{"id":25919,"date":"2026-11-08T19:35:13","date_gmt":"2026-11-08T19:35:13","guid":{"rendered":"https:\/\/french.arabpsychology.com\/?psych_term=d-prime-indice-sensibilite"},"modified":"2026-11-08T19:35:13","modified_gmt":"2026-11-08T19:35:13","slug":"d-prime-indice-sensibilite","status":"publish","type":"psych_term","link":"https:\/\/french.arabpsychology.com\/?psych_term=d-prime-indice-sensibilite","title":{"rendered":"Le d-prime : Mesurer la sensibilit\u00e9 perceptive"},"content":{"rendered":"<p>Dans le vaste champ de la psychologie exp\u00e9rimentale et de la psychophysique, la capacit\u00e9 \u00e0 distinguer avec pr\u00e9cision un stimulus pertinent au sein d&rsquo;un environnement bruit\u00e9 constitue l&rsquo;un des d\u00e9fis m\u00e9thodologiques les plus fondamentaux. Le d-prime, universellement not\u00e9 <em>d&rsquo;<\/em>, s&rsquo;impose comme la m\u00e9trique cardinale de la th\u00e9orie de la d\u00e9tection du signal, permettant d&rsquo;isoler la sensibilit\u00e9 sensorielle ou mn\u00e9sique intrins\u00e8que de l&rsquo;observateur ind\u00e9pendamment de ses penchants d\u00e9cisionnels. Cette quantification rigoureuse offre aux chercheurs un instrument d&rsquo;une remarquable \u00e9l\u00e9gance conceptuelle pour explorer les fronti\u00e8res subtiles de la perception humaine et de la cognition.<\/p>\n<h2>Le d-prime (d&rsquo;)<\/h2>\n<h3>1. D\u00e9finition concise<\/h3>\n<p>En psychophysique et en psychom\u00e9trie, le <strong>d-prime<\/strong> (not\u00e9 <em>d&rsquo;<\/em>) est une mesure statistique standardis\u00e9e \u00e9valuant la capacit\u00e9 d&rsquo;un observateur \u00e0 discriminer un signal cible au milieu d&rsquo;un bruit de fond al\u00e9atoire. Il quantifie la distance s\u00e9parant la distribution statistique du bruit pur de celle associant le signal au bruit, exprim\u00e9e en unit\u00e9s d&rsquo;\u00e9cart-type de ces distributions. Fondamentalement ind\u00e9pendant des strat\u00e9gies ou des tendances subjectives de r\u00e9ponse de l&rsquo;individu, le d-prime refl\u00e8te la sensibilit\u00e9 ou l&rsquo;acuit\u00e9 discriminative pure d&rsquo;un syst\u00e8me sensoriel ou cognitif.<\/p>\n<p>Sur le plan conceptuel, le d-prime postule que les repr\u00e9sentations internes des \u00e9v\u00e9nements perceptifs sont intrins\u00e8quement bruit\u00e9es et peuvent \u00eatre mod\u00e9lis\u00e9es par des distributions probabilistes continues, le plus souvent normales. Lorsqu&rsquo;un sujet est confront\u00e9 \u00e0 une t\u00e2che binaire de d\u00e9tection, ses d\u00e9cisions d\u00e9pendent \u00e0 la fois de la s\u00e9paration objective de ces repr\u00e9sentations c\u00e9r\u00e9brales et du crit\u00e8re d\u00e9cisionnel qu&rsquo;il adopte d\u00e9lib\u00e9r\u00e9ment ou inconsciemment. En isolant la composante perceptive de la dynamique motivationnelle, le d-prime surmonte l&rsquo;un des \u00e9cueils majeurs des mesures traditionnelles fond\u00e9es sur le simple pourcentage d&rsquo;erreurs ou de r\u00e9ussites.<\/p>\n<p>Ainsi, le d-prime fournit une \u00e9chelle d&rsquo;intervalle robuste pour quantifier l&rsquo;efficacit\u00e9 du traitement de l&rsquo;information : une valeur nulle traduit une incapacit\u00e9 absolue \u00e0 discriminer le signal du bruit (performance \u00e9quivalente au hasard), tandis qu&rsquo;une valeur \u00e9lev\u00e9e indique une discrimination quasi parfaite entre la pr\u00e9sence d&rsquo;un signal et son absence.<\/p>\n<h3>2. \u00c9tymologie et origine linguistique<\/h3>\n<p>L&rsquo;expression <strong>d-prime<\/strong> provient de la nomenclature math\u00e9matique anglo-saxonne, o\u00f9 la lettre minuscule <em>d<\/em> d\u00e9signe traditionnellement la distance ou la diff\u00e9rence (du latin <em>differentia<\/em>, d\u00e9riv\u00e9 du verbe <em>differre<\/em> signifiant \u00ab porter de c\u00f4t\u00e9, \u00eatre distinct \u00bb). L&rsquo;adjonction de l&rsquo;apostrophe ou prime (\u00ab prime \u00bb en anglais, issu du latin <em>primus<\/em>, \u00ab premier \u00bb) signale conventionnellement en math\u00e9matiques et en physique une d\u00e9rivation, une modification d&rsquo;\u00e9tat ou une normalisation d&rsquo;une variable originelle.