Dans le champ de la psychologie scientifique et des neurosciences comportementales, la rigueur m\u00e9thodologique constitue le rempart ultime contre les d\u00e9rives interpr\u00e9tatives et les fausses d\u00e9couvertes. Lorsque les chercheurs multiplient les comparaisons de moyennes au sein d’un m\u00eame protocole exp\u00e9rimental, le risque d’identifier \u00e0 tort un effet illusoire augmente de fa\u00e7on spectaculaire. Le test t de Bonferroni s’impose alors comme l’une des proc\u00e9dures de correction statistique les plus fondamentales et historiquement enracin\u00e9es pour pr\u00e9server l’int\u00e9grit\u00e9 des conclusions scientifiques face au fl\u00e9au des faux positifs.<\/p>\n
Le test t de Bonferroni d\u00e9signe une proc\u00e9dure statistique inf\u00e9rentielle d’ajustement du seuil de signification lors de comparaisons multiples de moyennes, reposant sur l’in\u00e9galit\u00e9 de Boole-Bonferroni. Cette m\u00e9thode consiste \u00e0 diviser le taux d’erreur de premi\u00e8re esp\u00e8ce global souhait\u00e9 par le nombre total de comparaisons planifi\u00e9es ou ex\u00e9cut\u00e9es afin de maintenir le risque d’erreur sous contr\u00f4le strict. Elle garantit qu’aucune conclusion erron\u00e9e de rejet de l’hypoth\u00e8se nulle ne soit formul\u00e9e par simple accumulation stochastique.<\/p>\n
Dans la recherche psychologique contemporaine, cette proc\u00e9dure est couramment mobilis\u00e9e apr\u00e8s une analyse de variance ou lors de comparaisons cibl\u00e9es a priori entre plusieurs groupes cliniques ou conditions exp\u00e9rimentales. En \u00e9levant le seuil d’exigence requis pour atteindre la significativit\u00e9 statistique, le test t de Bonferroni compense la prolif\u00e9ration des tests d’hypoth\u00e8ses ind\u00e9pendants ou d\u00e9pendants. Il offre ainsi un cadre d’inf\u00e9rence d\u00e9cisionnelle particuli\u00e8rement robuste, \u00e9liminant quasi totalement le risque de commettre un faux positif au d\u00e9triment potentiel de la puissance statistique.<\/p>\n
Sur le plan pratique, l’application du test t de Bonferroni se traduit soit par la modification du seuil alpha critique individuel pour chaque test t, soit par la multiplication de la valeur p observ\u00e9e par le nombre de comparaisons effectu\u00e9es, cette derni\u00e8re \u00e9tant ensuite compar\u00e9e au seuil nominal usuel de cinq pour cent. Cette sym\u00e9trie arithm\u00e9tique \u00e9l\u00e9mentaire en fait l’une des m\u00e9thodes de contr\u00f4le d’erreur de type I les plus accessibles et universellement comprises par la communaut\u00e9 scientifique internationale.<\/p>\n
Le nom de cette m\u00e9thode rend hommage au math\u00e9maticien italien Carlo Emilio Bonferroni (1892\u20131960), professeur de math\u00e9matiques financi\u00e8res et de statistique actuarielle \u00e0 Florence. Le vocable d\u00e9coule directement des in\u00e9galit\u00e9s probabilistes qu’il a formalis\u00e9es dans son ouvrage s\u00e9minal de 1936 consacr\u00e9 \u00e0 la th\u00e9orie des probabilit\u00e9s et aux calculs actuariels, o\u00f9 il a \u00e9tabli des bornes sup\u00e9rieures et inf\u00e9rieures pour la probabilit\u00e9 de l’union d’\u00e9v\u00e9nements arbitraires.<\/p>\n
