Dans la d\u00e9marche hypoth\u00e9tico-d\u00e9ductive qui structure la recherche contemporaine en psychologie et en sciences du comportement, la gestion de l’incertitude statistique constitue le pivot sur lequel repose toute inf\u00e9rence scientifique. Le taux d’erreur par comparaison incarne le seuil fondamental de tol\u00e9rance face aux faux positifs, d\u00e9terminant avec quelle rigueur une hypoth\u00e8se sp\u00e9cifique est d\u00e9clar\u00e9e statistiquement significative. Comprendre ses m\u00e9canismes, ses fondements math\u00e9matiques et ses interactions avec le risque d’erreur global repr\u00e9sente un pr\u00e9requis m\u00e9thodologique indispensable pour tout chercheur soucieux d’\u00e9viter les d\u00e9rives de l’inflation de l’erreur et de pr\u00e9server la r\u00e9plicabilit\u00e9 des donn\u00e9es empiriques.<\/p>\n
Le taux d’erreur par comparaison<\/strong> (fr\u00e9quemment d\u00e9sign\u00e9 par le sigle anglophone CER<\/em> pour Comparison-wise Error Rate<\/em> ou PCER<\/em> pour Per-Comparison Error Rate<\/em>) repr\u00e9sente la probabilit\u00e9 de commettre une erreur de premi\u00e8re esp\u00e8ce lors de la r\u00e9alisation d’un test statistique individuel sp\u00e9cifique, sous l’hypoth\u00e8se que l’hypoth\u00e8se nulle associ\u00e9e \u00e0 cette comparaison particuli\u00e8re est strictement vraie. En d’autres termes, il quantifie le risque alpha (erreur de type I<\/a>) allou\u00e9 de mani\u00e8re isol\u00e9e \u00e0 un contraste, une corr\u00e9lation ou une confrontation unitaire de moyennes, ind\u00e9pendamment du nombre total de tests r\u00e9alis\u00e9s au sein de l’\u00e9tude globale.<\/p>\n Dans le paradigme classique de l’inf\u00e9rence de Neyman-Pearson, ce taux est conventionnellement fix\u00e9 a priori<\/em> par l’exp\u00e9rimentateur, le plus souvent \u00e0 la valeur nominale de 0,05 (α = 5 %). Cela signifie que pour chaque analyse isol\u00e9e, le chercheur accepte une probabilit\u00e9 de 5 % de rejeter \u00e0 tort l’absence de diff\u00e9rence ou d’effet. Contrairement au taux d’erreur par famille d’hypoth\u00e8ses, qui agr\u00e8ge et cumule ce risque sur un ensemble de comparaisons simultan\u00e9es, le taux d’erreur par comparaison \u00e9value la stricte validit\u00e9 probabiliste de l’\u00e9preuve analytique prise isol\u00e9ment, sans correction compensatoire li\u00e9e \u00e0 la multiplicit\u00e9<\/span>.<\/p>\n L’expression d\u00e9coule directement du vocabulaire inf\u00e9rentiel forg\u00e9 au cours du vingti\u00e8me si\u00e8cle par la biom\u00e9trie et les sciences agronomiques anglo-saxonnes. Le substantif \u00ab taux \u00bb proc\u00e8de du bas latin taxare<\/em>, signifiant \u00ab \u00e9valuer \u00bb, \u00ab fixer une valeur \u00bb ou \u00ab estimer avec rigueur \u00bb. Le terme \u00ab erreur \u00bb trouve sa source dans le latin classique error<\/em> (\u00ab errance \u00bb, \u00ab fausse route \u00bb, \u00ab \u00e9garement \u00bb), employ\u00e9 ici au sens \u00e9pist\u00e9mique d’un jugement non conforme \u00e0 la r\u00e9alit\u00e9 sous-jacente de la population m\u00e8re.<\/p>\n La pr\u00e9cision \u00ab par comparaison \u00bb d\u00e9rive du latin comparatio<\/em>, issu du verbe comparare<\/em> (\u00ab accoupler \u00bb, \u00ab mettre en parall\u00e8le \u00bb, \u00ab confronter deux \u00e9l\u00e9ments \u00bb). Dans le contexte \u00e9pist\u00e9mologique de la psychologie diff\u00e9rentielle et exp\u00e9rimentale, la formule est venue formaliser la distinction n\u00e9cessaire entre l’\u00e9valuation locale d’un contraste singulier et la gestion probabiliste globale d’un protocole complexe comportant de multiples facettes d’observation. Elle a \u00e9t\u00e9 stabilis\u00e9e dans la litt\u00e9rature francophone en traduction directe des concepts canoniques de Tukey et de ses pairs des ann\u00e9es 1950.<\/p>\n Sur le plan phon\u00e9tique et grammatical, le syntagme s’\u00e9nonce \/to d\u025b.\u0281\u0153\u0281 pa\u0281 k\u0254\u0303.pa.