L’\u00e9tude des processus psychologiques contemporains ne con\u00e7oit plus l’individu comme une entit\u00e9 statique, mais plut\u00f4t comme un syst\u00e8me dynamique en constante fluctuation \u00e0 travers le temps. Dans cette perspective longitudinale, les \u00e9tats affectifs, cognitifs et comportementaux d’une personne \u00e0 un instant donn\u00e9 ne sont presque jamais ind\u00e9pendants de ses \u00e9tats imm\u00e9diatement ant\u00e9rieurs, cr\u00e9ant une d\u00e9pendance s\u00e9quentielle fondamentale. L’autocorr\u00e9lation constitue la mesure math\u00e9matique et conceptuelle de cette persistance temporelle, incarnant \u00e0 la fois un d\u00e9fi statistique redoutable pour l’inf\u00e9rence classique et une fen\u00eatre clinique inestimable sur la dynamique des r\u00e9gulations humaines.<\/p>\n
L’autocorr\u00e9lation<\/strong>, ou corr\u00e9lation s\u00e9rielle, d\u00e9signe la corr\u00e9lation statistique d’une variable avec elle-m\u00eame observ\u00e9e \u00e0 diff\u00e9rents intervalles temporels ou spatiaux distincts. En psychom\u00e9trie et en m\u00e9thodologie de la recherche comportementale, elle quantifie le degr\u00e9 auquel la valeur d’une mesure \u00e0 l’instant t<\/em> pr\u00e9dit ou partage de la variance avec la valeur de cette m\u00eame mesure \u00e0 l’instant t – k<\/em> (o\u00f9 k<\/em> repr\u00e9sente le d\u00e9calage temporel ou lag<\/em>).<\/p>\n Dans le domaine de la psychologie quantitative, l’autocorr\u00e9lation refl\u00e8te la persistance ou la \u00ab m\u00e9moire \u00bb d’un processus psychique. Si une variable pr\u00e9sente une autocorr\u00e9lation positive \u00e9lev\u00e9e au d\u00e9calage 1 (lag-1<\/em>), cela signifie qu’un niveau \u00e9lev\u00e9 d’un attribut (comme l’humeur d\u00e9pressive ou l’anxi\u00e9t\u00e9) \u00e0 un moment donn\u00e9 a une probabilit\u00e9 substantielle d’\u00eatre suivi par un niveau \u00e9galement \u00e9lev\u00e9 au moment d’observation suivant. Inversement, une autocorr\u00e9lation nulle sugg\u00e8re un bruit blanc, o\u00f9 chaque instantan\u00e9 temporel est stochastiquement ind\u00e9pendant du pr\u00e9c\u00e9dent.<\/p>\n D’un point de vue statistique inf\u00e9rentiel, l’autocorr\u00e9lation des r\u00e9sidus repr\u00e9sente une violation directe du postulat d’ind\u00e9pendance des erreurs inh\u00e9rent au mod\u00e8le lin\u00e9aire g\u00e9n\u00e9ral. Lorsqu’elle est n\u00e9glig\u00e9e, elle fausse l’estimation des erreurs-types, gonfle artificiellement les taux d’erreur de type I (faux positifs) et compromet la validit\u00e9 des conclusions scientifiques.<\/p>\n Le terme \u00ab autocorr\u00e9lation \u00bb est un mot compos\u00e9 issu de l’association du pr\u00e9fixe d’origine grecque auto-<\/em> (\u03b1\u1f50\u03c4\u03cc\u03c2), signifiant \u00ab soi-m\u00eame \u00bb ou \u00ab propre \u00bb, et du substantif \u00ab corr\u00e9lation \u00bb, lui-m\u00eame d\u00e9riv\u00e9 du latin m\u00e9di\u00e9val correlatio<\/em> (form\u00e9 du pr\u00e9fixe com-<\/em>, \u00ab ensemble avec \u00bb, et de relatio<\/em>, \u00ab rapport \u00bb, \u00ab relation \u00bb). Au sens litt\u00e9ral, l’autocorr\u00e9lation caract\u00e9rise donc une relation r\u00e9ciproque qu’un ph\u00e9nom\u00e8ne entretient avec lui-m\u00eame \u00e0 travers le temps ou l’espace.<\/p>\n L’usage formel du concept a \u00e9merg\u00e9 au d\u00e9but du XXe si\u00e8cle au confluent des math\u00e9matiques appliqu\u00e9es, de l’astronomie et de l’\u00e9conomie statistique. Le statisticien britannique Karl Pearson avait d\u00e9j\u00e0 formalis\u00e9 le coefficient de corr\u00e9lation produit-moment \u00e0 la fin du XIXe si\u00e8cle, mais c’est avec les travaux de pionniers des s\u00e9ries temporelles tels que George Udny Yule et Eugen Slutsky dans les ann\u00e9es 1920 que l’analyse des corr\u00e9lations internes au sein d’une s\u00e9rie chronologique a pris son essor th\u00e9orique. Le terme est entr\u00e9 dans le vocabulaire psychologique au milieu du XXe si\u00e8cle, notamment gr\u00e2ce aux travaux fondateurs de Raymond Cattell sur la technique P de factorisation dynamique, avant d’exploser avec la diffusion contemporaine des m\u00e9thodes d’\u00e9valuation \u00e9cologique momentan\u00e9e (EMA).