients.<\/p>\n

Sur le plan fondamental, l’histoire r\u00e9cente des neurosciences cognitives et de la g\u00e9n\u00e9tique comportementale offre un cas d’\u00e9cole des dangers de la multiplicit\u00e9 non contr\u00f4l\u00e9e. Durant les ann\u00e9es 2000, la prolif\u00e9ration d’\u00e9tudes d’imagerie par r\u00e9sonance magn\u00e9tique fonctionnelle (IRMf) identifiant des \u00ab activations c\u00e9r\u00e9brales \u00bb corr\u00e9l\u00e9es \u00e0 des \u00e9tats mentaux a \u00e9t\u00e9 violemment remise en question lorsqu’il est apparu que des milliers de voxels \u00e9taient test\u00e9s sans contr\u00f4le rigoureux du FWER. L’illustration c\u00e9l\u00e8bre du saumon mort plac\u00e9 dans un scanner IRMf, dont les donn\u00e9es ont r\u00e9v\u00e9l\u00e9 des activations neurales statistiquement significatives lorsqu’aucun correctif n’\u00e9tait appliqu\u00e9, demeure un avertissement m\u00e9thodologique durable sur la capacit\u00e9 du hasard \u00e0 mimer le sens biologique.<\/p>\n

Face \u00e0 ce constat, les comit\u00e9s de lecture des revues internationales de premier rang, telles que le Journal of Personality and Social Psychology<\/em>, Psychological Science<\/em> ou NeuroImage<\/em>, imposent d\u00e9sormais une rigueur \u00e9ditoriale intransigeante. La soumission de manuscrits rapportant des dizaines de tests t<\/em> sans proc\u00e9dure explicite de contr\u00f4le du taux d’erreur par famille expose d\u00e9sormais les auteurs \u00e0 un rejet imm\u00e9diat. La ma\u00eetrise des m\u00e9canismes de correction n’est plus un raffinement technique optionnel, mais une condition d’\u00e9ligibilit\u00e9 \u00e0 la publication scientifique internationale.<\/p>\n

3. Le test HSD de Tukey : th\u00e9orie, principes et cadre d’utilisation<\/h2>\n

3.1 Fondements math\u00e9matiques et loi de l’\u00e9tendue Studentis\u00e9e<\/h3>\n

Con\u00e7u par le grand statisticien am\u00e9ricain John Tukey<\/a> au d\u00e9but des ann\u00e9es 1950, le test de la diff\u00e9rence honn\u00eatement significative (HSD pour Honestly Significant Difference<\/em>) a \u00e9t\u00e9 sp\u00e9cifiquement \u00e9labor\u00e9 pour r\u00e9soudre le probl\u00e8me des comparaisons par paires exhaustives. Tukey a identifi\u00e9 que l’accumulation d’erreurs de type I lors de la comparaison de plusieurs moyennes provenait de la variabilit\u00e9 inh\u00e9rente \u00e0 l’\u00e9cart maximal observ\u00e9 dans un \u00e9chantillon de moyennes ordonn\u00e9es. Pour neutraliser ce ph\u00e9nom\u00e8ne, il ne s’est pas appuy\u00e9 sur la distribution standard du t<\/em> de Student, mais a fond\u00e9 sa proc\u00e9dure sur la loi de l’\u00e9tendue Studentis\u00e9e (d\u00e9nomm\u00e9e statistique $q$<\/span>).<\/p>\n

La statistique de l’\u00e9tendue Studentis\u00e9e est d\u00e9finie comme le quotient de la diff\u00e9rence maximale entre la plus grande et la plus petite moyenne d’un \u00e9chantillon de $k$<\/span> groupes, divis\u00e9e par l’estimation de l’erreur-type de la moyenne :<\/p>\n