Le terme \u00ab test t \u00bb fait quant \u00e0 lui r\u00e9f\u00e9rence \u00e0 la loi de Student, introduite sous le pseudonyme d’emprunt \u00ab Student \u00bb par le statisticien et chimiste britannique William Sealy Gosset en 1908. L’agr\u00e9gation \u00ab test t de Bonferroni \u00bb est entr\u00e9e dans la litt\u00e9rature m\u00e9thodologique anglo-saxonne (Bonferroni t-test<\/em> ou Bonferroni-adjusted t-test<\/em>) au cours des ann\u00e9es 1960 et 1970, notamment gr\u00e2ce aux travaux de la statisticienne Olive Jean Dunn, qui a d\u00e9montr\u00e9 l’utilit\u00e9 des in\u00e9galit\u00e9s de Bonferroni pour la construction d’intervalles de confiance simultan\u00e9s dans les plans factoriels.<\/p>\n En langue fran\u00e7aise, l’expression a \u00e9t\u00e9 adopt\u00e9e telle quelle dans les manuels de psychom\u00e9trie et de biostatistique. Elle s’int\u00e8gre harmonieusement dans le lexique \u00e9pist\u00e9mologique francophone sous les d\u00e9signations de \u00ab test t ajust\u00e9 selon Bonferroni \u00bb, \u00ab proc\u00e9dure de Bonferroni \u00bb ou \u00ab correction de Bonferroni pour tests t appari\u00e9s et ind\u00e9pendants \u00bb.<\/p>\n Sur le plan grammatical, l’expression est une locution nominale masculine. Le syntagme combine le substantif masculin \u00ab test \u00bb, le symbole alphab\u00e9tique \u00ab t \u00bb en apposition d\u00e9signant la distribution statistique sous-jacente, et le compl\u00e9ment du nom propre \u00e9tranger \u00ab de Bonferroni \u00bb.<\/p>\n Sa transcription phon\u00e9tique internationale standard en fran\u00e7ais s’\u00e9crit \/t\u025bst te d\u0259 b\u0254\u0303f\u025b\u0281\u0254ni\/. L’accent tonique d’origine italienne sur l’avant-derni\u00e8re syllabe du patronyme s’efface g\u00e9n\u00e9ralement en fran\u00e7ais au profit d’une accentuation finale mod\u00e9r\u00e9e, courante dans le discours acad\u00e9mique hexagonal, suisse ou qu\u00e9b\u00e9cois.<\/p>\n Dans les rapports d’analyse empirique et les sections m\u00e9thodologiques de psychologie, la forme s’emploie sans variation morphologique au pluriel pour le patronyme, donnant \u00ab des tests t de Bonferroni \u00bb. On rencontre fr\u00e9quemment l’usage adjectiv\u00e9 dans des syntagmes d\u00e9riv\u00e9s tels que \u00ab le seuil bonferronis\u00e9 \u00bb ou \u00ab les probabilit\u00e9s critiques corrig\u00e9es selon Bonferroni \u00bb.<\/p>\n Pour saisir pleinement la substance du test t de Bonferroni, il convient d’examiner le probl\u00e8me \u00e9pist\u00e9mique majeur qu’il cherche \u00e0 r\u00e9soudre : l’inflation du taux d’erreur de type I par famille de comparaisons, couramment d\u00e9sign\u00e9 sous l’acronyme anglais FWER pour Family-Wise Error Rate<\/a>. Dans un cadre de v\u00e9rification d’hypoth\u00e8se standard en psychologie, le chercheur tol\u00e8re classiquement un risque alpha de commettre une erreur de premi\u00e8re esp\u00e8ce, c’est-\u00e0-dire de rejeter \u00e0 tort l’hypoth\u00e8se nulle d’absence de diff\u00e9rence, fix\u00e9 par convention \u00e0 0,05. Lorsque l’exp\u00e9rimentateur n’ex\u00e9cute qu’une unique comparaison, cette marge d’erreur demeure parfaitement cantonn\u00e9e \u00e0 cinq pour cent.<\/p>\n Toutefois, d\u00e8s lors que le protocole exp\u00e9rimental implique la confrontation multiple de plusieurs groupes ou conditions (par exemple la comparaison crois\u00e9e de quatre modalit\u00e9s th\u00e9rapeutiques diff\u00e9rentes), le nombre total de contrastes possibles par paires augmente de mani\u00e8re combinatoire. Si l’on effectue k tests ind\u00e9pendants au seuil nominal alpha, la probabilit\u00e9 cumul\u00e9e de commettre au moins une erreur de type I \u00e0 travers l’ensemble de la famille de tests s’exprime par la relation math\u00e9matique 1 – (1 – alpha)^k. Ainsi, pour dix comparaisons ind\u00e9pendantes conduites \u00e0 alpha = 0,05, la probabilit\u00e9 d’obtenir au moins un r\u00e9sultat artificiellement significatif d\u00e9passe quarante pour cent, transformant l’analyse statistique en une v\u00e9ritable machine \u00e0 produire de faux r\u00e9sultats positifs<\/span>.