Bien que les logiciels sp\u00e9cialis\u00e9s tels que R, Python ou SPSS int\u00e8grent nativement des fonctions d\u00e9di\u00e9es au calcul de cette m\u00e9trique, le tableur Microsoft Excel demeure le vecteur d’analyse pr\u00e9liminaire le plus r\u00e9pandu au sein des laboratoires de recherche, des structures cliniques et des d\u00e9partements de psychologie appliqu\u00e9e. Cependant, l’absence d’une fonction native unitaire explicitement nomm\u00e9e \u00ab MAD \u00bb dans les versions conventionnelles du logiciel oblige le chercheur et le praticien \u00e0 ma\u00eetriser son impl\u00e9mentation algorithmique, qu’il s’agisse de d\u00e9compositions cellulaires s\u00e9quentielles, de formules matricielles dynamiques ou de routines automatis\u00e9es en langage VBA. Ce guide exhaustif a pour vocation d’exposer l’int\u00e9gralit\u00e9 des fondements th\u00e9oriques, des propri\u00e9t\u00e9s formelles et des proc\u00e9dures pas \u00e0 pas permettant de calculer, normaliser et interpr\u00e9ter l’\u00e9cart absolu m\u00e9dian dans Excel, tout en respectant scrupuleusement les exigences m\u00e9thodologiques et r\u00e9dactionnelles de la recherche contemporaine.<\/p>\n
1. Cadre conceptuel de l’\u00e9cart absolu m\u00e9dian (MAD) en psychologie quantitative<\/h2>\n1.1 D\u00e9finition et origines statistiques de l’\u00e9cart absolu m\u00e9dian<\/h3>\n
L’\u00e9mergence de l’\u00e9cart absolu m\u00e9dian s’inscrit historiquement dans la r\u00e9volution conceptuelle de l’analyse exploratoire des donn\u00e9es impuls\u00e9e par le math\u00e9maticien John Tukey<\/a> au cours des ann\u00e9es 1970. Conscient de la vuln\u00e9rabilit\u00e9 des estimateurs classiques d\u00e9riv\u00e9s de la th\u00e9orie des moindres carr\u00e9s, Tukey a jet\u00e9 les bases d’une approche r\u00e9sistante aux anomalies distributionnelles. Cette trajectoire \u00e9pist\u00e9mologique a trouv\u00e9 sa formalisation d\u00e9finitive gr\u00e2ce aux travaux s\u00e9minaux de statisticiens sp\u00e9cialistes de la robustesse, au premier rang desquels figure Peter Rousseeuw, qui a d\u00e9montr\u00e9 les propri\u00e9t\u00e9s asymptotiques et la r\u00e9silience exceptionnelle du MAD dans l’ouvrage de r\u00e9f\u00e9rence Robust Regression and Outlier Detection<\/em>.<\/p>\n Sur le plan formel, l’\u00e9cart absolu m\u00e9dian se d\u00e9finit comme une mesure non param\u00e9trique de dispersion statistique calcul\u00e9e \u00e0 partir des m\u00e9dianes des d\u00e9viations individuelles par rapport \u00e0 la m\u00e9diane globale de l’\u00e9chantillon. Contrairement aux indicateurs d\u00e9pendants des moments d’ordre deux, tels que la variance ou l’\u00e9cart-type, le MAD n’op\u00e8re aucune \u00e9l\u00e9vation au carr\u00e9 des \u00e9carts. Cette particularit\u00e9 fondamentale lui conf\u00e8re une immunit\u00e9 intrins\u00e8que face \u00e0 l’\u00e9tirement artificiel de la m\u00e9trique provoqu\u00e9 par des scores extr\u00eames situ\u00e9s dans les extr\u00e9mit\u00e9s de la distribution.<\/p>\n En psychom\u00e9trie et en psychologie quantitative, cette caract\u00e9ristique est primordiale. Les scores composites issus de batteries de tests psychologiques manifestent quasi syst\u00e9matiquement des distributions asym\u00e9triques, r\u00e9gies par des m\u00e9canismes sous-jacents non lin\u00e9aires ou des contraintes physiologiques ind\u00e9passables. \u00c9pist\u00e9mologiquement, il convient donc de distinguer la dispersion centrale classique, qui vise \u00e0 r\u00e9sumer la variabilit\u00e9 sous le postulat dogmatique d’une loi normale, de la dispersion robuste, qui d\u00e9crit l’\u00e9tendue r\u00e9elle occup\u00e9e par la majorit\u00e9 compacte des observations sans se laisser contaminer par la structure stochastique des marges.<\/p>\n Pour appr\u00e9hender la sup\u00e9riorit\u00e9 op\u00e9rationnelle du MAD dans les contextes de donn\u00e9es bruit\u00e9es, il est indispensable de convoquer le concept math\u00e9matique de point de rupture (breakdown point<\/em>). Th\u00e9oris\u00e9 par Frank Hampel et approfondi par Peter Rousseeuw, le point de rupture quantifie la proportion minimale de donn\u00e9es contamin\u00e9es ou aberrantes qu’un \u00e9chantillon peut contenir avant que l’estimateur ne produise une valeur arbitrairement grande ou erron\u00e9e. L’\u00e9cart-type classique pr\u00e9sente un point de rupture de 0 % (asymptotiquement $1\/N$<\/span>). Cela signifie qu’une unique valeur aberrante, qu’elle r\u00e9sulte d’une erreur d’encodage, d’une panne instrumentale ou d’un comportement aberrant d’un participant, suffit \u00e0 faire diverger l’estimateur vers l’infini, faussant irr\u00e9m\u00e9diablement l’appr\u00e9ciation de la dispersion globale.<\/p>\n \u00c0 l’inverse, l’\u00e9cart absolu m\u00e9dian poss\u00e8de le point de rupture le plus \u00e9lev\u00e9 concevable pour un estimateur de dispersion : 50 %. Il est n\u00e9cessaire de corrompre strictement plus de la moiti\u00e9 des observations d’un jeu de donn\u00e9es pour contraindre le MAD \u00e0 s’effondrer vers z\u00e9ro ou \u00e0 cro\u00eetre ind\u00e9finiment. Cette r\u00e9sistance d\u00e9coule directement de l’utilisation s\u00e9quentielle de la m\u00e9diane, elle-m\u00eame dot\u00e9e d’un point de rupture de 50 %, tant pour le positionnement central que pour la quantification des d\u00e9viations.<\/p>\n L’impact de la contamination des donn\u00e9es sur les inf\u00e9rences psychologiques s’av\u00e8re d\u00e9vastateur lorsqu’elle est n\u00e9glig\u00e9e. L’inflation artificielle de l’\u00e9cart-type sous l’effet de quelques valeurs atypiques augmente l’erreur quadratique moyenne, \u00e9largit de mani\u00e8re fallacieuse les intervalles de confiance et affaiblit dramatiquement la puissance statistique des tests d’hypoth\u00e8ses subs\u00e9quents. En adoptant le MAD, le chercheur pr\u00e9serve la validit\u00e9 interne de son protocole en garantissant que l’estimation des param\u00e8tres fondamentaux de variabilit\u00e9 refl\u00e8te le comportement de la population cible et non les fluctuations accidentelles de donn\u00e9es pollu\u00e9es.