L’analyse factorielle confirmatoire constitue l’une des pierres angulaires de la psychom\u00e9trie moderne et de l’\u00e9valuation psychologique contemporaine. En \u00e9tablissant une passerelle rigoureuse entre les hypoth\u00e8ses th\u00e9oriques abstraites et les donn\u00e9es empiriques observables, elle permet aux chercheurs de tester la validit\u00e9 de structure de leurs instruments de mesure avec une pr\u00e9cision math\u00e9matique sans pr\u00e9c\u00e9dent.<\/p>\n
L’analyse factorielle confirmatoire<\/strong> (AFC), couramment d\u00e9sign\u00e9e sous le sigle anglophone CFA (Confirmatory Factor Analysis<\/em>), est une m\u00e9thode statistique multivari\u00e9e d\u00e9riv\u00e9e de la mod\u00e9lisation par \u00e9quations structurelles<\/a>. Elle sert \u00e0 v\u00e9rifier empiriquement si les relations observ\u00e9es entre un ensemble d’indicateurs manifestes correspondent \u00e0 une structure th\u00e9orique pr\u00e9d\u00e9termin\u00e9e impliquant une ou plusieurs variables latentes.<\/p>\n Contrairement aux d\u00e9marches purement descriptives, l’AFC impose au chercheur de formuler a priori<\/em> des sp\u00e9cifications explicites quant au nombre de facteurs sous-jacents, \u00e0 l’assignation exacte de chaque item \u00e0 un facteur donn\u00e9, ainsi qu’\u00e0 la pr\u00e9sence ou l’absence de corr\u00e9lations entre facteurs et entre termes d’erreur. Cette formalisation hypoth\u00e9tico-d\u00e9ductive permet de soumettre un mod\u00e8le de mesure th\u00e9orique \u00e0 un test de r\u00e9futation statistique rigoureux face aux covariances observ\u00e9es dans un \u00e9chantillon.<\/p>\n Dans le domaine de la psychologie, l’AFC repr\u00e9sente l’outil privil\u00e9gi\u00e9 pour examiner la validit\u00e9 de construit d’\u00e9chelles d’\u00e9valuation, de questionnaires de personnalit\u00e9 ou de batteries cognitives, tout en offrant le cadre n\u00e9cessaire \u00e0 l’\u00e9tude de l’invariance de mesure \u00e0 travers diff\u00e9rents groupes ou moments temporels.<\/p>\n Le terme \u00ab analyse factorielle confirmatoire \u00bb r\u00e9sulte de la juxtaposition de trois notions fondamentales issues des math\u00e9matiques et de l’\u00e9pist\u00e9mologie scientifique. Le substantif \u00ab analyse \u00bb provient du grec ancien analusis<\/em> (\u1f00\u03bd\u03ac\u03bb\u03c5\u03c3\u03b9\u03c2), d\u00e9signant l’action de d\u00e9composer un tout en ses \u00e9l\u00e9ments constitutifs pour en comprendre l’organisation interne.<\/p>\n L’adjectif \u00ab factorielle \u00bb d\u00e9rive du latin factor<\/em> (\u00ab celui qui fait, qui produit \u00bb), lui-m\u00eame issu du verbe facere<\/em> (\u00ab faire \u00bb). Dans le contexte math\u00e9matique et statistique, il fait r\u00e9f\u00e9rence \u00e0 un agent causal non observable, ou variable latente, responsable des variations constat\u00e9es au sein des ph\u00e9nom\u00e8nes observ\u00e9s.<\/p>\n Enfin, l’\u00e9pith\u00e8te \u00ab confirmatoire \u00bb trouve sa source dans le latin m\u00e9di\u00e9val confirmatorius<\/em>, issu de confirmare<\/em> (\u00ab rendre ferme, consolider, corroborer \u00bb). Ce qualificatif t\u00e9moigne du basculement m\u00e9thodologique op\u00e9r\u00e9 dans les ann\u00e9es 1960 par Karl J\u00f6reskog, d\u00e9marquant cette approche de l’analyse factorielle exploratoire (AFE) en lui assignant une finalit\u00e9 explicite de corroboration d’hypoth\u00e8ses d\u00e9j\u00e0 \u00e9tablies.<\/p>\n Sur le plan phon\u00e9tique, l’expression se transcrit en alphabet phon\u00e9tique international de la mani\u00e8re suivante : \/a.na.liz fak.t\u0254.\u0281j\u025bl k\u0254\u0303.fi\u0281.ma.twa\u0281\/. Le sigle fran\u00e7ais d’usage est AFC<\/strong> (prononc\u00e9 \/a.