{"id":8418,"date":"2026-09-17T06:09:51","date_gmt":"2026-09-17T06:09:51","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-effectuer-test-exact-fisher-excel\/"},"modified":"2026-09-17T06:09:55","modified_gmt":"2026-09-17T06:09:55","slug":"comment-effectuer-test-exact-fisher-excel","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-effectuer-test-exact-fisher-excel","title":{"rendered":"Comment effectuer le test exact de Fisher dans Excel"},"content":{"rendered":"

L’\u00e9valuation de l’ind\u00e9pendance statistique au sein de tableaux de contingence croisant deux variables cat\u00e9gorielles constitue une pierre angulaire de l’inf\u00e9rence quantitative moderne. Dans le champ des sciences biom\u00e9dicales, de la psychologie clinique, des neurosciences comportementales et de l’\u00e9pid\u00e9miologie, les chercheurs sont fr\u00e9quemment confront\u00e9s \u00e0 des protocoles exp\u00e9rimentaux caract\u00e9ris\u00e9s par des contraintes logistiques s\u00e9v\u00e8res, une raret\u00e9 intrins\u00e8que des populations cibles ou des imp\u00e9ratifs \u00e9thiques stricts limitant drastiquement la taille des cohortes observables. Dans ces configurations o\u00f9 les effectifs globaux s’av\u00e8rent r\u00e9duits, les m\u00e9thodes inf\u00e9rentielles traditionnelles reposant sur des approximations asymptotiques \u2014 au premier rang desquelles figure le test d’ind\u00e9pendance du Chi-deux de Karl Pearson \u2014 subissent une d\u00e9gradation prononc\u00e9e de leur robustesse op\u00e9rationnelle, exposant l’analyste \u00e0 des distorsions m\u00e9thodologiques majeures.<\/p>\n

Pour pallier l’inad\u00e9quation structurelle des approximations distributionnelles face aux petits \u00e9chantillons, l’approche combinatoire exacte d\u00e9velopp\u00e9e par Sir Ronald Aylmer Fisher s’impose comme la r\u00e9f\u00e9rence m\u00e9thodologique absolue. Contrairement aux tests asymptotiques dont la validit\u00e9 repose sur la convergence th\u00e9orique des grands nombres, le test exact de Fisher calcule la probabilit\u00e9 pr\u00e9cise et non approxim\u00e9e d’observer la distribution matricielle constat\u00e9e \u2014 ou une distribution encore plus d\u00e9viante de l’ind\u00e9pendance \u2014 sous l’hypoth\u00e8se nulle, conditionnellement aux marges observ\u00e9es du tableau. Cette propri\u00e9t\u00e9 math\u00e9matique conf\u00e8re au test une validit\u00e9 inconditionnelle, quel que soit l’effectif global observ\u00e9, pr\u00e9servant ainsi l’int\u00e9grit\u00e9 du taux d’erreur de premi\u00e8re esp\u00e8ce sans exiger de corrections arbitraires comme celle de Yates.<\/p>\n

Bien que les logiciels statistiques d\u00e9di\u00e9s tels que R, SAS ou IBM SPSS Statistics int\u00e8grent nativement des routines compil\u00e9es ex\u00e9cutant ce test d’un simple appel algorithmique, la mise en \u0153uvre du test exact de Fisher au sein de l’environnement Microsoft Excel repr\u00e9sente une d\u00e9marche p\u00e9dagogique et analytique d’une valeur inestimable. Excel ne dispose pas d’une fonction \u00e9l\u00e9mentaire unique baptis\u00e9e \u00ab TEST.FISHER \u00bb pour les tables d’association, mais son moteur de calcul matriciel et sa distribution hyperg\u00e9om\u00e9trique native permettent d’impl\u00e9menter ce test avec une exactitude arithm\u00e9tique absolue. Le pr\u00e9sent trait\u00e9 fournit une d\u00e9construction th\u00e9orique, math\u00e9matique et op\u00e9rationnelle int\u00e9grale pour r\u00e9aliser, v\u00e9rifier et automatiser le test exact de Fisher dans Microsoft Excel, tout en respectant les standards acad\u00e9miques les plus exigeants de la recherche contemporaine.<\/p>\n