<\/p>\n En fran\u00e7ais standard, \u00ab autocorr\u00e9lation \u00bb se prononce \/o.to.k\u0254.\u0281e.la.sj\u0254\u0303\/<\/strong>. Il s’agit d’un substantif f\u00e9minin invariable au singulier, admettant la marque du pluriel (\u00ab autocorr\u00e9lations \u00bb, \/o.to.k\u0254.\u0281e.la.sj\u0254\u0303\/).<\/p>\n Dans la litt\u00e9rature m\u00e9thodologique, le terme s’emploie principalement de mani\u00e8re absolue pour d\u00e9signer le ph\u00e9nom\u00e8ne statistique ou s’accompagne de compl\u00e9ments pr\u00e9positionnels pr\u00e9cisant la structure du d\u00e9calage : on parle ainsi d’\u00ab autocorr\u00e9lation d’ordre 1 \u00bb (ou lag-1<\/em>), d’\u00ab autocorr\u00e9lation r\u00e9siduelle \u00bb (portant sur les termes d’erreur d’une r\u00e9gression) ou encore d’\u00ab autocorr\u00e9lation spatiale \u00bb lorsque l’analyse s’\u00e9tend aux coordonn\u00e9es g\u00e9ographiques ou anatomiques (par exemple en neuroimagerie c\u00e9r\u00e9brale fonctionnelle). L’adjectif correspondant est \u00ab autor\u00e9gressif \u00bb (comme dans \u00ab mod\u00e8le autor\u00e9gressif \u00bb) ou \u00ab autocorr\u00e9l\u00e9 \u00bb pour qualifier la s\u00e9rie temporelle elle-m\u00eame.<\/p>\n Pour appr\u00e9hender l’autocorr\u00e9lation en psychologie, il est indispensable de conceptualiser le comportement et les processus affectifs non comme des traits statiques, mais comme des trajectoires longitudinales. Lorsqu’un chercheur mesure de mani\u00e8re r\u00e9p\u00e9t\u00e9e un ph\u00e9nom\u00e8ne psychologique chez un m\u00eame individu \u2014 par exemple, le niveau de stress \u00e9valu\u00e9 six fois par jour pendant un mois via smartphone \u2014, les observations successives ne sont pas tir\u00e9es au sort de fa\u00e7on ind\u00e9pendante. Si un \u00e9v\u00e9nement stressant survient \u00e0 10 heures du matin, l’\u00e9tat d’activation neurov\u00e9g\u00e9tative et cognitive persiste souvent \u00e0 midi. Cette d\u00e9pendance s\u00e9quentielle constitue la manifestation ph\u00e9nom\u00e9nologique de l’autocorr\u00e9lation.<\/p>\n Math\u00e9matiquement, pour une s\u00e9rie temporelle stationnaire Y<\/em> mesur\u00e9e aux temps t = 1, 2, …, N<\/em>, la fonction d’autocorr\u00e9lation (ACF) au d\u00e9calage k<\/em>, not\u00e9e<\/span> $ $$ho_k = \frac{\\mathrm{Cov}(Y_t, Y_{t-k})}{\\mathrm{Var}(Y_t)} = \frac{E[(Y_t – \\mu)(Y_{t-k} – \\mu)]}{\\sigma^2}$$<\/span><\/p>\n Lorsque le d\u00e9calage k = 0<\/em>, l’autocorr\u00e9lation est par d\u00e9finition \u00e9gale \u00e0 1, car toute variable corr\u00e8le parfaitement avec elle-m\u00eame au m\u00eame instant. \u00c0 mesure que k<\/em> augmente<\/span> ($k = 1, 2, 3…$<\/span>), la corr\u00e9lation tend g\u00e9n\u00e9ralement \u00e0 d\u00e9cro\u00eetre vers z\u00e9ro dans les syst\u00e8mes stables, refl\u00e9tant le fait que l’influence du pass\u00e9 s’estompe avec l’\u00e9coulement du temps. On distingue deux grandes formes d’autocorr\u00e9lation :<\/p>\n Un enjeu majeur r\u00e9side dans la distinction entre l’autocorr\u00e9lation substantielle et l’autocorr\u00e9lation nuisance. D’un c\u00f4t\u00e9, l’autocorr\u00e9lation est une m\u00e9trique substantielle d’int\u00e9r\u00eat th\u00e9orique : elle informe le chercheur sur la rigidit\u00e9 psychologique, la flexibilit\u00e9 adaptative ou la vitesse de r\u00e9cup\u00e9ration \u00e9motionnelle d’un sujet. D’un autre c\u00f4t\u00e9, dans le cadre de la mod\u00e9lisation statistique conventionnelle (comme les moindres carr\u00e9s ordinaires), l’autocorr\u00e9lation non mod\u00e9lis\u00e9e dans les r\u00e9sidus viole le th\u00e9or\u00e8me de Gauss-Markov. Cette omission conduit \u00e0 une sous-estimation s\u00e9v\u00e8re de la variance des estimateurs, produisant des valeurs de p<\/em> artificiellement basses et une inflation spectaculaire des erreurs de type I, ce qui peut faire conclure \u00e0 l’efficacit\u00e9 d’une intervention th\u00e9rapeutique l\u00e0 o\u00f9 n’existe qu’une d\u00e9rive temporelle naturelle.