<\/p>\n Face \u00e0 cette d\u00e9rive, l’approche de Bonferroni applique le principe de pr\u00e9caution probabiliste le plus strict en imposant un contr\u00f4le rigide du taux d’erreur par famille. Le fondement conceptuel de la m\u00e9thode postule que l’int\u00e9grit\u00e9 de la conclusion globale prime sur la sensibilit\u00e9 individuelle de chaque contraste. En assignant \u00e0 chaque comparaison un niveau d’exigence ajust\u00e9 \u00e9quivalent \u00e0 alpha divis\u00e9 par le nombre k de comparaisons, la proc\u00e9dure garantit math\u00e9matiquement que la probabilit\u00e9 globale d’observer ne serait-ce qu’une seule fausse d\u00e9couverte dans la famille de tests n’exc\u00e9dera jamais la valeur cible choisie par le chercheur.<\/p>\n Le champ d’application de cette m\u00e9thode s’av\u00e8re particuli\u00e8rement \u00e9tendu, englobant les comparaisons de moyennes deux \u00e0 deux cons\u00e9cutives \u00e0 une analyse de la variance<\/a> (ANOVA), les comparaisons planifi\u00e9es d’effets simples dans les plans factoriels complexes, et les matrices de corr\u00e9lations multiples entre \u00e9chelles psychom\u00e9triques. N\u00e9anmoins, sa rigueur math\u00e9matique sans compromis implique un co\u00fbt \u00e9pist\u00e9mologique tangible : en r\u00e9duisant drastiquement le seuil alpha unitaire, le test abaisse conjointement la puissance statistique globale du protocole, augmentant notablement la survenue d’erreurs de seconde esp\u00e8ce (erreur b\u00eata), consistant \u00e0 manquer un effet r\u00e9el pr\u00e9sent dans la population.<\/p>\n La trajectoire historique menant \u00e0 la formalisation moderne du test t de Bonferroni s’articule autour de transferts conceptuels fertiles entre la th\u00e9orie des probabilit\u00e9s pure et la statistique appliqu\u00e9e aux sciences biologiques et humaines. En 1936, Carlo Emilio Bonferroni publie ses m\u00e9moires intitul\u00e9s Teoria statistica delle classi e calcolo delle probabilit\u00e0<\/em> \u00e0 l’Institut Sup\u00e9rieur de Sciences \u00c9conomiques et Commerciales de Florence. Dans ces \u00e9crits, Bonferroni n’envisageait nullement les tests d’hypoth\u00e8ses en psychologie exp\u00e9rimentale, mais s’attachait \u00e0 fournir des in\u00e9galit\u00e9s math\u00e9matiques destin\u00e9es \u00e0 borner la distribution de fr\u00e9quences conjointes pour des syst\u00e8mes d’\u00e9v\u00e9nements complexes dans le secteur des assurances sur la vie.<\/p>\n Il fallut attendre l’essor de la biom\u00e9trie et de la psychom\u00e9trie d’apr\u00e8s-guerre pour que ces in\u00e9galit\u00e9s soient transpos\u00e9es aux probl\u00e8mes cruciaux de multiplicit\u00e9 inf\u00e9rentielle. Au cours des d\u00e9cennies 1950 et 1960, la g\u00e9n\u00e9ralisation de l’ANOVA sous l’impulsion des travaux de Ronald Fisher a confront\u00e9 les chercheurs \u00e0 un dilemme r\u00e9current : comment localiser pr\u00e9cis\u00e9ment l’origine des diff\u00e9rences significatives entre plus de deux traitements sans biaiser l’inf\u00e9rence globale ? Plusieurs figures majeures ont alors propos\u00e9 des solutions concurrentes, \u00e0 l’instar de John Tukey, Henry Scheff\u00e9 et David Duncan.<\/p>\n La v\u00e9ritable pionni\u00e8re de l’application pratique des in\u00e9galit\u00e9s de Bonferroni aux tests t et aux intervalles de confiance simultan\u00e9s fut la biostatisticienne am\u00e9ricaine Olive Jean Dunn. Dans ses articles fondateurs de 1959 et 1961 publi\u00e9s dans le Journal of the American Statistical Association<\/em>, Dunn a \u00e9tabli comment l’in\u00e9galit\u00e9 de Bonferroni pouvait fournir une technique d’une simplicit\u00e9 d\u00e9sarmante, applicable aussi bien aux \u00e9chantillons \u00e9quilibr\u00e9s qu’aux designs hautement d\u00e9s\u00e9quilibr\u00e9s, comblant ainsi les vides laiss\u00e9s par les m\u00e9thodes de Tukey ou de Dunnett. Bien que la litt\u00e9rature statistique attribue parfois cette adaptation \u00e0 Dunn, l’\u00e9ponyme Bonferroni est rest\u00e9 d\u00e9finitivement ancr\u00e9 dans l’usage scientifique courant pour qualifier ce test t corrig\u00e9.