L’analyse par arbres de classification et de r\u00e9gression constitue une m\u00e9thode non param\u00e9trique d’apprentissage statistique r\u00e9volutionnaire, offrant une mod\u00e9lisation intuitive des interactions complexes et des non-lin\u00e9arit\u00e9s inh\u00e9rentes aux donn\u00e9es psychologiques et comportementales. En substituant aux \u00e9quations lin\u00e9aires classiques une d\u00e9marche algorithmique de segmentation r\u00e9cursive, cette approche permet aux chercheurs et cliniciens de visualiser des trajectoires d\u00e9cisionnelles transparentes et cliniquement interpr\u00e9tables.<\/p>\n
L’analyse par arbres de classification et de r\u00e9gression (commun\u00e9ment d\u00e9sign\u00e9e par l’acronyme CART, pour Classification and Regression Trees<\/em>) est une m\u00e9thodologie statistique d’apprentissage supervis\u00e9 non param\u00e9trique fond\u00e9e sur le partitionnement binaire r\u00e9cursif de l’espace des variables pr\u00e9dictives. Elle segmente un \u00e9chantillon h\u00e9t\u00e9rog\u00e8ne en sous-groupes mutuellement exclusifs et de plus en plus homog\u00e8nes au regard d’une variable r\u00e9ponse donn\u00e9e, qu’elle soit cat\u00e9gorielle (classification) ou continue (r\u00e9gression).<\/p>\n Dans le domaine des sciences psychologiques, l’approche CART permet d’identifier des configurations de facteurs de risque, des profils diagnostiques ou des trajectoires d’intervention sans formuler d’hypoth\u00e8ses a priori sur la normalit\u00e9 de la distribution des scores, l’homosc\u00e9dasticit\u00e9 ou la lin\u00e9arit\u00e9 des relations. L’algorithme op\u00e8re par divisions successives en s\u00e9lectionnant \u00e0 chaque \u00e9tape la variable pr\u00e9dictive et le seuil num\u00e9rique qui maximisent la r\u00e9duction d’impuret\u00e9 au sein des sous-n\u0153uds r\u00e9sultants, produisant ainsi une structure arborescente d\u00e9cisionnelle facile \u00e0 interpr\u00e9ter.<\/p>\n Contrairement aux mod\u00e8les de r\u00e9gression multiple traditionnels qui estiment des effets additifs moyens \u00e0 travers l’ensemble de la population, la m\u00e9thode CART excelle dans la d\u00e9couverte d’interactions d’ordre sup\u00e9rieur et de relations conditionnelles, ce qui en fait un outil de choix pour la psychologie diff\u00e9rentielle, la neuropsychologie et la psychiatrie computationnelle.<\/p>\n L’expression d\u00e9coule directement du cadre formalis\u00e9 en langue anglaise par les statisticiens Leo Breiman, Jerome Friedman, Richard Olshen et Charles Stone dans leur monographie s\u00e9minale de 1984 intitul\u00e9e Classification and Regression Trees<\/em>. Le terme \u00ab arbre \u00bb (du latin arbor<\/em>) fait r\u00e9f\u00e9rence \u00e0 la structure hi\u00e9rarchique de donn\u00e9es en th\u00e9orie des graphes et en informatique, compos\u00e9e d’une racine, de branches internes et de feuilles terminales, bien que repr\u00e9sent\u00e9e graphiquement invers\u00e9e, la racine figurant au sommet.