<\/p>\n Les sciences du comportement constituent un terrain d’\u00e9lection privil\u00e9gi\u00e9 pour le d\u00e9ploiement du MAD. L’un des exemples les plus embl\u00e9matiques r\u00e9side dans l’analyse des temps de r\u00e9action chronom\u00e9triques en neuropsychologie cognitive. Lors de t\u00e2ches informatis\u00e9es de type Stroop, Go\/No-Go ou d’amor\u00e7age s\u00e9mantique, les distributions temporelles sont structurellement asym\u00e9triques \u00e0 droite, s’apparentant \u00e0 des lois ex-gaussiennes ou de Wald. Les temps de r\u00e9ponse int\u00e8grent fr\u00e9quemment des appuis accidentels ultracourts (inf\u00e9rieurs \u00e0 150 millisecondes) ainsi que des latences excessives r\u00e9sultant d’inattentions ponctuelles. Dans ce contexte, l’\u00e9cart-type surestime syst\u00e9matiquement la variabilit\u00e9 intra- et interindividuelle, un \u00e9cueil que le MAD neutralise avec une efficacit\u00e9 math\u00e9matique remarquable.<\/p>\n Un deuxi\u00e8me champ d’application critique concerne l’administration d’\u00e9chelles de personnalit\u00e9 et d’instruments psychom\u00e9triques standardis\u00e9s. Les biais de r\u00e9ponse, tels que l’acquiescement extr\u00eame ou le refus d\u00e9lib\u00e9r\u00e9 d’engagement, g\u00e9n\u00e8rent des scores p\u00e9riph\u00e9riques artificiels qui distordent les corr\u00e9lations et l’analyse de fid\u00e9lit\u00e9 des items. L’usage du MAD permet d’isoler l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 psychologique authentique de l’\u00e9chantillon sans disqualifier globalement les profils mod\u00e9r\u00e9ment d\u00e9viants.<\/p>\n Par ailleurs, la g\u00e9n\u00e9ralisation des exp\u00e9rimentations men\u00e9es sur des plateformes en ligne (telles que Prolific ou MTurk) expose les banques de donn\u00e9es \u00e0 des pourcentages \u00e9lev\u00e9s de r\u00e9ponses inattentives ou g\u00e9n\u00e9r\u00e9es par des automates. Le MAD offre alors un filtre robuste pour assainir ces jeux de donn\u00e9es massifs. Enfin, dans le secteur de la psychophysiologie et des neurosciences comportementales, o\u00f9 les enregistrements de la conductance cutan\u00e9e, de la variabilit\u00e9 du rythme cardiaque (VRC) et des potentiels \u00e9voqu\u00e9s sont en permanence parasit\u00e9s par des artefacts de mouvement, le MAD fournit une base robuste d’estimation du niveau de bruit de fond du signal biologique.<\/p>\n L’expression math\u00e9matique formelle de l’\u00e9cart absolu m\u00e9dian se caract\u00e9rise par une \u00e9l\u00e9gante simplicit\u00e9 alg\u00e9brique dissimulant une redoutable efficacit\u00e9 computationnelle. Elle s’\u00e9nonce selon l’\u00e9quation suivante :<\/p>\n $$\\text{MAD} = \\text{M\u00e9diane}\\left( |x_i – \\text{M\u00e9diane}(X)| \\right)$$<\/span><\/p>\n La d\u00e9composition analytique de cette formulation r\u00e9v\u00e8le une architecture op\u00e9ratoire en trois temps. Le terme $X = {x_1, x_2, dots, x_n}$<\/span> repr\u00e9sente l’ensemble vectoriel des observations empiriques brutes collect\u00e9es aupr\u00e8s de l’\u00e9chantillon exp\u00e9rimental, o\u00f9 chaque $x_i$<\/span> renvoie \u00e0 la performance ou au score individuel d’un sujet donn\u00e9 pour la m\u00e9trique consid\u00e9r\u00e9e.<\/p>\n Le terme pivot central, d\u00e9sign\u00e9 par $\\text{M\u00e9diane}(X)$<\/span> ou $x_m$<\/span>, incarne le centre r\u00e9sistant de la distribution, d\u00e9fini tel que 50 % des observations lui sont inf\u00e9rieures ou \u00e9gales et 50 % lui sont sup\u00e9rieures ou \u00e9gales. La d\u00e9viation individuelle est ensuite \u00e9tablie par la diff\u00e9rence \u00e9l\u00e9mentaire $x_i – x_m$<\/span>.<\/p>\n L’application de l’op\u00e9rateur de valeur absolue, not\u00e9 $|cdot|$<\/span>, joue un r\u00f4le m\u00e9thodologique d\u00e9terminant. Il neutralise la directionalit\u00e9 vectorielle de l’\u00e9cart. Dans l’espace euclidien unidimensionnel de la mesure psychologique, une d\u00e9viation n\u00e9gative (sujet r\u00e9pondant plus rapidement que la m\u00e9diane) poss\u00e8de la m\u00eame valeur informative quant \u00e0 la dispersion qu’une d\u00e9viation positive d’amplitude identique (sujet r\u00e9pondant plus lentement). L’op\u00e9rateur absolu rabat l’ensemble des \u00e9carts sur la demi-droite des r\u00e9els positifs $[0, +\\infty[$<\/span>. Enfin, l’op\u00e9rateur de m\u00e9diane externe extrait la valeur centrale de ces \u00e9carts positifs ordonn\u00e9s, isolant ainsi la distance typique s\u00e9parant une observation quelconque du centre r\u00e9sistant.<\/p>\n Dans sa forme brute issue de l’\u00e9quation pr\u00e9c\u00e9dente, le MAD quantifie la dispersion dans une m\u00e9trique intrins\u00e8que qui ne co\u00efncide pas num\u00e9riquement avec l’\u00e9cart-type, m\u00eame lorsque les donn\u00e9es sont issues d’une distribution parfaitement normale. Or, la quasi-totalit\u00e9 des mod\u00e8les psychom\u00e9triques et des th\u00e9ories statistiques classiques s’est d\u00e9velopp\u00e9e autour de l’\u00e9cart-type ($\\sigma$<\/span>) comme param\u00e8tre fondamental d’\u00e9chelle de la loi gaussienne. Afin de rendre le MAD directement comparable \u00e0 l’\u00e9cart-type et de lui permettre d’estimer de fa\u00e7on non biais\u00e9e l’\u00e9cart-type d’une population normale sous-jacente, l’introduction d’un facteur de correction d’\u00e9chelle s’av\u00e8re indispensable.<\/p>\n Ce multiplicateur asymptotique, conventionnellement not\u00e9 $k$<\/span>, est issu des propri\u00e9t\u00e9s analytiques de la loi normale standard $\\mathcal{N}(0, 1)$<\/span>. Pour une telle distribution, le MAD th\u00e9orique correspond \u00e0 la m\u00e9diane des valeurs absolues de variables centr\u00e9es r\u00e9duites, ce qui \u00e9quivaut au troisi\u00e8me quartile de la distribution normale standardis\u00e9e, c’est-\u00e0-dire le point $z$<\/span> tel que la fonction de r\u00e9partition cumulative v\u00e9rifie $\\Phi(z) = 0{,}75$<\/span>. Par inversion analytique de la fonction de r\u00e9partition, on obtient la valeur exacte :<\/p>\n $$z_{0{,}75} = \\Phi^{-1}(0{,}75) \\approx 0{,}67448975$$<\/span><\/p>\n Puisque l’\u00e9cart-type d’une loi normale centr\u00e9e r\u00e9duite est \u00e9gal \u00e0 1, le facteur d’\u00e9chelle multiplicatif n\u00e9cessaire pour normaliser le MAD s’obtient en calculant l’inverse de cette valeur seuil :<\/p>\n $$k = \\frac{1}{\\Phi^{-1}(0{,}75)} = \\frac{1}{0{,}67448975} \\approx 1{,}4826022185$$<\/span><\/p>\n D\u00e8s lors, l’estimateur de l’\u00e9cart absolu m\u00e9dian normalis\u00e9, fr\u00e9quemment d\u00e9sign\u00e9 par l’acronyme NMAD (Normalized Median Absolute Deviation<\/em>) ou $\\text{MAD}_\\sigma$<\/span>, est d\u00e9fini par la relation fondamentale :<\/p>\n $$\\text{NMAD} = 1{,}4826 \\times \\text{MAD}$$<\/span><\/p>\n Lorsque cette transformation est appliqu\u00e9e \u00e0 un \u00e9chantillon extrait d’une population gaussienne pure, la valeur esp\u00e9r\u00e9e du NMAD converge vers l’\u00e9cart-type de cette population. En revanche, lorsque les donn\u00e9es empiriques d\u00e9vient de la normalit\u00e9, l’\u00e9cart observ\u00e9 entre le NMAD et l’\u00e9cart-type classique devient un indicateur diagnostique pr\u00e9cieux de la lourdeur des queues de distribution ou du degr\u00e9 d’asym\u00e9trie stochastique.