<\/p>\n<p>Le terme a \u00e9t\u00e9 introduit au d\u00e9but des ann\u00e9es 1950 dans le cadre du d\u00e9veloppement technique des syst\u00e8mes de t\u00e9l\u00e9communication et de radar par des ing\u00e9nieurs \u00e9lectroniciens et des psycho-acousticiens am\u00e9ricains. Il visait sp\u00e9cifiquement \u00e0 normaliser la diff\u00e9rence brute des moyennes sensorielles par rapport \u00e0 la variance commune du bruit. Lors de son int\u00e9gration dans la litt\u00e9rature psychologique francophone au cours des ann\u00e9es 1960 et 1970, l&rsquo;expression a \u00e9t\u00e9 adopt\u00e9e sous la forme phon\u00e9tique \u00ab d-prime \u00bb, conservant le symbole math\u00e9matique <em>d&rsquo;<\/em> tout en \u00e9tant souvent explicit\u00e9e sous les syntagmes \u00ab indice de sensibilit\u00e9 \u00bb ou \u00ab indice de discriminabilit\u00e9 \u00bb.<\/p>\n<p>L&#8217;emprunt direct de l&rsquo;anglais s&rsquo;est stabilis\u00e9 dans la communaut\u00e9 acad\u00e9mique internationale en raison de son universalit\u00e9 dans les formules math\u00e9matiques et les logiciels d&rsquo;analyse statistique, faisant du d-prime l&rsquo;un des rares n\u00e9ologismes techniques conserv\u00e9s tels quels par les psychologues de langue fran\u00e7aise.<\/p>\n<h3>3. Prononciation et forme grammaticale<\/h3>\n<p>Sur le plan linguistique et grammatical, <strong>d-prime<\/strong> est un syntagme nominal masculin invariable. En fran\u00e7ais standard, sa transcription phon\u00e9tique s&rsquo;\u00e9tablit sous la forme \/de p\u0281im\/. \u00c0 l&rsquo;\u00e9crit, on rencontre indiff\u00e9remment l&rsquo;appellation orthographique compl\u00e8te \u00ab d-prime \u00bb (ou occasionnellement \u00ab d prime \u00bb sans trait d&rsquo;union) et le symbole typographique formalis\u00e9 <em>d&rsquo;<\/em>, ce dernier \u00e9tant invariablement imprim\u00e9 en italique dans les publications savantes conformes aux normes typographiques de l&rsquo;American Psychological Association (APA).<\/p>\n<p>Dans le discours scientifique, le terme fonctionne couramment comme nom commun (par exemple : \u00ab le d-prime calcul\u00e9 chez ce participant \u00bb) ou comme modificateur juxtapos\u00e9 d\u00e9signant une valeur scalaire (\u00ab une valeur de <em>d&rsquo;<\/em> \u00e9gale \u00e0 1,5 \u00bb). Bien que le pluriel orthographique \u00ab des d-primes \u00bb puisse se rencontrer occasionnellement dans certains \u00e9crits p\u00e9dagogiques, l&rsquo;usage acad\u00e9mique pr\u00e9dominant privil\u00e9gie l&rsquo;invariabilit\u00e9 de la notation math\u00e9matique (\u00ab les indices <em>d&rsquo;<\/em> \u00bb ou \u00ab les valeurs de d-prime \u00bb).<\/p>\n<p>Dans les textes francophones de m\u00e9thodologie, le terme est fr\u00e9quemment appos\u00e9 aux locutions \u00ab indice de sensibilit\u00e9 <em>d&rsquo;<\/em> \u00bb ou \u00ab mesure de discriminabilit\u00e9 <em>d&rsquo;<\/em> \u00bb, conf\u00e9rant ainsi au terme une double identit\u00e9 s\u00e9mantique : celle d&rsquo;un concept abstrait et celle de l&rsquo;op\u00e9rateur math\u00e9matique pr\u00e9cis qui le mat\u00e9rialise.<\/p>\n<h3>4. Explication conceptuelle d\u00e9taill\u00e9e<\/h3>\n<p>Pour appr\u00e9hender le d-prime dans toute sa complexit\u00e9, il convient d&rsquo;examiner le mod\u00e8le th\u00e9orique sous-jacent issu de la <a href=\"https:\/\/fr.wikipedia.org\/wiki\/Th%C3%A9orie_de_la_d%C3%A9tection_du_signal\">th\u00e9orie de la d\u00e9tection du signal<\/a> (TDS). Ce paradigme repose sur l&rsquo;hypoth\u00e8se ontologique selon laquelle le syst\u00e8me nerveux central ne se trouve jamais dans un \u00e9tat d&rsquo;inactivit\u00e9 ou de silence complet. M\u00eame en l&rsquo;absence de toute stimulation externe, une activit\u00e9 neuronale stochastique r\u00e9siduelle, qualifi\u00e9e de \u00ab bruit \u00bb, anime continuellement les voies sensorielles et associatives. Lorsqu&rsquo;un stimulus r\u00e9el est pr\u00e9sent\u00e9 dans l&rsquo;environnement, l&rsquo;effet neuronal induit s&rsquo;ajoute simplement \u00e0 ce bruit de fond pr\u00e9existant. D\u00e8s lors, le cerveau ne traite jamais une information absolue, mais compare en permanence un \u00e9tat \u00ab Bruit seul \u00bb (B) \u00e0 un \u00e9tat \u00ab Signal plus Bruit \u00bb (S+B).