<\/p>\n L’histoire de l’autocorr\u00e9lation s’enracine dans la crise de l’\u00e9conom\u00e9trie et des statistiques math\u00e9matiques du d\u00e9but du XXe si\u00e8cle. En 1926, le statisticien George Udny Yule publia un article fondamental d\u00e9montrant que deux s\u00e9ries temporelles ind\u00e9pendantes pr\u00e9sentant une tendance ou une forte corr\u00e9lation s\u00e9rielle interne pouvaient afficher une corr\u00e9lation de Pearson tr\u00e8s \u00e9lev\u00e9e, qualifi\u00e9e de \u00ab corr\u00e9lation fallacieuse \u00bb (spurious correlation<\/em>). Presque simultan\u00e9ment, en 1927, le math\u00e9maticien sovi\u00e9tique Eugen Slutsky mit en \u00e9vidence le fait que la sommation ou le lissage de s\u00e9ries purement al\u00e9atoires suffisait \u00e0 engendrer des cycles r\u00e9guliers et ondulatoires ressemblant \u00e0 des rythmes naturels, ph\u00e9nom\u00e8ne d\u00e9sormais connu sous le nom d’\u00ab effet Slutsky-Yule \u00bb.<\/p>\n Dans le champ de la psychologie, la prise de conscience des dynamiques temporelles doit beaucoup aux travaux pionniers de Raymond B. Cattell dans les ann\u00e9es 1940 et 1950. Rejetant l’id\u00e9e que les structures psychologiques pouvaient \u00eatre uniquement d\u00e9duites de comparaisons interindividuelles (techniques R), Cattell introduisit la \u00ab technique P \u00bb, consistant \u00e0 administrer une batterie de tests \u00e0 un unique sujet sur des centaines d’occasions cons\u00e9cutives. Bien que Cattell ait soulign\u00e9 la d\u00e9pendance temporelle des observations, les outils math\u00e9matiques de l’\u00e9poque rendaient le traitement de la corr\u00e9lation s\u00e9rielle particuli\u00e8rement ardu.<\/p>\n Le tournant m\u00e9thodologique d\u00e9cisif s’est produit en 1970 avec la publication du manuel classique de George Box et Gwilym Jenkins sur l’analyse des s\u00e9ries temporelles et les mod\u00e8les ARIMA<\/a> (Autoregressive Integrated Moving Average<\/em>). Cette formalisation rigoureuse a permis de d\u00e9composer math\u00e9matiquement les s\u00e9ries temporelles en processus autor\u00e9gressifs (AR), moyennes mobiles (MA) et processus d’int\u00e9gration (I).<\/p>\n Dans les sciences comportementales, l’autocorr\u00e9lation a longtemps \u00e9t\u00e9 trait\u00e9e comme une simple nuisance m\u00e9thodologique dans les plans exp\u00e9rimentaux \u00e0 cas unique (Single-Case Experimental Designs<\/em>, SCED). Cependant, \u00e0 partir des ann\u00e9es 2000, le psychologue th\u00e9oricien Peter Molenaar a publi\u00e9 un manifeste d\u00e9montrant la non-ergodicit\u00e9 fondamentale des processus psychologiques : la structure de variabilit\u00e9 au sein d’un individu \u00e0 travers le temps (intra-individuelle) n’est pas \u00e9quivalente \u00e0 la variabilit\u00e9 observ\u00e9e entre les individus d’une population (inter-individuelle). Ce constat a catalys\u00e9 l’av\u00e8nement des m\u00e9thodes de recueil de donn\u00e9es intensives longitudinales en vie r\u00e9elle (ESM\/EMA), transformant l’autocorr\u00e9lation de simple artefact statistique en construct psychologique majeur li\u00e9 \u00e0 la psychopathologie et \u00e0 la th\u00e9orie des syst\u00e8mes complexes.<\/p>\n L’interpr\u00e9tation contemporaine de l’autocorr\u00e9lation en psychologie s’appuie sur plusieurs cadres paradigmatiques convergents :<\/p>\n La th\u00e9orie des syst\u00e8mes dynamiques complexes :<\/strong> Dans cette approche, la psych\u00e9 humaine est vue comme un syst\u00e8me auto-organis\u00e9 \u00e9voluant dans un espace d’\u00e9tats autour d’attracteurs. L’autocorr\u00e9lation refl\u00e8te la force de rappel de ces attracteurs. Un syst\u00e8me sain poss\u00e8de g\u00e9n\u00e9ralement des bassins d’attraction suffisamment souples pour s’adapter \u00e0 l’environnement tout en revenant promptement \u00e0 l’\u00e9quilibre. Une autocorr\u00e9lation anormalement \u00e9lev\u00e9e signale une rigidit\u00e9 du syst\u00e8me, signifiant qu’une fois d\u00e9stabilis\u00e9 par un stresseur ext\u00e9rieur, le sujet demeure pi\u00e9g\u00e9 dans un \u00e9tat \u00e9motionnel transitoire pendant une dur\u00e9e prolong\u00e9e.