<\/p>\n Sur le plan des propri\u00e9t\u00e9s asymptotiques, le MAD pr\u00e9sente une convergence stochastique presque s\u00fbre vers sa valeur th\u00e9orique populationnelle au fur et \u00e0 mesure que la taille de l’\u00e9chantillon $N$<\/span> tend vers l’infini. N\u00e9anmoins, la contrepartie math\u00e9matique inh\u00e9rente \u00e0 son extraordinaire point de rupture de 50 % r\u00e9side dans son efficacit\u00e9 asymptotique relative. Sous les conditions id\u00e9ales d’une distribution normale pure, l’efficacit\u00e9 statistique du MAD par rapport \u00e0 l’estimateur classique de la variance (fond\u00e9 sur la somme des carr\u00e9s des \u00e9carts) n’est que d’environ 37 % ($\\frac{2}{\\pi \\times (1{,}4826)^2 \\times dots} \\approx 0{,}367$<\/span>). Cela signifie qu’en l’absence totale de valeurs aberrantes, le MAD requiert un volume d’observations sup\u00e9rieur pour atteindre la m\u00eame pr\u00e9cision d’\u00e9chantillonnage que l’\u00e9cart-type standard.<\/p>\n En comparaison, d’autres estimateurs robustes plus sophistiqu\u00e9s, tels que les M-estimateurs de dispersion introduits par Huber ou les estimateurs $S_n$<\/span> et $Q_n$<\/span> d\u00e9velopp\u00e9s par Rousseeuw et Croux, affichent des efficacit\u00e9s asymptotiques s’\u00e9levant jusqu’\u00e0 58 % ou 82 % tout en pr\u00e9servant le point de rupture de 50 %. Toutefois, la complexit\u00e9 calculatoire de ces alternatives limite consid\u00e9rablement leur mise en \u0153uvre sous des environnements de tableurs bureautiques. Face \u00e0 l’\u00e9cart interquartile (IQR), dont le point de rupture n’est que de 25 %, le MAD conserve un avantage structurel d\u00e9cisif en mati\u00e8re de r\u00e9sistance pure aux contaminations massives.<\/p>\n Il existe n\u00e9anmoins une limitation intrins\u00e8que majeure dont l’analyste quantitatif doit \u00eatre rigoureusement conscient : le comportement de l’estimateur face \u00e0 des variables strictement discr\u00e8tes \u00e0 faible \u00e9tendue ou fortement tronqu\u00e9es. Si plus de la moiti\u00e9 des participants d’une cohorte obtiennent un score rigoureusement identique (par exemple lors d’un effet de plancher massif sur une \u00e9chelle clinique o\u00f9 plus de 50 % des individus cochent le score minimal 0), la m\u00e9diane de la variable sera \u00e9gale \u00e0 cette modalit\u00e9, et au moins 50 % des \u00e9carts absolus seront nuls. Par voie de cons\u00e9quence, le calcul m\u00e8nera in\u00e9vitablement \u00e0 un MAD \u00e9gal \u00e0 z\u00e9ro, sugg\u00e9rant \u00e0 tort une absence absolue de dispersion alors m\u00eame qu’une variabilit\u00e9 r\u00e9siduelle substantielle existe dans la fraction restante des donn\u00e9es.<\/p>\n La r\u00e9ussite de l’impl\u00e9mentation algorithmique du MAD dans Microsoft Excel d\u00e9pend en premier lieu de la rigueur architecturale appliqu\u00e9e \u00e0 la feuille de calcul. Une analyse statistique robuste ne saurait s’accommoder de donn\u00e9es d\u00e9sorganis\u00e9es ou d’agencements bidirectionnels anarchiques. Il est imp\u00e9ratif d’adopter une disposition matricielle standardis\u00e9e respectant les canons de la structure relationnelle des donn\u00e9es (format rectangulaire ou tidy data<\/em>). Chaque ligne doit repr\u00e9senter une unit\u00e9 exp\u00e9rimentale unique (le participant, le sujet d’\u00e9tude ou la session temporelle), tandis que chaque colonne doit correspondre rigoureusement \u00e0 une variable nominale, ordinale ou m\u00e9trique clairement d\u00e9finie.<\/p>\n La premi\u00e8re colonne (typiquement la colonne A) sera r\u00e9serv\u00e9e \u00e0 l’identifiant univoque du sujet (par exemple Un soin scrupuleux doit \u00eatre accord\u00e9 au typage des donn\u00e9es. Excel poss\u00e8de la f\u00e2cheuse propension \u00e0 convertir de fa\u00e7on silencieuse certaines entr\u00e9es num\u00e9riques en cha\u00eenes de caract\u00e8res textuelles, notamment lors de l’importation de fichiers externes au format CSV ou TXT (souvent caus\u00e9 par une discordance sur les s\u00e9parateurs d\u00e9cimaux). Une cellule contenant un nombre align\u00e9 \u00e0 gauche trahit g\u00e9n\u00e9ralement un format texte qui sera ignor\u00e9 par les fonctions d’agr\u00e9gation statistique, induisant des biais de calcul imperceptibles. Pour fiabiliser les manipulations ult\u00e9rieures, il est fortement recommand\u00e9 de convertir la plage de valeurs exp\u00e9rimentales en tableau structur\u00e9 Excel (via l’onglet Dans tout protocole de recherche empirique, la pr\u00e9sence de donn\u00e9es manquantes est une fatalit\u00e9 m\u00e9thodologique. En psychologie, ces absences de donn\u00e9es sont conventionnellement cod\u00e9es dans les fichiers sources par des valeurs sentinelles arbitraires telles que Il est donc imp\u00e9ratif de purger le jeu de donn\u00e9es de ces codes sentinelles avant toute op\u00e9ration. Deux approches sont envisageables sous Excel : soit remplacer ces valeurs par des cellules strictement vides au moyen de la fonctionnalit\u00e9 La gestion d\u00e9ontologique et scientifique de ces omissions impose une documentation exhaustive. Toute exclusion d’un participant ou toute neutralisation d’une cellule manquante doit faire l’objet d’une consigne explicite consign\u00e9e dans le journal d’analyse de la recherche, explicitant si l’absence d\u00e9coule d’un dysfonctionnement technique, d’un abandon de t\u00e2che ou d’un crit\u00e8re d’\u00e9ligibilit\u00e9 non satisfait.<\/p>\n L’ex\u00e9cution de formules statistiques sous Microsoft Excel se heurte fr\u00e9quemment \u00e0 des frictions syntaxiques li\u00e9es \u00e0 la localisation linguistique du logiciel et aux param\u00e8tres r\u00e9gionaux du syst\u00e8me d’exploitation Windows ou macOS. Ces discordances constituent la source principale d’\u00e9chec chez les chercheurs alternant entre la litt\u00e9rature acad\u00e9mique internationale anglo-saxonne et des environnements de travail informatis\u00e9s francophones.