\u025bf.se\/), bien que la litt\u00e9rature francophone sp\u00e9cialis\u00e9e conserve tr\u00e8s r\u00e9guli\u00e8rement l’acronyme international anglophone CFA<\/strong> (\/se.\u025bf.a\/ ou prononc\u00e9 \u00e0 l’anglaise).<\/p>\n Du point de vue grammatical, il s’agit d’un syntagme nominal f\u00e9minin singulier. L’adjectif \u00ab factorielle \u00bb s’accorde au f\u00e9minin singulier avec le nom noyau \u00ab analyse \u00bb, tout comme l’adjectif \u00ab confirmatoire \u00bb. Au pluriel, la forme adopt\u00e9e est \u00ab analyses factorielles confirmatoires \u00bb.<\/p>\n Dans la pratique r\u00e9dactionnelle psychologique, le terme s’emploie principalement comme compl\u00e9ment d’objet ou sujet d\u00e9terminant une d\u00e9marche d’\u00e9valuation psychom\u00e9trique, comme dans l’expression : \u00ab L’analyse factorielle confirmatoire a d\u00e9montr\u00e9 l’ad\u00e9quation du mod\u00e8le tridimensionnel de l’\u00e9chelle d’anxi\u00e9t\u00e9 \u00bb.<\/p>\n Pour appr\u00e9hender l’analyse factorielle confirmatoire, il convient d’abord d’examiner la distinction entre variables manifestes et variables latentes. En psychologie, la majorit\u00e9 des construits d’int\u00e9r\u00eat \u2014 tels que l’intelligence, la d\u00e9pression, l’estime de soi ou l’extraversion \u2014 ne sont pas directement observables. Ce sont des construits latents dont on inf\u00e8re l’existence \u00e0 travers des r\u00e9ponses comportementales quantifiables, telles que les r\u00e9ponses \u00e0 des items de questionnaires ou les r\u00e9sultats \u00e0 des tests de performance. L’AFC postule que ces entit\u00e9s latentes exercent une influence causale directe sur les indicateurs observ\u00e9s.<\/p>\n La structure math\u00e9matique d’un mod\u00e8le d’AFC s’articule autour d’une matrice de variance-covariance empirique, calcul\u00e9e \u00e0 partir des donn\u00e9es collect\u00e9es, et d’une matrice th\u00e9orique implicite d\u00e9duite des contraintes fix\u00e9es par le chercheur. Dans le cadre de ce mod\u00e8le, chaque variable manifeste est con\u00e7ue comme une fonction lin\u00e9aire d’un ou de plusieurs facteurs communs, \u00e0 laquelle s’ajoute un terme d’erreur de mesure unique. Ce terme d’erreur capte \u00e0 la fois la variance sp\u00e9cifique non partag\u00e9e de l’item et le bruit al\u00e9atoire de mesure.<\/p>\n Le r\u00f4le du chercheur consiste \u00e0 sp\u00e9cifier pr\u00e9alablement l’architecture exacte du r\u00e9seau de liens. On d\u00e9cide quels coefficients de saturation factorielle (\u00ab factor loadings \u00bb) seront librement estim\u00e9s et lesquels seront contraints \u00e0 z\u00e9ro. De mani\u00e8re standard, on impose qu’un item donn\u00e9 ne charge que sur son facteur de rattachement th\u00e9orique, ce qui \u00e9limine les saturations crois\u00e9es parasites fr\u00e9quentes en analyse exploratoire. On fixe \u00e9galement l’\u00e9chelle de mesure des facteurs latents en contraignant la variance du facteur \u00e0 1 (m\u00e9thode standardis\u00e9e) ou en assignant la saturation d’un item de r\u00e9f\u00e9rence \u00e0 la valeur de 1.<\/p>\n Une fois le mod\u00e8le d\u00fbment identifi\u00e9 sur le plan math\u00e9matique (v\u00e9rifiant que le nombre de param\u00e8tres connus d\u00e9passe ou \u00e9gale le nombre de param\u00e8tres \u00e0 estimer), un algorithme d’estimation it\u00e9ratif optimise une fonction de co\u00fbt. L’objectif consiste \u00e0 minimiser l’\u00e9cart entre la matrice de covariance th\u00e9orique g\u00e9n\u00e9r\u00e9e par le mod\u00e8le et la matrice de covariance r\u00e9ellement observ\u00e9e dans l’\u00e9chantillon. Si l’\u00e9cart est statistiquement n\u00e9gligeable et que les indices d’ad\u00e9quation globale sont satisfaisants, le chercheur conclut que les donn\u00e9es soutiennent la structure th\u00e9oris\u00e9e.