La puissance conceptuelle de l’ANOVA d\u00e9coule de sa capacit\u00e9 \u00e0 partitionner la somme totale des \u00e9carts \u00e0 la moyenne g\u00e9n\u00e9rale en composantes distinctes et identifiables. En d\u00e9composant la variabilit\u00e9 totale en une fraction attribuable aux diff\u00e9rences entre les traitements exp\u00e9rimentaux (la variance inter-groupes) et une fraction refl\u00e9tant l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 intrins\u00e8que des participants au sein d’une m\u00eame condition (la variance intra-groupe ou r\u00e9siduelle), le chercheur calcule un ratio de variance, le test F<\/em> de Fisher-Snedecor. Ce ratio permet de confronter directement l’hypoth\u00e8se nulle d’\u00e9galit\u00e9 des moyennes de population \u00e0 l’hypoth\u00e8se alternative postulant l’existence d’au moins une divergence syst\u00e9matique induite par le traitement exp\u00e9rimental.<\/p>\n Cependant, l’\u00e9l\u00e9gance formelle de cette technique repose sur une mod\u00e9lisation math\u00e9matique pr\u00e9cise, int\u00e9gr\u00e9e au mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ral<\/a>. L’\u00e9valuation de l’impact des variables ind\u00e9pendantes pr\u00e9suppose que les donn\u00e9es soient issues d’un processus de g\u00e9n\u00e9ration respectant certaines contraintes structurelles. Dans ce cadre, la structuration des groupes d’observation ne constitue pas un choix neutre : elle d\u00e9termine la mani\u00e8re dont les vecteurs de pr\u00e9diction sous-jacents se projettent dans l’espace multidimensionnel des observations, d\u00e9finissant l’ind\u00e9pendance statistique des sources de variation et conditionnant directement la validit\u00e9 des inf\u00e9rences d\u00e9duites des tests de significativit\u00e9.<\/p>\n Au sein de la m\u00e9thodologie exp\u00e9rimentale en psychologie, les protocoles de recherche sont commun\u00e9ment segment\u00e9s en deux grandes architectures fondamentales : les plans intra-sujets (ou \u00e0 mesures r\u00e9p\u00e9t\u00e9es), o\u00f9 chaque participant est soumis \u00e0 l’ensemble des modalit\u00e9s du facteur \u00e9tudi\u00e9, et les plans inter-sujets (ou protocoles \u00e0 groupes ind\u00e9pendants), dans lesquels chaque individu n’est expos\u00e9 qu’\u00e0 une seule et unique condition exp\u00e9rimentale. Ces derniers se d\u00e9clinent eux-m\u00eames en plans unifactoriels, n’impliquant qu’une seule variable ind\u00e9pendante distribu\u00e9e en deux ou plusieurs modalit\u00e9s discr\u00e8tes, et en plans factoriels multifactoriels (de type 2×2, 3×2, ou d’ordre sup\u00e9rieur), permettant d’examiner simultan\u00e9ment l’influence conjointe de plusieurs variables explicatives ainsi que leurs termes d’interaction.<\/p>\n La structuration interne de ces protocoles inter-sujets soul\u00e8ve imm\u00e9diatement la question de l’allocation des unit\u00e9s exp\u00e9rimentales aux diff\u00e9rentes cellules matricielles g\u00e9n\u00e9r\u00e9es par le croisement des facteurs. Dans un monde exp\u00e9rimental id\u00e9al, le chercheur dispose du contr\u00f4le absolu sur le processus d’assignation al\u00e9atoire, ce qui lui permet de r\u00e9partir un effectif pr\u00e9d\u00e9termin\u00e9 de participants de fa\u00e7on strictement sym\u00e9trique entre les diff\u00e9rentes modalit\u00e9s. N\u00e9anmoins, la r\u00e9alit\u00e9 des laboratoires de psychologie confronte fr\u00e9quemment les investigateurs \u00e0 des contraintes op\u00e9rationnelles, \u00e9thiques ou intrins\u00e8ques aux populations cliniques, conduisant \u00e0 des cellules de traitement dot\u00e9es d’effectifs in\u00e9gaux.