<\/p>\n<p>Chacun de ces deux \u00e9tats engendre sur l&rsquo;axe des sensations internes une distribution de probabilit\u00e9s, g\u00e9n\u00e9ralement assimil\u00e9e \u00e0 une loi gaussienne. L&rsquo;axe horizontal repr\u00e9sente l&rsquo;amplitude de l&rsquo;\u00e9vidence sensorielle ou de la force de la trace mn\u00e9sique interne g\u00e9n\u00e9r\u00e9e dans l&rsquo;esprit du sujet. La premi\u00e8re distribution mod\u00e9lise la probabilit\u00e9 d&rsquo;obtenir une intensit\u00e9 subjective donn\u00e9e en pr\u00e9sence exclusive du bruit, tandis que la seconde, d\u00e9cal\u00e9e vers la droite, repr\u00e9sente l&rsquo;intensit\u00e9 subjective provoqu\u00e9e par l&rsquo;association du signal et du bruit. Le d-prime correspond pr\u00e9cis\u00e9ment \u00e0 la distance g\u00e9om\u00e9trique s\u00e9parant les moyennes de ces deux courbes, normalis\u00e9e par leur dispersion commune.<\/p>\n<p>Si les deux courbes se chevauchent presque int\u00e9gralement, la valeur de <em>d&rsquo;<\/em> tend vers z\u00e9ro : le syst\u00e8me sensoriel est incapable de d\u00e9terminer si l&rsquo;activation interne r\u00e9sulte du bruit spontan\u00e9 ou du signal ext\u00e9rieur. En revanche, \u00e0 mesure que l&rsquo;intensit\u00e9 physique du signal augmente ou que l&rsquo;acuit\u00e9 de l&rsquo;organe r\u00e9cepteur s&rsquo;affine, la courbe S+B s&rsquo;\u00e9loigne de la courbe B. Le d-prime cro\u00eet de mani\u00e8re continue, t\u00e9moignant d&rsquo;une r\u00e9duction drastique de l&rsquo;ambigu\u00eft\u00e9 perceptive interne. Dans la pratique, des valeurs de <em>d&rsquo;<\/em> situ\u00e9es entre 0,5 et 1,5 refl\u00e8tent une discrimination mod\u00e9r\u00e9e, tandis que des valeurs sup\u00e9rieures \u00e0 3,0 caract\u00e9risent une performance quasi infaillible o\u00f9 le signal se d\u00e9marque nettement du bruit.<\/p>\n<p>L&rsquo;apport r\u00e9volutionnaire du concept r\u00e9side dans son d\u00e9couplage int\u00e9gral avec le crit\u00e8re de r\u00e9ponse (not\u00e9 <em>c<\/em> ou \u03b2). Deux observateurs confront\u00e9s \u00e0 la m\u00eame t\u00e2che peuvent obtenir exactement la m\u00eame sensibilit\u00e9 (m\u00eame valeur de <em>d&rsquo;<\/em>) tout en manifestant des profils comportementaux radicalement distincts : l&rsquo;un peut adopter une attitude prudente ou conservatrice en h\u00e9sitant \u00e0 signaler le signal par peur des fausses alertes, tandis que l&rsquo;autre, audacieux ou lib\u00e9ral, pr\u00e9f\u00e8re signaler syst\u00e9matiquement le signal pour maximiser ses d\u00e9tections r\u00e9ussies, au prix de nombreuses erreurs. Le d-prime extrait la v\u00e9rit\u00e9 fonctionnelle du syst\u00e8me sensoriel sous-jacent, lib\u00e9r\u00e9e des artefacts comportementaux, de la fatigue passag\u00e8re, des r\u00e9compenses financi\u00e8res ou de l&rsquo;anxi\u00e9t\u00e9 de l&rsquo;\u00e9valuateur.<\/p>\n<h3>5. \u00c9volution historique<\/h3>\n<p>La gen\u00e8se du d-prime s&rsquo;enracine au milieu du XXe si\u00e8cle, dans le contexte des recherches technologiques militaires de la Seconde Guerre mondiale et de l&rsquo;imm\u00e9diat apr\u00e8s-guerre. Face \u00e0 la prolif\u00e9ration des syst\u00e8mes radar et sonar, les ing\u00e9nieurs \u00e9taient confront\u00e9s \u00e0 un dilemme permanent : les op\u00e9rateurs humains confondaient fr\u00e9quemment des bruits \u00e9lectroniques parasites ou des \u00e9chos de vagues avec de r\u00e9els bombardiers ou sous-marins ennemis. Les premiers travaux formels sur ce probl\u00e8me \u00e9mergent aux \u00c9tats-Unis, notamment au sein de l&rsquo;Electronic Defense Group de l&rsquo;Universit\u00e9 du Michigan, sous l&rsquo;impulsion de math\u00e9maticiens et d&rsquo;ing\u00e9nieurs comme W. W. Peterson, T. G. Birdsall et W. C. Fox, qui formalisent les math\u00e9matiques de la d\u00e9tection du signal en 1954.