\u0281\u025b.z\u0254\u0303\/ en fran\u00e7ais standard. Il s’agit d’une locution nominale masculine singuli\u00e8re. Dans les \u00e9crits statistiques et psychom\u00e9triques, on rencontre parfois les variantes synonymiques \u00ab risque d’erreur par comparaison \u00bb, \u00ab taux d’erreur par test unitaire \u00bb ou \u00ab taux d’erreur individuel \u00bb.<\/p>\n Au pluriel, l’expression devient \u00ab taux d’erreur par comparaison \u00bb (le mot \u00ab taux \u00bb \u00e9tant invariable en genre et en nombre, tandis que \u00ab comparaison \u00bb peut prendre la marque du pluriel selon que l’on insiste sur l’ensemble des comparaisons distinctes ou sur la modalit\u00e9 distributive). L’abr\u00e9viation technique usuelle dans les revues acad\u00e9miques fran\u00e7aises alterne entre le symbole αC<\/sub> (α de comparaison) et l’acronyme h\u00e9rit\u00e9 de la litt\u00e9rature internationale, PCER.<\/p>\n Pour appr\u00e9hender la port\u00e9e \u00e9pist\u00e9mologique du taux d’erreur par comparaison, il convient de replacer l’inf\u00e9rence statistique dans son cadre d\u00e9cisionnel standard. Lorsque des chercheurs examinent l’efficacit\u00e9 d’une nouvelle th\u00e9rapie cognitive et comportementale en confrontant plusieurs groupes (par exemple : groupe contr\u00f4le sous liste d’attente, groupe sous traitement standard et groupe sous protocole innovant), ils proc\u00e8dent \u00e0 des tests d’hypoth\u00e8ses pour d\u00e9terminer si les variations observ\u00e9es sur les scores d’anxi\u00e9t\u00e9 refl\u00e8tent de v\u00e9ritables effets psychologiques ou de simples fluctuations d’\u00e9chantillonnage.<\/p>\n Lorsqu’un chercheur formule une hypoth\u00e8se nulle sp\u00e9cifique (not\u00e9e H0<\/sub> : μ1<\/sub> = μ2<\/sub>), le taux d’erreur par comparaison correspond exactement \u00e0 la probabilit\u00e9 conditionnelle α = P(Rejeter H0<\/sub> | H0<\/sub> est vraie). Ce param\u00e8tre d\u00e9finit la surface critique de la distribution d’\u00e9chantillonnage au-del\u00e0 de laquelle la statistique observ\u00e9e (par exemple un t de Student ou un F de Fisher) est consid\u00e9r\u00e9e comme suffisamment invraisemblable pour justifier l’abandon de l’hypoth\u00e8se de nullit\u00e9. La caract\u00e9ristique d\u00e9terminante du taux d’erreur par comparaison est son \u00e9tanch\u00e9it\u00e9 th\u00e9orique : il est calcul\u00e9 comme si chaque test constituait un univers d\u00e9cisionnel herm\u00e9tique<\/span>.<\/p>\n Cependant, ce cloisonnement conceptuel g\u00e9n\u00e8re une tension fondamentale d\u00e8s lors qu’un protocole exp\u00e9rimental engendre plusieurs comparaisons. Si une recherche implique trois groupes, elle suscite trois comparaisons deux \u00e0 deux ind\u00e9pendantes ou partiellement redondantes. Si chaque test est conduit avec un taux d’erreur par comparaison αC<\/sub> = 0,05, la probabilit\u00e9 de ne commettre aucune erreur de premi\u00e8re esp\u00e8ce sur l’ensemble des trois tests orthogonaux s’\u00e9tablit \u00e0 (1 – 0,05)3<\/sup> = 0,953<\/sup> ≈ 0,857. Par cons\u00e9quent, la probabilit\u00e9 d’observer au moins un faux positif s’\u00e9l\u00e8ve \u00e0 1 – 0,857 = 0,143, soit plus de 14 %<\/span>.<\/p>\n Le taux d’erreur par comparaison doit donc \u00eatre rigoureusement distingu\u00e9 de cette inflation globale. Alors que le taux d’erreur par famille (FWER, Family-Wise Error Rate<\/em>) surveille le risque agr\u00e9g\u00e9 sur la collection enti\u00e8re d’hypoth\u00e8ses, le taux d’erreur par comparaison se focalise exclusivement sur la sensibilit\u00e9 analytique de la confrontation unitaire. Choisir de maintenir le taux d’erreur par comparaison \u00e0 son niveau nominal sans ajustement garantit une puissance statistique maximale pour chaque contraste individuel, mais expose l’exp\u00e9rimentateur \u00e0 un accroissement proportionnel du nombre de d\u00e9couvertes fallacieuses \u00e0 l’\u00e9chelle du projet scientifique dans son ensemble.