<\/p>\n L’histoire de l’analyse factorielle confirmatoire s’enracine dans les travaux pionniers de Charles Spearman<\/a> au d\u00e9but du XXe si\u00e8cle. En 1904, Spearman propose la th\u00e9orie bifactorielle de l’intelligence, postulant l’existence d’un facteur g\u00e9n\u00e9ral (facteur g<\/em>) compl\u00e9t\u00e9 par des facteurs sp\u00e9cifiques. Bien qu’il s’agisse d\u00e9j\u00e0 d’une formulation th\u00e9orique guid\u00e9e par des hypoth\u00e8ses, les outils math\u00e9matiques de l’\u00e9poque ne permettaient pas de tester formellement des mod\u00e8les multidimensionnels complexes avec estimation probabiliste.<\/p>\n Durant les ann\u00e9es 1930 \u00e0 1950, Louis Leon Thurstone<\/a> formalise l’analyse factorielle multiple et introduit le concept de structure simple, visant \u00e0 rendre les r\u00e9sultats de l’analyse exploratoire interpr\u00e9tables. N\u00e9anmoins, ces d\u00e9marches demeuraient essentiellement inductives et laissaient une part consid\u00e9rable \u00e0 l’arbitraire lors des rotations factorielles (orthogonales ou obliques).<\/p>\n Le v\u00e9ritable saut qualitatif survient \u00e0 la fin des ann\u00e9es 1960 gr\u00e2ce au statisticien su\u00e9dois Karl J\u00f6reskog<\/a>. En 1969, J\u00f6reskog publie un article s\u00e9minal d\u00e9finissant formellement l’analyse factorielle confirmatoire sous l’angle du maximum de vraisemblance. Il \u00e9tend imm\u00e9diatement ses travaux au d\u00e9veloppement du premier logiciel d\u00e9di\u00e9 \u00e0 ces mod\u00e8les, nomm\u00e9 LISREL (Linear Structural Relations<\/em>), con\u00e7u conjointement avec Dag S\u00f6rbom dans les ann\u00e9es 1970.<\/p>\n L’\u00e8re informatique des ann\u00e9es 1980 et 1990 voit la diffusion massive de l’AFC dans les sciences sociales et le d\u00e9veloppement d’outils compl\u00e9mentaires, port\u00e9s notamment par Peter Bentler (concepteur d’EQS) et plus tard par Bengt Muth\u00e9n (d\u00e9veloppeur de Mplus). Ces avanc\u00e9es ont permis d’int\u00e9grer des variables non gaussiennes, des indicateurs polytomiques et ordinaux, ainsi que des structures multiniveaux complexes r\u00e9pondant aux r\u00e9alit\u00e9s du terrain clinique.<\/p>\n L’analyse factorielle confirmatoire repose sur l’\u00e9pist\u00e9mologie falsificationniste formul\u00e9e par Karl Popper. Contrairement \u00e0 l’empirisme inductif o\u00f9 les structures \u00e9mergent librement des r\u00e9gularit\u00e9s math\u00e9matiques des donn\u00e9es, l’AFC adopte une logique de d\u00e9duction : une th\u00e9orie psychologique g\u00e9n\u00e8re un mod\u00e8le structurel, lequel est confront\u00e9 \u00e0 la r\u00e9alit\u00e9 empirique dans le but explicite d’\u00e9valuer sa capacit\u00e9 \u00e0 r\u00e9sister \u00e0 la r\u00e9futation statistique.<\/p>\n Sur le plan psychom\u00e9trique, le socle de l’AFC est intimement li\u00e9 \u00e0 la th\u00e9orie classique des tests<\/a> (TCT) ainsi qu’\u00e0 la mod\u00e9lisation des variables latentes. Selon la formulation classique du mod\u00e8le factoriel lin\u00e9aire, le vecteur de scores observ\u00e9s X<\/em> est d\u00e9fini par l’\u00e9quation matricielle :<\/p>\n X = \u039b\u03be + \u03b4<\/em><\/span><\/p>\n Dans cette expression, \u039b<\/em> (lambda) d\u00e9signe la matrice des saturations factorielles reliant les variables observables aux facteurs latents \u03be<\/em> (ksi), tandis que \u03b4<\/em> (delta) repr\u00e9sente le vecteur des erreurs de mesure associ\u00e9es. Le postulat fondamental implique que les erreurs de mesure poss\u00e8dent une esp\u00e9rance nulle et ne sont pas corr\u00e9l\u00e9es avec les facteurs latents.