<\/p>\n<p>Tr\u00e8s rapidement, des figures marquantes de la psycho-acoustique et de la <a href=\"https:\/\/fr.wikipedia.org\/wiki\/Psychophysique\">psychophysique<\/a> exp\u00e9rimentale per\u00e7oivent l&rsquo;immense port\u00e9e \u00e9pist\u00e9mologique de cette mod\u00e9lisation pour l&rsquo;\u00e9tude de l&rsquo;esprit humain. Wilson P. Tanner Jr. et John A. Swets publient en 1954 un article fondateur dans la revue <em>Psychological Review<\/em>, transposant les principes de d\u00e9tection de signaux radar \u00e0 la perception visuelle humaine. Ils d\u00e9montrent que les m\u00e9thodes classiques h\u00e9rit\u00e9es de Gustav Fechner \u2014 qui supposaient l&rsquo;existence d&rsquo;un \u00ab seuil absolu \u00bb fixe au-del\u00e0 duquel la perception franchirait instantan\u00e9ment une barri\u00e8re de conscience \u2014 \u00e9chouaient \u00e0 expliquer pourquoi un sujet pouvait changer d&rsquo;avis selon les instructions ou les syst\u00e8mes d&rsquo;incitation financi\u00e8re qui lui \u00e9taient pr\u00e9sent\u00e9s.<\/p>\n<p>La formalisation d\u00e9finitive et la diffusion universelle du d-prime surviennent en 1966 avec la publication de l&rsquo;ouvrage classique de David M. Green et John A. Swets, <em>Signal Detection Theory and Psychophysics<\/em>. Ce trait\u00e9 magistral d\u00e9montre math\u00e9matiquement que la notion f\u00e9chn\u00e9rienne de seuil sensoriel rigide est une illusion exp\u00e9rimentale d\u00e9coulant d&rsquo;une confusion entre sensibilit\u00e9 et crit\u00e8re de d\u00e9cision. L&rsquo;ouvrage \u00e9rige le d-prime en m\u00e8tre \u00e9talon de la psychophysique moderne, ouvrant la voie \u00e0 son application fulgurante dans d&rsquo;autres branches de la psychologie, tout particuli\u00e8rement dans l&rsquo;\u00e9tude de la m\u00e9moire \u00e9pisodique, o\u00f9 Duncan Norman et d&rsquo;autres chercheurs l&rsquo;utilisent d\u00e8s la fin des ann\u00e9es 1960 pour mod\u00e9liser la reconnaissance d&rsquo;anciens et de nouveaux items m\u00e9moriels.<\/p>\n<h3>6. Fondements th\u00e9oriques<\/h3>\n<p>Les fondements th\u00e9oriques du d-prime s&rsquo;articulent autour de l&rsquo;axiomatique de la th\u00e9orie statistique de la d\u00e9cision et de la th\u00e9orie probabiliste de l&rsquo;information. Le mod\u00e8le repose sur trois hypoth\u00e8ses paradigmatiques majeures :<\/p>\n<p>La premi\u00e8re hypoth\u00e8se est celle de la dimensionnalit\u00e9 unidimensionnelle continue. Elle postule que des stimuli sensoriels complexes ou des traces cognitives peuvent \u00eatre projet\u00e9s, au niveau d\u00e9cisionnel ultime, sur une \u00e9chelle unidimensionnelle interne de d\u00e9cision repr\u00e9sentant la plausibilit\u00e9 ou la force de l&rsquo;information (souvent appel\u00e9e le rapport de vraisemblance ou \u00ab decision axis \u00bb). Cette simplification permet de ramener l&rsquo;ensemble des processus neuronaux aff\u00e9rents \u00e0 un processus scalaire unique.<\/p>\n<p>La deuxi\u00e8me hypoth\u00e8se implique la normalit\u00e9 et l&rsquo;homosc\u00e9dasticit\u00e9 des distributions. Dans le mod\u00e8le classique du d-prime, on postule que les sensations associ\u00e9es au bruit et celles associ\u00e9es au signal plus bruit suivent chacune une <a href=\"https:\/\/fr.wikipedia.org\/wiki\/Distribution_normale\">distribution normale<\/a> (loi de Gauss) et que ces deux distributions poss\u00e8dent une variance rigoureusement identique (g\u00e9n\u00e9ralement normalis\u00e9e \u00e0 1). Cette supposition d&rsquo;\u00e9gal \u00e9cart-type (mod\u00e8le \u00e0 variance \u00e9gale) est celle qui justifie la formulation \u00e9l\u00e9mentaire de la soustraction des scores Z.