$q = \\frac{\\bar{X}_{\\max} – \\bar{X}_{\\min}}{\\sqrt{\\frac{MS_{\\text{r\u00e9siduel}}}{n}}}$<\/span><\/strong><\/p>\n

o\u00f9 $MS_{\\text{r\u00e9siduel}}$<\/span> repr\u00e9sente la variance moyenne r\u00e9siduelle intra-groupes tir\u00e9e de la table de l’ANOVA (le carr\u00e9 moyen des erreurs), et $n$<\/span> la taille des \u00e9chantillons (suppos\u00e9s ici \u00e9gaux). La distribution th\u00e9orique de $q$<\/span> d\u00e9pend non seulement des degr\u00e9s de libert\u00e9 de l’erreur ($df_e = N – k$<\/span>), mais \u00e9galement du nombre total de groupes en comp\u00e9tition ($k$<\/span>).<\/p>\n

\u00c0 partir de cette distribution, Tukey a \u00e9tabli une formule permettant de calculer un seuil d’\u00e9cart critique unique, universellement applicable \u00e0 toutes les diff\u00e9rences de paires observ\u00e9es dans l’exp\u00e9rience :<\/p>\n

$HSD = q_{\\alpha, k, df_e} \\times \\sqrt{\\frac{MS_{\\text{r\u00e9siduel}}}{n}}$<\/span><\/strong><\/p>\n

Dans cette formulation, $q_{\\alpha, k, df_e}$<\/span> repr\u00e9sente la valeur critique tabul\u00e9e de l’\u00e9tendue Studentis\u00e9e pour le niveau de risque $\\alpha$<\/span> choisi. Toute paire de moyennes dont la diff\u00e9rence absolue $|\\bar{X}_i – \\bar{X}_j|$<\/span> est strictement sup\u00e9rieure \u00e0 la valeur critique $HSD$<\/span> est d\u00e9clar\u00e9e statistiquement significative au niveau global de protection $\\alpha$<\/span>. Le g\u00e9nie de cette m\u00e9thode r\u00e9side dans le fait qu’elle module automatiquement l’exigence critique en fonction du nombre total de moyennes dans la famille, garantissant un contr\u00f4le rigoureux du FWER pour l’ensemble des comparaisons possibles.<\/p>\n

3.2 Conditions d’application et postulats fondamentaux<\/h3>\n

L’\u00e9l\u00e9gance et la pr\u00e9cision statistique du test HSD de Tukey reposent sur des postulats param\u00e9triques stricts que l’exp\u00e9rimentateur ne doit pas n\u00e9gliger. La premi\u00e8re condition d’application concerne la distribution des r\u00e9sidus : la variable d\u00e9pendante doit suivre une loi normale au sein de chacune des populations correspondant aux $k$<\/span> conditions exp\u00e9rimentales. Si de l\u00e9g\u00e8res d\u00e9viations de la normalit\u00e9 sont g\u00e9n\u00e9ralement tol\u00e9r\u00e9es lorsque les effectifs sont substantiels gr\u00e2ce au th\u00e9or\u00e8me central limite, des asym\u00e9tries prononc\u00e9es ou des kurtosis extr\u00eames peuvent biaiser le calcul de la statistique $q$<\/span>.<\/p>\n

La deuxi\u00e8me condition, absolument fondamentale pour la validit\u00e9 du test de Tukey original, est l’homog\u00e9n\u00e9it\u00e9 des variances ou homosc\u00e9dasticit\u00e9 ($\\sigma_1^2 = \\sigma_2^2 = dots = \\sigma_k^2$<\/span>). Le calcul de l’erreur-type s’appuie directement sur la mise en commun de la variance r\u00e9siduelle issue de l’ensemble du dispositif exp\u00e9rimental ($MS_{\\text{r\u00e9siduel}}$<\/span>). Si cette hypoth\u00e8se d’homog\u00e9n\u00e9it\u00e9 est viol\u00e9e de mani\u00e8re importante \u2014 ce que r\u00e9v\u00e8lent des tests pr\u00e9alables comme le test de Levene ou de Brown-Forsythe \u2014, le test HSD standard peut devenir excessivement lib\u00e9ral (taux d’erreur de premi\u00e8re esp\u00e8ce incontr\u00f4l\u00e9) ou artificiellement conservateur, selon la r\u00e9partition des tailles d’\u00e9chantillons au sein des variances h\u00e9t\u00e9rog\u00e8nes.<\/p>\n

