{"id":9523,"date":"2026-10-14T18:02:32","date_gmt":"2026-10-14T18:02:32","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/formule-20-kuder-richardson-definition-exemple\/"},"modified":"2026-10-14T18:02:32","modified_gmt":"2026-10-14T18:02:32","slug":"formule-20-kuder-richardson-definition-exemple","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=formule-20-kuder-richardson-definition-exemple","title":{"rendered":"Formule 20 de Kuder-Richardson (D\u00e9finition et exemple)"},"content":{"rendered":"

La mesure scientifique des attributs psychologiques, \u00e9ducatifs et cognitifs repose sur un d\u00e9fi \u00e9pist\u00e9mologique fondamental : comment quantifier avec rigueur des construits latents qui \u00e9chappent \u00e0 l’observation physique directe ? Contrairement aux grandeurs physiques telles que la masse ou la longueur, les capacit\u00e9s intellectuelles, les connaissances scolaires ou les traits de personnalit\u00e9 ne peuvent \u00eatre appr\u00e9hend\u00e9s qu’au travers de comportements observables, le plus souvent m\u00e9diatis\u00e9s par des r\u00e9ponses \u00e0 des instruments standardis\u00e9s. D\u00e8s lors, la question de la qualit\u00e9 m\u00e9trologique de ces instruments devient le pivot de toute inf\u00e9rence diagnostique, p\u00e9dagogique ou clinique. La psychom\u00e9trie<\/a> s’est constitu\u00e9e en discipline autonome pour r\u00e9pondre \u00e0 cette exigence, en d\u00e9veloppant des cadres th\u00e9oriques formels destin\u00e9s \u00e0 \u00e9valuer la validit\u00e9 et la fid\u00e9lit\u00e9 des mesures.<\/p>\n

Au sein de cet \u00e9difice th\u00e9orique, la consistance interne occupe une place pr\u00e9pond\u00e9rante. Elle d\u00e9signe le degr\u00e9 d’homog\u00e9n\u00e9it\u00e9 des \u00e9l\u00e9ments composant une \u00e9preuve, garantissant que chaque unit\u00e9 de mesure converge vers l’\u00e9valuation d’un m\u00eame ph\u00e9nom\u00e8ne psychologique. Historiquement, l’estimation de cette propri\u00e9t\u00e9 a longtemps \u00e9t\u00e9 entrav\u00e9e par des solutions approximatives ou d\u00e9pendantes de choix arbitraires, telles que la m\u00e9thode du partage par moiti\u00e9, qui produisait des indices divergents selon la scission adopt\u00e9e. C’est pour surmonter ces apories m\u00e9thodologiques que George Frederic Kuder et Marion Webster Richardson ont propos\u00e9, en 1937, une s\u00e9rie d’\u00e9quations r\u00e9volutionnaires, parmi lesquelles la c\u00e9l\u00e8bre Formule 20 de Kuder-Richardson, universellement abr\u00e9g\u00e9e sous le sigle KR-20.<\/p>\n

Consacr\u00e9e sp\u00e9cifiquement aux instruments dont les items sont dichotomiques \u2014 c’est-\u00e0-dire cod\u00e9s de mani\u00e8re binaire sous forme de succ\u00e8s ou d’\u00e9chec \u2014, la formule KR-20 repr\u00e9sente une avanc\u00e9e majeure dans la th\u00e9orie classique des tests. En synth\u00e9tisant la covariance de l’ensemble des items sans requ\u00e9rir de fractionnement artificiel du test, elle fournit une estimation rigoureuse de la fid\u00e9lit\u00e9, comprise comme le rapport entre la variance des scores vrais et la variance totale observ\u00e9e. Cet article propose une exploration exhaustive de la formule KR-20, articulant ses fondements math\u00e9matiques, ses postulats th\u00e9oriques, un exemple de calcul manuel \u00e9tape par \u00e9tape, des guides d’impl\u00e9mentation pratique sous tableur, ainsi qu’une analyse critique de ses limites et de ses filiations contemporaines.<\/p>\n

1. Introduction \u00e0 la consistance interne et gen\u00e8se historique du KR-20<\/h2>\n

1.1 Le concept de fid\u00e9lit\u00e9 dans la th\u00e9orie classique des tests<\/h3>\n

Dans le cadre de la th\u00e9orie classique des tests (TCT), initi\u00e9e par les travaux pionniers de Charles Spearman au d\u00e9but du XXe si\u00e8cle, la fid\u00e9lit\u00e9 d’un instrument psychom\u00e9trique renvoie \u00e0 sa pr\u00e9cision m\u00e9trologique et \u00e0 la reproductibilit\u00e9 de ses r\u00e9sultats en l’absence de modification du construit mesur\u00e9. Le postulat fondamental de ce mod\u00e8le stipule que tout score observ\u00e9 chez un individu est la r\u00e9sultante lin\u00e9aire de deux composantes distinctes et inobservables : le score vrai de l’individu, qui refl\u00e8te sa comp\u00e9tence ou son niveau r\u00e9el sur le trait latent, et une erreur de mesure non syst\u00e9matique. Formellement, cette relation s’\u00e9nonce selon l’\u00e9quation classique dans laquelle le score observ\u00e9 est la somme exacte du score vrai et de l’erreur al\u00e9atoire.<\/p>\n