<\/p>\n La formalisation du taux d’erreur par comparaison s’inscrit dans l’histoire des controverses fondatrices de la statistique inf\u00e9rentielle<\/a> durant la premi\u00e8re moiti\u00e9 du vingti\u00e8me si\u00e8cle. Initialement, les travaux pionniers de Ronald A. Fisher<\/a> dans les ann\u00e9es 1920 et 1930 introduisent le concept de seuil de signification (le fameux p < 0,05) con\u00e7u comme un indicateur informel de la force de la preuve contre l’hypoth\u00e8se nulle pour une exp\u00e9rience donn\u00e9e, sans th\u00e9oriser de mani\u00e8re stricte la multiplication s\u00e9rielle des contrastes<\/span>.<\/p>\n C’est avec l’av\u00e8nement du mod\u00e8le d\u00e9cisionnel de Jerzy Neyman et Egon Pearson \u00e0 la fin des ann\u00e9es 1920 que la notion d’erreur de premi\u00e8re esp\u00e8ce acquiert un statut quantitatif rigide, d\u00e9fini comme un taux de rejet erron\u00e9 \u00e0 long terme dans le cadre de tests r\u00e9p\u00e9t\u00e9s. Toutefois, ces pionniers raisonnaient principalement sur l’ex\u00e9cution d’un test unique opposant une hypoth\u00e8se nulle \u00e0 une hypoth\u00e8se alternative bien formul\u00e9e.<\/p>\n L’essor de l’analyse de la variance<\/a> (ANOVA) et son adoption massive par la psychologie exp\u00e9rimentale am\u00e9ricaine au sortir de la Seconde Guerre mondiale mirent en lumi\u00e8re une lacune m\u00e9thodologique majeure : le rejet d’une hypoth\u00e8se nulle globale (affirmant l’\u00e9galit\u00e9 g\u00e9n\u00e9rale de plusieurs moyennes) n\u00e9cessitait des analyses compl\u00e9mentaires dites post hoc<\/em> pour localiser pr\u00e9cis\u00e9ment les diff\u00e9rences de moyennes. Des statisticiens \u00e9minents tels que John Tukey, Henry Scheff\u00e9, David Duncan et Charles Dunnett d\u00e9montr\u00e8rent, d\u00e8s les ann\u00e9es 1950, que l’utilisation r\u00e9p\u00e9t\u00e9e du t de Student classique au taux nominal par comparaison entra\u00eenait une explosion catastrophique des faux positifs.<\/p>\n John Tukey proposa explicitement de distinguer le taux d’erreur par comparaison du taux d’erreur par famille d’exp\u00e9riences (experiment-wise error rate<\/em>). Cette p\u00e9riode a marqu\u00e9 le d\u00e9but d’un d\u00e9bat persistant : fallait-il assujettir chaque question de recherche \u00e0 la rigueur punitive des corrections familiales, ou pr\u00e9server l’autonomie du taux d’erreur par comparaison lorsque les hypoth\u00e8ses \u00e9taient planifi\u00e9es a priori<\/em> sur une base th\u00e9orique forte ? Dans les d\u00e9cennies 1970 et 1980, des auteurs comme Kirk et Keppel ont th\u00e9oris\u00e9 les conditions sous lesquelles le taux par comparaison pouvait \u00eatre maintenu sans correction, fixant les r\u00e8gles de l’art qui guident encore la recherche contemporaine en psychom\u00e9trie et en neurosciences.<\/p>\n Les fondements th\u00e9oriques du taux d’erreur par comparaison reposent sur la th\u00e9orie des probabilit\u00e9s appliqu\u00e9es aux espaces d\u00e9cisionnels et sur la distribution th\u00e9orique des estimateurs. Lorsqu’une variable al\u00e9atoire continue est mesur\u00e9e au sein d’\u00e9chantillons ind\u00e9pendants tir\u00e9s de populations gaussiennes, la statistique de test associ\u00e9e suit une distribution d’\u00e9chantillonnage connue (telle que la distribution de Student ou la distribution standardis\u00e9e normale).<\/p>\n La r\u00e9gulation du taux d’erreur par comparaison s’\u00e9tablit par l’interm\u00e9diaire de la fonction d’efficacit\u00e9 du test. Si l’on d\u00e9signe par θ le param\u00e8tre r\u00e9el de la population et par Θ0<\/sub> l’espace d\u00e9limit\u00e9 par l’hypoth\u00e8se nulle, le taux d’erreur par comparaison est formellement sp\u00e9cifi\u00e9 par :<\/p>\n αC<\/sub> = supθ ∈ Θ0<\/sub><\/sub> Pθ<\/sub>(Rejeter H0<\/sub>)<\/em><\/span><\/p>\n Cette formulation indique que le taux par comparaison repr\u00e9sente la borne sup\u00e9rieure de la probabilit\u00e9 de commettre un faux positif lorsque l’\u00e9tat r\u00e9el du ph\u00e9nom\u00e8ne rel\u00e8ve de l’hypoth\u00e8se nulle. Dans cette optique, l’ancrage th\u00e9orique du taux par comparaison privil\u00e9gie la protection locale de l’inf\u00e9rence. L’unit\u00e9 d’analyse fondamentale est la proposition th\u00e9orique singuli\u00e8re : l’exp\u00e9rimentateur \u00e9value si une affirmation pr\u00e9cise (par exemple, \u00ab les participants priv\u00e9s de sommeil ont un temps de r\u00e9action moyen plus long que les participants t\u00e9moins \u00bb) est \u00e9tay\u00e9e par les donn\u00e9es avec un risque d’erreur contr\u00f4l\u00e9.