1. Fondements \u00e9pist\u00e9mologiques et th\u00e9oriques de l’analyse bivari\u00e9e en psychologie<\/h2>\n1.1 D\u00e9finition et objectifs fondamentaux de l’analyse bivari\u00e9e<\/h3>\n
L’\u00e9difice de la statistique appliqu\u00e9e aux sciences sociales repose sur une taxonomie rigoureuse qui distingue l’analyse univari\u00e9e, l’analyse bivari\u00e9e et l’analyse multivari\u00e9e<\/a>. L’analyse univari\u00e9e s’attache \u00e0 d\u00e9crire la distribution d’une variable unique \u00e0 travers des indices de tendance centrale (moyenne arithm\u00e9tique, m\u00e9diane, mode) et des indicateurs de dispersion (variance, \u00e9cart-type, \u00e9tendue interquartile). Bien qu’indispensable pour attester de la forme des distributions ou d\u00e9tecter des anomalies d’\u00e9chantillonnage, elle demeure intrins\u00e8quement aveugle aux interactions contextuelles. \u00c0 l’oppos\u00e9, l’analyse multivari\u00e9e mod\u00e9lise simultan\u00e9ment trois variables ou davantage afin de d\u00e9m\u00ealer les r\u00e9seaux de causalit\u00e9 complexe, de contr\u00f4ler des variables de confusion ou de condenser l’information via des techniques de r\u00e9duction dimensionnelle. Entre ces deux approches s’intercale l’analyse bivari\u00e9e, qui se consacre exclusivement \u00e0 l’\u00e9tude conjointe de deux variables mesur\u00e9es sur les m\u00eames unit\u00e9s statistiques.<\/p>\n En psychologie et en sciences du comportement, l’objectif cardinal de l’analyse bivari\u00e9e consiste \u00e0 d\u00e9terminer si les fluctuations observ\u00e9es sur un premier construit psychologique (par exemple, le niveau de n\u00e9vrosisme) s’accompagnent de variations syst\u00e9matiques sur un second construit (par exemple, l’intensit\u00e9 des sympt\u00f4mes d\u00e9pressifs). Il s’agit d’\u00e9valuer non seulement l’existence d’une covariation, mais \u00e9galement son intensit\u00e9 (la magnitude de la liaison) et son orientation (l’aspect direct ou inverse de la trajectoire conjointe). L’identification de ces structures relationnelles r\u00e9pond \u00e0 une double exigence \u00e9pist\u00e9mologique : une fonction exploratoire, vou\u00e9e \u00e0 l’\u00e9mergence de nouvelles intuitions inductives face \u00e0 un jeu de donn\u00e9es novateur, et une fonction confirmatoire, destin\u00e9e \u00e0 tester formellement des hypoth\u00e8ses d\u00e9duites de cadres conceptuels pr\u00e9existants.<\/p>\n Il importe de souligner que l’attribution des statuts de variable ind\u00e9pendante (ou pr\u00e9dictive, traditionnellement d\u00e9sign\u00e9e par la lettre X<\/em>) et de variable d\u00e9pendante (ou crit\u00e8re, d\u00e9sign\u00e9e par la lettre Y<\/em>) rel\u00e8ve d’une th\u00e9orisation issue du protocole d’exp\u00e9rimentation ou d’observation. Dans les dispositifs quasi-exp\u00e9rimentaux ou corr\u00e9lationnels fr\u00e9quents en psychologie clinique et diff\u00e9rentielle, ces d\u00e9signations fonctionnelles n’impliquent nullement l’existence d’une causalit\u00e9 univoque. L’analyse bivari\u00e9e examine comment deux distributions s’entrelacent dans l’espace \u00e9chantillonnal, fournissant les indices quantitatifs n\u00e9cessaires pour soutenir ou rejeter une hypoth\u00e8se de recherche sans pour autant prouver, \u00e0 elle seule, la direction g\u00e9n\u00e9rative du ph\u00e9nom\u00e8ne observ\u00e9.