{"id":7423,"date":"2026-09-16T20:12:05","date_gmt":"2026-09-16T20:12:05","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/quest-ce-qu-un-graphique-a-barres-segmentees-definition-et-exemple\/"},"modified":"2026-09-16T20:12:15","modified_gmt":"2026-09-16T20:12:15","slug":"quest-ce-qu-un-graphique-a-barres-segmentees-definition-et-exemple","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=quest-ce-qu-un-graphique-a-barres-segmentees-definition-et-exemple","title":{"rendered":"Qu’est-ce qu’un graphique \u00e0 barres segment\u00e9es ? (D\u00e9finition et exemple)"},"content":{"rendered":"

Dans le vaste champ de la statistique descriptive et de la s\u00e9miologie graphique contemporaine, la restitution synth\u00e9tique des relations entre variables cat\u00e9gorielles constitue un d\u00e9fi analytique de premier ordre. Alors que les jeux de donn\u00e9es modernes augmentent exponentiellement en volume et en complexit\u00e9, les praticiens de la recherche empirique se trouvent confront\u00e9s \u00e0 l’imp\u00e9ratif de rendre intelligibles des structures d’association multivari\u00e9es sans d\u00e9naturer la pr\u00e9cision math\u00e9matique sous-jacente. C’est pr\u00e9cis\u00e9ment \u00e0 cette intersection entre rigueur quantitative et ergonomie cognitive que s’impose le graphique \u00e0 barres segment\u00e9es<\/strong>, \u00e9galement qualifi\u00e9 dans la litt\u00e9rature anglo-saxonne de segmented bar chart<\/em> ou de diagramme \u00e0 barres empil\u00e9es normalis\u00e9 \u00e0 100 %.<\/p>\n

Fond\u00e9 sur le principe de la standardisation unitaire, cet outil de visualisation transforme chaque modalit\u00e9 d’une variable ind\u00e9pendante ou de stratification en une colonne de hauteur invariante, repr\u00e9sentant l’int\u00e9gralit\u00e9 d’un sous-groupe (100 %). \u00c0 l’int\u00e9rieur de ces enveloppes g\u00e9om\u00e9triques d’\u00e9gale dimension, l’espace vertical est compartiment\u00e9 en strates proportionnelles aux fr\u00e9quences relatives d’une seconde variable cat\u00e9gorielle d’int\u00e9r\u00eat. Ce dispositif s\u00e9miotique permet ainsi de neutraliser instantan\u00e9ment les disparit\u00e9s d’effectifs bruts entre les groupes afin de focaliser le regard sur la structure interne des distributions conditionnelles, offrant un vecteur d’investigation visuelle particuli\u00e8rement puissant pour mettre en lumi\u00e8re d’\u00e9ventuels ph\u00e9nom\u00e8nes de d\u00e9pendance statistique.<\/p>\n

Le pr\u00e9sent article propose un trait\u00e9 m\u00e9thodologique exhaustif d\u00e9di\u00e9 au graphique \u00e0 barres segment\u00e9es. De sa formalisation th\u00e9orique et ses assises \u00e9pist\u00e9mologiques dans les sciences du comportement jusqu’\u00e0 ses prolongements inf\u00e9rentiels via les tests d’ind\u00e9pendance du Khi-deux, nous examinerons pas \u00e0 pas la m\u00e9canique de conversion des tables de contingence, les exigences perceptuelles guidant sa conception visuelle, ainsi que ses arbitrages critiques face aux visualisations concurrentes. \u00c0 travers l’\u00e9tude empirique d\u00e9taill\u00e9e d’une cohorte universitaire, ce guide offre aux chercheurs, analystes et \u00e9tudiants les cl\u00e9s d’une mise en \u0153uvre rigoureuse, tant sur le plan conceptuel que pratique.<\/p>\n