Il convient d’\u00e9tablir une distinction conceptuelle rigoureuse entre l’erreur de mesure al\u00e9atoire et l’erreur syst\u00e9matique. L’erreur syst\u00e9matique, ou biais, affecte l’ensemble des observations dans une m\u00eame direction ; elle compromet la validit\u00e9 du test mais n’alt\u00e8re pas sa fid\u00e9lit\u00e9 au sens strict, dans la mesure o\u00f9 elle maintient la stabilit\u00e9 relative des rangs individuels. \u00c0 l’inverse, l’erreur al\u00e9atoire d\u00e9coule de fluctuations impr\u00e9visibles, telles que la fatigue passag\u00e8re du r\u00e9pondant, les variations environnementales lors de l’administration du test ou l’ambigu\u00eft\u00e9 r\u00e9dactionnelle de certains items. La fid\u00e9lit\u00e9 se d\u00e9finit pr\u00e9cis\u00e9ment comme la part de variance du score observ\u00e9 exempte de cette composante d’erreur al\u00e9atoire, traduisant ainsi la variance attribuable au score vrai.<\/p>\n

Pour quantifier cette fid\u00e9lit\u00e9, les premiers psychom\u00e9triciens ont privil\u00e9gi\u00e9 la m\u00e9thode du test-retest, consistant \u00e0 administrer la m\u00eame \u00e9preuve aux m\u00eames sujets \u00e0 deux moments distincts. Toutefois, cette approche se heurte \u00e0 des biais majeurs, notamment les effets de m\u00e9morisation, d’apprentissage ou de maturation des sujets durant l’intervalle temporel. Afin d’\u00e9valuer la fid\u00e9lit\u00e9 \u00e0 partir d’une seule passation, la technique du partage par moiti\u00e9 (split-half<\/em>) a \u00e9t\u00e9 d\u00e9velopp\u00e9e. Elle consiste \u00e0 diviser le test en deux sous-\u00e9preuves \u00e9quivalentes, souvent selon une alternance items pairs et items impairs, puis \u00e0 corr\u00e9ler les scores obtenus sur ces deux moiti\u00e9s en appliquant la correction de Spearman-Brown. N\u00e9anmoins, cette m\u00e9thode souffre d’un d\u00e9faut r\u00e9dhibitoire : le coefficient obtenu varie consid\u00e9rablement selon la mani\u00e8re arbitraire dont les items sont appari\u00e9s ou r\u00e9partis, cr\u00e9ant une ind\u00e9termination math\u00e9matique inacceptable pour une discipline visant l’objectivit\u00e9 absolue.<\/p>\n

1.2 Les travaux fondateurs de G. F. Kuder et M. W. Richardson (1937)<\/h3>\n

Face aux limites criantes de la m\u00e9thode du partage par moiti\u00e9, George Frederic Kuder et Marion Webster Richardson ont publi\u00e9 en 1937 un article s\u00e9minal dans le deuxi\u00e8me volume de la jeune revue Psychometrika<\/a>, intitul\u00e9 The Theory of the Estimation of Test Reliability<\/em>. Leurs travaux s’inscrivaient dans un effort sans pr\u00e9c\u00e9dent pour formaliser la psychom\u00e9trie sur des bases alg\u00e9briques inattaquables. L’objectif explicite de Kuder et Richardson \u00e9tait de concevoir un coefficient de coh\u00e9rence interne qui ne d\u00e9pendrait plus d’un d\u00e9coupage particulier du test, mais qui refl\u00e9terait de mani\u00e8re intrins\u00e8que la totalit\u00e9 des interrelations entre les items composant l’instrument d’\u00e9valuation.<\/p>\n

Pour y parvenir, les deux chercheurs ont d\u00e9velopp\u00e9 une s\u00e9rie d’\u00e9quations num\u00e9rot\u00e9es s\u00e9quentiellement, allant de la formule 1 jusqu’\u00e0 la formule 21. Dans leur cheminement d\u00e9ductif, ils ont postul\u00e9 que la fid\u00e9lit\u00e9 d’un test compos\u00e9 d’items binaires pouvait \u00eatre d\u00e9duite de la structure de variance-covariance de ces items. En d\u00e9montrant que la somme des covariances entre toutes les paires possibles d’items constitue le v\u00e9ritable moteur de la variance vraie du test total, ils ont r\u00e9ussi \u00e0 unifier le traitement de la coh\u00e9rence interne. La formule num\u00e9ro 20 est ainsi apparue comme l’expression la plus aboutie et la plus rigoureuse de cette approche unifi\u00e9e, offrant une solution \u00e9l\u00e9gante au probl\u00e8me des scissions arbitraires.<\/p>\n

