o<\/sub><\/em>) pr\u00e9sente une faille th\u00e9orique r\u00e9dhibitoire : il est intrins\u00e8quement contamin\u00e9 par la concordance fortuite d\u00e9coulant des lois fondamentales du hasard stochastique.<\/p>\nPour illustrer ce ph\u00e9nom\u00e8ne math\u00e9matique, consid\u00e9rons deux cliniciens \u00e9valuant la pr\u00e9sence d’un trouble bipolaire au sein d’une population o\u00f9 cette pathologie ne concerne que 5 % des individus. Si les deux praticiens, en raison de leur connaissance intuitive de cette faible pr\u00e9valence, concluent syst\u00e9matiquement \u00e0 l’absence de trouble pour chaque patient sans m\u00eame effectuer d’examen clinique approfondi, ils obtiendront un accord observ\u00e9 artificiellement astronomique de l’ordre de 90 % \u00e0 95 %. Pourtant, cet accord ne refl\u00e8te aucune comp\u00e9tence diagnostique, mais simplement un art\u00e9fact li\u00e9 \u00e0 la raret\u00e9 de la pathologie dans la population cible.<\/p>\n
Le pourcentage d’accord brut surestime donc syst\u00e9matiquement et substantiellement la fid\u00e9lit\u00e9 r\u00e9elle entre les \u00e9valuateurs en attribuant \u00e0 leur discernement clinique ce qui rel\u00e8ve de la simple co\u00efncidence math\u00e9matique. De plus, il est excessivement sensible aux d\u00e9s\u00e9quilibres de fr\u00e9quence des cat\u00e9gories marginales, rendant toute comparaison entre diff\u00e9rentes \u00e9tudes totalement invalide d\u00e8s lors que les taux de pr\u00e9valence divergent. Il s’av\u00e8re d\u00e8s lors imp\u00e9ratif de recourir \u00e0 un ajustement math\u00e9matique standardis\u00e9 capable d’isoler l’accord r\u00e9el en soustrayant rigoureusement la proportion d’accord th\u00e9oriquement attendue sous l’hypoth\u00e8se nulle du hasard.<\/p>\n
2. Mod\u00e9lisation math\u00e9matique du Kappa de Cohen<\/h2>\n2.1 Analyse d\u00e9taill\u00e9e de la formule standard<\/h3>\n L’architecture math\u00e9matique du coefficient Kappa de Cohen repose sur une \u00e9l\u00e9gante formulation de normalisation lin\u00e9aire. Soit Po<\/sub><\/em> la proportion relative d’accords observ\u00e9s empiriquement entre les deux juges, et Pe<\/sub><\/em> la proportion relative d’accords th\u00e9oriquement attendus sous l’hypoth\u00e8se d’une ind\u00e9pendance statistique absolue des jugements. L’\u00e9quation canonique d\u00e9finie par Jacob Cohen s’\u00e9nonce comme suit :<\/p>\nκ = (Po<\/sub> – Pe<\/sub>) \/ (1 – Pe<\/sub>)<\/strong><\/p>\nL’analyse structurelle de cette formule r\u00e9v\u00e8le avec clart\u00e9 son soubassement psychom\u00e9trique :<\/p>\n
\nLe num\u00e9rateur (Po<\/sub> – Pe<\/sub>) :<\/strong> Il quantifie la proportion d’accord qui exc\u00e8de strictement le niveau attribuable \u00e0 la chance stochastique. Si le niveau d’accord observ\u00e9 est rigoureusement identique au niveau attendu par le hasard, le num\u00e9rateur s’annule, entra\u00eenant une valeur de Kappa nulle (κ = 0).<\/li>\nLe d\u00e9nominateur (1 – Pe<\/sub>) :<\/strong> Il repr\u00e9sente l’accord maximal potentiel que les \u00e9valuateurs pourraient atteindre au-del\u00e0 de la part al\u00e9atoire. Ce terme agit comme une constante normalisatrice, contraignant l’indice \u00e0 une \u00e9chelle standardis\u00e9e o\u00f9 la valeur maximale th\u00e9orique d’un accord parfait culmine \u00e0 l’unit\u00e9 (+1,00).<\/li>\n<\/ul>\nCompar\u00e9 \u00e0 d’autres m\u00e9triques nominales — telles que le coefficient de concordance de Gwet (AC1), l’indice Pi de Scott ou le coefficient S de Bennett —, le Kappa de Cohen demeure la r\u00e9f\u00e9rence institutionnelle dominante dans la litt\u00e9rature biom\u00e9dicale et comportementale, malgr\u00e9 des d\u00e9bats statistiques r\u00e9currents quant \u00e0 son comportement en pr\u00e9sence de distributions marginales hautement asym\u00e9triques.<\/p>\n