<\/p>\n Ce formalisme conduit \u00e0 la d\u00e9rivation directe de la matrice de covariance th\u00e9orique \u03a3(\u03b8)<\/em> :<\/p>\n \u03a3(\u03b8) = \u039b\u03a6\u039b’ + \u0398<\/em><\/span><\/p>\n Dans cette formulation, \u03a6<\/em> (phi) est la matrice de covariance entre les facteurs latents, et \u0398<\/em> (theta) repr\u00e9sente la matrice de variance-covariance des r\u00e9sidus ou erreurs de mesure. L’hypoth\u00e8se nulle globale test\u00e9e lors de l’AFC est formul\u00e9e ainsi : H\u2080 : \u03a3 = \u03a3(\u03b8)<\/em>, postulant que la matrice de covariance de la population correspond exactement \u00e0 la matrice param\u00e9tr\u00e9e par le mod\u00e8le th\u00e9orique envisag\u00e9<\/span>.<\/p>\n La mise en \u0153uvre de l’AFC n\u00e9cessite une ma\u00eetrise compl\u00e8te de son architecture th\u00e9orique et des variantes de mod\u00e8les adapt\u00e9es \u00e0 diff\u00e9rentes configurations conceptuelles :<\/p>\n Pour illustrer concr\u00e8tement l’application de l’AFC, examinons le cas de la validation d’une \u00e9chelle \u00e9valuant le syndrome d’\u00e9puisement professionnel (burnout<\/em>), traditionnellement divis\u00e9 selon le mod\u00e8le de Maslach en trois composantes : l’\u00e9puisement \u00e9motionnel, la d\u00e9personnalisation (ou cynisme) et la r\u00e9duction de l’accomplissement personnel.<\/p>\n Dans une perspective exploratoire, tous les items d’un questionnaire de 22 \u00e9nonc\u00e9s pourraient charger librement sur trois axes, g\u00e9n\u00e9rant potentiellement des saturations crois\u00e9es difficiles \u00e0 justifier th\u00e9oriquement. \u00c0 l’inverse, dans le cadre d’une AFC, le chercheur impose formellement que les items 1 \u00e0 9 ne saturent que sur le facteur \u00ab \u00c9puisement \u00bb, les items 10 \u00e0 14 uniquement sur le facteur \u00ab Cynisme \u00bb, et les items 15 \u00e0 22 exclusivement sur l’\u00ab Accomplissement \u00bb, toute autre saturation \u00e9tant strictement verrouill\u00e9e \u00e0 z\u00e9ro.<\/p>\n Un autre exemple fr\u00e9quent concerne l’\u00e9valuation de la d\u00e9pression et de l’anxi\u00e9t\u00e9. De nombreuses \u00e9chelles cliniques pr\u00e9sentent une forte corr\u00e9lation empirique entre ces deux troubles en raison d’une composante partag\u00e9e d’affectivit\u00e9 n\u00e9gative. Un chercheur peut opposer, par AFC comp\u00e9titive, un mod\u00e8le unifactoriel global o\u00f9 l’ensemble des items refl\u00e8te une d\u00e9tresse g\u00e9n\u00e9rale, un mod\u00e8le \u00e0 deux facteurs corr\u00e9l\u00e9s distinguant clairement la symptomatologie d\u00e9pressive et anxieuse, et un mod\u00e8le bifactoriel isolant un facteur de d\u00e9tresse commune associ\u00e9 \u00e0 deux facteurs r\u00e9siduels sp\u00e9cifiques. La comparaison directe des indices d’ad\u00e9quation statistique d\u00e9cidera quel mod\u00e8le repr\u00e9sente fid\u00e8lement la structure sous-jacente des donn\u00e9es cliniques.<\/p>\n L’estimation des mod\u00e8les d’AFC s’effectue historiquement via la m\u00e9thode du maximum de vraisemblance<\/strong> (ML, Maximum Likelihood<\/em>), id\u00e9ale lorsque les indicateurs sont continus et suivent une distribution normale multivari\u00e9e. Face \u00e0 des distributions dissym\u00e9triques ou \u00e0 des variables ordinales (comme les \u00e9chelles de Likert \u00e0 4 ou 5 points), des estimateurs robustes sont recommand\u00e9s, tels que le MLR (maximum de vraisemblance avec erreurs types et statistique de test corrig\u00e9es) ou le WLSMV (moindres carr\u00e9s pond\u00e9r\u00e9s robustes bas\u00e9s sur des corr\u00e9lations polychoriques).