<\/p>\n Le socle th\u00e9orique du test t de Bonferroni repose int\u00e9gralement sur le premier niveau de l’in\u00e9galit\u00e9 de Boole-Fr\u00e9chet-Bonferroni issue de la th\u00e9orie axiomatique de la probabilit\u00e9. Selon ce th\u00e9or\u00e8me, pour toute collection finie d’\u00e9v\u00e9nements al\u00e9atoires A1, A2, …, Ak, la probabilit\u00e9 de la r\u00e9union de ces \u00e9v\u00e9nements est strictement inf\u00e9rieure ou \u00e9gale \u00e0 la somme arithm\u00e9tique de leurs probabilit\u00e9s individuelles : P(U Ai) ≤ ∑ P(Ai). Dans le contexte de l’inf\u00e9rence statistique, chaque \u00e9v\u00e9nement Ai correspond \u00e0 la commission d’une erreur de type I lors de la k-i\u00e8me comparaison bilat\u00e9rale ou unilat\u00e9rale<\/span>.<\/p>\n Sur le plan \u00e9pist\u00e9mologique, la proc\u00e9dure s’inscrit au sein du paradigme d\u00e9cisionnel de Neyman-Pearson, dans lequel l’analyste cherche \u00e0 minimiser les risques de d\u00e9cision erron\u00e9e sous contrainte stricte d’un plafond d’erreur de premi\u00e8re esp\u00e8ce tol\u00e9r\u00e9. En assignant \u00e0 chaque contraste t individuel un niveau de risque local \u00e9gal \u00e0 alpha divis\u00e9 par k, le th\u00e9or\u00e8me garantit que le risque cumul\u00e9 de rejeter au moins une hypoth\u00e8se nulle vraie parmi les k tests v\u00e9rifie formellement la condition P(au moins une erreur I) ≤ k * (alpha \/ k) = alpha. Cette d\u00e9monstration conf\u00e8re \u00e0 la m\u00e9thode son universalit\u00e9, car elle ne requiert aucune hypoth\u00e8se quant \u00e0 l’ind\u00e9pendance ou la structure de covariance mutuelle des diff\u00e9rentes variables d\u00e9pendantes ou contrastes compar\u00e9s<\/span>.<\/p>\n Un autre pilier th\u00e9orique r\u00e9side dans la dualit\u00e9 fondamentale entre le test d’hypoth\u00e8se ponctuel et l’intervalle de confiance simultan\u00e9. Le test t de Bonferroni permet de d\u00e9river directement des intervalles de confiance \u00e0 100 * (1 – alpha) pour cent pour l’ensemble des k diff\u00e9rences de moyennes. L’exclusion de la valeur z\u00e9ro de l’intervalle simultan\u00e9 ainsi construit \u00e9quivaut strictement au rejet de l’hypoth\u00e8se nulle bilat\u00e9rale au seuil bonferronis\u00e9. Cette convergence th\u00e9orique dote le chercheur clinicien d’un outil d’\u00e9valuation qui d\u00e9passe le simple constat dichotomique de la valeur p, en lui fournissant une estimation robuste et conservatrice de l’amplitude de l’effet moyen dans la population parente.<\/p>\n L’utilisation raisonn\u00e9e du test t de Bonferroni dans un plan exp\u00e9rimental de psychologie implique de distinguer plusieurs dimensions structurelles et variantes op\u00e9rationnelles :<\/p>\n Consid\u00e9rons une \u00e9tude clinique en neuropsychologie \u00e9valuant l’efficacit\u00e9 d’un programme d’entra\u00eenement de la m\u00e9moire de travail chez des patients pr\u00e9sentant un d\u00e9ficit cognitif l\u00e9ger cons\u00e9cutif \u00e0 un traumatisme cr\u00e2nien. Le protocole r\u00e9partit al\u00e9atoirement soixante participants dans trois conditions exp\u00e9rimentales distinctes (vingt individus par groupe) : un groupe d’entra\u00eenement cognitif informatis\u00e9 intensif, un groupe participant \u00e0 des ateliers de rem\u00e9diation verbale conventionnels, et un groupe t\u00e9moin plac\u00e9 sur liste d’attente. \u00c0 l’issue des dix semaines de prise en charge, la performance mn\u00e9sique globale est mesur\u00e9e \u00e0 l’aide d’un score standardis\u00e9 composite.