<\/p>\n La premi\u00e8re divergence r\u00e9side dans le s\u00e9parateur d’arguments au sein des fonctions. Dans les versions anglophones d’Excel, les arguments sont syst\u00e9matiquement s\u00e9par\u00e9s par une virgule ( La seconde disparit\u00e9 concerne la d\u00e9nomination m\u00eame des fonctions de biblioth\u00e8que. Le tableau d’\u00e9quivalence op\u00e9rationnelle doit \u00eatre scrupuleusement int\u00e9gr\u00e9 :<\/p>\n Enfin, il convient de veiller \u00e0 ce que le format d’affichage des cellules num\u00e9riques (d\u00e9fini dans L’\u00e9tape inaugurale du processus s\u00e9quentiel consiste \u00e0 extraire avec une exactitude irr\u00e9prochable la tendance centrale robuste de la distribution empirique. Cette grandeur constituera l’ancrage invariable \u00e0 partir duquel l’int\u00e9gralit\u00e9 des d\u00e9viations individuelles sera ult\u00e9rieurement \u00e9valu\u00e9e. Dans l’\u00e9cosyst\u00e8me Excel, cette op\u00e9ration est d\u00e9l\u00e9gu\u00e9e \u00e0 la fonction statistique native Pour illustrer concr\u00e8tement la d\u00e9marche tout au long des sections qui suivent, consid\u00e9rons un protocole o\u00f9 la variable d\u00e9pendante continue r\u00e9side dans la colonne L’algorithme interne activ\u00e9 par cette fonction ex\u00e9cute un ordonnancement num\u00e9rique ascendant automatique des \u00e9l\u00e9ments du vecteur d’entr\u00e9e. Il applique rigoureusement les r\u00e8gles universelles de calcul de la m\u00e9diane :<\/p>\n Une vigilance particuli\u00e8re doit \u00eatre accord\u00e9e \u00e0 la d\u00e9limitation de la plage : toute s\u00e9lection involontaire de la cellule d’en-t\u00eate contenant du texte, bien qu’inoffensive dans la plupart des cas gr\u00e2ce au filtrage interne d’Excel, peut engendrer des instabilit\u00e9s dans les versions ant\u00e9rieures ou lors de l’int\u00e9gration au sein de formules imbriqu\u00e9es complexes.<\/p>\n Une fois le calcul de la m\u00e9diane empirique ma\u00eetris\u00e9, son positionnement g\u00e9ographique au sein de la grille de calcul requiert une rigueur m\u00e9thodologique sans faille. Il est fortement d\u00e9conseill\u00e9 d’ins\u00e9rer cette formule de synth\u00e8se directement \u00e0 l’int\u00e9rieur de la liste des donn\u00e9es individuelles ou au bas imm\u00e9diat de la colonne sans d\u00e9marcation nette, au risque de corrompre les tris ult\u00e9rieurs ou les propagations de formules.<\/p>\n L’implantation optimale consiste \u00e0 consigner la valeur m\u00e9diane dans une cellule p\u00e9riph\u00e9rique d\u00e9di\u00e9e \u00e0 la m\u00e9trologie descriptive, par exemple dans la cellule En r\u00e9f\u00e9ren\u00e7ant cette cellule sous la forme D\u00e8s cet instant, un premier diagnostic de coh\u00e9rence doit \u00eatre op\u00e9r\u00e9 en confrontant visuellement cette m\u00e9diane \u00e0 la moyenne arithm\u00e9tique calcul\u00e9e via la fonction Afin d’ancrer de mani\u00e8re irr\u00e9futable cette d\u00e9monstration dans la r\u00e9alit\u00e9 empirique de la recherche en psychologie quantitative, d\u00e9ployons un protocole d’exp\u00e9rimentation chronom\u00e9trique standard. Soit un \u00e9chantillon de vingt participants adultes soumis \u00e0 une condition d’interf\u00e9rence cognitive dans le cadre du paradigme classique de Stroop (d\u00e9nomination de la couleur de l’encre de mots incongrus, par exemple le mot \u00ab BLEU \u00bb imprim\u00e9 en encre rouge). La variable d\u00e9pendante recueillie est la latence moyenne de r\u00e9ponse vocale, exprim\u00e9e rigoureusement en millisecondes (ms).<\/p>\n Les donn\u00e9es brutes collect\u00e9es pour ces vingt sujets (dispos\u00e9es s\u00e9quentiellement dans les cellules L’observation attentive de ce jeu de donn\u00e9es met imm\u00e9diatement en relief la pr\u00e9sence de deux participants atypiques aux rangs finaux (910 ms et 1250 ms), traduisant soit un ralentissement cognitif majeur, soit une d\u00e9connexion attentionnelle transitoire durant la passation du test. Si l’on applique l’estimateur param\u00e9trique classique au moyen de la formule En inscrivant dans la cellule de r\u00e9f\u00e9rence $$\\text{M\u00e9diane} = \\frac{680 + 684}{2} = 682\\text{ ms}$$<\/span><\/p>\n Sur le plan psychologique, ce score de 682 ms capture fid\u00e8lement le temps de traitement cognitif caract\u00e9ristique d’un sujet typique plac\u00e9 dans cette condition exp\u00e9rimentale, d\u00e9montrant la r\u00e9sistance imm\u00e9diate de la tendance centrale robuste qui refuse de conc\u00e9der plus de 45 ms de d\u00e9calage artificiel sous l’influence des deux latences pathologiques ou accidentelles.<\/p>\n L’assise robuste \u00e9tant irr\u00e9vocablement \u00e9tablie par la fixation de la m\u00e9diane, le protocole algorithmique requiert d\u00e9sormais la mesure de l’\u00e9loignement individuel de chaque point exp\u00e9rimental vis-\u00e0-vis de ce point focal. Pour ce faire, il convient de cr\u00e9er une colonne interm\u00e9diaire adjacente au jeu de donn\u00e9es brutes. Dans notre mod\u00e8le matriciel, nous ins\u00e9rons cette structure de calcul en colonne La formule \u00e9l\u00e9mentaire destin\u00e9e \u00e0 \u00e9valuer la premi\u00e8re observation (sujet 1, situ\u00e9 en ligne 2) s’\u00e9labore en exploitant conjointement l’op\u00e9rateur de soustraction et la fonction de redressement absolu Si la cellule m\u00e9diane a \u00e9t\u00e9 pr\u00e9alablement baptis\u00e9e par un libell\u00e9 textuel, l’expression prendra la forme transparente La fonction L’universalisation de cette op\u00e9ration \u00e0 l’int\u00e9gralit\u00e9 de la cohorte exp\u00e9rimentale implique une propagation m\u00e9canique de la formule de calcul depuis la ligne 2 jusqu’\u00e0 la ligne 21. Excel offre pour cette man\u0153uvre plusieurs modalit\u00e9s techniques qu’il convient de ma\u00eetriser pour \u00e9carter tout risque de glissement de r\u00e9f\u00e9rences.<\/p>\n La m\u00e9thode la plus rapide r\u00e9side dans l’utilisation de la poign\u00e9e de recopie : en s\u00e9lectionnant la cellule Une v\u00e9rification imp\u00e9rative s’impose aussit\u00f4t : il convient d’activer la touche de fonction Si l’analyste a opt\u00e9 pour la conversion initiale de son jeu de donn\u00e9es en Tableau Excel structur\u00e9, cette propagation devient instantan\u00e9e et native : l’\u00e9criture de la formule sous la syntaxe structur\u00e9e Au cours de cette \u00e9tape de d\u00e9rivation interm\u00e9diaire, une erreur m\u00e9thodologique particuli\u00e8rement pernicieuse menace la validit\u00e9 des r\u00e9sultats : l’application pr\u00e9matur\u00e9e de fonctions d’arrondi num\u00e9rique. S\u00e9duits par le d\u00e9sir d’obtenir des colonnes visuellement \u00e9pur\u00e9es au sein de leur classeur, certains praticiens introduisent subrepticement la fonction Cette pratique constitue une alt\u00e9ration grave du processus m\u00e9trologique. Les micro-variations d\u00e9cimales, m\u00eame lorsqu’elles paraissent n\u00e9gligeables \u00e0 l’\u00e9chelle de l’unit\u00e9 de mesure brute, jouent un r\u00f4le d’arbitrage fondamental lors de l’\u00e9tape ult\u00e9rieure de classement par rang pour l’extraction de la seconde m\u00e9diane. Arrondir artificiellement les d\u00e9viations absolues avant l’aboutissement de la s\u00e9quence algorithmique introduit un biais d’\u00e9cr\u00eatement cumulatif capable de modifier artificiellement le rang m\u00e9dian des \u00e9carts, tout particuli\u00e8rement au sein d’\u00e9chantillons de dimension restreinte ou mod\u00e9r\u00e9e.