1. Fondements th\u00e9oriques et \u00e9pist\u00e9mologiques du test exact de Fisher<\/h2>\n

1.1 Origine statistique et raison d’\u00eatre m\u00e9thodologique<\/h3>\n

L’\u00e9mergence formelle du test exact de Fisher trouve son ancrage historique dans les travaux fondateurs de Sir Ronald Aylmer Fisher<\/a> pr\u00e9sent\u00e9s dans son ouvrage s\u00e9minal de 1935, The Design of Experiments<\/em>. L’anecdote c\u00e9l\u00e8bre devenue un paradigme de la statistique exp\u00e9rimentale moderne concerne une coll\u00e8gue biologiste de la station exp\u00e9rimentale de Rothamsted, le Dr Muriel Bristol, qui affirmait \u00eatre capable de discerner sensoriellement si le lait avait \u00e9t\u00e9 vers\u00e9 dans la tasse avant ou apr\u00e8s l’infusion du th\u00e9. Afin de soumettre cette affirmation empirique \u00e0 un cadre de r\u00e9futabilit\u00e9 popp\u00e9rienne rigoureux, Fisher \u00e9labora une exp\u00e9rience randomis\u00e9e consistant en huit tasses pr\u00e9sent\u00e9es dans un ordre al\u00e9atoire, dont quatre pr\u00e9par\u00e9es selon la modalit\u00e9 \u00ab th\u00e9 en premier \u00bb et quatre selon la modalit\u00e9 \u00ab lait en premier \u00bb. La sujette, inform\u00e9e de cette parit\u00e9 exacte des conditions, devait classifier les huit r\u00e9cipients sans indice contextuel.<\/p>\n

Face \u00e0 cet \u00e9chantillon d’une taille infinit\u00e9simale (N = 8), l’application des lois normales ou du Chi-deux s’av\u00e9rait totalement proscrite. Fisher d\u00e9montra alors que la g\u00e9n\u00e9ration combinatoire de toutes les permutations possibles d’assignation permettait de quantifier pr\u00e9cis\u00e9ment la probabilit\u00e9 d’obtenir un r\u00e9sultat parfait ou quasi-parfait par l’effet du pur hasard. La n\u00e9cessit\u00e9 math\u00e9matique d’une telle approche exacte d\u00e9coulait de l’impossibilit\u00e9 de recourir aux th\u00e9or\u00e8mes limites centraux lorsque l’espace probabiliste discret est domin\u00e9 par des discontinuit\u00e9s fondamentales. Dans les recherches actuelles en psychologie cognitive et en psychopathologie exp\u00e9rimentale, o\u00f9 l’on explore des ph\u00e9notypes ultra-rares ou des alt\u00e9rations neurobiologiques au sein d’\u00e9chantillons cliniques pr\u00e9cieux, la m\u00eame exigence \u00e9pist\u00e9mologique pr\u00e9vaut : l’inf\u00e9rence ne saurait s’appuyer sur une approximation distributionnelle dont les conditions d’\u00e9mergence ne sont pas satisfaites au sein du protocole exp\u00e9rimental.<\/p>\n