2.2 Calcul de la probabilit\u00e9 d’accord observ\u00e9 (Po)<\/h3>\n La probabilit\u00e9 d’accord empirique ou observ\u00e9, not\u00e9e Po<\/sub><\/em>, repr\u00e9sente le rapport fondamental entre le nombre de d\u00e9cisions concordantes formul\u00e9es simultan\u00e9ment par les deux \u00e9valuateurs et l’effectif global total d’unit\u00e9s ou de sujets soumis \u00e0 l’\u00e9valuation psychologique. Dans une matrice de contingence crois\u00e9e carr\u00e9e regroupant k<\/em> cat\u00e9gories mutuellement exclusives, les accords se mat\u00e9rialisent rigoureusement par les cellules situ\u00e9es le long de la diagonale principale descendante du tableau (de la coordonn\u00e9e [1,1] \u00e0 la coordonn\u00e9e [k,k]).<\/p>\nD’un point de vue formel, si nii<\/sub><\/em> repr\u00e9sente le d\u00e9nombrement des observations pour lesquelles le juge A et le juge B ont tous deux assign\u00e9 la cat\u00e9gorie i<\/em>, et que N<\/em> repr\u00e9sente le nombre total de sujets \u00e9valu\u00e9s dans l’\u00e9chantillon, la proportion d’accord observ\u00e9 s’\u00e9crit math\u00e9matiquement :<\/p>\nPo<\/sub> = (∑ nii<\/sub>) \/ N<\/strong>, pour i<\/em> variant de 1 \u00e0 k<\/em>.<\/p>\nCette grandeur scalaire est strictement born\u00e9e sur l’intervalle continu [0, 1]. Une valeur de Po<\/sub> = 1,00<\/em> indique que les deux juges ont cat\u00e9goris\u00e9 l’int\u00e9gralit\u00e9 des sujets de mani\u00e8re strictement identique, tandis qu’une valeur de Po<\/sub> = 0,00<\/em> t\u00e9moigne d’une discordance absolue, aucune unit\u00e9 n’ayant re\u00e7u la m\u00eame \u00e9tiquette nominale de la part des deux cliniciens. Bien que sensible \u00e0 la taille globale de l’\u00e9chantillon N<\/em> en termes d’erreur d’\u00e9chantillonnage, la m\u00e9trique Po<\/sub><\/em> est un estimateur sans biais de la proportion empirique de concordance brute.<\/p>\n2.3 Mod\u00e9lisation de la probabilit\u00e9 d’accord d\u00fb au hasard (Pe)<\/h3>\n La mod\u00e9lisation de la probabilit\u00e9 d’accord attendu par le hasard, d\u00e9sign\u00e9e sous le symbole Pe<\/sub><\/em>, repose sur le principe probabiliste d’ind\u00e9pendance statistique entre deux variables al\u00e9atoires discr\u00e8tes, tel qu’enseign\u00e9 dans les cours fondamentaux de statistique math\u00e9matique. Selon ce postulat, si le juge A et le juge B assignaient leurs cat\u00e9gories diagnostiques sans aucune concertation ni sensibilit\u00e9 r\u00e9elle aux caract\u00e9ristiques du patient — c’est-\u00e0-dire comme s’ils tiraient des \u00e9tiquettes au sort selon leurs propres fr\u00e9quences marginales —, la probabilit\u00e9 d’un accord fortuit sur la cat\u00e9gorie i<\/em> correspondrait au produit direct de leurs probabilit\u00e9s marginales respectives.<\/p>\nPour chaque cat\u00e9gorie diagnostique i<\/em>, la probabilit\u00e9 th\u00e9orique conjointe al\u00e9atoire \u00e9quivaut au produit de la proportion marginale de lignes (total des choix du juge A pour la cat\u00e9gorie i<\/em> divis\u00e9 par N<\/em>) par la proportion marginale de colonnes (total des choix du juge B pour la m\u00eame cat\u00e9gorie i<\/em> divis\u00e9 par N<\/em>). Pour synth\u00e9tiser l’attente th\u00e9orique globale sur l’ensemble des k<\/em> cat\u00e9gories possibles du syst\u00e8me nosographique, nous sommons l’ensemble de ces produits marginaux :<\/p>\nPe<\/sub> = ∑ [ (ni.<\/sub> \/ N) × (n.i<\/sub> \/ N) ] = ∑ (ni.<\/sub> × n.i<\/sub>) \/ N2<\/sup><\/strong>, o\u00f9 ni.<\/sub><\/em> d\u00e9signe le total marginal de la ligne i<\/em> et n.i<\/sub><\/em> le total marginal de la colonne i<\/em>.