<\/p>\n<p>La troisi\u00e8me hypoth\u00e8se r\u00e9side dans la s\u00e9paration fonctionnelle stricte entre le transducteur sensoriel et le m\u00e9canisme d\u00e9cisionnel. Le mod\u00e8le admet que le transducteur g\u00e9n\u00e8re la distribution interne des \u00e9vidences sensorielles de fa\u00e7on d\u00e9terministe et probabiliste en fonction des contraintes biologiques des organes r\u00e9cepteurs, tandis qu&rsquo;un op\u00e9rateur d\u00e9cisionnel distinct et situ\u00e9 en aval fixe un seuil critique ou crit\u00e8re de coupure. Cette dichotomie radicale postule que le d-prime est un invariant fonctionnel du r\u00e9cepteur qui ne se d\u00e9forme pas lorsque l&rsquo;environnement cognitif, les biais motivationnels ou les probabilit\u00e9s <em>a priori<\/em> d&rsquo;apparition du stimulus viennent \u00e0 fluctuer.<\/p>\n<h3>7. Composantes cl\u00e9s, types et dimensions<\/h3>\n<p>La compr\u00e9hension du d-prime requiert une d\u00e9composition syst\u00e9matique de ses \u00e9l\u00e9ments constitutifs et de ses d\u00e9clinaisons th\u00e9oriques :<\/p>\n<ul>\n<li><strong>La matrice de contingence \u00e0 quatre issues :<\/strong> Dans toute t\u00e2che binaire de d\u00e9tection, les r\u00e9ponses du sujet crois\u00e9es avec la r\u00e9alit\u00e9 physique engendrent quatre cat\u00e9gories indispensables au calcul du d-prime : les D\u00e9tections Correctes ou Touches (signal pr\u00e9sent, r\u00e9ponse \u00ab oui \u00bb), les Omissions ou Rejets Manqu\u00e9s (signal pr\u00e9sent, r\u00e9ponse \u00ab non \u00bb), les Fausses Alertes (bruit seul, r\u00e9ponse \u00ab oui \u00bb) et les Rejets Corrects (bruit seul, r\u00e9ponse \u00ab non \u00bb).<\/li>\n<li><strong>Le taux de d\u00e9tections correctes (<span class=\"arabpsy-math-inline\" data-latex=\"T_{DC}\">$T_{DC}$<\/span> ou <span class=\"arabpsy-math-inline\" data-latex=\"H\">$H$<\/span>, pour <em>Hit Rate<\/em>) :<\/strong> Proportion de signaux effectivement d\u00e9tect\u00e9s par rapport au total des essais comportant un signal. Il correspond \u00e0 la surface de la distribution S+B situ\u00e9e au-del\u00e0 du crit\u00e8re de d\u00e9cision.<\/li>\n<li><strong>Le taux de fausses alertes (<span class=\"arabpsy-math-inline\" data-latex=\"T_{FA}\">$T_{FA}$<\/span> ou <span class=\"arabpsy-math-inline\" data-latex=\"FA\">$FA$<\/span>, pour <em>False Alarm Rate<\/em>) :<\/strong> Proportion d&rsquo;erreurs commises consistant \u00e0 signaler un stimulus alors que seul le bruit \u00e9tait pr\u00e9sent. Il correspond \u00e0 la surface de la distribution de bruit B situ\u00e9e au-del\u00e0 du m\u00eame crit\u00e8re.<\/li>\n<li><strong>La transformation en score Z :<\/strong> Conversion non lin\u00e9aire des proportions empiriques de d\u00e9tections correctes et de fausses alertes en unit\u00e9s de d\u00e9viation standard par l&rsquo;inverse de la fonction de r\u00e9partition de la loi normale centr\u00e9e r\u00e9duite (<span class=\"arabpsy-math-inline\" data-latex=\"Z = \\Phi^{-1}\">$Z = \\Phi^{-1}$<\/span>).<\/li>\n<li><strong>Le d-prime \u00e0 variance \u00e9gale (<span class=\"arabpsy-math-inline\" data-latex=\"d&#039;\">$d&rsquo;$<\/span>) :<\/strong> Mod\u00e8le standard et universel supposant que la courbe S+B poss\u00e8de exactement le m\u00eame \u00e9cart-type que la courbe B (<span class=\"arabpsy-math-inline\" data-latex=\"\\sigma_B = \\sigma_{SB} = 1\">$\\sigma_B = \\sigma_{SB} = 1$<\/span>).<\/li>\n<li><strong>Le d-prime g\u00e9n\u00e9ralis\u00e9 ou <span class=\"arabpsy-math-inline\" data-latex=\"d_a\">$d_a$<\/span> :<\/strong> Version ajust\u00e9e utilis\u00e9e lorsque la variance de la distribution signal plus bruit diff\u00e8re de celle du bruit seul ($sigma_{SB}<br \/>\neq sigma_B$), situation fr\u00e9quente dans les \u00e9preuves de reconnaissance mn\u00e9sique.