Enfin, le mod\u00e8le postule l’ind\u00e9pendance stricte des observations et des erreurs de mesure. Les sujets doivent \u00eatre affect\u00e9s aux groupes de mani\u00e8re totalement al\u00e9atoire et non appari\u00e9e, sans corr\u00e9lations spatiales, temporelles ou hi\u00e9rarchiques non mod\u00e9lis\u00e9es. Dans sa version originale, le test de Tukey exigeait imp\u00e9rativement des effectifs d’\u00e9chantillons strictement \u00e9gaux ($n_1 = n_2 = dots = n_k$<\/span>). Cette contrainte d’\u00e9quilibrage a longtemps constitu\u00e9 son principal frein dans les recherches en psychologie de terrain, o\u00f9 les pertes de participants en cours d’exp\u00e9rimentation (attrition) sont courantes.<\/p>\n

3.3 Adaptation aux groupes d\u00e9s\u00e9quilibr\u00e9s : le test de Tukey-Kramer<\/h3>\n

Face \u00e0 l’omnipr\u00e9sence des plans de recherche comportant des effectifs in\u00e9gaux en sciences sociales et en psychologie clinique, Clyde Kramer a propos\u00e9 en 1956 une g\u00e9n\u00e9ralisation math\u00e9matique \u00e9l\u00e9gante du test de Tukey, d\u00e9sign\u00e9e sous le nom de proc\u00e9dure de Tukey-Kramer. Cette avanc\u00e9e m\u00e9thodologique permet d’appliquer la logique de l’\u00e9tendue Studentis\u00e9e \u00e0 des groupes poss\u00e9dant des effectifs distincts ($n_i \\neq n_j$<\/span>), tout en maintenant un contr\u00f4le robuste du FWER.<\/p>\n

L’adaptation repose sur la substitution de la taille fixe d’\u00e9chantillon $n$<\/span> par la moyenne harmonique des effectifs respectifs des deux groupes compar\u00e9s. La formulation de l’erreur-type associ\u00e9e \u00e0 la diff\u00e9rence entre les moyennes $i$<\/span> et $j$<\/span> prend alors la forme suivante :<\/p>\n

$SE_{ij} = \\sqrt{\\frac{MS_{\\text{r\u00e9siduel}}}{2} \\left(\\frac{1}{n_i} + \\frac{1}{n_j}\\right)}$<\/span><\/strong><\/p>\n

L’\u00e9cart critique de Tukey-Kramer devient ainsi sp\u00e9cifique \u00e0 chaque paire de groupes \u00e9valu\u00e9e :<\/p>\n

$HSD_{ij} = q_{\\alpha, k, df_e} \\times \\sqrt{\\frac{MS_{\\text{r\u00e9siduel}}}{2} \\left(\\frac{1}{n_i} + \\frac{1}{n_j}\\right)}$<\/span><\/strong><\/p>\n

Des d\u00e9monstrations analytiques exhaustives, consolid\u00e9es par Hayter en 1984, ont prouv\u00e9 que la proc\u00e9dure de Tukey-Kramer est non seulement math\u00e9matiquement exacte lorsque les variances sont homog\u00e8nes, mais qu’elle pr\u00e9sente un profil l\u00e9g\u00e8rement conservateur lorsque les tailles d’\u00e9chantillons diff\u00e8rent. Cela signifie que le FWER r\u00e9el demeure toujours inf\u00e9rieur ou \u00e9gal au seuil nominal $\\alpha$<\/span>. En cons\u00e9quence, dans les progiciels statistiques contemporains (R, SPSS, JASP), la s\u00e9lection de l’option \u00ab Tukey \u00bb d\u00e9clenche automatiquement l’algorithme de Tukey-Kramer d\u00e8s que le jeu de donn\u00e9es pr\u00e9sente un d\u00e9s\u00e9quilibre num\u00e9rique d’\u00e9chantillonnage, assurant une transition transparente et rigoureuse pour l’utilisateur.<\/p>\n