<\/p>\n La conduite d’une analyse bivari\u00e9e exemplaire repose sur une articulation tripartite associant la perception visuelle, la synth\u00e8se param\u00e9trique standardis\u00e9e et la mod\u00e9lisation fonctionnelle. Le premier pilier m\u00e9thodologique r\u00e9side dans l’inspection g\u00e9om\u00e9trique et visuelle op\u00e9r\u00e9e par le biais du diagramme de dispersion (ou scatterplot<\/em>). Cette repr\u00e9sentation cart\u00e9sienne projette chaque unit\u00e9 statistique dans un espace bidimensionnel o\u00f9 l’abscisse mat\u00e9rialise la variable X<\/em> et l’ordonn\u00e9e la variable Y<\/em>. Cette \u00e9tape graphique n’est pas un simple ornement esth\u00e9tique ; elle constitue un filtre diagnostique irrempla\u00e7able permettant d’appr\u00e9hender la morphologie brute de la distribution, de rep\u00e9rer d’\u00e9ventuelles ruptures de monotonicit\u00e9 et d’identifier les observations aberrantes susceptibles de fausser les estimateurs alg\u00e9briques.<\/p>\n Le deuxi\u00e8me pilier r\u00e9side dans l’estimation de coefficients d’association standardis\u00e9s, au premier rang desquels figure le coefficient de corr\u00e9lation lin\u00e9aire r<\/em> d\u00e9velopp\u00e9 par Karl Pearson<\/a>. Ces m\u00e9triques adimensionnelles ont pour vertu de r\u00e9sumer la coh\u00e9sion math\u00e9matique existant entre les deux s\u00e9ries de mesures, ind\u00e9pendamment des \u00e9chelles de cotation initiales. En r\u00e9duisant l’information conjointe \u00e0 un indice born\u00e9, le chercheur dispose d’une estimation synth\u00e9tique de la force du lien lin\u00e9aire, directement comparable \u00e0 d’autres grandeurs rapport\u00e9es dans la litt\u00e9rature psychologique mondiale.<\/p>\n Enfin, le troisi\u00e8me pilier s’incarne dans la mod\u00e9lisation pr\u00e9dictive par r\u00e9gression lin\u00e9aire simple. Par cette technique, l’analyse quitte le registre de la simple association sym\u00e9trique pour entrer dans celui de la formalisation fonctionnelle : il s’agit d’\u00e9tablir une \u00e9quation math\u00e9matique permettant d’estimer les valeurs attendues de la variable crit\u00e8re Y<\/em> \u00e0 partir des valeurs mesur\u00e9es de la variable explicative X<\/em>. La compl\u00e9mentarit\u00e9 s\u00e9quentielle de ces trois piliers \u2014 explorer visuellement, quantifier l’association, puis mod\u00e9liser math\u00e9matiquement l’ajustement \u2014 constitue un rempart m\u00e9thodologique imp\u00e9ratif. Ignorer l’inspection visuelle au profit du seul calcul d’un coefficient ou d’une r\u00e9gression expose le chercheur \u00e0 de lourdes erreurs d’interpr\u00e9tation, comme l’illustre magistralement le c\u00e9l\u00e8bre quartet d’Anscombe<\/a>.<\/p>\n L’analyse bivari\u00e9e innerve l’ensemble des sous-disciplines de la psychologie contemporaine. En psychologie cognitive et de l’\u00e9ducation, elle permet d’examiner avec pr\u00e9cision comment des param\u00e8tres temporels et p\u00e9dagogiques influencent les acquisitions conceptuelles. Une probl\u00e9matique classique r\u00e9side dans l’\u00e9tude conjointe du temps d’\u00e9tude allou\u00e9 \u00e0 un module universitaire et du score obtenu aux examens sommatifs finaux. L’investigation empirique ne se limite pas \u00e0 constater que \u00ab plus l’on \u00e9tudie, mieux l’on r\u00e9ussit \u00bb : elle quantifie la part de variance du r\u00e9sultat acad\u00e9mique imputable \u00e0 l’investissement chronologique, permettant ainsi de d\u00e9tecter d’\u00e9ventuels ph\u00e9nom\u00e8nes de rendements d\u00e9croissants ou de saturation cognitive.