<\/p>\n Le chercheur souhaite proc\u00e9der \u00e0 la comparaison deux \u00e0 deux des trois modalit\u00e9s d’intervention. Le nombre total de comparaisons par paires possibles s’\u00e9l\u00e8ve \u00e0 trois (k = 3 : intensif vs conventionnel, intensif vs contr\u00f4le, conventionnel vs contr\u00f4le). Sans ajustement, l’ex\u00e9cution de trois tests t de Student cons\u00e9cutifs \u00e0 alpha = 0,05 porterait le risque d’erreur de premi\u00e8re esp\u00e8ce global \u00e0 environ quatorze pour cent. En appliquant la correction de Bonferroni, le chercheur red\u00e9finit son seuil alpha critique individuel \u00e0 0,05 \/ 3 = 0,0167<\/span>.<\/p>\n Supposons que la comparaison du programme intensif face au groupe t\u00e9moin produise une statistique t = 3,12 avec une valeur p observ\u00e9e brute de 0,004. Comme 0,004 est inf\u00e9rieur \u00e0 0,0167, cette diff\u00e9rence est d\u00e9clar\u00e9e statistiquement significative. En revanche, si la comparaison entre le programme intensif et le groupe conventionnel produit une statistique t = 2,15 avec une valeur p brute de 0,036, ce contraste ne sera pas consid\u00e9r\u00e9 comme statistiquement significatif sous l’ajustement de Bonferroni, car 0,036 exc\u00e8de le seuil rigoureux de 0,0167. Cet exemple d\u00e9montre concr\u00e8tement comment la proc\u00e9dure prot\u00e8ge les cliniciens contre la proclamation pr\u00e9matur\u00e9e d’une sup\u00e9riorit\u00e9 th\u00e9rapeutique qui pourrait r\u00e9sulter d’une simple fluctuation de l’\u00e9chantillonnage<\/span>.<\/p>\n La mise en \u0153uvre analytique du test t de Bonferroni repose sur des calculs d’une clart\u00e9 arithm\u00e9tique remarquable, pouvant \u00eatre ex\u00e9cut\u00e9s manuellement ou via les progiciels statistiques contemporains comme R, SPSS ou JASP. Dans un premier temps, la statistique empirique du test t de Student est calcul\u00e9e pour chaque paire de moyennes selon les formules conventionnelles prenant en compte les degr\u00e9s de libert\u00e9 appropri\u00e9s et, le cas \u00e9ch\u00e9ant, la correction de Welch en situation d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 des variances.<\/p>\n L’\u00e9tape discriminante de l’\u00e9valuation r\u00e9side dans l’application de la contrainte de correction. Deux approches sym\u00e9triques sont document\u00e9es :<\/p>\n Dans les rapports de recherche soumis aux normes de l’American Psychological Association<\/a> (APA 7e \u00e9dition), l’\u00e9valuation exige de rapporter pr\u00e9cis\u00e9ment la statistique t observ\u00e9e, les degr\u00e9s de libert\u00e9, la taille d’effet correspondante (telle que le d de Cohen ou le g de Hedges), ainsi que la valeur p ajust\u00e9e explicitement d\u00e9sign\u00e9e comme ayant subi la correction de Bonferroni. Cette transparence permet aux pairs d’\u00e9valuer la s\u00e9v\u00e9rit\u00e9 du contr\u00f4le sans ambigu\u00eft\u00e9 interpr\u00e9tative.<\/p>\n L’utilisation du test t de Bonferroni innerve l’ensemble des sous-disciplines de la psychologie et des sciences comportementales en raison de sa s\u00e9curit\u00e9 m\u00e9thodologique proverbiale. En psychopathologie exp\u00e9rimentale et en psychiatrie, il est massivement d\u00e9ploy\u00e9 lors des essais cliniques randomis\u00e9s multipares \u00e9valuant l’efficacit\u00e9 compar\u00e9e de diverses mol\u00e9cules pharmacologiques, de psychoth\u00e9rapies manu\u00e9lis\u00e9es et de groupes placebos sur des indicateurs d’anxi\u00e9t\u00e9, de d\u00e9pression ou d’impulsivit\u00e9.