4. La m\u00e9thode de Bonferroni : rigueur, simplicit\u00e9 et compromis statistique<\/h2>\n

4.1 Principe de l’in\u00e9galit\u00e9 de Boole-Bonferroni<\/h3>\n

Parmi l’ensemble des m\u00e9thodes correctives existantes, la proc\u00e9dure de Bonferroni est sans conteste la plus intuitive, la plus c\u00e9l\u00e8bre et la plus largement diffus\u00e9e dans les sciences biom\u00e9dicales et comportementales. Son fondement ne d\u00e9rive pas d’une distribution statistique particuli\u00e8re ou de la g\u00e9om\u00e9trie de la d\u00e9composition de variance, mais d’un axiome \u00e9l\u00e9mentaire de la th\u00e9orie math\u00e9matique des probabilit\u00e9s : l’in\u00e9galit\u00e9 de Boole-Bonferroni<\/a>. Cette in\u00e9galit\u00e9 postule que pour toute r\u00e9union finie d’\u00e9v\u00e9nements stochastiques al\u00e9atoires, la probabilit\u00e9 que l’un d’entre eux se produise est toujours inf\u00e9rieure ou \u00e9gale \u00e0 la somme arithm\u00e9tique de leurs probabilit\u00e9s individuelles :<\/p>\n

$P\\left(\\big\\cup_{i=1}^{m} A_i\\right) le \\sum_{i=1}^{m} P(A_i)$<\/span><\/strong><\/p>\n

Transpos\u00e9e au domaine du test d’hypoth\u00e8ses, si nous r\u00e9alisons une famille de $m$<\/span> comparaisons distinctes et que nous attribuons \u00e0 chaque test un niveau d’erreur individuel not\u00e9 $\\alpha_{\\text{PCER}}$<\/span>, la probabilit\u00e9 de commettre au moins une erreur de type I sur l’ensemble de la famille ($FWER$<\/span>) ne peut jamais exc\u00e9der la somme des risques individuels :<\/p>\n

$FWER le \\sum_{i=1}^{m} \\alpha_{\\text{PCER}} = m \\times \\alpha_{\\text{PCER}}$<\/span><\/strong><\/p>\n

D\u00e8s lors, pour garantir de mani\u00e8re absolue que le FWER ne franchisse jamais le seuil global cible $\\alpha_{\\text{FWER}}$<\/span> (par exemple 0,05), il suffit d’imposer \u00e0 chaque comparaison individuelle un seuil de d\u00e9cision ajust\u00e9, extr\u00eamement s\u00e9v\u00e8re :<\/p>\n

$\\alpha_{\\text{ajust\u00e9}} = \\frac{\\alpha_{\\text{FWER}}}{m}$<\/span><\/strong><\/p>\n

Dans la pratique moderne, plut\u00f4t que de fractionner le seuil alpha nominal, les analystes pr\u00e9f\u00e8rent multiplier directement la valeur de p<\/em> brute observ\u00e9e par le nombre total de comparaisons effectu\u00e9es ($p_{\\text{ajust\u00e9}} = p_{\\text{brute}} \\times m$<\/span>), en bornant math\u00e9matiquement le r\u00e9sultat obtenu \u00e0 1,0. L’attrait fondamental de la m\u00e9thode de Bonferroni r\u00e9side dans son universalit\u00e9 totale : elle s’applique \u00e0 des tests t<\/em>, des r\u00e9gressions, des corr\u00e9lations de Pearson, des tests non param\u00e9triques de Wilcoxon ou des tables de contingence de Wilcoxon, sans requ\u00e9rir aucune hypoth\u00e8se sur la nature du plan exp\u00e9rimental sous-jacent.<\/p>\n