<\/p>\n Sur le plan \u00e9pist\u00e9mologique, ce positionnement s’adosse au faillibilisme popp\u00e9rien appliqu\u00e9 \u00e0 petite \u00e9chelle. Chaque test d’hypoth\u00e8se constitue une tentative de r\u00e9futation d’une proposition nulle isol\u00e9e. L’argumentaire en faveur de la conservation du taux d’erreur par comparaison postule que p\u00e9naliser un test sp\u00e9cifique en raison du nombre d’autres questions investigu\u00e9es dans le m\u00eame laboratoire ou le m\u00eame article rel\u00e8ve d’un artifice m\u00e9thodologique qui fausse le rapport de vraisemblance entre les donn\u00e9es empiriques et l’hypoth\u00e8se examin\u00e9e.<\/p>\n Pour d\u00e9limiter pr\u00e9cis\u00e9ment l’usage et les implications du taux d’erreur par comparaison, il est n\u00e9cessaire de le d\u00e9composer selon ses interactions et ses contrastes op\u00e9rationnels :<\/p>\n Consid\u00e9rons une investigation clinique en neuropsychologie \u00e9valuant les effets de quatre interventions de rem\u00e9diation cognitive distinctes sur la flexibilit\u00e9 mentale de patients ayant subi un traumatisme cr\u00e2nien l\u00e9ger. L’\u00e9chantillon est r\u00e9parti en cinq groupes : un groupe contr\u00f4le sans traitement actif (G0) et quatre groupes exp\u00e9rimentaux (G1 : entra\u00eenement informatis\u00e9, G2 : m\u00e9diation m\u00e9tacognitive, G3 : stimulation combin\u00e9e, G4 : activit\u00e9 a\u00e9robie structur\u00e9e). L’analyste pr\u00e9voit de comparer chacun des quatre groupes exp\u00e9rimentaux au groupe contr\u00f4le.<\/p>\n Si l’analyste d\u00e9cide d’op\u00e9rer au niveau du taux d’erreur par comparaison<\/em>, il applique \u00e0 chaque contraste (G1 vs G0, G2 vs G0, G3 vs G0, G4 vs G0) un seuil critique standard de αC<\/sub> = 0,05. Supposons que pour le contraste G2 vs G0, la valeur p observ\u00e9e soit de 0,038. Selon l’approche par comparaison, ce r\u00e9sultat est proclam\u00e9 statistiquement significatif au seuil de 5 %. Le clinicien conclut que la m\u00e9diation m\u00e9tacognitive produit un gain notable par rapport \u00e0 l’absence de prise en charge, avec un risque r\u00e9siduel de 5 % que cette diff\u00e9rence r\u00e9sulte du seul hasard d’\u00e9chantillonnage<\/span>.<\/p>\n En revanche, si l’on examine la situation sous l’angle du taux d’erreur par famille, la probabilit\u00e9 cumul\u00e9e de d\u00e9clarer \u00e0 tort au moins une intervention efficace alors qu’aucune ne le serait s’\u00e9l\u00e8ve \u00e0 1 – (1 – 0,05)4<\/sup> = 1 – 0,954<\/sup> ≈ 0,185 (soit 18,5 %). Si une correction de Bonferroni<\/a> \u00e9tait exig\u00e9e, le seuil ajust\u00e9 par comparaison tomberait \u00e0 0,05 \/ 4 = 0,0125. Dans ce sc\u00e9nario corrig\u00e9, la valeur p de 0,038 serait jug\u00e9e non significative, illustrant le dilemme : l’adoption rigide du taux par comparaison pr\u00e9serve la sensibilit\u00e9 clinique locale mais majore l’incertitude d\u00e9cisionnelle \u00e0 l’\u00e9chelle du projet global<\/span>.<\/p>\n Un autre exemple typique concerne les \u00e9tudes observationnelles en psychologie de la personnalit\u00e9. Lorsqu’un inventaire mesurant les cinq grands facteurs de la personnalit\u00e9 (mod\u00e8le du Big Five) est corr\u00e9l\u00e9 avec dix indicateurs d’adaptation professionnelle, un total de 50 coefficients de corr\u00e9lation de Pearson est calcul\u00e9. \u00c9valuer chacune de ces 50 corr\u00e9lations au taux d’erreur par comparaison de 0,05 conduit math\u00e9matiquement \u00e0 esp\u00e9rer en moyenne 50 × 0,05 = 2,5 corr\u00e9lations \u00ab statistiquement significatives \u00bb par pur bruit al\u00e9atoire, m\u00eame si la matrice de corr\u00e9lation th\u00e9orique sous-jacente est rigoureusement nulle<\/span>.