<\/li>\n<li><strong>L&rsquo;aire sous la courbe ROC (<span class=\"arabpsy-math-inline\" data-latex=\"Az\">$Az$<\/span> ou AUC) :<\/strong> M\u00e9trique non param\u00e9trique intrins\u00e8quement li\u00e9e au d-prime, repr\u00e9sentant g\u00e9om\u00e9triquement la sensibilit\u00e9 globale d&rsquo;un sujet sur l&rsquo;ensemble de tous les crit\u00e8res de d\u00e9cision possibles au sein d&rsquo;une <a href=\"https:\/\/fr.wikipedia.org\/wiki\/Courbe_ROC\">courbe ROC<\/a> (Receiver Operating Characteristic).<\/li>\n<\/ul>\n<h3>8. Exemples concrets et cas illustratifs<\/h3>\n<p>Afin d&rsquo;illustrer la pertinence empirique du d-prime, examinons le cas classique de la lecture d&rsquo;une radiographie pulmonaire par deux radiologues cherchant \u00e0 d\u00e9tecter une micro-opacit\u00e9 nodulaire suspecte. Le radiologue A est particuli\u00e8rement anxieux \u00e0 l&rsquo;id\u00e9e d&rsquo;omettre une tumeur maligne ; il adopte un crit\u00e8re d\u00e9cisionnel tr\u00e8s indulgent. Sur cent clich\u00e9s contenant une l\u00e9sion, il en identifie 95 (taux de d\u00e9tection correcte <span class=\"arabpsy-math-inline\" data-latex=\"H = 0,95\">$H = 0,95$<\/span>). Cependant, sur cent clich\u00e9s normaux indemnes de toute anomalie, il suspecte \u00e0 tort une l\u00e9sion dans 40 cas (taux de fausses alertes <span class=\"arabpsy-math-inline\" data-latex=\"FA = 0,40\">$FA = 0,40$<\/span>).<\/p>\n<p>Le radiologue B, quant \u00e0 lui, redoute d&rsquo;induire des biopsies invasives et anxiog\u00e8nes inutiles pour ses patients. Il s&rsquo;impose une discipline rigoureuse et ne d\u00e9clare une image anormale que s&rsquo;il est absolument certain de son observation. Sur les cent clich\u00e9s pr\u00e9sentant une l\u00e9sion, il n&rsquo;en rep\u00e8re que 60 (<span class=\"arabpsy-math-inline\" data-latex=\"H = 0,60\">$H = 0,60$<\/span>), mais sur les cent clich\u00e9s sains, il ne commet que 5 fausses alertes (<span class=\"arabpsy-math-inline\" data-latex=\"FA = 0,05\">$FA = 0,05$<\/span>). En comparant les taux bruts de d\u00e9tection (95 % contre 60 %), on pourrait juger h\u00e2tivement que le radiologue A est bien plus perspicace que son confr\u00e8re.<\/p>\n<p>Le calcul du d-prime dissipe imm\u00e9diatement ce trompe-l&rsquo;\u0153il. Pour le radiologue A, les transformations en scores Z donnent <span class=\"arabpsy-math-inline\" data-latex=\"Z(0,95) \u0007pprox 1,645\">$Z(0,95) \u0007pprox 1,645$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"Z(0,40) \u0007pprox -0,253\">$Z(0,40) \u0007pprox -0,253$<\/span>, aboutissant \u00e0 un <span class=\"arabpsy-math-inline\" data-latex=\"d&#039; = 1,645 - (-0,253) = 1,898\">$d&rsquo; = 1,645 &#8211; (-0,253) = 1,898$<\/span>. Pour le radiologue B, nous obtenons <span class=\"arabpsy-math-inline\" data-latex=\"Z(0,60) \u0007pprox 0,253\">$Z(0,60) \u0007pprox 0,253$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"Z(0,05) \u0007pprox -1,645\">$Z(0,05) \u0007pprox -1,645$<\/span>, conduisant \u00e0 un <span class=\"arabpsy-math-inline\" data-latex=\"d&#039; = 0,253 - (-1,645) = 1,898\">$d&rsquo; = 0,253 &#8211; (-1,645) = 1,898$<\/span>. Les deux praticiens poss\u00e8dent exactement la m\u00eame sensibilit\u00e9 discriminative (<span class=\"arabpsy-math-inline\" data-latex=\"d&#039; \u0007pprox 1,90\">$d&rsquo; \u0007pprox 1,90$<\/span>) : ils sont rigoureusement aussi comp\u00e9tents l&rsquo;un que l&rsquo;autre dans leur acuit\u00e9 visuelle. Leur divergence clinique apparente r\u00e9sulte exclusivement du crit\u00e8re d\u00e9cisionnel (<span class=\"arabpsy-math-inline\" data-latex=\"c\">$c$<\/span>) qu&rsquo;ils ont choisi d&rsquo;appliquer.<\/p>\n<p>Un autre exemple concret se manifeste dans les t\u00e2ches de m\u00e9morisation de listes de mots. Un participant amn\u00e9sique peut sembler reconna\u00eetre une grande quantit\u00e9 de mots appris ant\u00e9rieurement mais, si l&rsquo;on examine son comportement, il r\u00e9pond \u00ab oui, j&rsquo;ai d\u00e9j\u00e0 vu ce mot \u00bb \u00e0 tous les leurres qu&rsquo;on lui pr\u00e9sente. Son taux de reconnaissance brute de 90 % masque un d-prime proche de z\u00e9ro, confirmant l&rsquo;absence de trace mn\u00e9sique distincte.