<\/p>\n En psychopathologie et en neuropsychologie clinique, l’analyse bivari\u00e9e constitue l’instrument privil\u00e9gi\u00e9 pour investiguer les r\u00e9percussions des \u00e9tats \u00e9motionnels sur les ressources attentionnelles et ex\u00e9cutives. L’\u00e9valuation du lien unissant le score obtenu sur une \u00e9chelle d’anxi\u00e9t\u00e9-\u00e9tat pr\u00e9-\u00e9valuation et l’empan mn\u00e9sique en m\u00e9moire de travail offre un \u00e9clairage direct sur les mod\u00e8les de partage des ressources cognitives. L’analyse permet de v\u00e9rifier si l’\u00e9l\u00e9vation de l’anxi\u00e9t\u00e9 s’accompagne d’un appauvrissement proportionnel des capacit\u00e9s de r\u00e9tention et de manipulation de l’information verbale ou visuo-spatiale.<\/p>\n Par ailleurs, cette approche s’av\u00e8re indispensable dans les \u00e9tapes de validation des instruments psychom\u00e9triques. Tout concepteur de test psychologique doit attester de la validit\u00e9 de construit de son outil par l’examen de sa coh\u00e9rence externe. Pour ce faire, il proc\u00e8de \u00e0 des analyses bivari\u00e9es croisant les scores issus de son nouveau questionnaire avec des crit\u00e8res standardis\u00e9s pr\u00e9existants (validit\u00e9 convergente) ou avec des dimensions th\u00e9oriquement orthogonales (validit\u00e9 discriminante). De l’orientation scolaire aux \u00e9tudes d’ergonomie cognitive sur le temps de r\u00e9action face \u00e0 des interfaces num\u00e9riques, l’analyse bivari\u00e9e demeure le creuset dans lequel s’articulent la th\u00e9orie psychologique et l’observation m\u00e9trique.<\/p>\n Toute d\u00e9marche quantitative en sciences humaines doit d\u00e9buter par une r\u00e9flexion approfondie sur la nature ontologique des donn\u00e9es manipul\u00e9es. En 1946, le psychologue am\u00e9ricain Stanley Smith Stevens<\/a> a propos\u00e9 une typologie quadripartite des \u00e9chelles de mesure devenue la norme de r\u00e9f\u00e9rence en psychom\u00e9trie : les \u00e9chelles nominales, ordinales, d’intervalles et de rapports. La ma\u00eetrise de ces distinctions s’av\u00e8re fondamentale, car la structure de l’\u00e9chelle d\u00e9termine rigoureusement les op\u00e9rations math\u00e9matiques autoris\u00e9es et, corollairement, les outils statistiques d\u00e9ployables sous Excel.<\/p>\n L’\u00e9chelle nominale repr\u00e9sente le niveau le plus \u00e9l\u00e9mentaire de la mesure : elle classe les unit\u00e9s d’observation dans des cat\u00e9gories mutuellement exclusives et exhaustivement d\u00e9finies, d\u00e9pourvues de tout ordre sous-jacent (par exemple, le genre des participants ou le type d’approche th\u00e9rapeutique suivie). L’\u00e9chelle ordinale introduit une relation de gradation hi\u00e9rarchique : les modalit\u00e9s peuvent \u00eatre class\u00e9es selon un ordre croissant ou d\u00e9croissant, mais la distance entre deux \u00e9chelons successifs n’est pas constante ni quantifiable (c’est le cas des \u00e9chelles de Likert mesurant le degr\u00e9 d’accord de \u00ab pas du tout d’accord \u00bb \u00e0 \u00ab tout \u00e0 fait d’accord \u00bb). Les \u00e9chelles d’intervalles franchissent un palier d\u00e9cisif en garantissant une \u00e9quidistance m\u00e9trique entre les unit\u00e9s cons\u00e9cutives, bien que leur z\u00e9ro soit arbitraire et conventionnel (\u00e0 l’instar des quotients intellectuels standardis\u00e9s ou des temp\u00e9ratures en degr\u00e9s Celsius). Enfin, l’\u00e9chelle de rapports int\u00e8gre un z\u00e9ro absolu et naturel signifiant l’absence totale de la propri\u00e9t\u00e9 mesur\u00e9e, autorisant ainsi le calcul de ratios multiplicatifs signifiants (comme le temps de r\u00e9action en millisecondes ou le nombre d’erreurs commises lors d’une t\u00e2che d’attention soutenue).