<\/p>\n Le contr\u00f4le et l’\u00e9valuation du taux d’erreur par comparaison s’op\u00e8rent par le calcul exact de la valeur p (ou probabilit\u00e9 critique) associ\u00e9e \u00e0 la statistique d’\u00e9preuve observ\u00e9e. La r\u00e8gle de d\u00e9cision s’\u00e9nonce selon un algorithme binaire strict : si la valeur p empirique calcul\u00e9e \u00e0 partir des donn\u00e9es d’\u00e9chantillon est inf\u00e9rieure ou \u00e9gale au taux d’erreur nominal choisi (αC<\/sub>), l’hypoth\u00e8se nulle est rejet\u00e9e en faveur de l’hypoth\u00e8se alternative.<\/p>\n La formule reliant le taux d’erreur par comparaison (αC<\/sub>) au taux d’erreur par famille (αF<\/sub>), sous la condition stricte que les k comparaisons soient mutuellement ind\u00e9pendantes (orthogonalit\u00e9 parfaite), s’\u00e9crit :<\/p>\n αF<\/sub> = 1 – (1 – αC<\/sub>)k<\/sup><\/em><\/span><\/p>\n R\u00e9ciproquement, si un chercheur souhaite garantir un taux d’erreur par famille pr\u00e9d\u00e9termin\u00e9 (αF<\/sub>) tout en calculant le taux d’erreur par comparaison requis pour chaque test unitaire, il peut appliquer la correction exacte de Sid\u00e1k :<\/p>\n αC<\/sub> = 1 – (1 – αF<\/sub>)1\/k<\/sup><\/em><\/span><\/p>\n Dans les situations o\u00f9 l’ind\u00e9pendance parfaite des tests n’est pas v\u00e9rifi\u00e9e \u2014 ce qui repr\u00e9sente la norme quasi absolue en psychologie clinique, diff\u00e9rentielle ou cognitive, en raison de l’intercorr\u00e9lation intrins\u00e8que des mesures comportementales \u2014, la relation exacte c\u00e8de le pas \u00e0 l’in\u00e9galit\u00e9 de Boole-Bonferroni, qui offre une borne sup\u00e9rieure conservatrice :<\/p>\n αF<\/sub> ≤ ∑i=1<\/sub>k<\/sup> αC,i<\/sub> = k × αC<\/sub><\/em><\/span><\/p>\n Pour \u00e9valuer si le taux d’erreur par comparaison effectif respecte le seuil nominal, les m\u00e9thodologues utilisent massivement des simulations de Monte Carlo. Ces proc\u00e9dures g\u00e9n\u00e8rent des dizaines de milliers d’\u00e9chantillons al\u00e9atoires sous l’hypoth\u00e8se nulle exacte, calculent la statistique d’int\u00e9r\u00eat sur chaque r\u00e9plique et d\u00e9nombrent la proportion d’\u00e9preuves d\u00e9passant le seuil critique. Si la proportion simul\u00e9e s’\u00e9carte significativement de la valeur nominale vis\u00e9e, le test est qualifi\u00e9 de lib\u00e9ral (s’il produit trop de faux rejets) ou de conservateur (s’il en produit moins que pr\u00e9vu, r\u00e9duisant d’autant la puissance du test).<\/p>\n La d\u00e9cision de s’en tenir au taux d’erreur par comparaison sans introduire d’ajustements correctifs intervient dans plusieurs contextes fondamentaux de la pratique psychologique et psychom\u00e9trique :<\/p>\n En premier lieu, le taux d’erreur par comparaison est formellement recommand\u00e9 lors des analyses confirmatoires reposant sur des hypoth\u00e8ses planifi\u00e9es a priori<\/em>. Lorsqu’un protocole exp\u00e9rimental est rigoureusement ancr\u00e9 dans un mod\u00e8le th\u00e9orique pr\u00e9existant et qu’un nombre restreint de contrastes sp\u00e9cifiques a \u00e9t\u00e9 pr\u00e9enregistr\u00e9, appliquer des corrections destin\u00e9es aux explorations fortuites p\u00e9nalise injustement le chercheur en effondrant sa puissance statistique. Dans cette configuration, chaque test r\u00e9pond \u00e0 une interrogation conceptuelle distincte et autonome, justifiant le maintien du taux individuel \u00e0 son niveau conventionnel de 5 %.