<\/p>\n Le vocable \u00ab classification \u00bb provient du latin classique classis<\/em>, d\u00e9signant une division ou un ordre de citoyens, combin\u00e9 au suffixe verbal -facere<\/em> (faire), traduisant l’action de ranger des entit\u00e9s dans des cat\u00e9gories discr\u00e8tes. Le terme \u00ab r\u00e9gression \u00bb, quant \u00e0 lui, fut introduit dans le lexique statistique par Francis Galton \u00e0 la fin du XIXe si\u00e8cle \u00e0 travers son observation de la \u00ab r\u00e9gression vers la m\u00e9diocrit\u00e9 \u00bb (ou r\u00e9gression vers la moyenne) chez les descendants de parents aux traits extr\u00eames.<\/p>\n L’int\u00e9gration de cette expression dans les sciences humaines et de la sant\u00e9 francophones s’est op\u00e9r\u00e9e au tournant des ann\u00e9es 1990 et 2000, au moment o\u00f9 la psychom\u00e9trie et l’\u00e9pid\u00e9miologie clinique ont cherch\u00e9 des alternatives interpr\u00e9tables aux mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s et aux premi\u00e8res architectures de r\u00e9seaux de neurones, alors qualifi\u00e9es de bo\u00eetes noires opaques.<\/p>\n Sur le plan morphosyntaxique, l’expression \u00ab arbre de classification et de r\u00e9gression \u00bb est un syntagme nominal masculin singulier (au pluriel : \u00ab arbres de classification et de r\u00e9gression \u00bb). Dans le milieu acad\u00e9mique francophone, l’acronyme anglophone CART est tr\u00e8s largement employ\u00e9 comme substantif ou adjectif invariable, se pronon\u00e7ant phon\u00e9tiquement \/ka\u0281t\/ en fran\u00e7ais standard, ou parfois d\u00e9sign\u00e9 sous l’appellation d’\u00ab analyse CART \u00bb.<\/p>\n Dans la litt\u00e9rature sp\u00e9cialis\u00e9e de langue fran\u00e7aise, on rencontre \u00e9galement les termes \u00e9quivalents de \u00ab partitionnement r\u00e9cursif binaire \u00bb, d’\u00ab arbre de d\u00e9cision statistique \u00bb ou de \u00ab segmentation arborescente \u00bb. Le terme peut \u00eatre utilis\u00e9 pour d\u00e9signer \u00e0 la fois l’algorithme g\u00e9n\u00e9rique con\u00e7u par Breiman et ses collaborateurs, la structure de donn\u00e9es graphique obtenue apr\u00e8s ajustement, ou la strat\u00e9gie analytique globale appliqu\u00e9e \u00e0 un jeu de donn\u00e9es psychom\u00e9triques.<\/p>\n Le principe fondamental de l’analyse CART repose sur la d\u00e9composition d’un probl\u00e8me complexe de pr\u00e9diction en une suite de d\u00e9cisions binaires hi\u00e9rarchis\u00e9es, divisant it\u00e9rativement l’espace multidimensionnel des pr\u00e9dicteurs en hyper-rectangles disjoints. Le processus s’amorce au niveau du \u00ab n\u0153ud racine \u00bb, qui contient la totalit\u00e9 des participants ou observations de l’\u00e9chantillon d’\u00e9tude. L’algorithme examine exhaustivement l’ensemble des variables ind\u00e9pendantes disponibles \u2014 qu’elles soient quantitatives continues, ordinales ou cat\u00e9gorielles nominales \u2014 ainsi que l’ensemble des points de coupure possibles pour chacune d’elles.<\/p>\n \u00c0 chaque \u00e9tape de partitionnement, l’objectif consiste \u00e0 identifier la scission optimale qui g\u00e9n\u00e8re deux \u00ab n\u0153uds enfants \u00bb pr\u00e9sentant la plus grande puret\u00e9 interne relative \u00e0 la variable d’int\u00e9r\u00eat. Pour une t\u00e2che de classification (par exemple, d\u00e9terminer la pr\u00e9sence ou l’absence d’un trouble d\u00e9pressif caract\u00e9ris\u00e9), la puret\u00e9 refl\u00e8te la pr\u00e9dominance d’une seule classe diagnostique au sein du n\u0153ud. Pour une t\u00e2che de r\u00e9gression (par exemple, pr\u00e9dire le score continu \u00e0 une \u00e9chelle de bien-\u00eatre subjectif ou un temps de r\u00e9action cognitif), la puret\u00e9 se traduit par la minimisation de la variance intra-n\u0153ud.