<\/p>\nCette mod\u00e9lisation met en lumi\u00e8re le fait que Pe<\/sub><\/em> est lourdement tributaire des biais d’ancrage individuels des \u00e9valuateurs. Si l’un des juges d\u00e9montre une tendance syst\u00e9matique \u00e0 surdiagnostiquer une pathologie sp\u00e9cifique tandis que le second juge pr\u00e9sente une inclinaison comparable, le produit de leurs marges s’\u00e9l\u00e8ve de fa\u00e7on m\u00e9canique, augmentant artificiellement la valeur de Pe<\/sub><\/em> et rendant l’obtention d’un Kappa \u00e9lev\u00e9 beaucoup plus exigeante.<\/p>\n2.4 Propri\u00e9t\u00e9s math\u00e9matiques et \u00e9tendue des valeurs<\/h3>\n Le coefficient Kappa de Cohen est une mesure statistique norm\u00e9e poss\u00e9dant des propri\u00e9t\u00e9s alg\u00e9briques sp\u00e9cifiques qu’il importe de ma\u00eetriser pour toute interpr\u00e9tation clinique :<\/p>\n
\nLa borne sup\u00e9rieure (+1,00) :<\/strong> Un κ rigoureusement \u00e9gal \u00e0 +1,00 traduit un accord inter-juges parfait et absolu. Dans cette configuration, chaque sujet se positionne exclusivement sur la diagonale principale de la matrice (nij<\/sub> = 0<\/em> pour tout i ≠ j<\/em>), impliquant de facto que Po<\/sub> = 1,00<\/em>. D\u00e8s lors, l’expression κ = (1 – Pe<\/sub>) \/ (1 – Pe<\/sub>) se r\u00e9duit invariablement \u00e0 l’unit\u00e9.<\/li>\nLa valeur nulle (0,00) :<\/strong> Lorsque κ atteint la valeur de 0,00, cela signifie que la concordance observ\u00e9e empiriquement entre les deux cliniciens co\u00efncide exactement avec ce que pr\u00e9dirait le simple hasard math\u00e9matique (Po<\/sub> = Pe<\/sub><\/em>). Aucune fid\u00e9lit\u00e9 v\u00e9ritable ne peut \u00eatre d\u00e9duite de leurs \u00e9valuations.<\/li>\nLes valeurs n\u00e9gatives [-1,00 \u00e0 0,00[ :<\/strong> Un coefficient Kappa n\u00e9gatif survient lorsque la proportion d’accord observ\u00e9e est inf\u00e9rieure \u00e0 la proportion d’accord attendue par pure co\u00efncidence stochastique (Po<\/sub> < Pe<\/sub><\/em>). Une telle circonstance traduit un d\u00e9saccord syst\u00e9matique ou une incompr\u00e9hension sym\u00e9trique inverse des crit\u00e8res d’\u00e9valuation par les juges, ph\u00e9nom\u00e8ne rare en pratique clinique mais th\u00e9oriquement informatif.<\/li>\n<\/ul>\nIl est crucial de souligner que la borne sup\u00e9rieure absolue de +1,00 ne peut \u00eatre math\u00e9matiquement atteinte que si et seulement si les deux \u00e9valuateurs pr\u00e9sentent des distributions marginales strictement sym\u00e9triques et identiques (c’est-\u00e0-dire ni.<\/sub> = n.i<\/sub><\/em> pour chaque modalit\u00e9 i<\/em>). Dans les situations r\u00e9elles o\u00f9 l’un des juges utilise globalement une cat\u00e9gorie plus fr\u00e9quemment que l’autre, le Kappa maximal possible (not\u00e9 κmax<\/sub>) est contraint \u00e0 une valeur strictement inf\u00e9rieure \u00e0 1,00, ce qui constitue une caract\u00e9ristique structurelle propre \u00e0 cette m\u00e9trique.<\/p>\n3. Structuration des donn\u00e9es qualitatives dans Excel<\/h2>\n3.1 Organisation tabulaire brute des \u00e9valuations des juges<\/h3>\n L’impl\u00e9mentation op\u00e9rationnelle et rigoureuse du Kappa de Cohen dans Microsoft Excel requiert une discipline m\u00e9thodologique stricte d\u00e8s la phase d’encodage initial des donn\u00e9es qualitatives. La structuration optimale de la feuille de calcul primaire implique l’agencement des observations sous la forme d’un tableau de donn\u00e9es relationnel plat (conforme aux principes du tidy data<\/em>). Chaque ligne du tableau doit correspondre sans ambigu\u00eft\u00e9 \u00e0 une unit\u00e9 d’analyse unique — qu’il s’agisse d’un patient, d’une s\u00e9quence vid\u00e9o, d’une r\u00e9ponse textuelle ou d’un trac\u00e9 \u00e9lectroenc\u00e9phalographique — et chaque colonne doit h\u00e9berger une variable m\u00e9thodologique explicite.<\/p>\nLa structure tabulaire fondamentale s’organise ainsi classiquement sur trois colonnes adjacentes :<\/p>\n