L’impact de la publication de 1937 sur la communaut\u00e9 scientifique fut imm\u00e9diat et consid\u00e9rable. Elle a transform\u00e9 la pratique de l’\u00e9valuation standardis\u00e9e, alors en plein essor aux \u00c9tats-Unis dans le cadre du recrutement militaire, de la s\u00e9lection universitaire et du diagnostic psychologique en milieu scolaire. En fournissant une formule calculable \u00e0 partir des seules donn\u00e9es d’une administration unique, sans n\u00e9cessiter de r\u00e9plications temporelles complexes, Kuder et Richardson ont dot\u00e9 les concepteurs de tests d’intelligence et d’aptitude d’un outil d’unification statistique sans pr\u00e9c\u00e9dent, \u00e9tablissant un standard de rigueur qui allait dominer la psychom\u00e9trie pendant plus d’un demi-si\u00e8cle.<\/p>\n

1.3 Place du KR-20 dans le paysage psychom\u00e9trique contemporain<\/h3>\n

Pr\u00e8s d’un si\u00e8cle apr\u00e8s sa formulation, le KR-20 demeure un instrument incontournable dans le paysage de la psychom\u00e9trie et de la docimologie. Son champ d’application privil\u00e9gi\u00e9 reste l’\u00e9valuation des connaissances et des comp\u00e9tences au moyen de tests standardis\u00e9s compos\u00e9s d’items \u00e0 choix forc\u00e9 ou de questions ferm\u00e9es dichotomiques (vrai\/faux, s\u00e9lection de la bonne r\u00e9ponse parmi plusieurs distracteurs). Dans les contextes scolaires, universitaires et professionnels, o\u00f9 les examens massifs sont corrig\u00e9s de fa\u00e7on automatis\u00e9e, le KR-20 fournit un indicateur synth\u00e9tique imm\u00e9diat de la qualit\u00e9 m\u00e9trologique des \u00e9preuves administr\u00e9es, permettant d’attester que le classement des candidats d\u00e9coule d’un construit mesur\u00e9 de fa\u00e7on homog\u00e8ne.<\/p>\n

Bien que la th\u00e9orie de r\u00e9ponse aux items<\/a> (TRI) ait profond\u00e9ment enrichi la psychom\u00e9trie moderne en mod\u00e9lisant la probabilit\u00e9 de r\u00e9ussite d’un individu en fonction de son niveau de trait latent et des param\u00e8tres intrins\u00e8ques de l’item (difficult\u00e9, discrimination, pseudo-chance), le KR-20 conserve une pertinence op\u00e9rationnelle intacte. La TRI exige des cohortes d’\u00e9chantillonnage volumineuses \u2014 souvent plusieurs centaines, voire plusieurs milliers de r\u00e9pondants \u2014 pour calibrer convenablement ses mod\u00e8les math\u00e9matiques complexes. \u00c0 l’inverse, le KR-20 peut \u00eatre mobilis\u00e9 efficacement sur des \u00e9chantillons de taille modeste, typiques des cohortes p\u00e9dagogiques universitaires ou des \u00e9tudes pilotes en sciences du comportement.<\/p>\n

Dans les contextes cliniques et organisationnels contemporains, le coefficient KR-20 constitue une exigence standard impos\u00e9e par les comit\u00e9s d’accr\u00e9ditation et les manuels m\u00e9thodologiques, tels que les Standards for Educational and Psychological Testing<\/em> publi\u00e9s conjointement par l’AERA, l’APA et le NCME. Tout inventaire neuropsychologique \u00e9valuant la pr\u00e9sence ou l’absence de sympt\u00f4mes d\u00e9ficitaires au moyen de r\u00e9ponses binaires se doit de pr\u00e9senter un coefficient de fid\u00e9lit\u00e9 robuste. Le KR-20 assure ainsi aux praticiens que l’instrument employ\u00e9 ne g\u00e9n\u00e8re pas de variance artefactuelle susceptible d’induire des faux positifs ou des diagnostics erron\u00e9s lors de la prise de d\u00e9cisions individuelles majeures.<\/p>\n

2. D\u00e9finition conceptuelle et fondements math\u00e9matiques de la formule KR-20<\/h2>\n

2.1 D\u00e9finition formelle du coefficient KR-20<\/h3>\n

Le coefficient KR-20 est une mesure statistique de la consistance interne sp\u00e9cifiquement restreinte aux instruments de mesure compos\u00e9s exclusivement d’items dichotomiques, c’est-\u00e0-dire des items dont la cotation n’admet que deux \u00e9tats discrets, conventionnellement d\u00e9sign\u00e9s par les valeurs 1 (succ\u00e8s, accord ou pr\u00e9sence du sympt\u00f4me) et 0 (\u00e9chec, d\u00e9saccord ou absence du sympt\u00f4me). Sur le plan conceptuel, le KR-20 repr\u00e9sente math\u00e9matiquement la moyenne exacte de tous les coefficients de fid\u00e9lit\u00e9 que l’on obtiendrait en appliquant la m\u00e9thode de partage par moiti\u00e9 \u00e0 l’ensemble des combinaisons possibles de scission du test en deux parties \u00e9gales, corrig\u00e9es par la formule de Spearman-Brown.<\/p>\n