<\/p>\n Cette proc\u00e9dure est dite r\u00e9cursive parce que la m\u00eame op\u00e9ration de recherche exhaustive et de scission s’applique ind\u00e9pendamment \u00e0 chaque n\u0153ud enfant nouvellement cr\u00e9\u00e9, sans consid\u00e9rer les embranchements parall\u00e8les. Ce partitionnement se poursuit jusqu’\u00e0 l’atteinte d’un crit\u00e8re d’arr\u00eat pr\u00e9alablement d\u00e9fini, tel qu’un effectif minimal d’observations par n\u0153ud ou une diminution insuffisante de l’impuret\u00e9 globale. L’arbre ainsi d\u00e9velopp\u00e9 au maximum est souvent surajust\u00e9 (surapprentissage), capturant le bruit al\u00e9atoire propre \u00e0 l’\u00e9chantillon d’\u00e9talonnage au d\u00e9triment de la validit\u00e9 \u00e9cologique.<\/p>\n Pour rem\u00e9dier \u00e0 cette vuln\u00e9rabilit\u00e9, l’architecture CART introduit une \u00e9tape fondamentale : l’\u00e9lagage par co\u00fbt-complexit\u00e9 (cost-complexity pruning<\/em>). Cette op\u00e9ration consiste \u00e0 retrancher m\u00e9thodiquement les branches inf\u00e9rieures les moins informatives en pond\u00e9rant le gain de pr\u00e9cision empirique par une p\u00e9nalit\u00e9 li\u00e9e au nombre total de n\u0153uds terminaux. La s\u00e9lection de l’arbre final optimal s’effectue g\u00e9n\u00e9ralement par validation crois\u00e9e \u00e0 k-blocs, garantissant que le mod\u00e8le final conserve un pouvoir de g\u00e9n\u00e9ralisation robuste sur de nouvelles cohortes de patients ou de participants.<\/p>\n Chaque n\u0153ud terminal (ou \u00ab feuille \u00bb) fournit finalement une estimation concr\u00e8te : la probabilit\u00e9 a posteriori d’appartenir \u00e0 chaque classe diagnostique (en classification) ou la moyenne num\u00e9rique attendue de la variable d\u00e9pendante (en r\u00e9gression), assortie du profil pr\u00e9cis de pr\u00e9dicteurs ayant conduit \u00e0 ce r\u00e9sultat clinique particulier.<\/p>\n La gen\u00e8se des arbres de d\u00e9cision en sciences sociales remonte aux travaux pionniers de James Morgan et John Sonquist au d\u00e9but des ann\u00e9es 1960 au sein de l’Institute for Social Research de l’Universit\u00e9 du Michigan. En 1963, ils d\u00e9veloppent le programme AID (Automatic Interaction Detection<\/em>), con\u00e7u explicitement pour rep\u00e9rer des interactions statistiques entre variables sociologiques et psychologiques sans imposer la structure rigide des r\u00e9gressions param\u00e9triques.<\/p>\n Bien qu’innovant, le programme AID souffrait de limites techniques majeures, notamment une propension marqu\u00e9e au surapprentissage et une absence de crit\u00e8res rigoureux pour stopper la croissance de l’arbre. Durant les d\u00e9cennies 1970 et 1980, plusieurs \u00e9quipes de chercheurs ont tent\u00e9 d’affiner ces concepts. En informatique, Ross Quinlan a introduit l’algorithme ID3 en 1986, suivi plus tard de C4.5, ax\u00e9s sur la th\u00e9orie de l’information et le gain d’entropie dans le champ de l’intelligence artificielle symbolique naissante.