\nColonne A (Identifiant du sujet) :<\/strong> Nomenclature s\u00e9quentielle unique et anonymis\u00e9e (ex. : PAT_001<\/em>, PAT_002<\/em>, etc.).<\/li>\nColonne B (Juge A) :<\/strong> Cat\u00e9gorie diagnostique nominale assign\u00e9e par le premier clinicien de mani\u00e8re ind\u00e9pendante.<\/li>\nColonne C (Juge B) :<\/strong> Cat\u00e9gorie diagnostique nominale assign\u00e9e par le second clinicien en aveugle strict du premier.<\/li>\n<\/ul>\nLa normalisation typographique des libell\u00e9s cat\u00e9goriels est un imp\u00e9ratif absolu sous Excel. Les erreurs de frappe, la pr\u00e9sence d’espaces superflus en d\u00e9but ou en fin de cha\u00eene de caract\u00e8res, ou des incoh\u00e9rences de casse (majuscules\/minuscules) peuvent fausser irr\u00e9m\u00e9diablement les fonctions logiques de d\u00e9nombrement automatis\u00e9. Il est d\u00e8s lors vivement recommand\u00e9 d’utiliser des listes de validation de donn\u00e9es int\u00e9gr\u00e9es dans Excel (menu Donn\u00e9es > Validation des donn\u00e9es > Autoriser : Liste<\/em>) afin de contraindre la saisie \u00e0 un dictionnaire ferm\u00e9 de modalit\u00e9s pr\u00e9d\u00e9finies. Bien que le codage textuel clair (ex. : \u00ab D\u00e9pression \u00bb, \u00ab Anxi\u00e9t\u00e9 \u00bb, \u00ab Trouble bipolaire \u00bb) favorise la lisibilit\u00e9 humaine, le recours \u00e0 un codage num\u00e9rique ordinal ou nominal conventionnel (ex. : 1, 2, 3) assorti d’une table de correspondance explicative limite consid\u00e9rablement les risques de corruption textuelle et optimise les temps d’ex\u00e9cution des formules conditionnelles avanc\u00e9es.<\/p>\nEnfin, l’int\u00e9grit\u00e9 du protocole d’accord inter-juges repose sur l’exhaustivit\u00e9 des couples d’\u00e9valuation. L’analyste doit imp\u00e9rativement auditer la base brute pour rep\u00e9rer d’\u00e9ventuelles donn\u00e9es manquantes unilat\u00e9rales (o\u00f9 un juge a statu\u00e9 mais non l’autre). Deux choix s’offrent alors : l’exclusion compl\u00e8te du sujet de l’analyse inter-juges (suppression par liste ou listwise deletion<\/em>), ou la cr\u00e9ation d’une modalit\u00e9 d\u00e9di\u00e9e aux cas inclassables ou ind\u00e9termin\u00e9s, si cette ambigu\u00eft\u00e9 porte en elle une signification clinique substantielle.<\/p>\n3.2 Construction de la matrice de confusion (tableau crois\u00e9 2×2)<\/h3>\n Une fois la base de donn\u00e9es brute valid\u00e9e et nettoy\u00e9e, l’\u00e9tape analytique interm\u00e9diaire consiste \u00e0 synth\u00e9tiser l’information sous la forme d’une matrice de confusion — \u00e9galement d\u00e9sign\u00e9e sous le terme de tableau de contingence crois\u00e9. Pour une \u00e9chelle dichotomique binaire (ex. : Pr\u00e9sence vs Absence d’un \u00e9tat de stress post-traumatique), ce tableau prend la configuration g\u00e9om\u00e9trique canonique d’une matrice 2×2.<\/p>\n
La disposition spatiale standardis\u00e9e sous Excel s’articule comme suit :<\/p>\n
\nLes modalit\u00e9s diagnostiques du Juge A<\/strong> sont dispos\u00e9es verticalement en en-t\u00eates de lignes (ex. : Ligne 1 = \u00ab Positif \u00bb, Ligne 2 = \u00ab N\u00e9gatif \u00bb).<\/li>\nLes modalit\u00e9s diagnostiques du Juge B<\/strong> sont dispos\u00e9es horizontalement en en-t\u00eates de colonnes (ex. : Colonne 1 = \u00ab Positif \u00bb, Colonne 2 = \u00ab N\u00e9gatif \u00bb).<\/li>\n<\/ul>\nAu sein de cette grille spatiale, les quatre cellules r\u00e9sultant du croisement capturent les combinaisons exhaustives des jugements :<\/p>\n