<\/p>\n Il est donc prescrit, selon les standards internationaux du calcul scientifique, de laisser le processeur d’Excel travailler sous le r\u00e9gime de sa pleine pr\u00e9cision native en virgule flottante double pr\u00e9cision (qui garantit une fid\u00e9lit\u00e9 computationnelle allant jusqu’\u00e0 15 chiffres significatifs). Si des imp\u00e9ratifs esth\u00e9tiques ou ergonomiques exigent une simplification de l’affichage \u00e0 l’\u00e9cran, celle-ci doit \u00eatre exclusivement mise en \u0153uvre via les commandes de mise en forme cosm\u00e9tique de l’interface (boutons L’\u00e9tape culminante de cette d\u00e9marche s\u00e9quentielle consiste \u00e0 condenser le vecteur des d\u00e9viations absolues obtenu en colonne L’op\u00e9rateur consigne dans une nouvelle cellule de restitution d\u00e9sign\u00e9e (par exemple en cellule Reprenons rigoureusement le fil de notre cas clinique portant sur les temps de r\u00e9action \u00e0 la t\u00e2che de Stroop. Le calcul des \u00e9carts absolus individuels $|x_i – 682|$<\/span> g\u00e9n\u00e8re la s\u00e9rie ordonn\u00e9e de d\u00e9viations suivante :<\/p>\n Apr\u00e8s r\u00e9ordonnancement algorithmique rigoureux par Excel dans l’espace scalaire ascendant, cette suite de vingt d\u00e9viations absolues se formalise pr\u00e9cis\u00e9ment comme suit :<\/p>\n Le nombre total d’observations $N$<\/span> \u00e9tant pair (20 \u00e9l\u00e9ments), la fonction $$\\text{MAD} = \\frac{32 + 33}{2} = 32{,}5\\text{ ms}$$<\/span><\/p>\n Le r\u00e9sultat obtenu, soit 32,5 ms, d\u00e9montre avec une clart\u00e9 limpide la propri\u00e9t\u00e9 de non-n\u00e9gativit\u00e9 structurelle inh\u00e9rente \u00e0 l’estimateur ($\\text{MAD} ge 0$<\/span>). Il exprime une r\u00e9alit\u00e9 tangible : au sein de cette cohorte exp\u00e9rimentale, l’\u00e9loignement typique et robuste des r\u00e9ponses individuelles vis-\u00e0-vis du temps central de r\u00e9f\u00e9rence est rigoureusement de 32,5 ms.<\/p>\n L’obtention de cette valeur scalaire de 32,5 ms ne prend sa pleine signification \u00e9pist\u00e9mique que lorsqu’elle est confront\u00e9e aux estimateurs concurrents de dispersion calcul\u00e9s sur la m\u00eame s\u00e9rie de donn\u00e9es brutes. Si l’on applique l’\u00e9cart-type d’\u00e9chantillon classique au moyen de la commande $$s \\approx 141{,}39\\text{ ms}$$<\/span><\/p>\n La divergence entre l’\u00e9cart-type ($s = 141{,}39$<\/span>) et le MAD brut ($\\text{MAD} = 32{,}5$<\/span>) est vertigineuse, traduisant un rapport de distorsion sup\u00e9rieur \u00e0 4 contre 1. M\u00eame apr\u00e8s avoir converti le MAD en son \u00e9quivalent normalis\u00e9 (sujet qui sera explor\u00e9 en profondeur dans la section 9), soit $32{,}5 \\times 1{,}4826 \\approx 48{,}18\\text{ ms}$<\/span>, l’\u00e9cart-type classique s’av\u00e8re pr\u00e8s de trois fois sup\u00e9rieur \u00e0 l’estimateur robuste. Cette disproportion monumentale mat\u00e9rialise l’effet de levier d\u00e9sastreux exerc\u00e9 par les deux participants atypiques (910 ms et 1250 ms) sur le calcul de la somme des carr\u00e9s des \u00e9carts.<\/p>\n En analysant conjointement le MAD et l’\u00e9cart interquartile (calculable sous Excel via l’\u00e9cart entre le troisi\u00e8me et le premier quartile, soit $\\text{IQR} = 716{,}75 – 658{,}75 = 58\\text{ ms}$<\/span>), le chercheur pose un diagnostic d’homog\u00e9n\u00e9it\u00e9 comportementale fondamental : la grande majorit\u00e9 compacte des sujets manifeste un comportement cognitif remarquablement stable et coh\u00e9rent, regroup\u00e9 dans une enveloppe de variabilit\u00e9 \u00e9troite autour de 682 ms. L’illusion d’une dispersion colossale v\u00e9hicul\u00e9e par l’\u00e9cart-type classique ne rel\u00e8ve pas de la dynamique psychologique de l’\u00e9chantillon, mais de la contamination ponctuelle de la mesure par des observations marginales.<\/p>\n L’int\u00e9gration des r\u00e9sultats issus de la statistique robuste au sein des publications scientifiques internationales est r\u00e9gie par des conventions \u00e9ditoriales pr\u00e9cises \u00e9dict\u00e9es par l’American Psychological Association (normes APA<\/a>, 7e \u00e9dition). Trop souvent, les manuscrits se contentent d’\u00e9noncer la moyenne et l’\u00e9cart-type, y compris lorsque les analyses sous-jacentes ont mobilis\u00e9 des mod\u00e8les non param\u00e9triques, g\u00e9n\u00e9rant une dissonance m\u00e9thodologique inadmissible.<\/p>\n La r\u00e8gle typographique officielle prescrit de toujours rapporter la m\u00e9diane conjointement avec l’\u00e9cart absolu m\u00e9dian lorsque la d\u00e9cision est prise de substituer les m\u00e9triques robustes aux m\u00e9triques param\u00e9triques classiques. L’abr\u00e9viation standardis\u00e9e de la m\u00e9diane en format APA s’\u00e9crit en italique : Mdn<\/em>. L’\u00e9cart absolu m\u00e9dian s’abr\u00e8ge quant \u00e0 lui conventionnellement sous la forme non italique majuscule MAD<\/em>, ou occasionnellement $\\text{emph{MAD}}$<\/span> selon la revue, accompagn\u00e9 obligatoirement de son unit\u00e9 de mesure physique ou psychom\u00e9trique.<\/p>\n Voici des mod\u00e8les canoniques de formulation textuelle recommand\u00e9s pour une section R\u00e9sultats<\/em> :<\/p>\n Ce formalisme assure une transparence m\u00e9thodologique totale et conf\u00e8re au rapport d’exp\u00e9rience une rigueur math\u00e9matique irr\u00e9prochable conforme aux exigences contemporaines de la science ouverte et reproductible.