<\/p>\n Le ph\u00e9nom\u00e8ne de ralentissement critique (Critical Slowing Down<\/em>) :<\/strong> Issu de la physique statistique et appliqu\u00e9 \u00e0 la psychopathologie par Marten Scheffer, Denny Borsboom et Sanne Wichers, ce principe stipule qu’\u00e0 l’approche d’une transition de phase abrupte (comme le basculement d’un \u00e9tat sain vers un \u00e9pisode d\u00e9pressif majeur), un syst\u00e8me complexe perd sa capacit\u00e9 d’autor\u00e9gulation rapide. Cette perte de r\u00e9silience se traduit de fa\u00e7on pr\u00e9dictive par une \u00e9l\u00e9vation marqu\u00e9e de la variance et de l’autocorr\u00e9lation de ses composantes affectives. L’autocorr\u00e9lation sert ici d’indicateur pr\u00e9coce d’effondrement syst\u00e9mique.<\/p>\n La th\u00e9orie du r\u00e9seau des sympt\u00f4mes psychopathologiques :<\/strong> Initi\u00e9e par le paradigme de la psychom\u00e9trie en r\u00e9seaux<\/a>, cette th\u00e9orie stipule que les troubles mentaux ne r\u00e9sultent pas d’une entit\u00e9 latente sous-jacente (par exemple \u00ab la d\u00e9pression \u00bb qui causerait l’insomnie et la tristesse), mais de r\u00e9troactions directes de sympt\u00f4me \u00e0 sympt\u00f4me. Dans un r\u00e9seau temporel, l’autocorr\u00e9lation (boucle autor\u00e9gressive ou auto-connexion) indique la capacit\u00e9 d’un sympt\u00f4me \u00e0 s’auto-entretenir d’un instant \u00e0 l’autre, formant le pilier fondamental de la chronicisation des \u00e9tats psychopathologiques.<\/p>\n Le mod\u00e8le de l’inertie \u00e9motionnelle :<\/strong> D\u00e9velopp\u00e9 par Peter Kuppens et ses collaborateurs, ce mod\u00e8le postule que la persistance temporelle excessive des \u00e9motions n\u00e9gatives, quantifiable par le param\u00e8tre autor\u00e9gressif du premier ordre $\\phi_1$<\/span>, repr\u00e9sente un d\u00e9ficit de r\u00e9activit\u00e9 et de flexibilit\u00e9 psychologique, souvent annonciateur d’une vuln\u00e9rabilit\u00e9 accrue aux troubles de l’humeur.<\/p>\n Pour d\u00e9composer rigoureusement l’autocorr\u00e9lation dans les protocoles de recherche psychologique, il convient d’en distinguer les diff\u00e9rentes modalit\u00e9s et composantes m\u00e9triques :<\/p>\n Afin de concr\u00e9tiser l’impact de l’autocorr\u00e9lation dans la clinique et la recherche psychologique, trois sc\u00e9narios illustratifs majeurs m\u00e9ritent d’\u00eatre d\u00e9taill\u00e9s :<\/p>\n Cas 1 : L’inertie affective dans le trouble d\u00e9pressif majeur.<\/strong> Consid\u00e9rons un protocole d’\u00e9valuation \u00e9cologique momentan\u00e9e (EMA) o\u00f9 une patiente nomm\u00e9e Claire, diagnostiqu\u00e9e avec un \u00e9pisode d\u00e9pressif majeur, et un sujet t\u00e9moin sain, Marc, renseignent leur niveau de tristesse sur une \u00e9chelle de 0 \u00e0 100 dix fois par jour pendant 21 jours. Chez Marc, une mauvaise nouvelle provoque un pic de tristesse \u00e0 75, mais la mesure suivante (deux heures plus tard) affiche un retour \u00e0 15 : son coefficient d’autocorr\u00e9lation lag-1<\/em> est proche de z\u00e9ro ($r = 0{,}08$<\/span>), r\u00e9v\u00e9lant une grande r\u00e9silience hom\u00e9ostatique. Chez Claire, l’activation de la tristesse reste bloqu\u00e9e \u00e0 des valeurs sup\u00e9rieures \u00e0 60 pendant plusieurs \u00e9valuations successives : son coefficient d’autocorr\u00e9lation lag-1<\/em> s’\u00e9l\u00e8ve \u00e0 $r = 0{,}62$<\/span>. Cette autocorr\u00e9lation \u00e9lev\u00e9e formalise l’inertie affective, montrant que l’\u00e9tat d\u00e9pressif de Claire s’auto-alimente ind\u00e9pendamment des stimulations positives du contexte.<\/p>\n Cas 2 : L’\u00e9valuation de l’efficacit\u00e9 th\u00e9rapeutique en plan \u00e0 cas unique (SCED).