<\/p>\n Le non-respect de cette taxonomie conduit \u00e0 des incoh\u00e9rences m\u00e9thodologiques s\u00e9v\u00e8res. Assigner des codes num\u00e9riques (1, 2, 3) \u00e0 des cat\u00e9gories nominales puis appliquer sans discernement un coefficient de corr\u00e9lation lin\u00e9aire de Pearson constitue une erreur fondamentale. De m\u00eame, traiter des scores ordinaux de Likert comme des grandeurs d’intervalles continues sans v\u00e9rification pr\u00e9alable de la normalit\u00e9 ou de la granularit\u00e9 de l’\u00e9chelle biaise artificiellement les estimations d’association. Sous Excel, le chercheur doit identifier explicitement le couple de variables en pr\u00e9sence afin de s’orienter vers la proc\u00e9dure ad\u00e9quate : Pearson pour deux variables quantitatives continues, Spearman pour des donn\u00e9es ordinales ou asym\u00e9triques, ou le Chi-carr\u00e9 pour le croisement de deux variables qualitatives nominales.<\/p>\n L’int\u00e9grit\u00e9 de l’analyse statistique sous Excel repose sur l’organisation scrupuleuse de la matrice de donn\u00e9es au sein du tableur. Il est imp\u00e9ratif d’adopter le format tabulaire standardis\u00e9 international, commun\u00e9ment d\u00e9sign\u00e9 sous le nom de structure de donn\u00e9es \u00ab propre \u00bb (tidy data<\/em>). Selon cette architecture, chaque ligne de la feuille de calcul doit correspondre sans exception \u00e0 une unique unit\u00e9 statistique (un participant, un patient ou un sujet exp\u00e9rimental), tandis que chaque colonne doit \u00eatre exclusivement d\u00e9volue \u00e0 une variable mesur\u00e9e ou \u00e0 un attribut exp\u00e9rimental.<\/p>\n La premi\u00e8re ligne du classeur Excel doit \u00eatre r\u00e9serv\u00e9e aux intitul\u00e9s des variables (les en-t\u00eates). Ces libell\u00e9s doivent \u00eatre concis, explicites et d\u00e9pourvus d’espaces, de caract\u00e8res sp\u00e9ciaux ou de symboles math\u00e9matiques susceptibles de perturber les fonctions logiques d’Excel (par exemple, pr\u00e9f\u00e9rer Une vigilance technique particuli\u00e8re doit \u00eatre port\u00e9e au formatage natif des cellules. Les variables quantitatives doivent \u00eatre express\u00e9ment param\u00e9tr\u00e9es au format \u00ab Nombre \u00bb et non laiss\u00e9es en format \u00ab Standard \u00bb ou \u00ab Texte \u00bb, ce dernier \u00e9tant source de blocages computationnels r\u00e9currents dans l’ex\u00e9cution des formules statistiques. De surcro\u00eet, il est hautement recommand\u00e9 de convertir la plage de donn\u00e9es rectangulaire en un v\u00e9ritable Tableau structur\u00e9 d’Excel (via le raccourci Avant d’engager le moindre calcul d’association bivari\u00e9e, le jeu de donn\u00e9es doit subir un protocole de nettoyage rigoureux. En recherche psychologique, la pr\u00e9sence de donn\u00e9es manquantes constitue une r\u00e9alit\u00e9 in\u00e9vitable cons\u00e9cutive \u00e0 l’abandon de participants, au refus de r\u00e9pondre \u00e0 certains items ou \u00e0 des dysfonctionnements techniques d’appareillage. Sous Excel, les cellules sans r\u00e9ponse ne doivent jamais \u00eatre cod\u00e9es par le chiffre 0, au risque dramatique de transformer une absence de mesure en une valeur empirique nulle qui d\u00e9naturerait l’ensemble des moyennes et des covariances. Elles doivent rester strictement vides ou faire l’objet de techniques d’imputation m\u00e9thodique contr\u00f4l\u00e9e apr\u00e8s v\u00e9rification du m\u00e9canisme sous-jacent \u00e0 leur omission (MCAR, MAR ou MNAR).