<\/p>\n Si la m\u00e9thode s\u00e9quentielle pas \u00e0 pas expos\u00e9e pr\u00e9c\u00e9demment poss\u00e8de une valeur p\u00e9dagogique ind\u00e9niable et facilite l’audit visuel des calculs interm\u00e9diaires, elle pr\u00e9sente l’inconv\u00e9nient logistique majeur d’encombrer le classeur en exigeant une colonne auxiliaire pour chaque variable \u00e9tudi\u00e9e. Dans les protocoles complexes de psychologie exp\u00e9rimentale comportant des dizaines de conditions et des centaines de variables d\u00e9pendantes, cette d\u00e9multiplication des colonnes interm\u00e9diaires alourdit consid\u00e9rablement l’architecture des feuilles de calcul et majore les risques de corruption accidentelle de formules.<\/p>\n Les versions contemporaines d’Excel (notamment Microsoft 365 et Excel 2021) int\u00e8grent un moteur de calcul enti\u00e8rement refondu fond\u00e9 sur les tableaux dynamiques et la gestion matricielle native. Gr\u00e2ce \u00e0 cette architecture logicielle moderne, il est d\u00e9sormais possible de condenser l’int\u00e9gralit\u00e9 du calcul du MAD en une formule unique, compacte et ultra-performante, log\u00e9e au sein d’une seule et unique cellule r\u00e9ceptrice :<\/p>\n Le fonctionnement interne de cette formule matricielle dynamique m\u00e9rite une dissection rigoureuse. Le moteur commence par \u00e9valuer l’expression la plus profond\u00e9ment imbriqu\u00e9e, \u00e0 savoir La fonction Une vigilance technique absolue s’impose lorsque cette formule unifi\u00e9e est d\u00e9ploy\u00e9e sur des postes de travail \u00e9quip\u00e9s de versions h\u00e9rit\u00e9es d’Excel (telles qu’Excel 2019, Excel 2016, Excel 2013 ou ant\u00e9rieures). Dans ces versions historiques, le moteur de calcul ne prenait pas en charge nativement le d\u00e9versement matriciel automatique. Si l’utilisateur saisit la formule et appuie simplement sur la touche d’entr\u00e9e standard, le logiciel sera incapable d’interpr\u00e9ter la soustraction vecteur-scalaire et renverra soit une erreur de calcul silencieuse, soit un code d’erreur explicite Pour forcer l’ancien moteur d’Excel \u00e0 allouer un tampon m\u00e9moire matriciel pour r\u00e9soudre cette imbrication, il est obligatoire de proc\u00e9der \u00e0 une validation matricielle conventionnelle, universellement connue sous la d\u00e9signation \u00ab validation CSE \u00bb. Lors de l’\u00e9dition de la cellule contenant la formule, l’utilisateur ne doit pas presser la simple touche Lorsque cette commande est correctement ex\u00e9cut\u00e9e, Excel encapsule automatiquement l’int\u00e9gralit\u00e9 de l’expression math\u00e9matique entre des accolades ouvrantes et fermantes au sein de la barre de formule, affichant la signature caract\u00e9ristique suivante :<\/p>\n Il est crucial de rappeler qu’il est rigoureusement impossible de taper ces accolades manuellement au clavier : elles repr\u00e9sentent une marque d’\u00e9tat interne g\u00e9n\u00e9r\u00e9e exclusivement par l’interpr\u00e9teur de commandes du tableur. En cas de modification ult\u00e9rieure du texte de la formule, la validation CSE doit \u00eatre imp\u00e9rativement r\u00e9ex\u00e9cut\u00e9e sous peine de corrompre la validit\u00e9 de l’estimateur.<\/p>\n Si la condensation matricielle offre une concision syntaxique ind\u00e9niable, il importe d’en analyser lucidement le co\u00fbt algorithmique sous-jacent. L’examen attentif de la structure de l’expression Sur un petit \u00e9chantillon psychologique classique comportant quelques dizaines ou quelques centaines de lignes, la p\u00e9nalit\u00e9 computationnelle est totalement imperceptible, le temps de calcul se mesurant en fractions infinit\u00e9simales de milliseconde. Toutefois, la situation change radicalement d’\u00e9chelle lorsque le classeur g\u00e8re des cohortes \u00e9pid\u00e9miologiques massives ou des journaux d’\u00e9v\u00e9nements comportementaux int\u00e9grant des centaines de milliers de lignes. La fonction D\u00e8s lors, un arbitrage m\u00e9thodologique avis\u00e9 doit \u00eatre op\u00e9r\u00e9 par l’analyste :<\/p>\n Afin d’\u00e9radiquer d\u00e9finitivement la complexit\u00e9 syntaxique des formules matricielles et d’offrir aux \u00e9quipes de recherche une exp\u00e9rience utilisateur d’une fluidit\u00e9 parfaite, la programmation d’une fonction personnalis\u00e9e \u2014 d\u00e9sign\u00e9e sous le terme d’UDF (User-Defined Function<\/em>) \u2014 via l’environnement Visual Basic for Applications (VBA)<\/a> repr\u00e9sente la solution d’ing\u00e9nierie logicielle par excellence. En dotant Excel d’une commande native Pour impl\u00e9menter cette routine, l’utilisateur ouvre l’\u00e9diteur de code int\u00e9gr\u00e9 en utilisant le raccourci 1.2 Comparaison th\u00e9orique avec l’\u00e9cart-type classique<\/h3>\n
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/madExcel1.png\")
<\/figure>\n1.3 Champs d’application privil\u00e9gi\u00e9s dans la recherche en sciences du comportement<\/h3>\n
2. Fondements math\u00e9matiques et formulation statistique du MAD<\/h2>\n
2.1 D\u00e9composition de la formule g\u00e9n\u00e9rale<\/h3>\n
2.2 Le coefficient d’ajustement pour distribution normale<\/h3>\n
2.3 Propri\u00e9t\u00e9s asymptotiques et robustesse de l’estimateur<\/h3>\n
3. Pr\u00e9paration et structuration des donn\u00e9es exp\u00e9rimentales dans Excel<\/h2>\n
3.1 Organisation architecturale de la feuille de calcul<\/h3>\n
SUBJ_001<\/code>, SUBJ_002<\/code>). Les colonnes subs\u00e9quentes accueilleront les descripteurs d\u00e9mographiques, les facteurs cat\u00e9goriels inter-sujets (groupe contr\u00f4le versus exp\u00e9rimental), puis les variables d\u00e9pendantes continues. L’int\u00e9grit\u00e9 du calcul impose d’isoler imp\u00e9rativement une colonne enti\u00e8re d\u00e9di\u00e9e exclusivement aux donn\u00e9es brutes non alt\u00e9r\u00e9es. Cette pr\u00e9caution garantit l’immuabilit\u00e9 de la mesure primaire face aux manipulations subs\u00e9quentes.<\/p>\nInsertion<\/code> > Tableau<\/code>) ou, \u00e0 d\u00e9faut, d’attribuer un nom de plage explicite (par exemple Scores_Bruts<\/code>) au moyen du gestionnaire de noms.<\/p>\n3.2 Gestion pr\u00e9alable des valeurs manquantes et aberrantes<\/h3>\n