<\/strong> Un psychologue comportementaliste \u00e9value l’effet d’une intervention de pleine conscience sur la fr\u00e9quence des tics chez un adolescent souffrant du syndrome de Gilles de la Tourette, selon un design AB (phase de r\u00e9f\u00e9rence de 15 jours sans traitement, suivie de 15 jours d’intervention). Si le praticien applique un test t<\/em> de Student conventionnel comparant les moyennes des deux phases sans v\u00e9rifier l’autocorr\u00e9lation, il risque d’observer une valeur de $p < 0{,}01$<\/span> et de conclure h\u00e2tivement \u00e0 une gu\u00e9rison. Cependant, si la s\u00e9rie temporelle des tics poss\u00e8de une autocorr\u00e9lation r\u00e9siduelle de $r = 0{,}55$<\/span>, la variance r\u00e9elle de la diff\u00e9rence est sous-estim\u00e9e d’environ 60 %. Une fois le terme autor\u00e9gressif mod\u00e9lis\u00e9 par un mod\u00e8le ARIMA(1,0,0), l’effet n’atteint plus le seuil de significativit\u00e9 statistique ($p = 0{,}18$<\/span>). La prise en compte de l’autocorr\u00e9lation a ainsi emp\u00each\u00e9 une conclusion erron\u00e9e.<\/p>\n Cas 3 : La connectivit\u00e9 fonctionnelle en imagerie par r\u00e9sonance magn\u00e9tique (IRMf).<\/strong> Lors d’une t\u00e2che de repos cognitif (resting-state fMRI<\/em>), le signal d\u00e9pendant du niveau d’oxyg\u00e9nation sanguine (BOLD<\/a>) est \u00e9chantillonn\u00e9 toutes les deux secondes au sein de millions de voxels c\u00e9r\u00e9braux. Ce signal h\u00e9modynamique est intrins\u00e8quement autocorr\u00e9l\u00e9 en raison de la lenteur de la r\u00e9ponse vasculaire c\u00e9r\u00e9brale. Si l’autocorr\u00e9lation temporelle du signal n’est pas \u00ab blanchie \u00bb (prewhitening<\/em>), les corr\u00e9lations spatiales calcul\u00e9es entre deux r\u00e9gions c\u00e9r\u00e9brales distantes sont artificiellement gonfl\u00e9es, faisant faussement croire \u00e0 une connectivit\u00e9 neuronale synchronis\u00e9e entre le r\u00e9seau du mode par d\u00e9faut et les aires ex\u00e9cutives.<\/p>\n La d\u00e9tection, l’estimation et le contr\u00f4le de l’autocorr\u00e9lation font appel \u00e0 un ensemble d’instruments math\u00e9matiques et de tests d’hypoth\u00e8ses rigoureux int\u00e9gr\u00e9s aux logiciels statistiques contemporains (R, Python, Mplus) :<\/p>\n Le test de Durbin-Watson :<\/strong> D\u00e9velopp\u00e9 par James Durbin et Geoffrey Watson (1950, 1951), ce test classique \u00e9value l’hypoth\u00e8se nulle d’absence d’autocorr\u00e9lation de premier ordre parmi les r\u00e9sidus d’une r\u00e9gression lin\u00e9aire. La statistique d<\/em> est d\u00e9finie par :<\/p>\n $$d = \frac{\\sum_{t=2}^N (e_t – e_{t-1})^2}{\\sum_{t=1}^N e_t^2}$$<\/span><\/p>\n La valeur de d<\/em> oscille entre 0 et 4. Une valeur proche de 2 indique une absence d’autocorr\u00e9lation s\u00e9rielle. Une valeur sensiblement inf\u00e9rieure \u00e0 2 (notamment inf\u00e9rieure \u00e0 1,5) t\u00e9moigne d’une autocorr\u00e9lation positive des r\u00e9sidus, tandis qu’une valeur sup\u00e9rieure \u00e0 2,5 traduit une autocorr\u00e9lation n\u00e9gative.<\/p>\n Les tests de Portmanteau (Box-Pierce et Ljung-Box) :<\/strong> Contrairement au test de Durbin-Watson restreint au d\u00e9calage 1, le test de Ljung-Box (1978) teste l’hypoth\u00e8se globale que l’ensemble des autocorr\u00e9lations jusqu’\u00e0 un ordre maximal m<\/em> sont simultan\u00e9ment nulles :<\/p>\n $$Q = N(N+2) \\sum_{k=1}^m \frac{\\hat{ Cette statistique suit approximativement une loi du Chi-deux \u00e0 m<\/em> degr\u00e9s de libert\u00e9. Un test significatif ($p < 0{,}05$<\/span>) rejette l’hypoth\u00e8se de bruit blanc et impose d’int\u00e9grer des param\u00e8tres autor\u00e9gressifs.<\/p>\n La mod\u00e9lisation par \u00e9quations structurelles dynamiques (DSEM) :<\/strong> Dans les \u00e9tudes de cohortes en vie r\u00e9elle, les approches modernes d\u00e9laissent les tests de diagnostic r\u00e9siduel passifs au profit de mod\u00e8les int\u00e9gr\u00e9s \u00e0 effets mixtes. La m\u00e9thode DSEM<\/a> d\u00e9compose la variance d’une s\u00e9rie temporelle en composantes intra-individuelles (niveau 1) et inter-individuelles (niveau 2). Le param\u00e8tre autor\u00e9gressif $\\phi_{1i}$<\/span> devient lui-m\u00eame une variable al\u00e9atoire propre \u00e0 chaque sujet : on peut alors examiner si la magnitude de l’autocorr\u00e9lation individuelle est pr\u00e9dite par des traits de personnalit\u00e9 (comme le n\u00e9vrosisme) ou mod\u00e9r\u00e9e par un traitement psychoth\u00e9rapeutique.