\nCellule d’accord positif [1,1] :<\/strong> Nombre de patients jug\u00e9s simultan\u00e9ment \u00ab Positifs \u00bb par les deux praticiens.<\/li>\nCellule de discordance [1,2] :<\/strong> Nombre de patients jug\u00e9s \u00ab Positifs \u00bb par le Juge A mais \u00ab N\u00e9gatifs \u00bb par le Juge B (erreur de type faux positif\/faux n\u00e9gatif relatif).<\/li>\nCellule de discordance [2,1] :<\/strong> Nombre de patients jug\u00e9s \u00ab N\u00e9gatifs \u00bb par le Juge A mais \u00ab Positifs \u00bb par le Juge B.<\/li>\nCellule d’accord n\u00e9gatif [2,2] :<\/strong> Nombre de patients jug\u00e9s consensuellement \u00ab N\u00e9gatifs \u00bb par les deux cliniciens.<\/li>\n<\/ul>\nLa diagonale principale descendante (cellules [1,1] et [2,2]) concentre la totalit\u00e9 des \u00e9v\u00e9nements de concordance clinique. \u00c0 la p\u00e9riph\u00e9rie imm\u00e9diate de cette matrice, des plages d’accueil d\u00e9di\u00e9es doivent \u00eatre am\u00e9nag\u00e9es pour recevoir les totaux marginaux horizontaux (sommes en lignes refl\u00e9tant le profil de diagnostic global du Juge A) et les totaux marginaux verticaux (sommes en colonnes refl\u00e9tant le comportement diagnostique global du Juge B), \u00e9l\u00e9ments indispensables au calcul ult\u00e9rieur de la composante al\u00e9atoire Pe<\/sub><\/em>.<\/p>\n3.3 Gestion des \u00e9chelles \u00e0 cat\u00e9gories multiples (k x k)<\/h3>\n Dans de nombreuses investigations psychologiques et psychiatriques, les syst\u00e8mes de classification ne sont pas r\u00e9ductibles \u00e0 une simple dichotomie pr\u00e9sence\/absence. Les grilles nosologiques explorent fr\u00e9quemment des spectres diagnostiques polytomiques comprenant k<\/em> modalit\u00e9s distinctes (par exemple : Trouble d\u00e9pressif majeur, Trouble dysthymique, Trouble bipolaire I, Trouble de l’adaptation, et Absence de trouble). La matrice de confusion doit par cons\u00e9quent subir une extension architecturale rigoureuse pour devenir une grille carr\u00e9e de dimension k × k<\/em>.<\/p>\nL’exigence premi\u00e8re r\u00e9side dans le maintien d’une sym\u00e9trie stricte entre les dimensions axiales : les modalit\u00e9s apparaissant en en-t\u00eates de lignes pour le Juge A doivent \u00eatre rigoureusement identiques, dans le m\u00eame ordre d’\u00e9num\u00e9ration textuel ou num\u00e9rique, aux modalit\u00e9s dispos\u00e9es en colonnes pour le Juge B. Toute omission d’une cat\u00e9gorie chez l’un des \u00e9valuateurs briserait la structure diagonale fondamentale du tableau et invaliderait irr\u00e9m\u00e9diablement la sommation des accords r\u00e9els.<\/p>\n
Une pr\u00e9caution m\u00e9thodologique majeure s’impose lors du traitement des \u00e9chelles polytomiques \u00e0 cat\u00e9gories multiples sous Excel : le risque de dispersion critique des effectifs dans des cellules \u00e0 tr\u00e8s faible fr\u00e9quence. Lorsqu’un \u00e9chantillon clinique global de taille modeste (ex. : N = 50<\/em>) est distribu\u00e9 au sein d’une matrice 5×5 comportant 25 cellules potentielles, de nombreuses cases hors diagonale — voire sur la diagonale principale — peuvent comporter des effectifs nuls ou unitaires. Cette parcimonie distributionnelle n’emp\u00eache pas le calcul alg\u00e9brique du Kappa, mais elle accro\u00eet consid\u00e9rablement la variance d’\u00e9chantillonnage de l’indice et \u00e9largit l’intervalle de confiance, r\u00e9duisant ainsi la puissance des inf\u00e9rences psychom\u00e9triques.<\/p>\n4. Proc\u00e9dure pas \u00e0 pas : Cr\u00e9ation du tableau de contingence sous Excel<\/h2>\n4.1 Utilisation des fonctions NB.SI.ENS pour d\u00e9nombrer les concordances<\/h3>\n Pour automatiser le peuplement de la matrice de confusion \u00e0 partir de la table brute des observations sans recourir \u00e0 des comptages manuels fastidieux et sources d’erreurs humaines, Microsoft Excel propose une fonction statistique conditionnelle particuli\u00e8rement robuste et \u00e9l\u00e9gante : la fonction NB.SI.ENS<\/code>. Cette fonction permet de comptabiliser le nombre de lignes au sein d’une base de donn\u00e9es qui satisfont simultan\u00e9ment \u00e0 de multiples crit\u00e8res d\u00e9finis sur plusieurs colonnes distinctes.