{"id":744,"date":"2026-09-04T14:28:23","date_gmt":"2026-09-04T14:28:23","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/ecart-interquartile-valeurs-aberrantes-robustesse-statistique\/"},"modified":"2026-09-04T14:28:24","modified_gmt":"2026-09-04T14:28:24","slug":"ecart-interquartile-valeurs-aberrantes-robustesse-statistique","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=ecart-interquartile-valeurs-aberrantes-robustesse-statistique","title":{"rendered":"L’\u00e9cart interquartile (EIQ) est-il affect\u00e9 par les valeurs aberrantes ?"},"content":{"rendered":"

Dans le paysage contemporain de la recherche quantitative en sciences humaines, comportementales et biom\u00e9dicales, le traitement rigoureux de la variabilit\u00e9 des donn\u00e9es constitue l’un des piliers fondamentaux de la validit\u00e9 scientifique. L’analyse statistique ne saurait se r\u00e9duire \u00e0 la simple description du centre de gravit\u00e9 d’une distribution : appr\u00e9hender la mani\u00e8re dont les observations se dispersent autour de cette tendance centrale s’av\u00e8re indispensable pour quantifier l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des ph\u00e9nom\u00e8nes \u00e9tudi\u00e9s, \u00e9valuer la fid\u00e9lit\u00e9 des instruments de mesure et garantir la reproductibilit\u00e9 des r\u00e9sultats empiriques. Pourtant, les praticiens se heurtent fr\u00e9quemment \u00e0 un d\u00e9fi m\u00e9thodologique omnipr\u00e9sent : la survenue de donn\u00e9es discordantes, atypiques ou manifestement divergentes, commun\u00e9ment d\u00e9sign\u00e9es sous le terme de valeurs aberrantes<\/a> (ou outliers<\/em>).<\/p>\n

Face \u00e0 la pr\u00e9sence de ces perturbations morphologiques au sein des distributions empiriques, le choix des estimateurs de dispersion rev\u00eat une port\u00e9e critique. Si les m\u00e9triques param\u00e9triques classiques, au premier rang desquelles figurent la variance et l’\u00e9cart-type, jouissent d’une h\u00e9g\u00e9monie historique h\u00e9rit\u00e9e des fondements de l’inf\u00e9rence gaussienne, leur hypersensibilit\u00e9 aux queues de distribution et aux artefacts de mesure pose un risque analytique majeur. \u00c0 l’inverse, les m\u00e9thodes d’analyse exploratoire et la statistique robuste privil\u00e9gient des indicateurs d’\u00e9chelle fond\u00e9s sur les rangs, dont l’arch\u00e9type est l’\u00e9cart interquartile (EIQ ou Interquartile Range<\/em>, IQR). L’interrogation centrale qui structure le pr\u00e9sent m\u00e9moire m\u00e9thodologique s’\u00e9nonce ainsi : dans quelle mesure et selon quels m\u00e9canismes math\u00e9matiques l’\u00e9cart interquartile est-il pr\u00e9serv\u00e9 de l’influence d\u00e9stabilisatrice des valeurs aberrantes ?<\/strong><\/p>\n

Pour r\u00e9pondre de mani\u00e8re exhaustive \u00e0 cette question, il convient d’explorer les soubassements th\u00e9oriques, g\u00e9om\u00e9triques et computationnels de l’EIQ, de formaliser son comportement face \u00e0 la contamination des \u00e9chantillons \u00e0 travers le prisme des th\u00e9ories modernes de la robustesse, et d’en \u00e9prouver les applications concr\u00e8tes au sein des protocoles de recherche en psychom\u00e9trie, en chronom\u00e9trie cognitive et en neuropsychologie. \u00c0 travers une analyse comparative rigoureuse opposant l’EIQ aux estimateurs classiques et concurrents, cette monographie propose une synth\u00e8se approfondie des propri\u00e9t\u00e9s de r\u00e9sistance, des limites structurelles et des protocoles de mod\u00e9lisation et de communication scientifique associ\u00e9s \u00e0 cet indicateur fondamental.<\/p>\n

1. Introduction fondamentale \u00e0 la dispersion statistique et \u00e0 l’\u00e9cart interquartile<\/h2>\n

1.1 Notion de variabilit\u00e9 et de dispersion en psychom\u00e9trie<\/h3>\n

La psychom\u00e9trie et les sciences du comportement reposent intrins\u00e8quement sur l’\u00e9tude des diff\u00e9rences interindividuelles et intra-individuelles. Qu’il s’agisse de mesurer des aptitudes cognitives, des traits de personnalit\u00e9 sous-jacents, des \u00e9tats \u00e9motionnels transitoires ou des temps d’acc\u00e8s au lexique mental, les donn\u00e9es collect\u00e9es pr\u00e9sentent une dispersion naturelle qui refl\u00e8te la complexit\u00e9 des syst\u00e8mes biologiques et psychologiques sous-jacents. La seule connaissance de la tendance centrale d’un \u00e9chantillon \u2014 qu’elle soit estim\u00e9e par la moyenne arithm\u00e9tique, la m\u00e9diane ou le mode \u2014 s’av\u00e8re fondamentalement incompl\u00e8te, voire trompeuse, pour qui cherche \u00e0 caract\u00e9riser une population. Deux cohortes de participants peuvent pr\u00e9senter un score moyen rigoureusement identique \u00e0 un test d’anxi\u00e9t\u00e9 clinique tout en illustrant des profils d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 diam\u00e9tralement oppos\u00e9s : l’une regroupant des individus homog\u00e8nes proches du centre, l’autre pr\u00e9sentant une forte polarisation entre scores minimaux et scores critiques.<\/p>\n

Par cons\u00e9quent, la quantification pr\u00e9cise de la dispersion conditionne directement l’\u00e9valuation des qualit\u00e9s m\u00e9trologiques des instruments d’\u00e9valuation psychologique. La fid\u00e9lit\u00e9 d’une \u00e9chelle de mesure, d\u00e9finie classiquement selon la th\u00e9orie classique des tests<\/a> comme le rapport entre la variance du score vrai et la variance du score observ\u00e9, d\u00e9pend de fa\u00e7on critique de la mani\u00e8re dont la variabilit\u00e9 totale est estim\u00e9e. De surcro\u00eet, le calcul des indices d’accord inter-juges, la standardisation des scores normatifs sous forme d’\u00e9talonnages (percentiles, notes T, stanines) et l’estimation de l’erreur type de mesure requi\u00e8rent des estimateurs de variabilit\u00e9 fiables, capables de ne pas confondre le bruit idiosyncrasique avec la v\u00e9ritable dynamique du construit latent.<\/p>\n

1.2 D\u00e9finition math\u00e9matique et conceptuelle de l’\u00e9cart interquartile (EIQ)<\/h3>\n

Sur le plan structural, l’\u00e9cart interquartile s’inscrit dans la famille des statistiques non param\u00e9triques bas\u00e9es sur l’ordre et la fragmentation quantile des distributions. Lorsque l’on ordonne un ensemble de donn\u00e9es quantitatives univari\u00e9es par ordre croissant, il est possible de diviser cet \u00e9chantillon ordonn\u00e9 en quatre segments d’effectifs \u00e9gaux \u00e0 l’aide de trois valeurs de coupure appel\u00e9es quartiles<\/a> :<\/p>\n