<\/p>\n La mesure et la ma\u00eetrise de l’autocorr\u00e9lation ouvrent des applications cruciales dans plusieurs branches de la psychologie appliqu\u00e9e :<\/p>\n Psychopathologie et psychiatrie pr\u00e9dictive :<\/strong> L’autocorr\u00e9lation temporelle des affects n\u00e9gatifs constitue l’un des biomarqueurs comportementaux les plus prometteurs pour anticiper la survenue de rechutes d\u00e9pressives, d’\u00e9pisodes psychotiques ou de crises suicidaires. Les algorithmes de sant\u00e9 connect\u00e9e (digital phenotyping<\/em>) embarqu\u00e9s dans les smartphones peuvent analyser en continu l’autocorr\u00e9lation des donn\u00e9es de mobilit\u00e9 GPS, d’activit\u00e9 motrice ou de tonalit\u00e9 vocale. Une augmentation soudaine et persistante de l’autocorr\u00e9lation d\u00e9clenche des alertes cliniques pr\u00e9ventives bien avant que le patient n’exprime verbalement une d\u00e9compensation majeure.<\/p>\n Psychologie de la sant\u00e9 et m\u00e9decine comportementale :<\/strong> Dans l’\u00e9valuation de la douleur chronique ou de la fatigue chez les patients atteints de fibromyalgie, l’autocorr\u00e9lation permet d’objectiver le ph\u00e9nom\u00e8ne d’enkystement du sympt\u00f4me. Alors qu’un individu r\u00e9silient pr\u00e9sente une sensation de fatigue ind\u00e9pendante d’un jour \u00e0 l’autre en fonction de son repos, le patient souffrant de fatigue chronique s’enferme dans une rigidit\u00e9 temporelle o\u00f9 l’autocorr\u00e9lation journali\u00e8re approche l’unit\u00e9, guidant les prescriptions de reconditionnement physique personnalis\u00e9.<\/p>\n Psychologie du travail et des organisations :<\/strong> L’analyse de l’\u00e9puisement professionnel (burnout<\/em>) recourt \u00e0 la dynamique autor\u00e9gressive pour mod\u00e9liser le processus de r\u00e9cup\u00e9ration psychologique. Les \u00e9tudes mesurant le d\u00e9tachement psychologique durant le week-end montrent que les travailleurs dont le niveau de rumination cognitive affiche une forte autocorr\u00e9lation au fil des jours ouvr\u00e9s \u00e9chouent \u00e0 r\u00e9initialiser leur charge allostatique le dimanche soir, pr\u00e9disant un risque d\u00e9cupl\u00e9 de cong\u00e9 maladie \u00e0 court terme.<\/p>\n Une litt\u00e9rature empirique substantielle a valid\u00e9 le r\u00f4le clinique et th\u00e9orique de l’autocorr\u00e9lation au cours des deux derni\u00e8res d\u00e9cennies :<\/p>\n Dans une m\u00e9ta-analyse pionni\u00e8re devenue une r\u00e9f\u00e9rence incontournable, Peter Kuppens et ses coll\u00e8gues (2010) ont synth\u00e9tis\u00e9 des dizaines d’\u00e9tudes bas\u00e9es sur l’\u00e9chantillonnage de l’exp\u00e9rience quotidienne. Leurs r\u00e9sultats ont d\u00e9montr\u00e9 de fa\u00e7on robuste que l’autocorr\u00e9lation \u00e9lev\u00e9e des affects n\u00e9gatifs (inertie \u00e9motionnelle) est syst\u00e9matiquement corr\u00e9l\u00e9e \u00e0 de faibles scores d’estime de soi, \u00e0 un niveau \u00e9lev\u00e9 de n\u00e9vrosisme et \u00e0 des sympt\u00f4mes d\u00e9pressifs prononc\u00e9s. Les auteurs ont \u00e9tabli que l’autocorr\u00e9lation affective constitue un m\u00e9canisme transdiagnostique traduisant une dysr\u00e9gulation \u00e9motionnelle fondamentale.<\/p>\n Dans une \u00e9tude longitudinale d’une grande rigueur m\u00e9thodologique, Sanne Wichers et son \u00e9quipe (2016) ont suivi pas \u00e0 pas une patiente d\u00e9pressive dont le traitement antid\u00e9presseur faisait l’objet d’une r\u00e9duction progressive programm\u00e9e en double insu. Les auteurs ont recueilli des \u00e9valuations \u00e9cologiques plusieurs fois par jour durant plusieurs mois. Leurs calculs ont mis en \u00e9vidence qu’avant m\u00eame que le score clinique de d\u00e9pression ne s’aggrave, l’autocorr\u00e9lation des \u00e9motions n\u00e9gatives augmentait de mani\u00e8re spectaculaire plusieurs semaines \u00e0 l’avance, validant empiriquement l’hypoth\u00e8se physique du ralentissement critique comme signal d’alarme pr\u00e9coce dans les troubles de l’humeur.