<\/p>\n Dans le domaine de la psychologie cognitive et des neurosciences exp\u00e9rimentales, le test s’av\u00e8re indispensable lors du d\u00e9pouillement des t\u00e2ches de chronom\u00e9trie mentale. Lorsqu’un chercheur mesure les temps de r\u00e9action de participants confront\u00e9s \u00e0 une pluralit\u00e9 de stimuli distracteurs ou congruents, l’analyse des contrastes t ajust\u00e9s selon Bonferroni permet de valider avec certitude quels types sp\u00e9cifiques d’inhibition cognitive diff\u00e8rent significativement de la condition de r\u00e9f\u00e9rence sans multiplier inconsid\u00e9r\u00e9ment les artefacts de d\u00e9tection.<\/p>\n En psychologie du travail et des organisations, cette proc\u00e9dure est mobilis\u00e9e lors de diagnostics organisationnels \u00e0 large \u00e9chelle visant \u00e0 comparer la satisfaction professionnelle ou l’\u00e9puisement \u00e9motionnel (burnout) entre de multiples d\u00e9partements ou cat\u00e9gories hi\u00e9rarchiques. La correction garantit aux directions des ressources humaines que les disparit\u00e9s interservices identifi\u00e9es ne sont pas le simple fruit d’un chalutage de donn\u00e9es \u00e0 grande \u00e9chelle portant sur des dizaines de m\u00e9triques simultan\u00e9es.<\/p>\n La robustesse math\u00e9matique du principe de Bonferroni a \u00e9t\u00e9 confirm\u00e9e par une abondante litt\u00e9rature de simulations statistiques de Monte-Carlo au cours du dernier demi-si\u00e8cle. Des statisticiens \u00e9minents tels que Games (1971) et Keselman et al. (1998) ont largement document\u00e9 les propri\u00e9t\u00e9s de distribution de ce test. Leurs travaux convergent tous vers le m\u00eame constat empirique : quelles que soient les distributions de d\u00e9part et les covariances entre les variables, la correction de Bonferroni r\u00e9ussit de mani\u00e8re inconditionnelle \u00e0 maintenir le taux d’erreur par famille sous le plafond alpha d\u00e9sir\u00e9.<\/p>\n Cependant, ces m\u00eames recherches empiriques ont mis en lumi\u00e8re le revers de cette invuln\u00e9rabilit\u00e9 : le caract\u00e8re excessivement conservateur du test lorsque le nombre de comparaisons devient substantiel. Dans une \u00e9tude devenue classique parue dans le Psychological Bulletin<\/em>, Maxwell (1980) a illustr\u00e9 la perte drastique de puissance statistique subie par les protocoles psychologiques lorsque plus de cinq ou six contrastes sont syst\u00e9matiquement ajust\u00e9s par Bonferroni, conduisant fr\u00e9quemment \u00e0 ignorer des effets exp\u00e9rimentaux pourtant r\u00e9els et cliniquement pertinents.<\/p>\n Dans le secteur contemporain de l’imagerie par r\u00e9sonance magn\u00e9tique fonctionnelle (IRMf) et de la g\u00e9n\u00e9tique comportementale, o\u00f9 des dizaines de milliers de voxels c\u00e9r\u00e9braux ou de polymorphismes mononucl\u00e9otidiques sont analys\u00e9s en parall\u00e8le, l’application na\u00efve du test t de Bonferroni s’est heurt\u00e9e \u00e0 une impasse empirique majeure en exigeant des seuils de p-value de l’ordre de 10^-6 \u00e0 10^-8, an\u00e9antissant toute possibilit\u00e9 de d\u00e9tecter des activations c\u00e9r\u00e9brales subtiles. Ces impasses ont incit\u00e9 les m\u00e9thodologistes \u00e0 lui pr\u00e9f\u00e9rer des paradigmes novateurs de contr\u00f4le du taux de fausses d\u00e9couvertes.