-999<\/code>, 999<\/code>, ou des mentions litt\u00e9rales comme NA<\/code>, N\/A<\/code> ou MANQUANT<\/code>. Si l’analyste int\u00e8gre sans discernement une colonne contenant le code num\u00e9rique 999<\/code> dans le calcul du MAD sous Excel, les cons\u00e9quences seront catastrophiques : bien que la m\u00e9diane soit robuste, la pr\u00e9sence de plusieurs occurrences de 999<\/code> tirera artificiellement le calcul des d\u00e9viations vers des amplitudes colossales.<\/p>\nRechercher et remplacer<\/code>, soit utiliser des filtres d’int\u00e9grit\u00e9 conditionnels. Le comportement des fonctions math\u00e9matiques d’Excel doit \u00eatre parfaitement ma\u00eetris\u00e9 : la fonction MEDIANE<\/code> ignore par d\u00e9faut les cellules vides ainsi que les entr\u00e9es textuelles non convertibles, ce qui constitue une s\u00e9curit\u00e9 native appr\u00e9ciable. En revanche, si une formule interm\u00e9diaire tente de soustraire la m\u00e9diane d’une cellule contenant la cha\u00eene de caract\u00e8res \"NA\"<\/code>, Excel renverra imm\u00e9diatement le code d’erreur #VALEUR!<\/code>, paralysant l’ensemble de la cha\u00eene de traitement.<\/p>\n3.3 Configuration des param\u00e8tres r\u00e9gionaux et syntaxiques<\/h3>\n
,<\/code>). Dans les versions fran\u00e7aises, la virgule \u00e9tant officiellement assign\u00e9e comme s\u00e9parateur d\u00e9cimal arithm\u00e9tique standard, le s\u00e9parateur syntaxique des fonctions est obligatoirement le point-virgule (;<\/code>). L’usage intempestif de la virgule dans une formule fran\u00e7aise provoquera une notification d’erreur syntaxique bloquante.<\/p>\n\n
MEDIAN<\/code> en anglais et devient obligatoirement MEDIANE<\/code> (avec un \u00ab E \u00bb final) dans l’environnement francophone.<\/li>\nABS<\/code> dans les deux \u00e9cosyst\u00e8mes.<\/li>\nSTDEV.S<\/code> en anglais et ECARTYPE.STANDARD<\/code> en fran\u00e7ais.<\/li>\nNORM.S.INV<\/code> en anglais et LOI.NORMALE.STANDARD.INVERSE<\/code> sous Excel en fran\u00e7ais.<\/li>\n<\/ul>\nFormat de cellule<\/code> > Nombre<\/code>) ne masque pas la pr\u00e9cision interne des calculs. Une cellule affichant une valeur arrondie \u00e0 l’unit\u00e9 peut induire en erreur l’observateur humain, bien qu’Excel conserve en m\u00e9moire la valeur \u00e0 virgule flottante sous double pr\u00e9cision conforme au standard IEEE 754.<\/p>\n4. \u00c9tape 1 : D\u00e9termination de la m\u00e9diane empirique de la variable<\/h2>\n
4.1 Mise en \u0153uvre de la fonction MEDIANE sous Excel<\/h3>\n
MEDIANE<\/code>, dont la syntaxe formelle se d\u00e9ploie selon le mod\u00e8le :<\/p>\n=MEDIANE(plage_donnees)<\/code><\/p>\nB<\/code>, s’\u00e9tendant de la ligne 2 \u00e0 la ligne 21 (soit un \u00e9chantillon de vingt observations individuelles, la ligne 1 \u00e9tant express\u00e9ment d\u00e9volue \u00e0 l’intitul\u00e9 de la colonne). L’analyste inscrira alors la formule \u00e9l\u00e9mentaire =MEDIANE(B2:B21)<\/code>.<\/p>\n\n
4.2 Implantation d’une cellule de r\u00e9f\u00e9rence absolue<\/h3>\n
E2<\/code>, en l’\u00e9tiquetant clairement au moyen d’un libell\u00e9 explicite plac\u00e9 en D2<\/code> (ex. : \"M\u00e9diane (Mdn)\"<\/code>). D\u00e8s lors que cette valeur est isol\u00e9e, son utilisation future dans des op\u00e9rations arithm\u00e9tiques r\u00e9p\u00e9t\u00e9es le long des lignes du tableau exige le recours imp\u00e9ratif au m\u00e9canisme d’adressage absolu d’Excel, mat\u00e9rialis\u00e9 par le symbole du dollar ($<\/code>).<\/p>\n$E$<\/span>2<\/code>, l’analyste verrouille de mani\u00e8re immuable tant l’indice de colonne que l’indice de ligne. Lors des phases ult\u00e9rieures d’\u00e9tirement ou de recopie incr\u00e9mentale de formules, cette r\u00e9f\u00e9rence demeurera statique, emp\u00eachant tout glissement erratique vers des cellules vides sous-jacentes. Une alternative \u00e9l\u00e9gante et hautement recommand\u00e9e sur le plan de la gouvernance des donn\u00e9es consiste \u00e0 renommer cette cellule dans le coin sup\u00e9rieur gauche de l’interface (zone Nom<\/code>) en lui attribuant l’\u00e9tiquette s\u00e9mantique Mdn_Scores<\/code>. Les formules ult\u00e9rieures gagneront alors en clart\u00e9 cognitive, s’\u00e9non\u00e7ant simplement \u00e0 l’aide de ce terme explicite en lieu et place des coordonn\u00e9es alphanum\u00e9riques conventionnelles.<\/p>\n=MOYENNE(B2:B21)<\/code>. Une divergence substantielle entre ces deux indicateurs signale imm\u00e9diatement une asym\u00e9trie marqu\u00e9e de la distribution ou l’influence d\u00e9stabilisatrice d’observations distales.<\/p>\n4.3 Cas pratique psychologique : mesure du temps de latence<\/h3>\n
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/madExcel2.png\")
<\/figure>\nB2<\/code> \u00e0 B21<\/code>) se structurent selon la distribution num\u00e9rique suivante :<\/p>\n620, 635, 642, 650, 655, 661, 668, 672, 675, 680, 684, 692, 701, 708, 715, 722, 740, 765, 910, 1250<\/code><\/p>\n=MOYENNE(B2:B21)<\/code>, on obtient une moyenne arithm\u00e9tique de 727,25 ms, notablement tir\u00e9e vers le haut par les deux valeurs extr\u00eames.<\/p>\nE2<\/code> l’expression formelle =MEDIANE(B2:B21)<\/code>, le moteur computationnel d’Excel extrait les deux valeurs centrales d’indices 10 et 11 (soit 680 ms et 684 ms) et calcule leur demi-somme arithm\u00e9tique, aboutissant au r\u00e9sultat pr\u00e9cis de :<\/p>\n5. \u00c9tape 2 : Calcul des \u00e9carts absolus individuels par rapport \u00e0 la m\u00e9diane<\/h2>\n
5.1 Application de la fonction ABS pour chaque observation<\/h3>\n
C<\/code>, sous l’en-t\u00eate descriptive formalis\u00e9e \"Ecarts_Absolus\"<\/code> en cellule C1<\/code>.<\/p>\nABS<\/code>. L’analyste saisit ainsi dans la cellule C2<\/code> l’expression syntaxique suivante :<\/p>\n=ABS(B2 - $E$<\/span>2)<\/code><\/p>\n=ABS(B2 - Mdn_Scores)<\/code>. Le fonctionnement de cette brique fondamentale est limpide : la soustraction arithm\u00e9tique g\u00e9n\u00e8re un \u00e9cart brut sign\u00e9. Pour notre premier participant, dont le temps de latence est de 620 ms, la d\u00e9viation simple \u00e9quivaut \u00e0 $620 – 682 = -62\\text{ ms}$<\/span>. Sans le truchement de la valeur absolue, la somme ou la centralit\u00e9 de ces d\u00e9viations alg\u00e9briques s’annihilerait mutuellement, les valeurs n\u00e9gatives venant compenser artificiellement les d\u00e9viations positives.<\/p>\nABS<\/code> convertit instantan\u00e9ment ce r\u00e9sultat diff\u00e9rentiel en son module scalaire strictement positif, \u00e0 savoir $|-62| = 62\\text{ ms}$<\/span>. L’imp\u00e9ratif m\u00e9thodologique d’\u00e9viter l’\u00e9l\u00e9vation au carr\u00e9 \u2014 principe constitutif de l’\u00e9cart-type et de la variance fond\u00e9s sur le terme $(x_i – \\bar{x})^2$<\/span> \u2014 trouve ici toute sa justification \u00e9pist\u00e9mique : l’\u00e9l\u00e9vation au carr\u00e9 applique une pond\u00e9ration quadratique qui surrepr\u00e9sente exponentiellement les \u00e9carts importants. En se limitant \u00e0 la distance euclidienne de premier ordre, l’\u00e9cart absolu conserve une \u00e9chelle de proportionnalit\u00e9 lin\u00e9aire directe avec l’amplitude ph\u00e9nom\u00e9nologique observ\u00e9e.<\/p>\n5.2 Propagation dynamique de la formule le long du jeu de donn\u00e9es<\/h3>\n