<\/p>\n En deuxi\u00e8me lieu, dans les phases pr\u00e9coces de la recherche clinique ou du d\u00e9veloppement pharmacologique et th\u00e9rapeutique (\u00e9tudes pilotes de phase I et II), la priorit\u00e9 m\u00e9thodologique est souvent invers\u00e9e. L’objectif cardinal consiste \u00e0 \u00e9viter l’erreur de seconde esp\u00e8ce (erreur b\u00eata), c’est-\u00e0-dire l’omission d’un effet potentiellement b\u00e9n\u00e9fique mais modeste. Les m\u00e9thodologistes privil\u00e9gient alors le maintien du taux d’erreur par comparaison \u00e0 0,05, voire tol\u00e8rent des seuils plus \u00e9lev\u00e9s, afin de maximiser la sensibilit\u00e9 du crible diagnostique ou th\u00e9rapeutique, quitte \u00e0 \u00e9liminer les faux positifs lors d’investigations confirmatoires ult\u00e9rieures de plus grande envergure.<\/p>\n En troisi\u00e8me lieu, dans le cadre de la construction et de la validation transculturelle d’outils d’\u00e9valuation psychom\u00e9trique, l’analyse d’invariance de mesure \u00e0 travers divers groupes culturels ou sociod\u00e9mographiques am\u00e8ne \u00e0 tester de multiples param\u00e8tres d’items (seuils, charges factorielles, r\u00e9sidus). Bien que des strat\u00e9gies globales existent, de nombreux praticiens examinent chaque indice de modification au taux d’erreur par comparaison afin de d\u00e9tecter avec une finesse clinique maximale les items pr\u00e9sentant un fonctionnement diff\u00e9rentiel susceptible de biaiser le diagnostic d’un individu.<\/p>\n L’usage du taux d’erreur par comparaison a fait l’objet d’intenses d\u00e9bats empiriques, particuli\u00e8rement aliment\u00e9s par la crise de la r\u00e9plicabilit\u00e9 qui a frapp\u00e9 la psychologie exp\u00e9rimentale et sociale \u00e0 partir du d\u00e9but des ann\u00e9es 2010. Les travaux fondateurs de Simmons, Nelson et Simonsohn (2011) sur les \u00ab degr\u00e9s de libert\u00e9 non d\u00e9clar\u00e9s des chercheurs \u00bb (researcher degrees of freedom<\/em>) ont document\u00e9 de mani\u00e8re spectaculaire comment l’\u00e9valuation d’une multitude de combinaisons de variables d\u00e9pendantes et de conditions exp\u00e9rimentales au taux d’erreur individuel par comparaison non corrig\u00e9 permettait d’atteindre un taux de faux positifs effectif sup\u00e9rieur \u00e0 60 % pour une seule et m\u00eame publication, tout en affichant formellement des p < 0,05 irr\u00e9prochables<\/span>.<\/p>\n Des r\u00e9analyses massives conduites dans le cadre de l’Open Science Collaboration<\/em> (2015) ont r\u00e9v\u00e9l\u00e9 que les \u00e9tudes ayant conduit de nombreuses comparaisons sans ajustement pr\u00e9sentaient les taux de r\u00e9plication empirique les plus faibles lors de tentatives de reconduction ind\u00e9pendante. Ces donn\u00e9es ont confirm\u00e9 les avertissements historiques \u00e9mis d\u00e8s 1994 par Jacob Cohen dans son article canonique \u00ab The Earth is Round (p < .05) \u00bb, o\u00f9 il fustigeait l’illusion de certitude conf\u00e9r\u00e9e par l’examen isol\u00e9 de contrastes statistiques d\u00e9pourvus de perspective globale sur la taille de l’effet et la probabilit\u00e9 a priori<\/em> des hypoth\u00e8ses formul\u00e9es<\/span>.<\/p>\n Parall\u00e8lement, la recherche en biostatistique computationnelle et en g\u00e9nomique comportementale (notamment les \u00e9tudes d’association \u00e0 l’\u00e9chelle du g\u00e9nome ou GWAS, reliant des polymorphismes g\u00e9n\u00e9tiques \u00e0 des traits psychopathologiques comme la schizophr\u00e9nie ou les troubles du spectre autistique) a apport\u00e9 la d\u00e9monstration d\u00e9finitive de l’inad\u00e9quation du taux par comparaison brut dans les contextes \u00e0 haute dimensionnalit\u00e9. Avec un million de comparaisons simultan\u00e9es, un taux d’erreur par comparaison conventionnel de 0,05 g\u00e9n\u00e8re m\u00e9caniquement 50 000 faux positifs. Ce constat a conduit \u00e0 la normalisation de seuils par comparaison extr\u00eamement s\u00e9v\u00e8res, abaiss\u00e9s \u00e0 p < 5 × 10-8<\/sup> dans ces disciplines, d\u00e9montrant l’extr\u00eame plasticit\u00e9 et la contingence m\u00e9thodologique du seuil par test en fonction de la structure des donn\u00e9es explor\u00e9es<\/span>.