<\/p>\n Bien que le test t de Bonferroni soit un outil math\u00e9matique universel dont les propri\u00e9t\u00e9s probabilistes demeurent ind\u00e9pendantes de tout ancrage g\u00e9ographique, son application en psychologie transculturelle et internationale soul\u00e8ve d’importants d\u00e9fis contextuels et interpr\u00e9tatifs. Dans les \u00e9tudes comparatives multinationales o\u00f9 des cohortes issues de dizaines de pays distincts sont \u00e9valu\u00e9es sur des \u00e9chelles de valeurs culturelles, d’individualisme-collectivisme ou de bien-\u00eatre subjectif, le recours syst\u00e9matique aux comparaisons t toutes paires confondues avec correction de Bonferroni peut paralyser l’analyse.<\/p>\n En effet, comparer vingt cultures deux \u00e0 deux implique l’ex\u00e9cution de cent quatre-vingt-dix contrastes distincts, imposant un seuil critique corrig\u00e9 de 0,05 \/ 190 = 0,00026. Une telle exigence math\u00e9matique risque d’effacer des nuances sociologiques et psychologiques authentiques, particuli\u00e8rement dans les pays en d\u00e9veloppement o\u00f9 les tailles d’\u00e9chantillons recrut\u00e9s sont structurellement plus modestes par manque de ressources financi\u00e8res de recherche<\/span>.<\/p>\n Par cons\u00e9quent, les chercheurs en psychologie transculturelle privil\u00e9gient de plus en plus des hypoth\u00e8ses r\u00e9gionales cibl\u00e9es a priori pour restreindre drastiquement le param\u00e8tre k avant d’appliquer Bonferroni, ou recourent \u00e0 des mod\u00e9lisations multiniveaux et des analyses en composantes hi\u00e9rarchiques. Ces m\u00e9thodologies permettent d’appr\u00e9hender la variance culturelle globale sans \u00e9craser la sensibilit\u00e9 inf\u00e9rentielle sous une p\u00e9nalisation statistique trop brutale.<\/p>\n Le test t de Bonferroni a fait l’objet de vifs d\u00e9bats \u00e9pist\u00e9mologiques au sein de la psychologie quantitative et de l’\u00e9pid\u00e9miologie clinique. L’une des diatribes les plus influentes demeure celle publi\u00e9e par l’\u00e9pid\u00e9miologiste Kenneth Rothman en 1990 dans un article provocateur intitul\u00e9 No Adjustments Are Needed for Multiple Comparisons<\/em>. Rothman et d’autres critiques soulignent que la d\u00e9limitation de ce qui constitue une \u00ab famille de tests \u00bb rel\u00e8ve d’une d\u00e9cision hautement subjective et arbitraire du chercheur : doit-on corriger pour les tests d’un m\u00eame tableau, d’un m\u00eame article scientifique, ou pour l’ensemble des tests conduits par un laboratoire au cours d’une carri\u00e8re ?<\/p>\n La critique centrale adress\u00e9e \u00e0 la m\u00e9thode concerne son conservatisme d\u00e9mesur\u00e9 face \u00e0 des variables d\u00e9pendantes corr\u00e9l\u00e9es. L’in\u00e9galit\u00e9 de Bonferroni assume implicitement le pire sc\u00e9nario probabiliste. Lorsque les mesures psychologiques sont fortement interd\u00e9pendantes \u2014 comme c’est couramment le cas entre les sous-\u00e9chelles d’un m\u00eame inventaire de personnalit\u00e9 ou les items cognitifs d’une batterie neuropsychologique \u2014, le test t de Bonferroni surcompense largement le risque r\u00e9el, augmentant de fa\u00e7on vertigineuse le taux d’erreur de type II<\/a> et privant les chercheurs de conclusions valides.<\/p>\n En outre, certains m\u00e9thodologistes reprochent au test de Bonferroni d’encourager involontairement des comportements de recherche sous-optimaux, tels que la r\u00e9duction artificielle du nombre de variables explor\u00e9es ou la non-publication de conditions exp\u00e9rimentales secondaires afin d’\u00e9viter la p\u00e9nalit\u00e9 statistique sur le contraste principal. En r\u00e9ponse \u00e0 ces limitations, les statisticiens recommandent aujourd’hui d’abandonner l’usage indiscrimin\u00e9 de Bonferroni au profit de m\u00e9thodes s\u00e9quentiellement rejectives ou du contr\u00f4le du taux de fausses d\u00e9couvertes.