<\/p>\n Cette distinction entre allocation sym\u00e9trique et asym\u00e9trique n’est pas qu’une commodit\u00e9 descriptive ; elle constitue un \u00e9l\u00e9ment d\u00e9terminant de la robustesse inf\u00e9rentielle du protocole. L’architecture d’un plan factoriel inter-sujets impose des contraintes sp\u00e9cifiques sur la matrice d’exp\u00e9rience. Lorsque les tailles d’\u00e9chantillons divergent d’une cellule \u00e0 l’autre, les propri\u00e9t\u00e9s de d\u00e9composition de la variance s’alt\u00e8rent de mani\u00e8re radicale. D\u00e8s lors, la typologie des plans d’exp\u00e9rience ne peut se limiter \u00e0 la seule nomenclature du nombre de facteurs, mais doit obligatoirement int\u00e9grer la dynamique des effectifs cellulaires, conditionnant la s\u00e9lection ult\u00e9rieure des algorithmes d’estimation statistique et la port\u00e9e th\u00e9orique des conclusions tir\u00e9es des donn\u00e9es.<\/p>\n Un plan exp\u00e9rimental est formellement qualifi\u00e9 d’\u00e9quilibr\u00e9 (ou de sym\u00e9trique) lorsque la taille de l’\u00e9chantillon assign\u00e9 \u00e0 chaque cellule de traitement exp\u00e9rimental est strictement identique. D’un point de vue alg\u00e9brique, si l’on consid\u00e8re un plan unifactoriel comportant k<\/em> modalit\u00e9s d’un facteur, la condition d’\u00e9quilibre s’exprime par la relation rigoureuse n<\/em>1<\/sub> = n<\/em>2<\/sub> = … = n<\/em>k<\/em><\/sub> = n<\/em>, o\u00f9 n<\/em> repr\u00e9sente la taille commune de chaque groupe, le nombre total d’observations \u00e9tant alors N<\/em> = k<\/em> × n<\/em>. Dans le cas d’un plan factoriel \u00e0 deux facteurs A<\/em> et B<\/em> comportant respectivement I<\/em> et J<\/em> modalit\u00e9s, l’\u00e9quilibre impose que l’effectif de chaque cellule ij<\/em> soit invariant, soit n<\/em>ij<\/em><\/sub> = n<\/em> pour tout i<\/em> appartenant \u00e0 {1, …, I<\/em>} et tout j<\/em> appartenant \u00e0 {1, …, J<\/em>}, l’effectif total s’\u00e9levant alors \u00e0 N<\/em> = I<\/em> × J<\/em> × n<\/em>.<\/p>\n Cette stricte \u00e9galit\u00e9 num\u00e9rique conf\u00e8re au plan une propri\u00e9t\u00e9 fondamentale : la distribution parfaitement uniforme des degr\u00e9s de libert\u00e9 associ\u00e9s \u00e0 chaque condition d’observation. Dans un tel agencement, chaque sous-groupe exp\u00e9rimental contribue de fa\u00e7on \u00e9gale \u00e0 la d\u00e9termination du p\u00f4le de r\u00e9f\u00e9rence global constitu\u00e9 par la moyenne g\u00e9n\u00e9rale de l’\u00e9chantillon. La variance r\u00e9siduelle intra-groupe est alors estim\u00e9e par la moyenne arithm\u00e9tique exacte des variances calcul\u00e9es au sein de chaque cellule, sans qu’il soit n\u00e9cessaire d’appliquer une pond\u00e9ration diff\u00e9rentielle pour compenser une quelconque asym\u00e9trie de repr\u00e9sentativit\u00e9 :<\/p>\n Le carr\u00e9 moyen de l’erreur (CME<\/em> ou MSE<\/em>) correspond directement \u00e0 la somme des variances d’\u00e9chantillon divis\u00e9e par