<\/p>\n Sur le plan purement psychom\u00e9trique, Bradley Huitema et Joseph McKean (1998, 2000) ont analys\u00e9 plusieurs centaines de jeux de donn\u00e9es issus d’\u00e9tudes \u00e0 cas unique (SCED) publi\u00e9es dans les revues de r\u00e9f\u00e9rence. Leurs travaux ont d\u00e9montr\u00e9 que pr\u00e8s de 80 % de ces s\u00e9ries chronologiques pr\u00e9sentaient une autocorr\u00e9lation de premier ordre statistiquement non nulle. Ils ont prouv\u00e9 que l’application de techniques d’estimation traditionnelles (comme l’inspection visuelle na\u00efve ou les r\u00e9gressions simples) avait conduit \u00e0 des taux d’approbation d’interventions non significatives atteignant parfois 50 %, imposant depuis lors l’usage obligatoire de corrections autor\u00e9gressives de type Prais-Winsten ou de mod\u00e8les de s\u00e9ries chronologiques interrompues.<\/p>\n La signification psychologique de l’autocorr\u00e9lation ne s’interpr\u00e8te pas de fa\u00e7on universelle et uniforme : elle est profond\u00e9ment fa\u00e7onn\u00e9e par les normes culturelles r\u00e9gissant l’exp\u00e9rience et l’expression affective.<\/p>\n Dans les cultures occidentales individualistes (notamment en Am\u00e9rique du Nord et en Europe occidentale), la r\u00e9gulation \u00e9motionnelle est orient\u00e9e vers la maximisation continue des affects positifs et l’\u00e9radication rapide des affects n\u00e9gatifs. Dans ce contexte \u00e9pist\u00e9mique, une forte autocorr\u00e9lation des affects n\u00e9gatifs est imm\u00e9diatement per\u00e7ue et mesur\u00e9e comme un dysfonctionnement pathologique (rumination, inertie, d\u00e9pression).<\/p>\n En revanche, dans les cultures est-asiatiques impr\u00e9gn\u00e9es de traditions philosophiques dialectiques (bouddhisme, tao\u00efsme), comme au Japon ou en Cor\u00e9e, l’exp\u00e9rience affective est naturellement con\u00e7ue comme un cycle oscillatoire d’\u00e9quilibre o\u00f9 les \u00e9tats oppos\u00e9s coexistent et se succ\u00e8dent. Les recherches transculturelles men\u00e9es par des auteurs comme Igor Grossmann d\u00e9montrent que la dynamique des affects y suit des structures de variabilit\u00e9 diff\u00e9rentes. Dans ces contextes, une autocorr\u00e9lation mod\u00e9r\u00e9e des affects n\u00e9gatifs peut simplement refl\u00e9ter une acceptation sereine de la douleur morale sans tentative de fuite imm\u00e9diate, ne s’accompagnant pas de la m\u00eame morbidit\u00e9 psychiatrique que chez les participants occidentaux.<\/p>\n De plus, au niveau m\u00e9thodologique, les biais de r\u00e9ponse culturels aux questionnaires d’\u00e9chantillonnage de l’exp\u00e9rience quotidienne peuvent contaminer artificiellement les mesures d’autocorr\u00e9lation. Dans les cultures valorisant la conformit\u00e9 ou l’harmonie sociale, la tendance \u00e0 \u00e9viter les extr\u00eames et \u00e0 maintenir des r\u00e9ponses mod\u00e9r\u00e9es uniformes (biais de tendance centrale) gonfle artificiellement le coefficient d’autocorr\u00e9lation calcul\u00e9, exigeant une normalisation intra-personnelle pr\u00e9alable des \u00e9chelles avant toute comparaison interculturelle.<\/p>\n Malgr\u00e9 l’engouement suscit\u00e9 par l’\u00e9tude de l’autocorr\u00e9lation, plusieurs controverses m\u00e9thodologiques et limites conceptuelles majeures animent la recherche contemporaine :<\/p>\n Le biais de Nickell dans les panels courts :<\/strong> Lorsque des mod\u00e8les autor\u00e9gressifs sont estim\u00e9s sur des s\u00e9ries temporelles courtes (un faible nombre d’observations $T$<\/span>) au moyen de mod\u00e8les de panel standard \u00e0 effets fixes, le coefficient d’autocorr\u00e9lation $phi$<\/span> est biais\u00e9 n\u00e9gativement de mani\u00e8re substantielle, un probl\u00e8me th\u00e9oris\u00e9 par Stephen Nickell (1981). Dans les protocoles psychologiques o\u00f9 les participants ne remplissent que 15 ou 20 questionnaires au total, l’inertie \u00e9motionnelle estim\u00e9e peut \u00eatre gravement sous-\u00e9valu\u00e9e, conduisant \u00e0 des inf\u00e9rences erron\u00e9es.