<\/p>\nConsid\u00e9rons une feuille de calcul Excel o\u00f9 la plage B$2:B$<\/span>101<\/code> contient les classifications pos\u00e9es par le Juge A pour 100 participants cliniques, et la plage C$2:C$<\/span>101<\/code> contient les \u00e9valuations ind\u00e9pendantes pos\u00e9es par le Juge B pour ces m\u00eames participants. Supposons que nous souhaitions construire notre tableau de contingence dans la zone E4:G6<\/code>, o\u00f9 la colonne E contient les libell\u00e9s des cat\u00e9gories du Juge A en lignes (cellules E5<\/code> et E6<\/code>), et la ligne 4 contient les libell\u00e9s identiques pour le Juge B en colonnes (cellules F4<\/code> et G4<\/code>).<\/p>\nLa formule conditionnelle standard \u00e0 ins\u00e9rer dans la premi\u00e8re cellule de croisement (cellule F5<\/code>, correspondant \u00e0 l’accord conjoint sur la premi\u00e8re cat\u00e9gorie) s’\u00e9crit de la fa\u00e7on suivante :<\/p>\n=NB.SI.ENS(B$2:B$<\/span>101; $E5; C$<\/span>2:C$101; F$<\/span>4)<\/strong><\/p>\nL’utilisation judicieuse des r\u00e9f\u00e9rences mixtes avec le caract\u00e8re dollar ($<\/code>) est ici d’une importance capitale :<\/p>\n\nLes plages de donn\u00e9es sources B$2:B$<\/span>101<\/code> et C$2:C$<\/span>101<\/code> sont bloqu\u00e9es verticalement pour emp\u00eacher leur translation lors de l’incr\u00e9mentation de la formule.<\/li>\nLe crit\u00e8re de ligne $E5<\/code> bloque la r\u00e9f\u00e9rence de colonne sur la colonne E tout en laissant le num\u00e9ro de ligne flottant, permettant l’adaptation automatique lors d’une recopie vers le bas.<\/li>\nLe crit\u00e8re de colonne F$4<\/code> bloque la r\u00e9f\u00e9rence de ligne sur la ligne 4 tout en conservant une r\u00e9f\u00e9rence de colonne flottante, autorisant une adaptation fluide lors de la recopie horizontale.<\/li>\n<\/ul>\nGr\u00e2ce \u00e0 ce param\u00e9trage d’adressage matriciel rigoureux, il suffit \u00e0 l’analyste d’\u00e9tendre par simple glisser-d\u00e9poser la cellule F5<\/code> sur l’ensemble de la grille F5:G6<\/code> pour d\u00e9nombrer instantan\u00e9ment, de fa\u00e7on dynamique et sans la moindre erreur d’indexation, l’int\u00e9gralit\u00e9 des combinaisons d’accords et de d\u00e9saccords.<\/p>\nUne alternative analytique native consiste \u00e0 exploiter la fonctionnalit\u00e9 des Tableaux Crois\u00e9s Dynamiques<\/strong> (TCD) d’Excel. En positionnant la variable Juge A en zone \u00ab Lignes \u00bb, la variable Juge B en zone \u00ab Colonnes \u00bb, et l’identifiant du patient en zone \u00ab Valeurs \u00bb avec le param\u00e8tre de synth\u00e8se configur\u00e9 sur \u00ab Nombre \u00bb, Excel g\u00e9n\u00e8re en un clic la matrice de confusion exacte. N\u00e9anmoins, l’approche par formules NB.SI.ENS<\/code> pr\u00e9sente une sup\u00e9riorit\u00e9 incontestable pour la conception d’un gabarit de calcul r\u00e9utilisable, car les formules se recalculent en temps r\u00e9el d\u00e8s la saisie ou la modification d’un enregistrement brut, sans exiger l’actualisation manuelle obligatoire propre aux TCD.<\/p>\n4.2 Calcul dynamique des totaux marginaux de lignes et de colonnes<\/h3>\n L’obtention des totaux marginaux de la matrice de contingence repr\u00e9sente l’\u00e9tape interm\u00e9diaire obligatoire conditionnant l’exactitude du calcul de la probabilit\u00e9 th\u00e9orique due \u00e0 la chance. Les marges horizontales traduisent l’activit\u00e9 diagnostique globale du Juge A, tandis que les marges verticales refl\u00e8tent celle du Juge B.<\/p>\n