<\/p>\n L’\u00e9tape suivante consiste en la d\u00e9tection m\u00e9thodique des valeurs aberrantes ou atypiques (outliers<\/em>). Dans un premier temps, le calcul des scores centr\u00e9s r\u00e9duits (scores z<\/em>) via la fonction Enfin, l’examen de la consistance interne de la saisie implique la recherche de doublons involontaires par l’outil natif de d\u00e9duplication d’Excel (onglet Donn\u00e9es > Supprimer les doublons<\/em>) et le contr\u00f4le des bornes de plausibilit\u00e9 psychom\u00e9trique (par exemple, s’assurer qu’aucun score d’une \u00e9chelle born\u00e9e entre 0 et 50 n’affiche une valeur sup\u00e9rieure \u00e0 50 par suite d’une faute de frappe). Chaque correction, suppression ou imputation doit \u00eatre consign\u00e9e de fa\u00e7on exhaustive dans une feuille de calcul d\u00e9di\u00e9e faisant office de journal d’audit m\u00e9thodologique, gage indispensable de la reproductibilit\u00e9 scientifique des analyses ult\u00e9rieures.<\/p>\n L’exploration visuelle constitue le passage oblig\u00e9 de l’analyse bivari\u00e9e. Sous Excel, la construction d’un diagramme de dispersion ob\u00e9it \u00e0 une s\u00e9quence d’actions rigoureusement codifi\u00e9e qui garantit l’exactitude de la projection g\u00e9om\u00e9trique. La premi\u00e8re \u00e9tape requiert la s\u00e9lection m\u00e9thodique des deux colonnes contenant les s\u00e9ries de donn\u00e9es \u00e0 confronter. Si les variables occupent des plages contigu\u00ebs (par exemple, la plage Une fois la s\u00e9lection active, le chercheur navigue vers le ruban sup\u00e9rieur d’Excel, clique sur l’onglet Insertion<\/strong>, puis localise le groupe fonctionnel intitul\u00e9 Graphiques<\/strong>. Au sein de ce panneau, il convient de cliquer sur l’ic\u00f4ne repr\u00e9sentant un ensemble de points non reli\u00e9s, d\u00e9sign\u00e9e sous l’appellation Ins\u00e9rer un graphique en nuage de points (X, Y)<\/strong>. Parmi les d\u00e9clinaisons propos\u00e9es, il est imp\u00e9ratif de s\u00e9lectionner exclusivement le mod\u00e8le \u00e9l\u00e9mentaire intitul\u00e9 Nuage de points<\/strong>, exempt de toute ligne d’interpolation droite ou liss\u00e9e. Relier artificiellement les points d’une distribution transversale par des segments constituerait un contresens m\u00e9thodologique majeur, induisant \u00e0 tort l’id\u00e9e d’une continuit\u00e9 s\u00e9quentielle ou temporelle.<\/p>\n Une pr\u00e9caution technique d\u00e9terminante concerne l’affectation correcte des axes cart\u00e9siens. Par d\u00e9faut, Excel assigne syst\u00e9matiquement la colonne situ\u00e9e la plus \u00e0 gauche de la s\u00e9lection \u00e0 l’axe horizontal des abscisses (variable X<\/em>) et la colonne adjacente de droite \u00e0 l’axe vertical des ordonn\u00e9es (variable Y<\/em>). Si l’ordonnancement th\u00e9orique de la recherche exige d’inverser ces r\u00f4les (en pla\u00e7ant par exemple le temps d’\u00e9tude en abscisse et le score acad\u00e9mique en ordonnance), le chercheur doit effectuer un clic droit sur la zone de tra\u00e7age, choisir l’option S\u00e9lectionner des donn\u00e9es<\/strong>, puis modifier les plages sources d\u00e9finissant respectivement les \u00ab Valeurs de la s\u00e9rie X \u00bb et les \u00ab Valeurs de la s\u00e9rie Y \u00bb.<\/p>\n D\u00e8s l’apparition du nuage de points sur la feuille de calcul, l’analyste doit suspendre toute vell\u00e9it\u00e9 de calcul num\u00e9rique pour se livrer \u00e0 un diagnostic morphologique attentif de la distribution bidimensionnelle. Cette auscultation visuelle s’articule autour de quatre dimensions fondamentales : la forme globale, l’orientation, la compacit\u00e9 et l’homog\u00e9n\u00e9it\u00e9 de la dispersion. La premi\u00e8re interrogation concerne la lin\u00e9arit\u00e9 du lien. Les points semblent-ils s’organiser le long d’un corridor rectiligne, ou d\u00e9crivent-ils une trajectoire curvilin\u00e9aire, parabolique, voire exponentielle ? Si la courbure du nuage trahit une relation non lin\u00e9aire (par exemple, une forme en U invers\u00e9 illustrant la c\u00e9l\u00e8bre loi de Yerkes-Dodson reliant l’\u00e9veil motivationnel et la performance), les outils de corr\u00e9lation lin\u00e9aire standard s’av\u00e9reront inad\u00e9quats sans ajustement pr\u00e9alable.