\"Segmented
Segmented bar chart example<\/figcaption><\/figure>\n

1. Introduction et d\u00e9finition th\u00e9orique du graphique \u00e0 barres segment\u00e9es<\/h2>\n

1.1 D\u00e9finition formelle et normalisation \u00e0 100 %<\/h3>\n

D’un point de vue m\u00e9trologique et g\u00e9om\u00e9trique, le graphique \u00e0 barres segment\u00e9es<\/strong> se d\u00e9finit formellement comme une repr\u00e9sentation graphique bidimensionnelle dans laquelle chaque barre rectangulaire s’\u00e9l\u00e8ve jusqu’\u00e0 une ordonn\u00e9e fixe de 100 % (ou 1,0 en fraction unitaire), ind\u00e9pendamment de la taille absolue de l’\u00e9chantillon ou du sous-\u00e9chantillon qu’elle figure. Contrairement au graphique \u00e0 barres simples dont la hauteur physique est strictement fonction de l’effectif ou de la fr\u00e9quence absolue d’une cat\u00e9gorie, le graphique segment\u00e9 impose une contrainte de fermeture spatiale invariable. Chaque colonne unifi\u00e9e fonctionne comme un contenant symbolique de la totalit\u00e9, \u00e0 l’int\u00e9rieur duquel sont juxtapos\u00e9s des rectangles contigus dont l’\u00e9l\u00e9vation relative correspond exactement \u00e0 la proportion locale occup\u00e9e par chaque sous-modalit\u00e9.<\/p>\n

Cette logique de segmentation unitaire ob\u00e9it \u00e0 un imp\u00e9ratif analytique pr\u00e9cis : l’illustration exclusive de la composition proportionnelle<\/em>. En r\u00e9duisant les variations d’effectifs bruts \u00e0 une \u00e9chelle relative universelle, ce proc\u00e9d\u00e9 s\u00e9pare m\u00e9thodiquement la question du volume global de celle de la distribution interne. Il se distingue ainsi fondamentalement des histogrammes<\/a> continus, con\u00e7us pour illustrer la densit\u00e9 de probabilit\u00e9 de variables quantitatives continues via la surface de rectangles contigus reposant sur des intervalles de classe. De m\u00eame, il se d\u00e9marque des diagrammes en barres empil\u00e9es classiques non normalis\u00e9s, dont les hauteurs h\u00e9t\u00e9rog\u00e8nes obligent le r\u00e9cepteur \u00e0 d\u00e9coder simultan\u00e9ment les fluctuations d’effectifs totaux et les variations de proportions, une double t\u00e2che cognitive fr\u00e9quemment g\u00e9n\u00e9ratrice d’erreurs d’interpr\u00e9tation.<\/p>\n

En somme, le graphique \u00e0 barres segment\u00e9es est l’\u00e9quivalent topologique d’une s\u00e9rie de diagrammes circulaires qui auraient \u00e9t\u00e9 d\u00e9roul\u00e9s, lin\u00e9aris\u00e9s et dress\u00e9s c\u00f4te \u00e0 c\u00f4te le long d’un axe d’abscisse partag\u00e9. Cette transformation g\u00e9om\u00e9trique conserve les propri\u00e9t\u00e9s math\u00e9matiques des fractions du tout tout en \u00e9liminant les d\u00e9fauts perceptifs inh\u00e9rents \u00e0 l’estimation des angles et des aires sectorielles courb\u00e9es.<\/p>\n

1.2 R\u00f4le \u00e9pist\u00e9mologique dans les sciences comportementales<\/h3>\n

Dans l’\u00e9cosyst\u00e8me \u00e9pist\u00e9mologique des sciences humaines et comportementales, notamment la psychologie cognitive<\/a>, la sociologie quantitative et la psychom\u00e9trie, le graphique \u00e0 barres segment\u00e9es joue un r\u00f4le heuristique fondamental. Les recherches observationnelles et corr\u00e9lationnelles au sein de ces disciplines s’appuient fr\u00e9quemment sur des devis d’\u00e9chantillonnage o\u00f9 les effectifs des sous-populations analys\u00e9es sont intrins\u00e8quement d\u00e9s\u00e9quilibr\u00e9s en raison de contraintes d\u00e9mographiques du terrain (par exemple, des ratios in\u00e9gaux d’hommes et de femmes, des disparit\u00e9s de classes d’\u00e2ge ou des variations r\u00e9gionales de recrutement). Si l’analyste se contentait de superposer des fr\u00e9quences brutes, les disparit\u00e9s de taille de cohorte obscurciraient les v\u00e9ritables contrastes comportementaux ou attitudinaux.<\/p>\n