Dans la perspective de la th\u00e9orie classique des tests, le KR-20 constitue une estimation formelle de la corr\u00e9lation attendue entre le test administr\u00e9 et une forme th\u00e9orique strictement parall\u00e8le, qui comprendrait le m\u00eame nombre d’items mesurant le m\u00eame construit latent avec des propri\u00e9t\u00e9s d’\u00e9chelle identiques. Cette fid\u00e9lit\u00e9 exprime le rapport math\u00e9matique entre la variance du score vrai et la variance totale du score observ\u00e9. Lorsque la totalit\u00e9 de la variance observ\u00e9e est imputable \u00e0 la variance vraie des sujets, le coefficient atteint sa valeur maximale, d\u00e9montrant une absence compl\u00e8te d’erreur al\u00e9atoire dans le processus de mesure.<\/p>\n

L’intervalle th\u00e9orique des valeurs du KR-20 est compris entre 0 et 1, bien que des valeurs num\u00e9riques n\u00e9gatives puissent exceptionnellement appara\u00eetre dans des circonstances pathologiques o\u00f9 la covariance moyenne entre les items est n\u00e9gative, ce qui traduit une d\u00e9faillance conceptuelle totale de l’instrument. Une valeur de 0 indique que le score observ\u00e9 ne refl\u00e8te rien d’autre que du bruit al\u00e9atoire, rendant toute interpr\u00e9tation des scores individuels d\u00e9pourvue de fondement scientifique. Inversement, une valeur tendant vers 1 signale une pr\u00e9cision m\u00e9trologique absolue, o\u00f9 la variance d’erreur devient infinit\u00e9simale par rapport \u00e0 la variance du construit \u00e9tudi\u00e9.<\/p>\n

2.2 Pr\u00e9sentation de l’\u00e9quation g\u00e9n\u00e9rale<\/h3>\n

L’\u00e9quation de Kuder-Richardson num\u00e9ro 20 repose sur une alg\u00e8bre rigoureuse combinant le nombre d’items, la variabilit\u00e9 individuelle de chaque item et la variance du score composite total. Elle s’\u00e9crit conventionnellement sous la forme suivante :<\/p>\n

KR-20 = [k \/ (k – 1)] * [1 – (\u03a3 pj qj) \/ \u03c3\u00b2]<\/strong><\/p>\n

Dans cette formulation canonique, la variable k<\/em> repr\u00e9sente le nombre total d’items dichotomiques composant le test. Le premier terme, [k \/ (k – 1)]<\/em>, constitue un facteur d’ajustement ou de correction d’\u00e9chelle. Sans ce multiplicateur, l’indice sous-estimerait la fid\u00e9lit\u00e9 r\u00e9elle du fait de la covariance n\u00e9gative m\u00e9canique introduite par l’inclusion de chaque item avec lui-m\u00eame dans les termes de variance. Ce facteur d’inflation compense la finitude du test et garantit la non-distorsion de l’estimation de consistance interne.<\/p>\n

Le second terme de l’\u00e9quation met en balance la somme des variances des items individuels, exprim\u00e9e par \u03a3 pj qj<\/em>, avec la variance totale observ\u00e9e des scores composites \u00e0 l’\u00e9preuve, d\u00e9sign\u00e9e par \u03c3\u00b2<\/em> (ou s\u00b2<\/em> lorsqu’elle est estim\u00e9e sur un \u00e9chantillon). Dans une distribution de variables al\u00e9atoires ind\u00e9pendantes, la variance de la somme est strictement \u00e9gale \u00e0 la somme des variances individuelles. D\u00e8s lors, si les items ne partagent aucune covariance \u2014 c’est-\u00e0-dire s’ils ne mesurent aucun construit commun \u2014, la somme des variances d’items \u00e9quivaudra exactement \u00e0 la variance totale du score. Dans cette configuration d’ind\u00e9pendance statistique absolue, le ratio (\u03a3 pj qj) \/ \u03c3\u00b2<\/em> devient \u00e9gal \u00e0 1, conduisant l’expression [1 – 1]<\/em> \u00e0 s’annuler, et ramenant le coefficient KR-20 \u00e0 z\u00e9ro.<\/p>\n

\"\"<\/figure>\n

2.3 Propri\u00e9t\u00e9s statistiques fondamentales de la mesure<\/h3>\n

Une propri\u00e9t\u00e9 cardinale du KR-20 r\u00e9side dans sa grande sensibilit\u00e9 \u00e0 l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des indices de difficult\u00e9 des items. Contrairement \u00e0 d’autres formulations simplifi\u00e9es qui postulent une difficult\u00e9 homog\u00e8ne sur l’ensemble de l’\u00e9preuve, le KR-20 int\u00e8gre explicitement le taux de r\u00e9ussite individuel pj<\/em> de chaque item j<\/em>. Cette caract\u00e9ristique permet de pr\u00e9server la fid\u00e9lit\u00e9 de l’estimation m\u00eame lorsque le test panache intentionnellement des questions \u00e9l\u00e9mentaires, destin\u00e9es \u00e0 d\u00e9partager les niveaux faibles, et des questions \u00e9minemment complexes, con\u00e7ues pour discriminer l’\u00e9lite des r\u00e9pondants.<\/p>\n