\"Fisher\"
Fisher<\/figcaption><\/figure>\n

1.2 Diff\u00e9rence fondamentale entre le test du Chi-deux et le test de Fisher<\/h3>\n

La divergence fondamentale qui s\u00e9pare le test d’ind\u00e9pendance du Chi-deux de Pearson du test exact de Fisher r\u00e9side dans la nature de la distribution statistique sous-jacente exploit\u00e9e pour calculer la valeur p. Le test du Chi-deux est un test asymptotique reposant sur une variable al\u00e9atoire continue continue th\u00e9orique qui n’est qu’une limite d’approximation pour les effectifs tendanciellement infinis. En vertu des r\u00e8gles de gestion \u00e9nonc\u00e9es historiquement par William Gemmell Cochran, la validit\u00e9 empirique du test du Chi-deux est conditionn\u00e9e par l’exigence qu’aucune cellule th\u00e9orique (effectif attendu sous hypoth\u00e8se d’ind\u00e9pendance) ne soit strictement inf\u00e9rieure \u00e0 1, et que moins de 20 % des cellules th\u00e9oriques pr\u00e9sentent un effectif inf\u00e9rieur \u00e0 5. D\u00e8s lors que ces seuils critiques sont viol\u00e9s, la statistique du Chi-deux s’\u00e9carte substantiellement de la loi continue th\u00e9orique \u00e9ponyme.<\/p>\n

Cette non-concordance distributionnelle induit une distorsion syst\u00e9matique de l’erreur de type I (alpha), conduisant \u00e0 rejeter l’hypoth\u00e8se nulle \u00e0 tort dans des proportions bien sup\u00e9rieures au seuil nominalement d\u00e9clar\u00e9 de 5 %. Les corrections dites de continuit\u00e9, telle que la correction de Yates qui retranche 0,5 \u00e0 la valeur absolue des \u00e9carts observ\u00e9s-attendus, ne constituent que des exp\u00e9dients heuristiques souvent trop conservateurs, bridant excessivement la puissance statistique du dispositif. \u00c0 l’inverse, le test exact de Fisher s’affranchit de toute extrapolation asymptotique. En appliquant un calcul combinatoire exact fond\u00e9 sur les lois hyperg\u00e9om\u00e9triques, il d\u00e9termine la masse de probabilit\u00e9 discr\u00e8te pr\u00e9cise de chaque configuration d’\u00e9chantillonnage concevable, garantissant un contr\u00f4le rigoureux et sans compromis du taux d’erreur de type I, ind\u00e9pendamment de la modestie des effectifs analys\u00e9s.<\/p>\n

1.3 Typologie des donn\u00e9es et hypoth\u00e8ses statistiques<\/h3>\n

L’armature op\u00e9rationnelle du test exact de Fisher requiert formellement deux variables qualitatives nominales, chacune \u00e9tant scind\u00e9e en deux modalit\u00e9s strictement dichotomiques, aboutissant \u00e0 l’organisation canonique d’une matrice \u00e0 deux lignes et deux colonnes (tableau de contingence 2×2). Ces variables peuvent repr\u00e9senter des assignations exp\u00e9rimentales (par exemple, Groupe Traitement Actif versus Groupe Placebo) et des statuts cliniques terminaux (par exemple, R\u00e9mission Compl\u00e8te versus \u00c9chec Th\u00e9rapeutique), ou deux traits ph\u00e9notypiques concomitants (Pr\u00e9sence versus Absence d’un marqueur neurobiologique et Pr\u00e9sence versus Absence d’un d\u00e9ficit ex\u00e9cutif s\u00e9v\u00e8re).<\/p>\n

L’\u00e9chafaudage inf\u00e9rentiel s’articule autour de la formulation univoque de deux hypoth\u00e8ses statistiques mutuellement exclusives. L’hypoth\u00e8se nulle (H0) postule l’ind\u00e9pendance stochastique stricte entre la variable de ligne et la variable de colonne. Sous H0, la probabilit\u00e9 d’appartenir \u00e0 une cat\u00e9gorie de colonne donn\u00e9e est rigoureusement identique quelle que soit la modalit\u00e9 de ligne consid\u00e9r\u00e9e, ce qui \u00e9quivaut \u00e0 affirmer que le rapport de cotes th\u00e9orique (Odds Ratio<\/em>, not\u00e9 OR) est \u00e9gal \u00e0 l’unit\u00e9 (H0 : OR = 1). L’hypoth\u00e8se alternative (H1) s’\u00e9nonce selon deux perspectives \u00e9pist\u00e9mologiques distinctes :<\/p>\n