L’utilisation de barres normalis\u00e9es permet aux chercheurs d’\u00e9valuer de mani\u00e8re imm\u00e9diate et non biais\u00e9e la distribution relative des traits psychologiques, des niveaux d’adh\u00e9sion \u00e0 des \u00e9chelles de Likert ou des choix de vie \u00e0 travers diff\u00e9rentes strates de participants. Cette technique s’av\u00e8re centrale lors de la phase exploratoire pr\u00e9c\u00e9dant la mod\u00e9lisation statistique avanc\u00e9e, car elle permet d’identifier visuellement des patrons d’interaction, des sym\u00e9tries ou des asym\u00e9tries de r\u00e9partition intra-groupe qui n’appara\u00eetraient que difficilement \u00e0 la simple lecture d’un tableau dense de chiffres d\u00e9cimaux.<\/p>\n

En outre, dans le cadre de la communication scientifique et de la restitution des r\u00e9sultats d’enqu\u00eates psychom\u00e9triques aupr\u00e8s des pairs ou du grand public, le graphique segment\u00e9 constitue une passerelle s\u00e9miotique indispensable. Il rend perceptibles les divergences d’attitudes ou de diagnostics sans contraindre le lecteur profane \u00e0 recalculer mentalement les proportions de r\u00e9f\u00e9rence, d\u00e9mocratisant ainsi l’acc\u00e8s \u00e0 la signification substantive des donn\u00e9es recueillies sans sacrifier la rigueur analytique.<\/p>\n

1.3 Propri\u00e9t\u00e9s g\u00e9om\u00e9triques et s\u00e9miotiques de la repr\u00e9sentation<\/h3>\n

L’efficacit\u00e9 du graphique \u00e0 barres segment\u00e9es repose sur des m\u00e9canismes s\u00e9miotiques raffin\u00e9s qui encadrent la transmission de l’information quantitative par l’interm\u00e9diaire de variables visuelles primaires, th\u00e9oris\u00e9es initialement par Jacques Bertin dans sa S\u00e9miologie Graphique<\/em>. La propri\u00e9t\u00e9 g\u00e9om\u00e9trique dominante r\u00e9side dans l’utilisation conjointe de la longueur<\/strong> (ou hauteur relative de chaque segment) et de la position<\/strong> sur une \u00e9chelle lin\u00e9aire unifi\u00e9e. Contrairement aux visualisations multidimensionnelles complexes, le lecteur op\u00e8re un jugement comparatif le long d’une ordonn\u00e9e standardis\u00e9e gradu\u00e9e de 0 \u00e0 100 %, ce qui sollicite des canaux perceptifs hautement performants du syst\u00e8me visuel humain.<\/p>\n

Sur le plan s\u00e9miotique, le graphique r\u00e9alise un codage spatial simultan\u00e9 bivari\u00e9 : l’axe horizontal discr\u00e9tise la variable de partitionnement en colonnes ind\u00e9pendantes et spatialement isol\u00e9es, tandis que l’axe vertical accueille la variable segment\u00e9e, dont les diverses modalit\u00e9s sont mat\u00e9rialis\u00e9es par des aplats chromatiques distincts ou des textures ordonn\u00e9es. L’empilement vertical continu au sein d’une enveloppe rectangulaire close active spontan\u00e9ment chez l’observateur le sch\u00e9ma m\u00e9taphorique de l’inclusion cat\u00e9gorielle et du rapport partie-tout (part-to-whole relationship<\/em>).<\/p>\n

Ce rapport g\u00e9om\u00e9trique partie-tout impose une lecture contextuelle imm\u00e9diate : chaque segment n’est pas appr\u00e9hend\u00e9 de mani\u00e8re isol\u00e9e comme une valeur scalaire autonome, mais comme une ponction relative sur un r\u00e9servoir de ressources probabilistes born\u00e9 \u00e0 l’unit\u00e9. D\u00e8s lors, toute expansion verticale d’une modalit\u00e9 donn\u00e9e s’interpr\u00e8te intuitivement comme une r\u00e9duction m\u00e9canique de l’espace allou\u00e9 aux modalit\u00e9s rivales, mat\u00e9rialisant parfaitement la nature ferm\u00e9e des distributions statistiques conditionnelles.<\/p>\n