<\/p>\n L’\u00e9valuation de l’ad\u00e9quation d’un mod\u00e8le d’AFC aux donn\u00e9es ne s’appuie jamais sur un indice isol\u00e9, mais sur un faisceau convergent d’\u00e9l\u00e9ments m\u00e9triques cat\u00e9goris\u00e9s en plusieurs familles :<\/p>\n Le test du Chi-deux d’ajustement (\u03c7\u00b2)<\/strong> mesure la diff\u00e9rence globale entre les covariances observ\u00e9es et mod\u00e9lis\u00e9es. Id\u00e9alement, une valeur non significative (p > 0,05) indique que le mod\u00e8le ne s’\u00e9carte pas substantiellement de la r\u00e9alit\u00e9 empirique. N\u00e9anmoins, ce test est extr\u00eamement sensible \u00e0 la taille de l’\u00e9chantillon, conduisant au rejet syst\u00e9matique de mod\u00e8les tr\u00e8s acceptables d\u00e8s que N<\/em> d\u00e9passe quelques centaines d’individus. On utilise alors le ratio \u03c7\u00b2\/dl, jug\u00e9 convenable lorsqu’il est inf\u00e9rieur \u00e0 2 ou 3<\/span>.<\/p>\n Pour pallier ces contraintes, les m\u00e9thodologues privil\u00e9gient les indices descriptifs d’ajustement, d\u00e9coup\u00e9s en indices absolus et indices appr\u00e9ciant l’am\u00e9lioration par rapport \u00e0 un mod\u00e8le nul :<\/p>\n Les champs d’application de l’analyse factorielle confirmatoire sont particuli\u00e8rement vastes en sciences du comportement et en recherche biom\u00e9dicale. En psychologie clinique et psychiatrie, elle est indispensable lors de la standardisation des outils diagnostiques. Elle permet de v\u00e9rifier que les sympt\u00f4mes \u00e9valu\u00e9s dans des inventaires cliniques (comme l’inventaire de d\u00e9pression de Beck ou le SCL-90) se regroupent conform\u00e9ment aux entit\u00e9s nosologiques d\u00e9crites dans les classifications internationales (DSM ou CIM).<\/p>\n En psychologie du travail et des organisations, l’AFC permet de concevoir et de raffiner des questionnaires \u00e9valuant la satisfaction au travail, l’engagement organisationnel ou le leadership transformationnel. Avant de calculer des scores composites utilis\u00e9s pour la s\u00e9lection ou la promotion de personnel, l’organisation doit s’assurer que les items refl\u00e8tent sans biais le concept cible.<\/p>\n Dans le domaine \u00e9ducatif et d\u00e9veloppemental, l’AFC est utilis\u00e9e pour tester l’invariance de mesure longitudinale. Cela permet de savoir si l’\u00e9volution des scores chez des enfants \u00e0 travers le temps refl\u00e8te un r\u00e9el changement d\u00e9veloppemental du trait latent ou simplement une modification de la compr\u00e9hension linguistique des items au fil de la maturation cognitive.<\/p>\n La recherche m\u00e9thodologique sur l’AFC a connu des \u00e9tapes majeures qui ont transform\u00e9 les standards de publication scientifique. L’\u00e9tude classique de Li-tze Hu et Peter M. Bentler, publi\u00e9e en 1999 dans Structural Equation Modeling<\/em>, a \u00e9tabli les r\u00e8gles d’\u00e9valuation des indices combin\u00e9s couramment cit\u00e9es (le seuil de 0,95 pour CFI et 0,06 pour RMSEA). Ces auteurs ont d\u00e9montr\u00e9 qu’une r\u00e8gle de d\u00e9cision associant un indice incr\u00e9mentiel et un indice r\u00e9siduel r\u00e9duisait drastiquement les erreurs d’acceptation de mod\u00e8les mal sp\u00e9cifi\u00e9s (erreurs de type II).