<\/p>\n La tol\u00e9rance et la pr\u00e9f\u00e9rence accord\u00e9es au taux d’erreur par comparaison varient sensiblement d’un champ disciplinaire \u00e0 un autre, refl\u00e9tant des traditions \u00e9pist\u00e9mologiques et des contraintes pratiques h\u00e9t\u00e9rog\u00e8nes. En psychologie cognitive exp\u00e9rimentale, caract\u00e9ris\u00e9e par des protocoles intra-sujets tr\u00e8s standardis\u00e9s et des hypoth\u00e8ses pr\u00e9dictives tr\u00e8s pointues issues de mod\u00e9lisations computationnelles, l’utilisation du taux d’erreur par comparaison pour tester des contrastes pr\u00e9d\u00e9finis sans correction punitive demeure largement accept\u00e9e et d\u00e9fendue.<\/p>\n \u00c0 l’oppos\u00e9, la recherche biom\u00e9dicale, l’\u00e9pid\u00e9miologie psychiatrique et la recherche clinique \u00e9valu\u00e9e par les organismes de r\u00e9gulation (comme l’Agence Europ\u00e9enne des M\u00e9dicaments ou la FDA am\u00e9ricaine) imposent une r\u00e9gulation stricte du taux d’erreur par famille pour tout essai clinique contr\u00f4l\u00e9 randomis\u00e9 comportant des crit\u00e8res de jugement multiples ou des analyses en sous-groupes. Dans ces contextes o\u00f9 la mise sur le march\u00e9 d’une mol\u00e9cule ou l’homologation d’une th\u00e9rapie engage la sant\u00e9 publique et la s\u00e9curit\u00e9 des patients, le risque associ\u00e9 \u00e0 un faux positif est jug\u00e9 disproportionnellement plus dommageable qu’un faux n\u00e9gatif.<\/p>\n Sur le plan international, les communaut\u00e9s scientifiques adoptent \u00e9galement des sensibilit\u00e9s nuanc\u00e9es face aux r\u00e9formes statistiques. Si les \u00e9coles anglo-saxonnes et scandinaves ont massivement souscrit \u00e0 l’enregistrement pr\u00e9alable des protocoles (preregistration<\/em>) afin de figer les comparaisons pr\u00e9vues avant la collecte des donn\u00e9es et de l\u00e9gitimer ainsi le taux d’erreur unitaire, certaines traditions de recherche francophones ou d’Europe continentale ont maintenu une posture plus clinique et ph\u00e9nom\u00e9nologique, privil\u00e9giant la d\u00e9couverte qualitative d’effets inattendus quitte \u00e0 r\u00e9\u00e9valuer ult\u00e9rieurement la robustesse statistique des patterns \u00e9mergents.<\/p>\n L’utilisation exclusive ou non ma\u00eetris\u00e9e du taux d’erreur par comparaison concentre un ensemble de critiques \u00e9pist\u00e9mologiques substantielles :<\/p>\n Le principal reproche adress\u00e9 \u00e0 l’absence de correction porte sur le ph\u00e9nom\u00e8ne du p-hacking<\/a> ou exploration opportuniste des donn\u00e9es (data dredging<\/em>). Lorsqu’un protocole n’est pas pr\u00e9enregistr\u00e9, l’\u00e9valuation de multiples variables au taux par comparaison offre une latitude discr\u00e9tionnaire consid\u00e9rable \u00e0 l’investigateur, qui peut choisir de ne publier que les seules confrontations franchissant le seuil magique de p < 0,05 en occultant les tests n\u00e9gatifs. Ce biais de publication interne d\u00e9truit la valeur probabiliste du taux par comparaison affich\u00e9<\/span>.<\/p>\n N\u00e9anmoins, les partisans inconditionnels du taux d’erreur par comparaison soul\u00e8vent des contre-arguments tout aussi vigoureux \u00e0 l’encontre des proc\u00e9dures de contr\u00f4le familial. La critique la plus virulente souligne l’arbitraire complet qui pr\u00e9side \u00e0 la d\u00e9finition d’une \u00ab famille \u00bb de tests. Faut-il regrouper les hypoth\u00e8ses test\u00e9es au sein d’un m\u00eame tableau statistique, d’une m\u00eame section de r\u00e9sultats, d’un article complet, ou sur l’ensemble de la carri\u00e8re d’un chercheur ? Cette ind\u00e9termination rend la s\u00e9v\u00e9rit\u00e9 du seuil ajust\u00e9 enti\u00e8rement tributaire de d\u00e9cisions \u00e9ditoriales subjectives. De surcro\u00eet, le contr\u00f4le aveugle du taux familial d\u00e9grade drastiquement la puissance statistique, multipliant de mani\u00e8re alarmante les erreurs de type II (faux n\u00e9gatifs) et interdisant la d\u00e9tection d’effets th\u00e9rapeutiques ou cognitifs bien r\u00e9els mais d’intensit\u00e9 modeste.