le nombre de groupes :<\/p>\n MSE<\/em> = (s<\/em>1<\/sub>2<\/sup> + s<\/em>2<\/sub>2<\/sup> + … + s<\/em>k<\/em><\/sub>2<\/sup>) \/ k<\/em><\/p>\n D’un point de vue g\u00e9om\u00e9trique, l’\u00e9galit\u00e9 des effectifs garantit que les vecteurs indicatrices repr\u00e9sentant les traitements au sein de la matrice de plan occupent des configurations d’\u00e9quidistance dans l’espace euclidien de dimension N<\/em>. Cette propri\u00e9t\u00e9 \u00e9limine toute distorsion dans la projection des observations sur les sous-espaces vectoriels associ\u00e9s aux diff\u00e9rents effets, assurant une parfaite ind\u00e9pendance g\u00e9om\u00e9trique entre les composantes du mod\u00e8le lin\u00e9aire.<\/p>\n La cons\u00e9quence alg\u00e9brique la plus remarquable de l’\u00e9quilibre des effectifs r\u00e9side dans la propri\u00e9t\u00e9 d’orthogonalit\u00e9<\/a> stricte des pr\u00e9dicteurs au sein de la matrice de r\u00e9gression associ\u00e9e au mod\u00e8le d’ANOVA. Dans le cadre de l’espace vectoriel engendr\u00e9 par les observations, deux facteurs ou pr\u00e9dicteurs sont dits orthogonaux si le produit scalaire de leurs vecteurs de contrastes respectifs est strictement nul. Dans un plan factoriel \u00e9quilibr\u00e9, les colonnes de la matrice de design codant pour l’effet du facteur A<\/em>, l’effet du facteur B<\/em> et l’effet de leur terme d’interaction (A<\/em> × B<\/em>) pr\u00e9sentent une corr\u00e9lation empirique exactement \u00e9gale \u00e0 z\u00e9ro.<\/p>\n Cette absence totale de corr\u00e9lation entra\u00eene une d\u00e9composition non ambigu\u00eb et sans chevauchement de la variabilit\u00e9 globale. La somme des carr\u00e9s totale ajust\u00e9e pour la moyenne g\u00e9n\u00e9rale (SS<\/em>Total<\/sub>) se partitionne de fa\u00e7on limpide en une somme d’\u00e9l\u00e9ments additifs et mutuellement exclusifs :<\/p>\n SS<\/em>Total<\/sub> = SS<\/em>A<\/em><\/sub> + SS<\/em>B<\/em><\/sub> + SS<\/em>AB<\/em><\/sub> + SS<\/em>Erreur<\/sub><\/p>\n Dans cette \u00e9quation canonique, la quantit\u00e9 de variance expliqu\u00e9e par le facteur A<\/em> est totalement ind\u00e9pendante de la pr\u00e9sence ou de l’absence du facteur B<\/em> dans le mod\u00e8le statistique. Aucune portion de variabilit\u00e9 n’est partag\u00e9e de mani\u00e8re conjointe par deux facteurs. Il n’existe donc aucun ph\u00e9nom\u00e8ne de multicolin\u00e9arit\u00e9 ou de redondance informationnelle entre les effets principaux et les termes d’interaction. Sur le plan de l’inf\u00e9rence, cela garantit que la significativit\u00e9 du facteur A<\/em> refl\u00e8te exclusivement son impact marginal net, sans qu’aucun ajustement math\u00e9matique complexe ne soit requis pour d\u00e9m\u00ealer les contributions respectives des diff\u00e9rentes variables manipulatrices.