<\/p>\n<h3>9. Mesure, calcul et \u00e9valuation<\/h3>\n<p>La d\u00e9termination empirique du d-prime ob\u00e9it \u00e0 un protocole standardis\u00e9 exigeant un nombre suffisant d&rsquo;essais exp\u00e9rimentaux afin de stabiliser l&rsquo;estimation des probabilit\u00e9s d&rsquo;occurrence des diff\u00e9rentes r\u00e9ponses. La formule math\u00e9matique g\u00e9n\u00e9rale du d-prime s&rsquo;exprime par la relation :<\/p>\n<p><strong><span class=\"arabpsy-math-inline\" data-latex=\"d&#039; = Z(H) - Z(FA)\">$d&rsquo; = Z(H) &#8211; Z(FA)$<\/span><\/strong><\/p>\n<p>Dans cette \u00e9quation, <span class=\"arabpsy-math-inline\" data-latex=\"H\">$H$<\/span> repr\u00e9sente la proportion de d\u00e9tections correctes (<span class=\"arabpsy-math-inline\" data-latex=\"H = \text{Nombre de touches} \/ \text{Nombre total d&#039;essais a\\vec signal}\">$H = \text{Nombre de touches} \/ \text{Nombre total d&rsquo;essais a\\vec signal}$<\/span>), <span class=\"arabpsy-math-inline\" data-latex=\"FA\">$FA$<\/span> d\u00e9signe la proportion de fausses alertes (<span class=\"arabpsy-math-inline\" data-latex=\"FA = \text{Nombre de fausses alertes} \/ \text{Nombre total d&#039;essais a\\vec bruit}\">$FA = \text{Nombre de fausses alertes} \/ \text{Nombre total d&rsquo;essais a\\vec bruit}$<\/span>), et <span class=\"arabpsy-math-inline\" data-latex=\"Z(p)\">$Z(p)$<\/span> repr\u00e9sente la fonction quantile de la loi normale standard (la r\u00e9ciproque de la fonction de r\u00e9partition gaussienne, souvent d\u00e9sign\u00e9e comme la fonction probit). Math\u00e9matiquement, <span class=\"arabpsy-math-inline\" data-latex=\"Z(p)\">$Z(p)$<\/span> convertit une probabilit\u00e9 cumul\u00e9e <span class=\"arabpsy-math-inline\" data-latex=\"p\">$p$<\/span> en une abscisse d&rsquo;\u00e9cart-type le long d&rsquo;une courbe normale centr\u00e9e en z\u00e9ro.<\/p>\n<p>Une difficult\u00e9 m\u00e9thodologique survient fr\u00e9quemment lors du recueil des donn\u00e9es exp\u00e9rimentales : l&rsquo;obtention de proportions extr\u00eames parfaites, c&rsquo;est-\u00e0-dire un taux de d\u00e9tection de 1,00 (100 %) ou un taux de fausses alertes de 0,00 (0 %). Dans ces configurations, l&rsquo;\u00e9valuation de la fonction quantile donne une valeur math\u00e9matiquement ind\u00e9finie tendant vers l&rsquo;infini positif ou n\u00e9gatif (<span class=\"arabpsy-math-inline\" data-latex=\"Z(1) = +\\infty\">$Z(1) = +\\infty$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"Z(0) = -\\infty\">$Z(0) = -\\infty$<\/span>), ce qui rend le calcul brut du d-prime impossible. Pour pallier cet obstacle sans biaiser arbitrairement les donn\u00e9es, les chercheurs utilisent des techniques de correction standardis\u00e9es, la plus rigoureuse \u00e9tant la correction log-lin\u00e9aire pr\u00e9conis\u00e9e par Hautus (1995).<\/p>\n<p>Cette correction consiste \u00e0 ajouter un demi-succ\u00e8s ($0,5$) \u00e0 tous les d\u00e9nombrements de r\u00e9ponses et \u00e0 ajouter $1$ au nombre total d&rsquo;essais effectifs avant de calculer les proportions : <span class=\"arabpsy-math-inline\" data-latex=\"H = (\text{Touches} + 0,5) \/ (\text{Signaux} + 1)\">$H = (\text{Touches} + 0,5) \/ (\text{Signaux} + 1)$<\/span> et <span class=\"arabpsy-math-inline\" data-latex=\"FA = (\text{Fausses Alertes} + 0,5) \/ (\text{Bruits} + 1)\">$FA = (\text{Fausses Alertes} + 0,5) \/ (\text{Bruits} + 1)$<\/span>. Cette r\u00e9gularisation bay\u00e9sienne \u00e9vite les singularit\u00e9s asymptotiques et garantit la validit\u00e9 math\u00e9matique du d-prime m\u00eame en pr\u00e9sence de s\u00e9ries d&rsquo;essais restreintes.