4.2 Le co\u00fbt m\u00e9thodologique : l’effondrement de la puissance statistique<\/h3>\n

Cette universalit\u00e9 conceptuelle et cette \u00e9l\u00e9gante simplicit\u00e9 arithm\u00e9tique se paient toutefois au prix fort : un effondrement dramatique de la puissance statistique<\/a> ($1 – \\beta$<\/span>). L’in\u00e9galit\u00e9 de Boole constitue une borne sup\u00e9rieure pessimiste. En consid\u00e9rant le pire des sc\u00e9narios probabilistes, Bonferroni traite les diff\u00e9rents tests comme s’ils \u00e9taient enti\u00e8rement disjoints ou mutuellement exclusifs, ce qui est rarement le cas dans la r\u00e9alit\u00e9 exp\u00e9rimentale. Dans un plan exp\u00e9rimental \u00e0 mesures multiples, les donn\u00e9es sont hautement corr\u00e9l\u00e9es entre elles ; les comparaisons partagent des groupes et des variances communes.<\/p>\n

Cette sur-correction syst\u00e9matique entra\u00eene une inflation monumentale de l’erreur de type II ($\\beta$<\/span>) : la probabilit\u00e9 d’\u00e9chouer \u00e0 rejeter une hypoth\u00e8se nulle pourtant fausse augmente de mani\u00e8re exponentielle. D\u00e8s que le nombre de comparaisons $m$<\/span> devient mod\u00e9r\u00e9ment \u00e9lev\u00e9, le seuil critique chute \u00e0 des niveaux infinit\u00e9simaux. Par exemple, dans une \u00e9tude clinique \u00e0 six groupes explorant l’ensemble des 15 paires possibles, le seuil de d\u00e9cision passe de $\\alpha = 0{,}05$<\/span> \u00e0 :<\/p>\n

$\\alpha_{\\text{ajust\u00e9}} = \\frac{0{,}05}{15} \\approx 0{,}00333$<\/span><\/strong><\/p>\n

\u00c0 ce niveau de s\u00e9v\u00e9rit\u00e9, des effets th\u00e9rapeutiques d’amplitude mod\u00e9r\u00e9e mais cliniquement significatifs sont syst\u00e9matiquement rejet\u00e9s comme \u00ab non significatifs \u00bb, condamnant des recherches de grande valeur au n\u00e9ant \u00e9ditorial.<\/p>\n

En psychologie exp\u00e9rimentale et cognitive, o\u00f9 la taille des effets r\u00e9els est souvent petite \u00e0 moyenne (estim\u00e9e fr\u00e9quemment entre $d = 0{,}3$<\/span> et $d = 0{,}6$<\/span> selon les conventions de Jacob Cohen), la p\u00e9nalit\u00e9 de Bonferroni est fr\u00e9quemment l\u00e9thale pour la d\u00e9tection empirique. L’utilisation indiscrimin\u00e9e de cette m\u00e9thode pour des analyses exploratoires \u00e9tendues d\u00e9nature l’esprit de la recherche scientifique, transformant la prudence l\u00e9gitime en un aveuglement m\u00e9thodologique.<\/p>\n

4.3 Variantes modernes et am\u00e9liorations s\u00e9quentielles<\/h3>\n

Conscients de l’extr\u00eame conservatisme de l’ajustement standard de Bonferroni, les th\u00e9oriciens de la statistique ont d\u00e9velopp\u00e9 des proc\u00e9dures s\u00e9quentielles capables d’optimiser le gain de puissance tout en conservant un contr\u00f4le rigoureux du FWER au sens fort. La plus c\u00e9l\u00e8bre et la plus efficiente de ces innovations est sans conteste la proc\u00e9dure de Holm-Bonferroni (propos\u00e9e par Sture Holm en 1979), qui repose sur un algorithme descendant (step-down<\/em>).<\/p>\n

La proc\u00e9dure de Holm fonctionne selon une logique de hi\u00e9rarchisation progressive :<\/p>\n