<\/p>\n Pour illustrer concr\u00e8tement cette architecture, consid\u00e9rons un paradigme exp\u00e9rimental standard issu de la psychologie cognitive \u00e9valuant la flexibilit\u00e9 attentionnelle \u00e0 l’aide d’une variante informatis\u00e9e de la t\u00e2che de Stroop. Le chercheur souhaite mesurer l’effet de deux facteurs inter-sujets : la modalit\u00e9 de pr\u00e9sentation du stimulus (Visuelle vs Auditive) et le niveau de privation de sommeil (Sommeil normal vs Privation totale de 24 heures). Pour constituer un plan \u00e9quilibr\u00e9 2×2, l’exp\u00e9rimentateur recrute une cohorte de 80 participants qu’il assigne al\u00e9atoirement et rigoureusement de mani\u00e8re \u00e0 obtenir exactement 20 participants dans chacune des quatre conditions exp\u00e9rimentales :<\/p>\n Dans un autre cadre canonique de psychologie clinique empirique, un essai randomis\u00e9 contr\u00f4l\u00e9 vise \u00e0 comparer l’efficacit\u00e9 de trois protocoles psychoth\u00e9rapeutiques distincts pour la r\u00e9duction des sympt\u00f4mes du trouble panique : la th\u00e9rapie cognitivo-comportementale classique, la th\u00e9rapie d’acceptation et d’engagement (ACT), et une condition t\u00e9moin sur liste d’attente. L’exp\u00e9rimentateur fixe un objectif d’\u00e9chantillonnage de 40 participants par modalit\u00e9, aboutissant \u00e0 une allocation stricte de n<\/em>1<\/sub> = 40, n<\/em>2<\/sub> = 40, et n<\/em>3<\/sub> = 40, soit un effectif total de N<\/em> = 120 participants.<\/p>\n Enfin, dans les plans randomis\u00e9s en blocs complets, souvent d\u00e9ploy\u00e9s en neuropsychologie pour contr\u00f4ler une variable parasite connue (comme la tranche d’\u00e2ge ou le niveau d’\u00e9ducation initial), les participants sont d’abord stratifi\u00e9s en strates homog\u00e8nes avant d’\u00eatre assign\u00e9s de mani\u00e8re sym\u00e9trique aux diff\u00e9rents traitements. Chaque bloc contient alors exactement le m\u00eame nombre de sujets expos\u00e9s aux diverses conditions, assurant \u00e0 la fois un \u00e9quilibrage local et une sym\u00e9trie globale du protocole exp\u00e9rimental.<\/p>\n Un plan exp\u00e9rimental est formellement d\u00e9sign\u00e9 comme non \u00e9quilibr\u00e9 (ou asym\u00e9trique) d\u00e8s lors qu’il existe au moins une cellule de la matrice de traitement dont l’effectif diff\u00e8re de celui des autres. D’un point de vue statistique formel, cette condition se traduit par l’existence d’une paire d’indices (j<\/em>, k<\/em>) telle que n<\/em>j<\/em><\/sub> ≠ n<\/em>k<\/em><\/sub> dans un plan unifactoriel, ou (ij<\/em>, kl<\/em>) telle que n<\/em>ij<\/em><\/sub> ≠ n<\/em>kl<\/em><\/sub> dans un plan factoriel. Bien que l’in\u00e9galit\u00e9 puisse sembler b\u00e9nigne lorsqu’elle n’implique que la perte d’un ou deux individus, elle brise irr\u00e9m\u00e9diablement la sym\u00e9trie alg\u00e9brique fondamentale qui caract\u00e9rise les protocoles orthogonaux.<\/p>\n La cons\u00e9quence math\u00e9matique imm\u00e9diate de cette asym\u00e9trie r\u00e9side dans la perte de l’ind\u00e9pendance structurelle entre les variables ind\u00e9pendantes du mod\u00e8le lin\u00e9aire. Lorsque les cellules contiennent des effectifs in\u00e9gaux, les pr\u00e9dicteurs vectoriels associ\u00e9s aux facteurs cessent d’\u00eatre orthogonaux dans l’espace des donn\u00e9es. D\u00e8s lors, les facteurs deviennent corr\u00e9l\u00e9s entre eux, ce qui signifie qu’une fraction de la variabilit\u00e9 globale de la variable d\u00e9pendante peut \u00eatre expliqu\u00e9e simultan\u00e9ment par plusieurs variables ind\u00e9pendantes. La d\u00e9composition directe de la somme totale des carr\u00e9s devient impossible : la somme des variances associ\u00e9es \u00e0 chaque facteur et \u00e0 leurs interactions ne correspond plus \u00e0 la variance inter-groupes globale calcul\u00e9e sur l’ensemble de l’\u00e9chantillon.