<\/p>\n Pour naviguer avec pertinence dans l’arsenal des proc\u00e9dures d’ajustement inf\u00e9rentiel, il importe de distinguer le test t de Bonferroni de ses homologues conceptuels :<\/p>\n Le test t de Bonferroni demeure une technique pivot de l’inf\u00e9rence statistique et de l’\u00e9pist\u00e9mologie exp\u00e9rimentale en psychologie. Sa vocation premi\u00e8re est de dresser un rempart infranchissable contre la prolif\u00e9ration des faux positifs induits par la multiplication des tests d’hypoth\u00e8ses sur un m\u00eame jeu de donn\u00e9es empiriques.<\/p>\n Sa popularit\u00e9 inalt\u00e9r\u00e9e depuis plus d’un demi-si\u00e8cle s’explique par sa simplicit\u00e9 arithm\u00e9tique \u00e9l\u00e9mentaire et son absence d’hypoth\u00e8ses contraignantes concernant la structure de covariance des variables analys\u00e9es. Il garantit math\u00e9matiquement que le taux d’erreur de premi\u00e8re esp\u00e8ce global par famille ne d\u00e9passera jamais le seuil nominal consenti par le chercheur.<\/p>\n Toutefois, la prudence m\u00e9thodologique commande de ne pas \u00e9riger cette proc\u00e9dure en dogme aveugle. Son co\u00fbt en puissance statistique et son conservatisme extr\u00eame en font une m\u00e9thode inadapt\u00e9e aux vastes criblages exploratoires et aux matrices de mesures hautement corr\u00e9l\u00e9es. Dans la pratique scientifique moderne, le chercheur avis\u00e9 lui pr\u00e9f\u00e9rera souvent la proc\u00e9dure s\u00e9quentielle de Holm-Bonferroni pour les contrastes planifi\u00e9s, le test de Tukey pour les analyses post hoc compl\u00e8tes d’ANOVA, ou les algorithmes de r\u00e9gulation du taux de fausses d\u00e9couvertes pour les donn\u00e9es massives.<\/p>\n Bonferroni, C. E. (1936). Teoria statistica delle classi e calcolo delle probabilit\u00e0. Pubblicazioni del Regio Istituto Superiore di Scienze Economiche e Commerciali di Firenze<\/em>, 8, 3-62.<\/p>\n Dunn, O. J. (1959). Estimation of multiparameter system: An application of Bonferroni\u2019s inequalities. Journal of the American Statistical Association<\/em>, 54(287), 613-621. https:\/\/doi.org\/10.1080\/01621459.1959.10501524<\/a><\/p>\n Dunn, O. J. (1961). Multiple comparisons among means. Journal of the American Statistical Association<\/em>, 56(293), 52-64. https:\/\/doi.org\/10.1080\/01621459.1961.10482090<\/a><\/p>\n Games, P. A. (1971). Multiple comparisons of means. American Educational Research Journal<\/em>, 8(3), 531-565. https:\/\/doi.org\/10.3102\/00028312008003531<\/a><\/p>\n Holm, S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics<\/em>, 6(2), 65-70.<\/p>\n Keselman, H. J., Cribbie, R., & Holland, B. (1998). The pairwise multiple comparison problem: An alternative processing strategy for pairwise comparisons. Psychological Methods<\/em>, 4(1), 58-69. https:\/\/doi.org\/10.1037\/1082-989X.4.1.58<\/a><\/p>\n Maxwell, S. E. (1980). Pairwise multiple comparisons in repeated measures designs. Journal of Educational Statistics<\/em>, 5(4), 269-287. https:\/\/doi.org\/10.2307\/1164905<\/a><\/p>\n3. Prononciation et forme grammaticale<\/h3>\n
4. Explication conceptuelle d\u00e9taill\u00e9e<\/h3>\n
5. D\u00e9veloppement historique<\/h3>\n
6. Fondements th\u00e9oriques<\/h3>\n
7. Composants cl\u00e9s, types et dimensions<\/h3>\n
\n
8. Exemples concrets et cas illustratifs<\/h3>\n
9. Mesure, calcul et \u00e9valuation<\/h3>\n
\n
10. Applications et port\u00e9e pratique<\/h3>\n
11. Recherche empirique et corpus scientifique<\/h3>\n
12. Consid\u00e9rations transculturelles et contextuelles<\/h3>\n
13. Critiques, controverses et limites<\/h3>\n
14. Notions connexes et distinctions<\/h3>\n
\n
15. Synth\u00e8se et points cl\u00e9s<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n