<\/p>\n Le second crit\u00e8re porte sur la direction de la pente. Une orientation ascendante (de bas en gauche vers le haut en droite) t\u00e9moigne d’une covariation positive : l’augmentation des scores sur X<\/em> s’accompagne d’une progression concomitante sur Y<\/em>. \u00c0 l’inverse, un nuage descendant signale une association inverse ou n\u00e9gative. Une dispersion circulaire isotrope, semblable \u00e0 un tir de grenaille d\u00e9pourvu de direction privil\u00e9gi\u00e9e, indique une ind\u00e9pendance lin\u00e9aire des deux variables.<\/p>\n1.2 Les trois piliers m\u00e9thodologiques fondamentaux<\/h3>\n
1.3 Applications directes et pertinence en recherche psychologique<\/h3>\n
2. Typologie des variables et pr\u00e9paration rigoureuse des donn\u00e9es sous Excel<\/h2>\n
2.1 Classification des \u00e9chelles de mesure de Stevens<\/h3>\n
2.2 Structuration optimale d’une matrice de donn\u00e9es dans une feuille de calcul<\/h3>\n
Temps_Etude_H<\/code> et Score_Examen<\/code> \u00e0 des intitul\u00e9s verbeux comportant des retours \u00e0 la ligne). La premi\u00e8re colonne doit syst\u00e9matiquement h\u00e9berger un identifiant anonymis\u00e9 unique (ex. Sujet_01<\/code>, Sujet_02<\/code>), garantissant la tra\u00e7abilit\u00e9 d\u00e9ontologique de la cohorte conform\u00e9ment aux directives sur la protection des donn\u00e9es personnelles.<\/p>\nCtrl + L<\/code> ou l’onglet Accueil > Mettre sous forme de tableau<\/em>). Ce formalisme assure la propagation automatique des formules, fige les en-t\u00eates lors du d\u00e9filement et permet d’utiliser des r\u00e9f\u00e9rences structur\u00e9es lisibles plut\u00f4t que des plages de coordonn\u00e9es fig\u00e9es et cryptiques.<\/p>\n2.3 Nettoyage pr\u00e9liminaire et v\u00e9rification de la qualit\u00e9 des donn\u00e9es<\/h3>\n
=CENTREE.REDUITE(cellule; moyenne; ecart_type)<\/code> permet d’isoler les observations s’\u00e9cartant de plus de 3 \u00e9carts-types de la moyenne empirique. En compl\u00e9ment, l’analyse non param\u00e9trique bas\u00e9e sur l’intervalle interquartile permet d’identifier les valeurs tombant au-del\u00e0 de 1,5 fois l’\u00e9cart interquartile calcul\u00e9 \u00e0 partir du premier et du troisi\u00e8me quartile via les fonctions =QUARTILE.EXCLURE(plage; 1)<\/code> et =QUARTILE.EXCLURE(plage; 3)<\/code>.<\/p>\n3. Exploration visuelle initiale : Construction du diagramme de dispersion sous Excel<\/h2>\n
3.1 Proc\u00e9dure pas \u00e0 pas d’insertion du nuage de points<\/h3>\n
B2:C21<\/code>), il suffit de les mettre en surbrillance avec le curseur de la souris. Dans l’\u00e9ventualit\u00e9 o\u00f9 les colonnes seraient disjointes, l’utilisateur op\u00e9rera une multi-s\u00e9lection en maintenant la touche Ctrl<\/code> enfonc\u00e9e pendant la s\u00e9lection de la premi\u00e8re plage pr\u00e9dictive, puis de la seconde plage crit\u00e8re.<\/p>\n![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/biv2.png\")
<\/figure>\n3.2 Analyse visuelle et morphologique de la distribution bivari\u00e9e<\/h3>\n
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/biv3.png\")
<\/figure>\n![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/biv4.png\")
<\/figure>\n