<\/p>\n Cette interd\u00e9pendance induite complique consid\u00e9rablement l’estimation des param\u00e8tres de population sous-jacents. L’estimation de l’effet d’un facteur d\u00e9pend alors de la mani\u00e8re dont on choisit d’ajuster ou de contr\u00f4ler statistiquement l’effet des autres facteurs pr\u00e9sents dans l’\u00e9quation. Ce ph\u00e9nom\u00e8ne place le chercheur face \u00e0 un d\u00e9fi analytique qui n’existe tout simplement pas sous le r\u00e8gne des plans \u00e9quilibr\u00e9s.<\/p>\n En psychologie scientifique, l’\u00e9mergence de plans non \u00e9quilibr\u00e9s d\u00e9coule tr\u00e8s rarement d’un dessein exp\u00e9rimental d\u00e9lib\u00e9r\u00e9 ; elle s’impose le plus souvent comme une cons\u00e9quence in\u00e9vitable des contraintes \u00e9cologiques et humaines inh\u00e9rentes \u00e0 l’investigation empirique. La cause la plus r\u00e9pandue r\u00e9side sans conteste dans le ph\u00e9nom\u00e8ne d’attrition diff\u00e9rentielle au cours des protocoles longitudinaux ou des interventions th\u00e9rapeutiques prolong\u00e9es. Les participants assign\u00e9s \u00e0 une condition exp\u00e9rimentale particuli\u00e8rement astreignante (par exemple, un entra\u00eenement cognitif quotidien sur plusieurs semaines ou une exposition prolong\u00e9e \u00e0 des stimuli anxiog\u00e8nes) sont statistiquement plus susceptibles d’abandonner pr\u00e9matur\u00e9ment l’\u00e9tude que ceux plac\u00e9s dans une condition t\u00e9moin passive, cr\u00e9ant de facto une asym\u00e9trie num\u00e9rique finale entre les groupes.<\/p>\n Une seconde cause majeure r\u00e9side dans les difficult\u00e9s substantielles de recrutement associ\u00e9es aux cohortes cliniques rares ou sp\u00e9cifiques. Alors qu’il est relativement ais\u00e9 de recruter des dizaines d’\u00e9tudiants volontaires pour former un groupe t\u00e9moin neurotypique au sein d’une universit\u00e9, l’acc\u00e8s \u00e0 des patients souffrant de pathologies neuropsychologiques pr\u00e9cises (comme une aphasie primaire progressive sp\u00e9cifique ou une l\u00e9sion circonscrite du cortex orbitofrontal bilat\u00e9ral) est structurellement restreint. L’exp\u00e9rimentateur se trouve alors contraint d’analyser des plans comportant, par exemple, 12 patients c\u00e9r\u00e9brol\u00e9s\u00e9s pour 35 sujets contr\u00f4les appari\u00e9s.<\/p>\n \u00c0 ces contraintes structurelles s’ajoutent les in\u00e9vitables d\u00e9faillances techniques et exclusions de donn\u00e9es post-exp\u00e9rimentales. En neuroimagerie fonctionnelle (IRMf), en \u00e9lectroenc\u00e9phalographie (EEG) ou en oculom\u00e9trie (eye-tracking), des artefacts de mouvement excessifs, des bruits physiologiques ou des bogues de synchronisation informatique obligent fr\u00e9quemment \u00e0 \u00e9carter un certain pourcentage d’enregistrements. Si ces exclusions surviennent de fa\u00e7on asym\u00e9trique entre les conditions exp\u00e9rimentales, l’\u00e9quilibre initial du plan est an\u00e9anti.