Reprenons notre matrice positionn\u00e9e en F5:G6<\/code>. Pour calculer les marges en ligne du Juge A, l’analyste ins\u00e8re dans la cellule adjacente H5<\/code> la fonction d’agr\u00e9gation arithm\u00e9tique :<\/p>\n=SOMME(F5:G5)<\/strong><\/p>\nCette formule est ensuite \u00e9tir\u00e9e verticalement jusqu’\u00e0 la cellule H6<\/code> pour totaliser la seconde modalit\u00e9 diagnostique. Les valeurs r\u00e9sultantes repr\u00e9sentent les effectifs marginaux de lignes n1.<\/sub><\/em> et n2.<\/sub><\/em>.<\/p>\nDe mani\u00e8re sym\u00e9trique, pour extraire les marges en colonnes relatives aux jugements pos\u00e9s par le Juge B, l’analyste ins\u00e8re dans la cellule F7<\/code> situ\u00e9e directement sous la premi\u00e8re colonne de donn\u00e9es la formulation suivante :<\/p>\n=SOMME(F5:F6)<\/strong><\/p>\nCette expression est ensuite r\u00e9pliqu\u00e9e horizontalement vers la cellule G7<\/code>, fournissant les effectifs marginaux de colonnes n.1<\/sub><\/em> et n.2<\/sub><\/em>.<\/p>\nUne bonne pratique de gestion de la qualit\u00e9 des donn\u00e9es sous Excel consiste \u00e0 appliquer un formatage conditionnel<\/strong> sur ces totaux marginaux. Si des disparit\u00e9s substantielles apparaissent entre la marge d’une ligne et la marge de la colonne correspondante (par exemple si le Juge A a diagnostiqu\u00e9 45 cas de d\u00e9pression tandis que le Juge B n’en a identifi\u00e9 que 12), une mise en surbrillance chromatique attire imm\u00e9diatement l’attention du chercheur sur l’existence d’un biais syst\u00e9matique d’\u00e9valuation entre praticiens, alertant pr\u00e9cocement sur le risque d’\u00e9mergence d’un paradoxe statistique.<\/p>\n4.3 V\u00e9rification de la coh\u00e9rence de l’\u00e9chantillon total avec SOMME<\/h3>\n Avant d’engager le calcul proprement dit du coefficient Kappa, un point de contr\u00f4le d’int\u00e9grit\u00e9 m\u00e9trique incontournable r\u00e9side dans l’extraction et la validation formelle de l’effectif global de l’\u00e9chantillon, universellement d\u00e9sign\u00e9 par la variable N<\/em>. Cette grandeur fondamentale trouve sa place naturelle \u00e0 l’intersection g\u00e9om\u00e9trique des totaux marginaux, dans la cellule H7<\/code> de notre exemple de mod\u00e9lisation.<\/p>\nPour calculer cet effectif global, l’analyste impl\u00e9mente en H7<\/code> la formule de sommation des marges de lignes :<\/p>\n=SOMME(H5:H6)<\/strong><\/p>\nCependant, sur le plan formel de la coh\u00e9rence matricielle, le grand total de la matrice doit rigoureusement respecter une propri\u00e9t\u00e9 d’invariance fondamentale : la somme des totaux marginaux de lignes doit \u00eatre strictement \u00e9gale \u00e0 la somme des totaux marginaux de colonnes, et chacune de ces deux sommes doit co\u00efncider rigoureusement avec le d\u00e9nombrement direct des unit\u00e9s brutes encod\u00e9es dans la base de donn\u00e9es principale. Pour sceller ce contr\u00f4le de coh\u00e9rence au c\u0153ur m\u00eame de la feuille de calcul, il est vivement conseill\u00e9 d’ins\u00e9rer dans une cellule d’audit d\u00e9di\u00e9e (par exemple H8<\/code>) une assertion logique int\u00e9grant la fonction conditionnelle SI<\/code> :<\/p>\n=SI(ET(SOMME(H5:H6)=SOMME(F7:G7); SOMME(H5:H6)=NBVAL(A2:A101)); \u00ab\u00a0COH\u00c9RENCE VALID\u00c9E (N = \u00a0\u00bb & H7 & \u00ab\u00a0)\u00a0\u00bb; \u00ab\u00a0ERREUR DE MATRICE : DISCORDANCE D’EFFECTIF\u00a0\u00bb)<\/strong><\/p>\nCe verrou m\u00e9thodologique garantit qu’aucune ligne orpheline, aucune valeur textuelle mal encod\u00e9e ni aucune double saisie n’\u00e9chappe \u00e0 la vigilance de l’\u00e9valuateur. Une fois ce point de contr\u00f4le valid\u00e9, les cellules cl\u00e9s du tableau de contingence peuvent \u00eatre s\u00e9curis\u00e9es par les fonctionnalit\u00e9s de protection de feuille d’Excel afin de pr\u00e9munir les formules contre toute alt\u00e9ration accidentelle lors des manipulations ult\u00e9rieures.<\/p>\n