<\/p>\n Le probl\u00e8me des intervalles de temps in\u00e9gaux :<\/strong> L’immense majorit\u00e9 des mod\u00e8les d’autocorr\u00e9lation repose sur l’hypoth\u00e8se de temps discrets \u00e9quidistants ($t – (t-1) = \\Delta$<\/span>). Or, dans les protocoles de vie r\u00e9elle (EMA), les alertes sont souvent envoy\u00e9es de mani\u00e8re semi-al\u00e9atoire pour \u00e9viter l’anticipation du sujet, sans compter l’interruption nocturne du sommeil d’environ huit heures. Calculer une autocorr\u00e9lation en ignorant que l’intervalle entre deux mesures cons\u00e9cutives oscille entre 45 minutes en journ\u00e9e et 9 heures le matin introduit une distorsion majeure. L’emploi de mod\u00e8les de s\u00e9ries temporelles en temps continu (par exemple au moyen d’\u00e9quations diff\u00e9rentielles stochastiques) constitue une r\u00e9ponse m\u00e9thodologique indispensable mais encore techniquement complexe.<\/p>\n La confusion entre tendance, saisonnalit\u00e9 et autocorr\u00e9lation :<\/strong> Une variable dont la moyenne augmente r\u00e9guli\u00e8rement au fil du temps (par exemple, la fatigue qui s’accro\u00eet du lundi au vendredi) affichera m\u00e9caniquement une autocorr\u00e9lation $Lag-1$<\/span> tr\u00e8s \u00e9lev\u00e9e m\u00eame si les \u00e9carts autour de cette tendance sont parfaitement ind\u00e9pendants. L’incapacit\u00e9 de certains chercheurs \u00e0 \u00e9liminer pr\u00e9alablement la tendance d\u00e9terministe (detrending<\/em>) ou la composante cyclique circadienne conduit fr\u00e9quemment \u00e0 attribuer \u00e0 la m\u00e9moire psychologique ce qui n’est qu’un rythme temporel exog\u00e8ne.<\/p>\n Le dilemme de la causalit\u00e9 intra-psychique :<\/strong> L’autocorr\u00e9lation mesure une relation statistique temporelle, non une causalit\u00e9 m\u00e9canique pure. Trouver que le niveau de d\u00e9tresse \u00e0 14 heures pr\u00e9dit celui de 16 heures peut simplement signifier qu’un stresseur environnemental persistant (par exemple, un patron toxique dans un bureau ouvert) agit de mani\u00e8re continue sur l’individu durant toute l’apr\u00e8s-midi, et non que l’esprit humain conserve spontan\u00e9ment son \u00e9tat en vase clos.<\/p>\n Pour \u00e9viter toute ambigu\u00eft\u00e9 s\u00e9mantique, il convient de diff\u00e9rencier l’autocorr\u00e9lation de plusieurs notions statistiques et psychologiques voisines :<\/p>\n L’autocorr\u00e9lation est un concept central \u00e0 l’intersection de la m\u00e9thodologie quantitative et des sciences psychologiques contemporaines. Ses implications fondamentales peuvent se r\u00e9sumer comme suit :<\/p>\n Box, G. E. P., & Jenkins, G. M. (1970). Time series analysis: Forecasting and control<\/em>. Holden-Day.<\/p>\n Durbin, J., & Watson, G. S. (1950). Testing for serial correlation in least squares regression: I. Biometrika<\/em>, 37(3\/4), 409\u2013428. https:\/\/doi.org\/10.2307\/2332391<\/a><\/p>\n Huitema, B. E., & McKean, J. W. (1998). Irrelevant critical values in single-case interrupted time-series analysis: A review and remedy. Behavior Research Methods, Instruments, & Computers<\/em>, 30(2), 263\u2013272. https:\/\/doi.org\/10.3758\/BF03201817<\/a><\/p>\n Kuppens, P., Allen, N. B., & Sheeber, L. B. (2010). Emotional inertia and psychological well-being: An ecological momentary assessment study. Journal of Personality and Social Psychology<\/em>, 98(6), 984\u2013993. https:\/\/doi.org\/10.1037\/a0017844<\/a><\/p>\n2. \u00c9tymologie et origine linguistique<\/h3>\n
3. Prononciation et forme grammaticale<\/h3>\n
4. Explication conceptuelle d\u00e9taill\u00e9e<\/h3>\n
\nho_k$, est le quotient de l’autocovariance par la variance globale :<\/p>\n\n
5. D\u00e9veloppement historique<\/h3>\n
6. Fondements th\u00e9oriques<\/h3>\n
7. Composantes cl\u00e9s, types et dimensions<\/h3>\n
\n
8. Exemples et cas illustratifs<\/h3>\n
9. Mesure et \u00e9valuation<\/h3>\n
\nho}_k^2}{N – k}$$<\/span><\/p>\n10. Applications et port\u00e9e pratique<\/h3>\n
11. Recherche et preuves empiriques<\/h3>\n
12. Consid\u00e9rations culturelles et transculturelles<\/h3>\n
13. Critiques, d\u00e9bats et limites m\u00e9thodologiques<\/h3>\n
14. Termes connexes et distinctions conceptuelles<\/h3>\n
\n
15. R\u00e9sum\u00e9 et points cl\u00e9s<\/h3>\n
\n
R\u00e9f\u00e9rences<\/h2>\n