Sur le plan des postulats math\u00e9matiques, la d\u00e9rivation formelle du KR-20 repose sur le respect de l’hypoth\u00e8se de tau-\u00e9quivalence stricte ou essentielle. Sous cette condition th\u00e9orique, chaque item est suppos\u00e9 mesurer le m\u00eame construit latent avec la m\u00eame sensibilit\u00e9 m\u00e9trologique, ce qui implique que leurs saturations factorielles respectives (les charges factorielles dans une analyse en composantes ou factorielle) soient strictement \u00e9gales. Si cette condition est v\u00e9rifi\u00e9e, le KR-20 fournit une estimation sans biais de la fid\u00e9lit\u00e9 du test. En revanche, si cette hypoth\u00e8se est viol\u00e9e \u2014 situation fr\u00e9quente en pratique o\u00f9 certains items mesurent le trait latent avec plus d’acuit\u00e9 que d’autres (mod\u00e8le cong\u00e9n\u00e9rique) \u2014, le KR-20 devient une borne inf\u00e9rieure (lower bound<\/em>) de la fid\u00e9lit\u00e9 r\u00e9elle, sous-estimant mod\u00e9r\u00e9ment la pr\u00e9cision du test.<\/p>\n

Le comportement asymptotique du coefficient constitue une autre propri\u00e9t\u00e9 remarquable. Lorsque le nombre d’items k<\/em> tend vers l’infini, sous r\u00e9serve que les nouveaux items ajout\u00e9s poss\u00e8dent une covariance positive moyenne \u00e9quivalente avec les items existants, le facteur k \/ (k – 1)<\/em> tend vers 1, tandis que la variance totale \u03c3\u00b2<\/em> augmente \u00e0 un taux quadratique par rapport au nombre d’items, alors que la somme des variances \u03a3 pj qj<\/em> ne cro\u00eet qu’\u00e0 un taux lin\u00e9aire. En cons\u00e9quence, le terme d’erreur r\u00e9siduelle d\u00e9cro\u00eet asymptotiquement vers z\u00e9ro et le KR-20 converge vers sa valeur asymptotique maximale, illustrant le principe selon lequel la longueur d’un instrument am\u00e9liore m\u00e9caniquement sa consistance interne.<\/p>\n

3. D\u00e9composition d\u00e9taill\u00e9e des variables et notation alg\u00e9brique<\/h2>\n

3.1 Le param\u00e8tre k : longueur et granularit\u00e9 du test<\/h3>\n

Le param\u00e8tre k<\/em> repr\u00e9sente une variable discr\u00e8te correspondant \u00e0 l’inventaire exhaustif des items ou des stimuli dichotomiques soumis \u00e0 l’\u00e9valuation. Sa valeur num\u00e9rique d\u00e9termine directement l’amplitude du multiplicateur [k \/ (k – 1)]<\/em>. Lorsque le test se caract\u00e9rise par une faible granularit\u00e9 \u2014 par exemple une \u00e9preuve ultracourte comprenant seulement trois ou quatre questions \u2014, ce ratio prend une valeur substantiellement sup\u00e9rieure \u00e0 l’unit\u00e9 (pour k<\/em> = 4, le multiplicateur s’\u00e9l\u00e8ve \u00e0 1,333). Cette correction prononc\u00e9e vise \u00e0 compenser la restriction math\u00e9matique inh\u00e9rente aux tests courts, mais elle s’accompagne d’une instabilit\u00e9 statistique notable.<\/p>\n

\u00c0 l’inverse, pour des instruments comprenant une granularit\u00e9 \u00e9lev\u00e9e, telle qu’une \u00e9preuve standardis\u00e9e comportant 50 \u00e0 100 questions, la valeur du ratio s’approche tr\u00e8s \u00e9troitement de 1 (pour k<\/em> = 100, le ratio est de 1,0101). Dans ces conditions de m\u00e9trologie \u00e9tendue, l’impact correcteur du coefficient d\u00e9cro\u00eet, car la variance composite observ\u00e9e est d\u00e9j\u00e0 largement domin\u00e9e par les covariances inter-items. Il importe toutefois de souligner qu’un test excessivement court expose le KR-20 \u00e0 une forte variance d’\u00e9chantillonnage, le coefficient devenant extr\u00eamement vuln\u00e9rable aux variations idiosyncrasiques d’une seule r\u00e9ponse individuelle.<\/p>\n

La s\u00e9lection du param\u00e8tre k<\/em> engage \u00e9galement un compromis pragmatique bien connu des psychom\u00e9triciens. D’un c\u00f4t\u00e9, augmenter k<\/em> am\u00e9liore la stabilit\u00e9 math\u00e9matique du KR-20 et r\u00e9duit m\u00e9caniquement l’impact de l’erreur al\u00e9atoire. De l’autre, un test excessivement long risque de saturer les capacit\u00e9s d’attention, d’engendrer de la fatigue cognitive chez les r\u00e9pondants et d’introduire des r\u00e9ponses erratiques en fin de passation. D\u00e8s lors, le chercheur doit calibrer k<\/em> pour concilier la robustesse computationnelle requise par le multiplicateur de Kuder-Richardson avec les contraintes \u00e9cologiques de l’\u00e9valuation.<\/p>\n