<\/p>\n C’est en 1984 que Leo Breiman, Jerome Friedman, Richard Olshen et Charles Stone publient l’ouvrage de r\u00e9f\u00e9rence qui \u00e9tablit d\u00e9finitivement les fondements math\u00e9matiques rigoureux de CART. Leur contribution majeure r\u00e9side dans l’introduction du partitionnement strictement binaire, de l’indice d’impuret\u00e9 de Gini, et surtout de la proc\u00e9dure math\u00e9matique d’\u00e9lagage par co\u00fbt-complexit\u00e9 coupl\u00e9e \u00e0 la validation crois\u00e9e, r\u00e9solvant \u00e9l\u00e9gamment le dilemme du surapprentissage.<\/p>\n Dans les d\u00e9cennies 1990 et 2000, le mod\u00e8le CART est devenu l’ossature algorithmique de m\u00e9thodes d’ensemble encore plus puissantes, notamment le bagging<\/em> et les c\u00e9l\u00e8bres for\u00eats d’arbres d\u00e9cisionnels<\/a> d\u00e9velopp\u00e9es par Breiman en 2001, ainsi que les techniques de boosting introduites par Freund et Schapire. Aujourd’hui, en psychologie computationnelle et en psychiatrie de pr\u00e9cision, CART demeure un paradigme incontournable en raison de son parfait \u00e9quilibre entre puissance explicative non lin\u00e9aire et transparence clinique int\u00e9grale.<\/p>\n Sur le plan \u00e9pist\u00e9mologique et m\u00e9thodologique, l’analyse CART s’inscrit au carrefour de la th\u00e9orie statistique de la d\u00e9cision, de l’apprentissage automatique et de la psychom\u00e9trie diff\u00e9rentielle. Elle rejette le paradigme dominant des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s<\/a> selon lequel les variables exercent des effets additifs constants et ind\u00e9pendants sur l’ensemble du continuum psychologique.<\/p>\n Le fondement th\u00e9orique sous-jacent repose sur l’\u00e9quifinalit\u00e9 et la multifinalit\u00e9, deux concepts cruciaux en psychologie du d\u00e9veloppement et en psychopathologie. L’\u00e9quifinalit\u00e9 stipule que diff\u00e9rentes combinaisons de pr\u00e9curseurs \u00e9tiologiques peuvent aboutir \u00e0 une issue clinique identique : un arbre CART mod\u00e9lise ce ph\u00e9nom\u00e8ne en attribuant une \u00e9tiquette diagnostique similaire \u00e0 plusieurs feuilles terminales distinctes issues de branches divergentes. Inversement, la multifinalit\u00e9 indique qu’un m\u00eame facteur initial peut conduire \u00e0 des \u00e9tats mentaux oppos\u00e9s en fonction des variables mod\u00e9ratrices contextuelles rencontr\u00e9es le long du chemin d\u00e9cisionnel.<\/p>\n Math\u00e9matiquement, le mod\u00e8le minimise une fonction de perte globale int\u00e9grant un param\u00e8tre de r\u00e9gularisation. Pour la classification, la mesure d’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 dominante est l’indice d’impuret\u00e9 de Gini, d\u00e9fini par la formule math\u00e9matique :<\/p>\n Gini(t) = 1 – \u03a3 [p(k|t)]\u00b2<\/em><\/span><\/p>\n o\u00f9 p(k|t)<\/em> repr\u00e9sente la proportion d’observations appartenant \u00e0 la cat\u00e9gorie clinique k<\/em> pr\u00e9sente au sein du n\u0153ud t<\/em>. Lorsque toutes les observations d’un n\u0153ud partagent le m\u00eame diagnostic, l’indice vaut z\u00e9ro, attestant d’une puret\u00e9 parfaite. Pour la r\u00e9gression, l’impuret\u00e9 correspond \u00e0 la somme des carr\u00e9s des \u00e9carts \u00e0 la moyenne intra-n\u0153ud (erreur quadratique locale).