<\/p>\n Par ailleurs, les travaux r\u00e9cents de Marsh, Morin et leurs collaborateurs ont r\u00e9v\u00e9l\u00e9 que l’exigence excessive de contraintes strictes \u00e0 z\u00e9ro propre \u00e0 l’AFC classique entra\u00eenait fr\u00e9quemment une inflation artificielle des corr\u00e9lations interfactorielles lorsque les construits partagent des r\u00e9alit\u00e9s s\u00e9mantiques proches. Pour r\u00e9pondre \u00e0 cette limitation, ils ont formalis\u00e9 l’ESEM (Exploratory Structural Equation Modeling<\/em>), qui concilie la flexibilit\u00e9 des saturations crois\u00e9es exploratoires avec la puissance de confirmation et d’invariance propre \u00e0 l’AFC.<\/p>\n Sur le plan de l’\u00e9chantillonnage, la litt\u00e9rature empirique r\u00e9cente a d\u00e9pass\u00e9 les simples r\u00e8gles empiriques (comme celle des 10 participants par param\u00e8tre). Des \u00e9tudes de simulation de type Monte-Carlo d\u00e9montrent d\u00e9sormais que la puissance statistique d’une AFC d\u00e9pend conjointement de la force des saturations factorielles, du degr\u00e9 de normalit\u00e9 des donn\u00e9es, de la quantit\u00e9 de donn\u00e9es manquantes et de l’\u00e9quilibre du nombre d’indicateurs par variable latente.<\/p>\n L’adaptation et la translation d’instruments psychologiques d’une langue ou d’un contexte culturel vers un autre repr\u00e9sentent un d\u00e9fi majeur o\u00f9 l’AFC joue un r\u00f4le fondamental. L’erreur fr\u00e9quente consiste \u00e0 pr\u00e9sumer qu’un test standardis\u00e9 dans une population occidentale conserve automatiquement la m\u00eame structure latente lorsqu’il est appliqu\u00e9 dans une soci\u00e9t\u00e9 collectiviste ou non occidentale.<\/p>\n Pour effectuer des comparaisons valides entre pays, il est imp\u00e9ratif de d\u00e9montrer formellement l’invariance de mesure multigroupes<\/strong> via une hi\u00e9rarchie d’\u00e9tapes successives :<\/p>\n L’absence d’invariance scalaire, souvent d\u00e9couverte dans les \u00e9tudes internationales d’envergure, r\u00e9v\u00e8le l’existence d’un fonctionnement diff\u00e9rentiel des items (DIF), li\u00e9 \u00e0 des nuances lexicales, \u00e0 des normes sociales de d\u00e9sirabilit\u00e9 ou \u00e0 des modes de r\u00e9ponse sp\u00e9cifiques \u00e0 certaines r\u00e9gions du globe.<\/p>\n Malgr\u00e9 sa supr\u00e9matie m\u00e9thodologique, l’analyse factorielle confirmatoire suscite de nombreuses d\u00e9bats statistiques et \u00e9pist\u00e9mologiques. La premi\u00e8re critique r\u00e9side dans la pratique fr\u00e9quente de la confirmatoire \u00ab d\u00e9voy\u00e9e \u00bb. Confront\u00e9s \u00e0 un mauvais ajustement initial, certains chercheurs recourent massivement aux indices de modification (Modification Indices<\/em>, MI) pour lib\u00e9rer des corr\u00e9lations d’erreur ou des saturations crois\u00e9es jusqu’\u00e0 l’obtention d’un bon fit. Cette d\u00e9marche, appel\u00e9e \u00ab capitalisation sur la chance \u00bb, transforme subrepticement une d\u00e9marche confirmatoire rigoureuse en un exercice exploratoire guid\u00e9 par les donn\u00e9es, g\u00e9n\u00e9rant des mod\u00e8les surajust\u00e9s impossibles \u00e0 r\u00e9pliquer ind\u00e9pendamment.<\/p>\n Une seconde controverse majeure concerne l’utilisation dogmatique des seuils d’ajustement. Plusieurs experts rappellent que les crit\u00e8res canoniques de Hu et Bentler ont \u00e9t\u00e9 calibr\u00e9s pour des mod\u00e8les tr\u00e8s sp\u00e9cifiques et des donn\u00e9es continues normales. Appliqu\u00e9s aveugl\u00e9ment \u00e0 des construits psychologiques complexes \u00e0 items multiples, ces seuils rigides conduisent fr\u00e9quemment \u00e0 rejeter des questionnaires cliniquement tr\u00e8s valides ou \u00e0 privil\u00e9gier des \u00e9chelles compos\u00e9es d’items quasi pl\u00e9onastiques qui maximisent artificiellement la coh\u00e9rence statistique interne.