3.2 Les proportions pj et qj : probabilit\u00e9s de r\u00e9ussite et d’\u00e9chec<\/h3>\n

Pour chaque item j<\/em> du test, le param\u00e8tre pj<\/em> d\u00e9signe la proportion de participants ayant r\u00e9pondu correctement ou ayant endoss\u00e9 l’item dans le sens du construit \u00e9valu\u00e9. Sur le plan statistique, cette proportion s’interpr\u00e8te directement comme l’indice de difficult\u00e9 classique de l’item, bien que cette d\u00e9nomination soit paradoxale : un pj<\/em> \u00e9lev\u00e9 (par exemple 0,90) caract\u00e9rise un item facile, r\u00e9ussi par 90 % de la cohorte, tandis qu’un pj<\/em> faible (par exemple 0,20) signale un item ardu, surmont\u00e9 par seulement 20 % des individus test\u00e9s. La valeur de pj<\/em> est rigoureusement born\u00e9e dans l’intervalle continu [0, 1].<\/p>\n

Le param\u00e8tre qj<\/em> repr\u00e9sente l’\u00e9v\u00e9nement compl\u00e9mentaire strict de pj<\/em>. Il est d\u00e9fini par la relation alg\u00e9brique \u00e9l\u00e9mentaire :<\/p>\n

qj = 1 – pj<\/strong><\/p>\n

Ce coefficient correspond au taux d’\u00e9chec ou de non-endossement de l’item consid\u00e9r\u00e9 au sein de l’\u00e9chantillon de r\u00e9f\u00e9rence. Puisque chaque r\u00e9ponse \u00e0 un item dichotomique constitue la r\u00e9alisation d’une loi de Bernoulli<\/a> de param\u00e8tre pj<\/em>, la variance th\u00e9orique associ\u00e9e \u00e0 l’item j<\/em> est donn\u00e9e par le produit direct de ces deux probabilit\u00e9s compl\u00e9mentaires, \u00e0 savoir :<\/p>\n

Var(item j) = pj * qj<\/strong><\/p>\n

Une propri\u00e9t\u00e9 fondamentale de cette distribution r\u00e9side dans le fait que le produit pj * qj<\/em> atteint son extremum absolu lorsque pj = qj = 0,50<\/em>, donnant une variance maximale de 0,25. Cela signifie qu’un item dont la difficult\u00e9 est parfaitement m\u00e9diane engendre le maximum de variabilit\u00e9 dans les r\u00e9ponses individuelles, apportant ainsi la plus grande contribution potentielle \u00e0 la dispersion globale des scores. \u00c0 l’inverse, si un item est excessivement simple (pj<\/em> = 0,99 ; variance = 0,0099) ou excessivement complexe (pj<\/em> = 0,01 ; variance = 0,0099), sa variance s’effondre vers z\u00e9ro. De tels items quasi constants n’apportent presque aucune information discriminative et tendent \u00e0 comprimer le calcul de la consistance interne.<\/p>\n

3.3 La variance totale observ\u00e9e (\u03c3\u00b2)<\/h3>\n

Le d\u00e9nominateur de la fraction centrale de la formule KR-20 est constitu\u00e9 par la variance des scores composites totaux, d\u00e9sign\u00e9e par \u03c3\u00b2<\/em> lorsqu’elle s’applique \u00e0 une population exhaustive, ou plus commun\u00e9ment par s\u00b2<\/em> lorsqu’elle est estim\u00e9e \u00e0 partir d’un \u00e9chantillon d’individus. Le score total de chaque participant est obtenu par la somme arithm\u00e9tique de ses r\u00e9ussites sur les k<\/em> items du test. La variance de cette s\u00e9rie de scores composites quantifie l’\u00e9talement des performances globales observ\u00e9es autour de la moyenne de l’\u00e9chantillon.<\/p>\n

En th\u00e9orie statistique, la variance d’une somme de variables al\u00e9atoires se d\u00e9compose imp\u00e9rativement en la somme des variances individuelles de chaque variable augment\u00e9e de la somme de toutes les covariances mutuelles existant entre ces variables. Formellement, cette d\u00e9composition s’exprime selon l’identit\u00e9 suivante :<\/p>\n

s\u00b2 = \u03a3 (pj * qj) + 2 * \u03a3 Cov(Xi, Xj)<\/strong> pour tout i < j<\/p>\n