<\/p>\n Sur le plan computationnel, l’algorithme est glouton (greedy algorithm<\/em>) : il effectue \u00e0 chaque embranchement le choix localement optimal qui maximise le gain d’impuret\u00e9 imm\u00e9diat, sans anticiper si une scission sous-optimale \u00e0 l’\u00e9tape pr\u00e9sente permettrait d’obtenir un gain globalement sup\u00e9rieur aux \u00e9tapes ult\u00e9rieures. C’est pr\u00e9cis\u00e9ment l’\u00e9tape ult\u00e9rieure d’\u00e9lagage global qui compense cette myopie structurelle.<\/p>\n La mise en \u0153uvre et l’interpr\u00e9tation d’une architecture CART font intervenir plusieurs concepts structurels indispensables :<\/p>\n Consid\u00e9rons une \u00e9tude clinique multicentrique en psychiatrie d’urgence cherchant \u00e0 \u00e9valuer le risque de r\u00e9cidive de passage \u00e0 l’acte suicidaire dans les 6 mois chez des adolescents hospitalis\u00e9s. Les pr\u00e9dicteurs incluent l’intensit\u00e9 de l’id\u00e9ation suicidaire mesur\u00e9e par la BDI-II de Beck<\/a>, le niveau de soutien familial per\u00e7u, l’ant\u00e9c\u00e9dent de traumatisme infantile, le degr\u00e9 d’impulsivit\u00e9 motrice et la pr\u00e9sence d’une comorbidit\u00e9 li\u00e9e \u00e0 l’usage de substances psychoactives.<\/p>\n Dans une r\u00e9gression logistique conventionnelle, ces facteurs se verraient attribuer des rapports de cotes (odds ratios) moyens additifs. L’analyse CART, en revanche, g\u00e9n\u00e8re un organigramme limpide :<\/p>\n Le n\u0153ud racine proc\u00e8de d’abord \u00e0 une dichotomisation sur l’id\u00e9ation suicidaire s\u00e9v\u00e8re. Chez les adolescents pr\u00e9sentant un score inf\u00e9rieur \u00e0 ce seuil critique, l’algorithme isole une sous-population quasi exempte de risque de r\u00e9cidive, sauf si une consommation s\u00e9v\u00e8re de substances y est adjointe. Pour les adolescents au-dessus du seuil d’id\u00e9ation, la scission suivante ne porte pas sur les substances, mais sur le soutien familial : en pr\u00e9sence d’un soutien familial \u00e9lev\u00e9, le taux de r\u00e9cidive demeure mod\u00e9r\u00e9 ; en cas d’absence de soutien familial coupl\u00e9e \u00e0 une impulsivit\u00e9 motrice \u00e9lev\u00e9e, l’arbre aboutit \u00e0 une feuille terminale o\u00f9 84 % des patients r\u00e9cidivent.<\/p>\n Un autre exemple illustratif en psychologie du travail concerne la pr\u00e9diction de l’\u00e9puisement professionnel (burnout). L’arbre de r\u00e9gression peut d\u00e9montrer qu’une charge de travail \u00e9lev\u00e9e n’entra\u00eene pas directement un score d’\u00e9puisement \u00e9motionnel accru, \u00e0 moins que le niveau d’autonomie d\u00e9cisionnelle per\u00e7ue ne soit inf\u00e9rieur \u00e0 un seuil sp\u00e9cifique, illustrant parfaitement une interaction dynamique et non compensatoire entre variables organisationnelles.<\/p>\n L’\u00e9valuation psychom\u00e9trique et statistique de la qualit\u00e9 d’un arbre CART repose sur des indices d’ad\u00e9quation et d’ajustement rigoureux, distincts selon la nature de la variable cible :<\/p>\n Pour les arbres de classification, l’exactitude globale (accuracy<\/em>) est souvent trompeuse lorsque les pr\u00e9valences cliniques sont d\u00e9s\u00e9quilibr\u00e9es. Les chercheurs recourent alors \u00e0 la matrice de confusion pour d\u00e9river la sensibilit\u00e9 diagnostique, la sp\u00e9cificit\u00e9, la valeur pr\u00e9dictive positive et la valeur pr\u00e9dictive n\u00e9gative. L’\u00e9valuation de l’aire sous la courbe ROC<\/a> (AUC-ROC) ainsi que le coefficient kappa de Cohen constituent des m\u00e9triques pr\u00e9f\u00e9rentielles pour quantifier la fid\u00e9lit\u00e9 de la discrimination entre classes pathologiques.