C2<\/code>, l’utilisateur place le curseur de la souris sur le petit carr\u00e9 noir situ\u00e9 \u00e0 l’angle inf\u00e9rieur droit de la bordure de s\u00e9lection jusqu’\u00e0 ce que le pointeur se m\u00e9tamorphose en une croix noire fine, puis effectue un double-clic cons\u00e9cutif. Cette commande d\u00e9clenche l’\u00e9tirement instantan\u00e9 de la formule vers le bas, s’interrompant automatiquement \u00e0 la derni\u00e8re cellule contigu\u00eb non vide de la colonne B<\/code>.<\/p>\nF2<\/code> sur la derni\u00e8re cellule renseign\u00e9e (en l’esp\u00e8ce C21<\/code>) afin de visualiser l’int\u00e9grit\u00e9 du maillage r\u00e9f\u00e9rentiel. La barre de formule doit afficher sans \u00e9quivoque l’expression =ABS(B21 - $E$<\/span>2)<\/code>. L’indice relatif de ligne associ\u00e9 aux donn\u00e9es brutes a gliss\u00e9 de mani\u00e8re appropri\u00e9e de B2<\/code> \u00e0 B21<\/code>, tandis que la r\u00e9f\u00e9rence absolue vers la cellule m\u00e9diane $E$<\/span>2<\/code> est demeur\u00e9e totalement fig\u00e9e sous l’action contraignante des symboles dollars.<\/p>\n=ABS([@[Temps_Reaction]] - Mdn_Scores)<\/code> remplit automatiquement l’int\u00e9gralit\u00e9 de la colonne sans qu’aucune manipulation manuelle ne soit requise. Lors de cette inspection visuelle, la pr\u00e9sence de valeurs nulles (\u00e9gales \u00e0 0) ne doit susciter aucune inqui\u00e9tude : elles correspondent pr\u00e9cis\u00e9ment aux participants dont le score individuel co\u00efncide \u00e0 l’unit\u00e9 pr\u00e8s avec la m\u00e9diane de l’\u00e9chantillon.<\/p>\n5.3 Gestion des arrondis et pr\u00e9cision de calcul en psychologie<\/h3>\n
ARRONDI<\/code> directement dans la formule de calcul de l’\u00e9cart, par exemple =ARRONDI(ABS(B2 - $E$<\/span>2); 0)<\/code>.<\/p>\nR\u00e9duire les d\u00e9cimales<\/code> du ruban Accueil<\/code>), sans jamais corrompre la valeur r\u00e9elle stock\u00e9e dans la m\u00e9moire vive de l’ordinateur.<\/p>\n6. \u00c9tape 3 : Calcul final de l’\u00e9cart absolu m\u00e9dian (MAD)<\/h2>\n
6.1 Extraction de la m\u00e9diane des \u00e9carts absolus<\/h3>\n
C<\/code> pour en extraire la valeur m\u00e9diane terminale, qui constitue par d\u00e9finition l’\u00e9cart absolu m\u00e9dian (MAD) brut de la distribution psychom\u00e9trique. Cette extraction est op\u00e9r\u00e9e en appliquant une seconde fois la fonction MEDIANE<\/code>, cette fois-ci cibl\u00e9e sur l’intervalle spatial d\u00e9limitant les \u00e9carts individuels.<\/p>\nE3<\/code>, mitoyenne de l’intitul\u00e9 \"MAD Brut\"<\/code> positionn\u00e9 en D3<\/code>) la formule de cl\u00f4ture suivante :<\/p>\n=MEDIANE(C2:C21)<\/code><\/p>\n2, 2, 7, 10, 14, 14, 20, 26, 27, 32, 40, 47, 62, 73, 83, 33, 40, 58, 228, 568<\/code><\/p>\n2, 2, 7, 10, 14, 14, 20, 26, 27, 32, 33, 40, 40, 47, 58, 62, 73, 83, 228, 568<\/code><\/p>\nMEDIANE<\/code> isole les composantes occupant les dixi\u00e8me et onzi\u00e8me positions au sein de cette distribution ordonn\u00e9e des d\u00e9viations. Il s’agit des valeurs 32 et 33. L’algorithme calcule la moyenne arithm\u00e9tique de cette paire centrale :<\/p>\n6.2 Analyse contextuelle du r\u00e9sultat obtenu<\/h3>\n
=ECARTYPE.STANDARD(B2:B21)<\/code>, le tableur renvoie une valeur stup\u00e9fiante de :<\/p>\n6.3 Rapportage selon les normes de l’American Psychological Association (APA)<\/h3>\n
\n
7. M\u00e9thode experte : Calcul direct du MAD en formule unique sans colonne interm\u00e9diaire<\/h2>\n
7.1 Conception de la formule matricielle dynamique<\/h3>\n
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/madExcel3.png\")
<\/figure>\n=MEDIANE(ABS(B2:B21 - MEDIANE(B2:B21)))<\/code><\/p>\nMEDIANE(B2:B21)<\/code>, qui extrait la grandeur scalaire unique correspondant \u00e0 la m\u00e9diane des donn\u00e9es (soit 682 ms). Dans un deuxi\u00e8me temps, le moteur soustrait ce scalaire unique \u00e0 chaque composante individuelle du vecteur vertical B2:B21<\/code>. Cette op\u00e9ration g\u00e9n\u00e8re en m\u00e9moire vive un vecteur temporaire virtuel de vingt \u00e9l\u00e9ments sans occuper la moindre cellule physique de la grille.<\/p>\nABS<\/code> englobante traite instantan\u00e9ment ce vecteur virtuel en convertissant chaque d\u00e9viation r\u00e9siduelle en sa valeur absolue. Enfin, la fonction MEDIANE<\/code> externe intervient pour trier ce vecteur transitoire redress\u00e9 et en extraire la m\u00e9diane finale. Le r\u00e9sultat de 32,5 ms est restitu\u00e9 imm\u00e9diatement dans la cellule h\u00f4te, \u00e9liminant totalement le besoin d’une colonne interm\u00e9diaire.<\/p>\n7.2 Compatibilit\u00e9 avec les versions ant\u00e9rieures d’Excel<\/h3>\n
#VALEUR!<\/code>.<\/p>\nEntr\u00e9e<\/code>, mais frapper simultan\u00e9ment la combinaison ternaire de touches :<\/p>\nCtrl + Maj + Entr\u00e9e<\/code> (ou Cmd + Maj + Entr\u00e9e<\/code> sous macOS)<\/p>\n{=MEDIANE(ABS(B2:B21 - MEDIANE(B2:B21)))}<\/code><\/p>\n7.3 \u00c9valuation de la performance computationnelle<\/h3>\n
=MEDIANE(ABS(plage - MEDIANE(plage)))<\/code> met en \u00e9vidence un double appel explicite \u00e0 la fonction MEDIANE<\/code>.<\/p>\nMEDIANE<\/code> repose structurellement sur un algorithme de tri (de type QuickSelect ou Timsort), dont la complexit\u00e9 moyenne s’\u00e9tablit en $\\mathcal{O}(N \\log N)$<\/span>. R\u00e9p\u00e9ter cette op\u00e9ration de tri lourd de mani\u00e8re redondante au sein de multiples formules matricielles peut saturer les c\u0153urs du processeur et figer temporairement le classeur lors des recalculs globaux.<\/p>\n\n
$E$<\/span>2<\/code>), puis \u00e0 formuler le MAD matriciel sous la forme hybride all\u00e9g\u00e9e =MEDIANE(ABS(B2:B200000 - $E$<\/span>2))<\/code>. Cette formulation divise par deux la charge computationnelle de tri.<\/li>\n8. Automatisation du calcul du MAD \u00e0 l’aide de Visual Basic for Applications (VBA)<\/h2>\n
8.1 D\u00e9veloppement d’une fonction personnalis\u00e9e (UDF)<\/h3>\n
=CalculerMAD(plage)<\/code>, le chercheur hisse son tableur au niveau de convivialit\u00e9 des progiciels statistiques sp\u00e9cialis\u00e9s.<\/p>\nAlt + F11<\/code> (ou Fn + Alt + F11<\/code> sur certains ordinateurs portables), puis clique sur le menu Insertion<\/code> > Module<\/code>. Dans la fen\u00eatre de code blanche qui appara\u00eet, il convient d’injecter la proc\u00e9dure algorithmique optimis\u00e9e suivante :<\/p>\n