Cette d\u00e9composition met en lumi\u00e8re la m\u00e9canique interne du KR-20. Si les items ne pr\u00e9sentent aucune corr\u00e9lation entre eux, l’ensemble des termes de covariance s’annule, et la variance totale s\u00b2<\/em> se r\u00e9duit strictement \u00e0 la somme des variances d’items \u03a3 pj qj<\/em>. Le terme [1 – (\u03a3 pj qj) \/ s\u00b2]<\/em> s’annule alors, produisant un KR-20 de z\u00e9ro. \u00c0 l’oppos\u00e9, lorsque les items partagent de fortes associations positives \u2014 traduisant le fait qu’un sujet r\u00e9ussissant un item a une forte probabilit\u00e9 de r\u00e9ussir les autres \u2014, les covariances prennent des valeurs positives substantielles, rendant la variance totale s\u00b2<\/em> consid\u00e9rablement plus volumineuse que la simple somme des variances individuelles. Le rapport (\u03a3 pj qj) \/ s\u00b2<\/em> devient alors tr\u00e8s faible, et le coefficient KR-20 se rapproche de son plafond unitaire.<\/p>\n

4. Conditions pr\u00e9alables, postulats th\u00e9oriques et nature des donn\u00e9es<\/h2>\n

4.1 Nature strictement dichotomique des items<\/h3>\n

L’application l\u00e9gitime de la formule KR-20 repose sur une contrainte structurelle imp\u00e9rative : la nature rigoureusement dichotomique de chaque item constituant le protocole d’\u00e9valuation. Chaque observation \u00e9l\u00e9mentaire doit \u00eatre pr\u00e9alablement encod\u00e9e sous la forme d’une variable binaire prenant exclusivement les valeurs num\u00e9riques 0 ou 1. Cette mod\u00e9lisation s’applique parfaitement aux \u00e9preuves de performance maximale disposant d’une cl\u00e9 de correction univoque, o\u00f9 toute r\u00e9ponse conforme au standard d’excellence est gratifi\u00e9e d’un point unitaire, tandis que toute omission, erreur ou r\u00e9ponse non conforme est sanctionn\u00e9e d’un z\u00e9ro.<\/p>\n

Parmi les formats de test pleinement compatibles avec cette exigence figurent les questionnaires \u00e0 choix multiples (QCM) ne comportant qu’une seule r\u00e9ponse correcte parmi plusieurs distracteurs, les items de type vrai ou faux, les questions d’appariement binaire ou encore les t\u00e2ches de d\u00e9tection de signal o\u00f9 le stimulus est soit correctement identifi\u00e9, soit manqu\u00e9. De m\u00eame, certains inventaires cliniques \u00e9valuant des sympt\u00f4mes pathologiques par le biais d’un choix forc\u00e9 (pr\u00e9sence vs absence d’un comportement sp\u00e9cifique) r\u00e9pondent \u00e0 ce crit\u00e8re de codage.<\/p>\n

En revanche, il est formellement erron\u00e9 d’appliquer le KR-20 \u00e0 des donn\u00e9es polytomiques, telles que les \u00e9chelles de Likert<\/a> gradu\u00e9es en plusieurs degr\u00e9s d’accord (par exemple de 1 \u00e0 5), les questions \u00e0 notation pond\u00e9r\u00e9e partielle (accordant 0, 1 ou 2 points selon l’exhaustivit\u00e9 de la r\u00e9ponse) ou les \u00e9preuves \u00e0 cotation continue. Pour ces derni\u00e8res, l’\u00e9galit\u00e9 de la variance de l’item avec le produit pj * qj<\/em> n’est plus v\u00e9rifi\u00e9e math\u00e9matiquement, ce qui rend l’\u00e9quation de Kuder-Richardson invalide et impose de recourir \u00e0 l’alpha de Cronbach ou \u00e0 d’autres estimateurs g\u00e9n\u00e9ralis\u00e9s.<\/p>\n

4.2 Postulat d’unidimensionnalit\u00e9 de la mesure<\/h3>\n

Le postulat d’unidimensionnalit\u00e9 constitue l’un des piliers \u00e9pist\u00e9mologiques les plus exigeants de la formule KR-20. Il exige que l’ensemble des k<\/em> items du test soit sous-tendu par un seul et unique facteur ou trait latent. En d’autres termes, l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des scores observ\u00e9s au sein de la population ne doit trouver son explication causale que dans la variation d’un attribut psychologique commun, qu’il s’agisse de la ma\u00eetrise de l’alg\u00e8bre lin\u00e9aire, de l’aptitude au raisonnement spatial ou de la fluidit\u00e9 verbale.<\/p>\n

Lorsque cette hypoth\u00e8se est viol\u00e9e \u2014 par exemple si un test composite m\u00eale indistinctement des questions de g\u00e9om\u00e9trie, des \u00e9preuves de m\u00e9morisation de vocabulaire et des tests de dext\u00e9rit\u00e9 perceptive \u2014, l’instrument devient multidimensionnel. Dans cette circonstance, les covariances entre items appartenant \u00e0 des dimensions diff\u00e9rentes sont m\u00e9caniquement beaucoup plus faibles qu’au sein d’un m\u00eame sous-domaine conceptuel. Il en r\u00e9sulte un effondrement artificiel de la variance composite totale par rapport aux sommes de variances d’items, conduisant le KR-20 \u00e0 sous-estimer drastiquement la fid\u00e9lit\u00e9 globale de la batterie d’\u00e9valuation.<\/p>\n