<\/p>\n Enfin, de nombreuses recherches en psychologie rel\u00e8vent de devis quasi-exp\u00e9rimentaux, o\u00f9 les variables ind\u00e9pendantes correspondent \u00e0 des caract\u00e9ristiques pr\u00e9existantes non manipulables (sexe, orientation politique, statut diagnostique, traits de personnalit\u00e9 extr\u00eames). Dans la mesure o\u00f9 ces caract\u00e9ristiques ne sont pas distribu\u00e9es de fa\u00e7on uniforme au sein de la population g\u00e9n\u00e9rale, l’\u00e9chantillonnage naturel d\u00e9bouche in\u00e9vitablement sur des cellules de tailles h\u00e9t\u00e9rog\u00e8nes.<\/p>\n La distinction entre un plan \u00e9quilibr\u00e9 et un plan non \u00e9quilibr\u00e9 d\u00e9passe largement une simple divergence de d\u00e9compte arithm\u00e9tique ; elle modifie en profondeur la structure distributionnelle sous-jacente des donn\u00e9es et la mani\u00e8re dont les informations sont agr\u00e9g\u00e9es. Dans un plan \u00e9quilibr\u00e9, la moyenne globale de l’\u00e9chantillon (dite \u00ab grand mean \u00bb) co\u00efncide rigoureusement avec la moyenne arithm\u00e9tique simple des moyennes de chaque condition. Chaque modalit\u00e9 factorielle p\u00e8se exactement du m\u00eame poids dans la d\u00e9finition du barycentre des observations. Il existe une homog\u00e9n\u00e9it\u00e9 structurelle parfaite dans l’espace de projection des variables.<\/p>\n \u00c0 l’inverse, dans un plan non \u00e9quilibr\u00e9, une distinction conceptuelle fondamentale s’installe entre les moyennes marginales pond\u00e9r\u00e9es et les moyennes marginales non pond\u00e9r\u00e9es. La moyenne marginale pond\u00e9r\u00e9e d’une modalit\u00e9 factorielle est calcul\u00e9e en additionnant toutes les observations individuelles de cette modalit\u00e9 et en divisant par le nombre total de sujets qui la composent. Elle accorde donc m\u00e9caniquement un poids proportionnel \u00e0 l’effectif des sous-cellules qui la constituent. Si une cellule particuli\u00e8re est surrepr\u00e9sent\u00e9e, ses caract\u00e9ristiques propres domineront l’estimation de la moyenne marginale.<\/p>\n En revanche, la moyenne marginale non pond\u00e9r\u00e9e (souvent d\u00e9sign\u00e9e sous le terme de moyenne marginale estim\u00e9e ou estimated marginal mean<\/em>) est obtenue en calculant d’abord la moyenne de chaque cellule individuelle, puis en effectuant la moyenne arithm\u00e9tique non pond\u00e9r\u00e9e de ces valeurs de cellules. Dans ce cas, chaque cellule re\u00e7oit un poids th\u00e9orique rigoureusement \u00e9gal, quelle que soit sa taille r\u00e9elle d’\u00e9chantillon. Cette divergence structurelle est r\u00e9sum\u00e9e dans le tableau comparatif ci-dessous :<\/p>\n1.2 La typologie g\u00e9n\u00e9rale des protocoles inter-sujets<\/h3>\n
2. D\u00e9finition et caract\u00e9risation math\u00e9matique des plans \u00e9quilibr\u00e9s<\/h2>\n
2.1 Le principe d’\u00e9galit\u00e9 des effectifs cellulaires<\/h3>\n
2.2 L’orthogonalit\u00e9 parfaite des pr\u00e9dicteurs<\/h3>\n
2.3 Exemples canoniques dans les protocoles de laboratoire<\/h3>\n
\n
3. D\u00e9finition et origines empiriques des plans non \u00e9quilibr\u00e9s<\/h2>\n
3.1 La nature des donn\u00e9es d\u00e9s\u00e9quilibr\u00e9es<\/h3>\n
![\"One-way](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/balance1.png\")
3.2 Causes inh\u00e9rentes aux contextes de recherche psychologique<\/h3>\n
4. Comparaison conceptuelle : \u00e9quilibre contre d\u00e9s\u00e9quilibre<\/h2>\n
4.1 Diff\u00e9rences fondamentales d’architecture des donn\u00e9es<\/h3>\n