2. Fondements statistiques et traitement des donn\u00e9es cat\u00e9gorielles<\/h2>\n

2.1 Typologie des variables cat\u00e9gorielles applicables<\/h3>\n

La mobilisation valide d’un graphique \u00e0 barres segment\u00e9es exige une compr\u00e9hension pr\u00e9cise de la nature taxinomique des donn\u00e9es soumises \u00e0 la repr\u00e9sentation. Ces diagrammes s’appliquent exclusivement aux variables qualitatives ou cat\u00e9gorielles<\/strong>, c’est-\u00e0-dire aux attributs mesur\u00e9s sur des \u00e9chelles non m\u00e9triques o\u00f9 les valeurs observ\u00e9es correspondent \u00e0 des appartenances \u00e0 des classes discr\u00e8tes. On distingue traditionnellement deux sous-classes fondamentales de variables cat\u00e9gorielles, dont l’impact sur l’agencement graphique s’av\u00e8re d\u00e9terminant : les variables nominales et les variables ordinales.<\/p>\n

Les variables nominales pures<\/em> (telles que le statut marital, la nationalit\u00e9 ou le choix d’une discipline sportive) se caract\u00e9risent par une stricte absence d’ordre logique, math\u00e9matique ou hi\u00e9rarchique intrins\u00e8que entre leurs diff\u00e9rentes modalit\u00e9s. Dans ce contexte, l’ordre d’empilement vertical des segments ou la disposition horizontale des barres rel\u00e8ve d’une d\u00e9cision ergonomique libre, guid\u00e9e le plus souvent par des imp\u00e9ratifs d’intelligibilit\u00e9 (tri par fr\u00e9quence d\u00e9croissante, harmonisation alphab\u00e9tique). \u00c0 l’oppos\u00e9, les variables ordinales<\/em> (telles que les \u00e9chelles de Likert mesurant l’accord, le niveau de dipl\u00f4me atteint ou la s\u00e9v\u00e9rit\u00e9 d’une symptomatologie clinique) poss\u00e8dent une relation d’ordre naturelle et asym\u00e9trique. Pour ces derni\u00e8res, le respect strict de la hi\u00e9rarchie s\u00e9quentielle dans l’ordre d’empilement des segments constitue une exigence m\u00e9thodologique absolue, sous peine de d\u00e9truire le sens perceptif de la progression continue du ph\u00e9nom\u00e8ne sous-jacent.<\/p>\n

Par ailleurs, la validit\u00e9 math\u00e9matique du graphique repose sur deux conditions logiques strictes impos\u00e9es aux cat\u00e9gories de la variable segment\u00e9e : l’exhaustivit\u00e9 mutuelle<\/strong> et l’exclusion mutuelle<\/strong>. Chaque unit\u00e9 statistique d’un sous-groupe doit obligatoirement \u00eatre class\u00e9e dans une modalit\u00e9 (exhaustivit\u00e9, au besoin via l’adjonction d’une modalit\u00e9 r\u00e9siduelle \u00ab Autre \u00bb), et elle ne peut en aucun cas appartenir simultan\u00e9ment \u00e0 deux modalit\u00e9s distinctes (exclusion mutuelle). Si ces deux conditions ne sont pas formellement r\u00e9unies, la sommation des pourcentages divergera de 100 %, invalidant la fermeture g\u00e9om\u00e9trique de la barre.<\/p>\n

2.2 Tableaux de contingence et distributions conjointes<\/h3>\n

L’infrastructure calculatoire qui pr\u00e9c\u00e8de imm\u00e9diatement la gen\u00e8se d’un graphique segment\u00e9 r\u00e9side dans le tableau de contingence<\/strong>, encore nomm\u00e9 tableau crois\u00e9 bidimensionnel. Soit une population ou un \u00e9chantillon de taille globale $N$<\/span>, sur lequel deux caract\u00e8res qualitatifs $X$<\/span> et $Y$<\/span> sont observ\u00e9s simultan\u00e9ment, $X$<\/span> comportant $I$<\/span> modalit\u00e9s not\u00e9es ${x_1, x_2, dots, x_I}$<\/span> et $Y$<\/span> comportant $J$<\/span> modalit\u00e9s not\u00e9es ${y_1, y_2, dots, y_J}$<\/span>. La matrice r\u00e9sultante se compose de cellules contenant les effectifs conjoints observ\u00e9s $n_{ij}$<\/span>, repr\u00e9sentant le nombre exact d’individus pr\u00e9sentant concomitamment l’attribut $x_i$<\/span> et l’attribut $y_j$<\/span>.<\/p>\n

Dans cette structure matricielle fondamentale, il convient de distinguer avec la plus grande rigueur trois niveaux d’information statistique :<\/p>\n