<\/p>\n Face \u00e0 cette impasse, une part croissante de la communaut\u00e9 scientifique pr\u00e9conise de d\u00e9passer la dichotomie rigide induite par le rejet ou l’acceptation fond\u00e9s sur un seuil α, pour adopter des approches centr\u00e9es sur l’estimation pr\u00e9cise des tailles d’effet accompagn\u00e9es de leurs intervalles de confiance, ou pour migrer vers l’inf\u00e9rence bay\u00e9sienne, qui substitue au contr\u00f4le fr\u00e9quentiste des faux rejets le calcul direct de la distribution a posteriori<\/em> des probabilit\u00e9s des hypoth\u00e8ses au vu des donn\u00e9es collect\u00e9es.<\/p>\n Pour clarifier sans ambigu\u00eft\u00e9 la place du taux d’erreur par comparaison dans l’arsenal conceptuel de la statistique inf\u00e9rentielle, il convient de le confronter aux notions limitrophes :<\/p>\n Le taux d’erreur par comparaison (αC<\/sub>) constitue l’\u00e9l\u00e9mentaire brique d\u00e9cisionnelle de l’inf\u00e9rence statistique fr\u00e9quentiste. Il d\u00e9limite la marge d’erreur tol\u00e9r\u00e9e lors de l’examen isol\u00e9 d’une hypoth\u00e8se singuli\u00e8re, traditionnellement \u00e9tablie \u00e0 5 % dans les sciences du comportement.<\/p>\n Sa principale vertu r\u00e9side dans la pr\u00e9servation optimale de la puissance statistique locale pour chaque question d’int\u00e9r\u00eat, \u00e9vitant l’inflation des erreurs de seconde esp\u00e8ce inh\u00e9rente aux proc\u00e9dures de correction globale. Cependant, son application indiscrimin\u00e9e \u00e0 des s\u00e9ries de tests multiples non planifi\u00e9s expose la recherche \u00e0 une prolif\u00e9ration incontr\u00f4l\u00e9e de faux positifs, compromettant gravement la r\u00e9plicabilit\u00e9 des r\u00e9sultats.<\/p>\n La gestion avis\u00e9e du taux d’erreur par comparaison requiert de la part du chercheur en psychologie une transparence m\u00e9thodologique absolue : privil\u00e9gier le taux par comparaison non corrig\u00e9 pour les contrastes confirmatoires rigoureusement pr\u00e9enregistr\u00e9s et limit\u00e9s en nombre, recourir \u00e0 des ajustements appropri\u00e9s (Bonferroni, Holm, FDR) lors des phases exploratoires ou en pr\u00e9sence de multiples crit\u00e8res de jugement, et compl\u00e9ter syst\u00e9matiquement l’analyse de signification par l’estimation rigoureuse de la taille de l’effet et de ses intervalles d’incertitude.<\/p>\n Le taux d’erreur par comparaison quantifie la probabilit\u00e9 de commettre une erreur de premi\u00e8re esp\u00e8ce lors d’un test statistique individuel. Analyse \u00e9pist\u00e9mologique et m\u00e9thodologique de ses applications en psychologie.<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","categories":[1829,2],"tags":[8393,2243,16,1834,40907,8392],"class_list":["post-24127","psych_term","type-psych_term","status-publish","hentry","category-methodologie-statistique","category-psychometrie","tag-erreur-de-type-i","tag-methodologie-de-recherche","tag-psychometrie","tag-statistique-inferentielle","tag-taux-derreur-par-comparaison","tag-tests-multiples"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/24127","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\/24127\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=24127"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=24127"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=24127"}],"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, calcul et \u00e9valuation<\/h3>\n
10. Applications et pertinence pratique<\/h3>\n
11. Recherche et donn\u00e9es empiriques<\/h3>\n
12. Consid\u00e9rations culturelles et transdisciplinaires<\/h3>\n
13. Critiques, d\u00e9bats et limites<\/h3>\n
14. Termes connexes et distinctions conceptuelles<\/h3>\n
\n
15. Synth\u00e8se et points cl\u00e9s<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n
\n