5. Calcul de la proportion d’accord observ\u00e9 (Po) dans Excel<\/h2>\n5.1 Sommation de la diagonale principale d’accord<\/h3>\n La proportion relative d’accord observ\u00e9 (Po<\/sub><\/em>) constitue la premi\u00e8re pierre angulaire de l’\u00e9quation de Cohen. Sa d\u00e9termination n\u00e9cessite au pr\u00e9alable l’extraction de la somme arithm\u00e9tique exacte des effectifs log\u00e9s sur la diagonale principale descendante du tableau de contingence — c’est-\u00e0-dire l’ensemble des cellules o\u00f9 les deux \u00e9valuateurs s’accordent sans r\u00e9serve sur la classification diagnostique du patient.<\/p>\nDans notre tableau de contingence d’exemple occupant la zone F5:G6<\/code>, les accords parfaits se situent exclusivement dans les cellules F5<\/code> (concordance sur la premi\u00e8re modalit\u00e9) et G6<\/code> (concordance sur la seconde modalit\u00e9). Dans le cadre restreint d’une matrice 2×2, l’agr\u00e9gation de ces effectifs s’op\u00e8re par une simple formule d’addition explicite ins\u00e9r\u00e9e dans une cellule de synth\u00e8se interm\u00e9diaire (par exemple la cellule K5<\/code> \u00e9tiquet\u00e9e \u00ab Somme Diagonale \u00bb) :<\/p>\n=F5 + G6<\/strong><\/p>\nToutefois, d\u00e8s lors que l’analyste travaille sur des \u00e9chelles nosologiques polytomiques de dimensions plus vastes (matrices 4×4, 5×5 ou 10×10 pour des classifications complexes de traits de personnalit\u00e9), l’\u00e9num\u00e9ration unitaire des cellules diagonales devient excessivement laborieuse et expose \u00e0 des oublis manifestes d’inclusions cellulaires. Pour une matrice polytomique s’\u00e9tendant de la cellule F5<\/code> \u00e0 la cellule J9<\/code> (matrice 5×5), il devient alors infiniment plus judicieux et s\u00e9curis\u00e9 de faire appel \u00e0 une formule matricielle compacte exploitant la fonction SOMMEPROD<\/code> conjugu\u00e9e \u00e0 la fonction LIGNE<\/code> et COLONNE<\/code> pour extraire les termes diagonaux :<\/p>\n=SOMMEPROD((LIGNE(F5:J9)-LIGNE(F5)+1 = COLONNE(F5:J9)-COLONNE(F5)+1) * F5:J9)<\/strong><\/p>\nCette formulation compare dynamiquement le rang relatif de ligne au rang relatif de colonne au sein de la plage matricielle d’accueil, cr\u00e9ant un masque binaire bool\u00e9en (renvoyant VRAI uniquement lorsque le num\u00e9ro de ligne interne co\u00efncide avec le num\u00e9ro de colonne interne, c’est-\u00e0-dire sur la diagonale stricte) puis multiplie ce masque par les valeurs de la matrice avant d’en effectuer la somme. Cette technique \u00e9vite toute d\u00e9faillance humaine lors de l’analyse d’\u00e9chelles diagnostiques \u00e9tendues.<\/p>\n
5.2 Formulation Excel pour Po (rapport diagonale sur total)<\/h3>\n D\u00e8s lors que la somme des concordances situ\u00e9es sur la diagonale principale est isol\u00e9e, l’\u00e9valuation de la proportion Po<\/sub><\/em> d\u00e9coule directement de son rapport \u00e0 l’effectif global d’\u00e9chantillonnage N<\/em> consign\u00e9 dans la cellule H7<\/code>. Dans la cellule r\u00e9serv\u00e9e au r\u00e9sultat de Po<\/sub><\/em> (par exemple la cellule K6<\/code>), l’analyste impl\u00e9mente la formule d’affectation statistique :<\/p>\n=K5 \/ H7<\/strong> ou de fa\u00e7on synth\u00e9tique directe sans cellule interm\u00e9diaire : =(F5 + G6) \/ H7<\/strong><\/p>\nDans l’\u00e9ventualit\u00e9 de l’utilisation de la formule matricielle pour une \u00e9chelle polytomique 5×5, l’expression globale fusionn\u00e9e s’\u00e9crit de mani\u00e8re \u00e9l\u00e9gante :<\/p>\n
![\"Cohen\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/kappa1.png\")
![\"\"](\"http:\/\/french.arabpsychology.com\/wp-content\/uploads\/2026\/09\/cohenExcel1.jpg\")
<\/figure>\n