Avant d’engager le calcul du KR-20, le psychom\u00e9tricien se doit donc de valider empiriquement l’unidimensionnalit\u00e9 de la matrice de donn\u00e9es. Cette validation pr\u00e9alable s’effectue g\u00e9n\u00e9ralement au moyen d’une analyse factorielle exploratoire ou d’une analyse factorielle confirmatoire pour donn\u00e9es cat\u00e9gorielles (utilisant des matrices de corr\u00e9lations t\u00e9trachoriques). La pr\u00e9sence d’une premi\u00e8re valeur propre pr\u00e9dominante \u00e9crasant les valeurs subs\u00e9quentes sur le diagramme d’\u00e9boulis (scree plot<\/em>) constitue le marqueur classique autorisant l’utilisation du KR-20 comme indicateur l\u00e9gitime de coh\u00e9rence interne.<\/p>\n

4.3 Ind\u00e9pendance locale et absence d’effets de vitesse<\/h3>\n

Le postulat d’ind\u00e9pendance locale stipule que, pour tout individu pr\u00e9sentant un niveau d\u00e9termin\u00e9 sur le trait latent \u00e9valu\u00e9, les r\u00e9ponses fournies aux diff\u00e9rents items du test sont statistiquement ind\u00e9pendantes les unes des autres. Autrement dit, la r\u00e9ussite ou l’\u00e9chec \u00e0 un item donn\u00e9 ne doit pas conditionner directement la probabilit\u00e9 de r\u00e9ussite d’un autre item, une fois contr\u00f4l\u00e9 le niveau global de comp\u00e9tence du sujet. Une violation courante de cette condition survient lorsque plusieurs questions cons\u00e9cutives se r\u00e9f\u00e8rent \u00e0 un texte support commun ou \u00e0 une \u00e9nigme d\u00e9pendante, o\u00f9 la r\u00e9solution d’une sous-question conditionne l’acc\u00e8s aux donn\u00e9es des suivantes.<\/p>\n

La pr\u00e9sence d’une d\u00e9pendance locale positive engendre une sur\u00e9valuation factice du KR-20. En effet, les items mutuellement d\u00e9pendants g\u00e9n\u00e8rent des covariances redondantes qui ne sont pas attribuables \u00e0 la coh\u00e9rence du construit latent, mais \u00e0 la structure mat\u00e9rielle de l’\u00e9preuve. Cette redondance parasite gonfle artificiellement la variance totale observ\u00e9e au d\u00e9nominateur, faisant miroiter une consistance interne illusoire alors m\u00eame que l’\u00e9preuve souffre d’un d\u00e9faut de couverture conceptuelle.<\/p>\n

De surcro\u00eet, le KR-20 postule que le test \u00e9value la puissance intellectuelle et non la vitesse pure de traitement. Dans une \u00e9preuve de vitesse pure (speed test<\/em>), les items sont si \u00e9l\u00e9mentaires que tout candidat pourrait th\u00e9oriquement les r\u00e9ussir si le temps n’\u00e9tait pas strictement rationn\u00e9. Les sujets arr\u00eat\u00e9s par la sonnerie finale laissent une tra\u00een\u00e9e de z\u00e9ros cons\u00e9cutifs sur les derniers items. Cette structure particuli\u00e8re induit des corr\u00e9lations artificiellement massives entre les items terminaux, produisant un KR-20 outrageusement sur\u00e9valu\u00e9 qui ne refl\u00e8te en rien l’homog\u00e9n\u00e9it\u00e9 r\u00e9elle de la mesure. Le KR-20 doit donc imp\u00e9rativement \u00eatre r\u00e9serv\u00e9 aux tests o\u00f9 chaque candidat dispose d’un temps suffisant pour aborder l’ensemble des questions.<\/p>\n

5. Exemple pratique pas \u00e0 pas : calcul manuel sur un \u00e9chantillon r\u00e9duit<\/h2>\n

5.1 Pr\u00e9sentation de la matrice de donn\u00e9es brutes<\/h3>\n

Afin d’illustrer la m\u00e9canique computationnelle de la formule KR-20 sans occulter sa complexit\u00e9 alg\u00e9brique, nous proposons ici un exemple didactique complet reposant sur une cohorte de 10 \u00e9tudiants (not\u00e9s de S1 \u00e0 S10) ayant r\u00e9pondu \u00e0 une \u00e9preuve courte de 7 items dichotomiques (not\u00e9s de Item 1 \u00e0 Item 7). Chaque r\u00e9ussite est cod\u00e9e par le chiffre 1 et chaque \u00e9chec par le chiffre 0. Cette configuration de petite taille permet de suivre chaque op\u00e9ration arithm\u00e9tique de fa\u00e7on transparente et v\u00e9rifiable.<\/p>\n

Voici la matrice compl\u00e8te des r\u00e9ponses individuelles obtenues lors de l’administration du test, avec la sommation marginale de chaque ligne correspondant au score total individuel de chaque \u00e9tudiant :<\/p>\n