<\/p>\n Enfin, l’AFC est contest\u00e9e sur le plan th\u00e9orique par les partisans de l’approche des r\u00e9seaux psychologiques (notamment Denny Borsboom). Ces derniers soutiennent que les troubles mentaux ne proc\u00e8dent pas n\u00e9cessairement d’une variable latente commune agissant comme une cause sous-jacente, mais r\u00e9sultent plut\u00f4t d’un r\u00e9seau de causalit\u00e9s r\u00e9ciproques et d’interactions directes entre sympt\u00f4mes observables (par exemple, l’insomnie g\u00e9n\u00e9rant la fatigue, laquelle entra\u00eene la perte de motivation).<\/p>\n La confusion entre diff\u00e9rentes techniques d’analyse de donn\u00e9es est r\u00e9pandue. Voici les distinctions cl\u00e9s qu’il convient de maintenir :<\/p>\n L’analyse factorielle confirmatoire est un instrument d’inf\u00e9rence statistique majeur destin\u00e9 \u00e0 v\u00e9rifier si une structure th\u00e9orique formul\u00e9e a priori<\/em> concorde fid\u00e8lement avec les covariances observ\u00e9es dans un \u00e9chantillon empirique. Elle offre le standard m\u00e9thodologique le plus rigoureux pour tester la validit\u00e9 de construit des instruments d’\u00e9valuation psychom\u00e9trique.<\/p>\n Son ex\u00e9cution requiert une r\u00e9flexion pouss\u00e9e lors de la phase de conception : d\u00e9finition rigoureuse du mod\u00e8le, choix d’estimateurs robustes adapt\u00e9s \u00e0 la m\u00e9trique des donn\u00e9es (continues ou ordinales), \u00e9valuation multicrit\u00e8re de l’ajustement global (CFI, TLI, RMSEA, SRMR) et r\u00e9sistance \u00e0 la tentation du bricolage exploratoire via les indices de modification.<\/p>\n Enfin, sa capacit\u00e9 unique \u00e0 tester formellement l’invariance de mesure en fait un passage oblig\u00e9 dans toute recherche d\u00e9veloppementale longitudinale et dans toute \u00e9tude psychologique transnationale soucieuse d’\u00e9viter les biais comparatifs.<\/p>\n D\u00e9couvrez l’analyse factorielle confirmatoire (AFC\/CFA) en psychologie : principes th\u00e9oriques, calculs d’ajustement, applications cliniques et r\u00e8gles d’invariance.<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","categories":[1881,2,4225],"tags":[39193,689,312,39194,16,271],"class_list":["post-23146","psych_term","type-psych_term","status-publish","hentry","category-methodologie-de-la-recherche","category-psychometrie","category-statistiques-psychologiques","tag-afc","tag-analyse-factorielle-confirmatoire","tag-invariance-de-mesure","tag-modelisation-equations-structurelles","tag-psychometrie","tag-validite-de-construit"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/23146","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_term"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/23146\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=23146"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=23146"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=23146"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. \u00c9tymologie et origines linguistiques<\/h3>\n
3. Prononciation et forme grammaticale<\/h3>\n
4. Explication conceptuelle d\u00e9taill\u00e9e<\/h3>\n
5. \u00c9volution historique<\/h3>\n
6. Fondements th\u00e9oriques<\/h3>\n
7. Composantes cl\u00e9s, typologies et dimensions<\/h3>\n
\n
8. Exemples et cas illustratifs<\/h3>\n
9. Mesure, estimation et indices d’ajustement<\/h3>\n
\n
10. Applications et pertinence pratique<\/h3>\n
11. Recherche et donn\u00e9es empiriques<\/h3>\n
12. Consid\u00e9rations culturelles et interculturelles<\/h3>\n
\n
13. Critiques, controverses et limites<\/h3>\n
14. Termes connexes et distinctions fondamentales<\/h3>\n
\n
15. R\u00e9sum\u00e9 et points cl\u00e9s<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n
\n