<\/p>\n Pour les arbres de r\u00e9gression, la m\u00e9trique ma\u00eetresse est l’erreur quadratique moyenne (RMSE pour Root Mean Squared Error<\/em>) ou l’erreur absolue moyenne (MAE), associ\u00e9es au coefficient de d\u00e9termination ajust\u00e9 (R\u00b2). Ce dernier chiffre la proportion de variance de la variable psychologique expliqu\u00e9e par la typologie des feuilles terminales.<\/p>\n Dans les deux configurations, l’imp\u00e9ratif psychom\u00e9trique central r\u00e9side dans la validation crois\u00e9e (notamment la m\u00e9thode de validation crois\u00e9e \u00e0 dix blocs). Cette technique s\u00e9pare it\u00e9rativement les donn\u00e9es en sous-\u00e9chantillons d’apprentissage et de validation pour v\u00e9rifier que la structure des branches et les seuils discriminants ne constituent pas des art\u00e9facts d’\u00e9chantillonnage mais des r\u00e9gularit\u00e9s reproductibles.<\/p>\n L’utilit\u00e9 pratique de l’algorithme CART est particuli\u00e8rement f\u00e9conde en psychologie clinique et en sant\u00e9 mentale int\u00e9grative. Dans les services de triage psychiatrique et de crise, o\u00f9 les praticiens doivent prendre des d\u00e9cisions rapides et standardis\u00e9es sous pression temporelle, les arbres CART fournissent des arbres de d\u00e9cision clinique formalis\u00e9s sous forme de logigrammes simples ne n\u00e9cessitant aucun calcul informatique imm\u00e9diat au chevet du patient.<\/p>\n En psychologie scolaire et de l’\u00e9ducation, CART permet de concevoir des syst\u00e8mes d’alerte pr\u00e9coce pour rep\u00e9rer les \u00e9l\u00e8ves \u00e0 risque de d\u00e9crochage scolaire ou de phobie de l’\u00e9cole. En analysant conjointement les absences scolaires, les scores aux \u00e9valuations cognitives, l’anxi\u00e9t\u00e9 de performance et le climat familial, l’algorithme d\u00e9termine les seuils concrets d\u00e9clenchant l’allocation de ressources de soutien psycho-\u00e9ducatif individualis\u00e9.<\/p>\n En psychologie organisationnelle et des ressources humaines, l’approche permet d’explorer les motifs de d\u00e9part volontaire des employ\u00e9s ou d’identifier les combinaisons de comp\u00e9tences psychosociales qui pr\u00e9disent un leadership efficace en p\u00e9riode de restructuration. Enfin, en neuropsychologie, les arbres facilitent le diagnostic diff\u00e9rentiel entre le d\u00e9clin cognitif li\u00e9 au vieillissement normal, le trouble neurocognitif l\u00e9ger (MCI) et la maladie d’Alzheimer d\u00e9butante, en s\u00e9quen\u00e7ant de mani\u00e8re hi\u00e9rarchique les \u00e9preuves psychom\u00e9triques mn\u00e9siques et ex\u00e9cutives les plus discriminantes.<\/p>\n2. \u00c9tymologie et origine linguistique<\/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, types et dimensions<\/h3>\n
\n
8. Exemples et cas illustratifs<\/h3>\n
9. Mesure et \u00e9valuation<\/h3>\n
10. Applications et port\u00e9e pratique<\/h3>\n
11. Recherche et donn\u00e9es empiriques<\/h3>\n