<\/p>\n<p>Parall\u00e8lement au d-prime, il est imp\u00e9ratif d&rsquo;\u00e9valuer le crit\u00e8re d\u00e9cisionnel associ\u00e9, g\u00e9n\u00e9ralement quantifi\u00e9 par l&rsquo;indice de position <span class=\"arabpsy-math-inline\" data-latex=\"c\">$c$<\/span>, d\u00e9fini par la formule :<\/p>\n<p><strong><span class=\"arabpsy-math-inline\" data-latex=\"c = -\frac{1}{2} [Z(H) + Z(FA)]\">$c = -\frac{1}{2} [Z(H) + Z(FA)]$<\/span><\/strong><\/p>\n<p>Une valeur de <span class=\"arabpsy-math-inline\" data-latex=\"c = 0\">$c = 0$<\/span> indique un observateur neutre sans parti pris d\u00e9cisionnel ; une valeur positive (<span class=\"arabpsy-math-inline\" data-latex=\"c &gt; 0\">$c > 0$<\/span>) signale un crit\u00e8re strict ou conservateur (l&rsquo;observateur h\u00e9site \u00e0 dire \u00ab oui \u00bb), tandis qu&rsquo;une valeur n\u00e9gative ($c < 0$) d\u00e9note un biais lib\u00e9ral (tendance marqu\u00e9e \u00e0 r\u00e9pondre \u00ab oui \u00bb).<\/p>\n<h3>10. Applications et port\u00e9e pratique<\/h3>\n<p>La flexibilit\u00e9 formelle du d-prime lui conf\u00e8re une pertinence op\u00e9rationnelle majeure dans de multiples disciplines scientifiques et appliqu\u00e9es :<\/p>\n<p>En <strong>neuropsychologie clinique et neurologie cognitive<\/strong>, le d-prime est syst\u00e9matiquement employ\u00e9 pour \u00e9valuer les d\u00e9ficits de la m\u00e9moire \u00e9pisodique chez les patients atteints de la maladie d&rsquo;Alzheimer ou d&rsquo;autres pathologies neurod\u00e9g\u00e9n\u00e9ratives. Les tests traditionnels de m\u00e9morisation verbale (tels que le test de Grober et Buschke ou le CVLT) exploitent le d-prime pour isoler l&rsquo;oubli r\u00e9el de la fabulation ou de la distractibilit\u00e9, ces derni\u00e8res se manifestant par une inflation pathologique des fausses reconnaissances qui an\u00e9antit la valeur de sensibilit\u00e9.<\/p>\n<p>En <strong>ergonomie cognitive et s\u00e9curit\u00e9 des transports<\/strong>, le d-prime permet de mesurer l&rsquo;impact de la fatigue, des rythmes circadiens ou de l&rsquo;alcool\u00e9mie sur les performances des contr\u00f4leurs a\u00e9riens, des conducteurs de train et des veilleurs de nuit. Il permet de d\u00e9montrer, par exemple, que la privation prolong\u00e9e de sommeil d\u00e9grade sp\u00e9cifiquement le d-prime auditif face aux alarmes sonores, ind\u00e9pendamment des proc\u00e9dures d&rsquo;acquittement impos\u00e9es par les protocoles industriels.<\/p>\n<p>Dans le domaine <strong>l\u00e9gal et judiciaire<\/strong>, la psychologie du t\u00e9moignage oculaire s&rsquo;appuie massivement sur le d-prime pour \u00e9valuer la fiabilit\u00e9 des t\u00e9moins lors de l&rsquo;identification de suspects au sein de parades judiciaires (\u00ab lineups \u00bb). Les travaux conduits sur le sujet d\u00e9montrent que certaines modifications de proc\u00e9dure (par exemple, pr\u00e9senter les suspects de mani\u00e8re s\u00e9quentielle plut\u00f4t que simultan\u00e9e) modifient souvent le crit\u00e8re d\u00e9cisionnel des t\u00e9moins sans pour autant accro\u00eetre leur d-prime sous-jacent, remettant ainsi en question des r\u00e9formes proc\u00e9durales suppos\u00e9es vertueuses.<\/p>\n<p>Enfin, en <strong>apprentissage automatique et science des donn\u00e9es<\/strong>, le d-prime est \u00e9troitement corr\u00e9l\u00e9 aux m\u00e9triques d&rsquo;\u00e9valuation des classificateurs binaires d&rsquo;intelligence artificielle. Les ing\u00e9nieurs l&rsquo;utilisent pour param\u00e9trer la sensibilit\u00e9 des algorithmes d&rsquo;analyse d&rsquo;images m\u00e9dicales ou de filtrage de spams afin d&rsquo;optimiser le ratio signal\/bruit ind\u00e9pendamment des seuils de classification arbitraires.<\/p>\n<h3>11. Recherches et preuves empiriques<\/h3>\n<p>Depuis plus d&rsquo;un demi-si\u00e8cle, une masse monumentale de travaux empiriques confirme la robustesse et la sup\u00e9riorit\u00e9 explicative du d-prime face aux indices na\u00effs de performance. L&rsquo;un des pans de recherche les plus illustratifs concerne l&rsquo;exploration psychophysiologique de l&rsquo;attention s\u00e9lective par la m\u00e9thode des potentiels \u00e9voqu\u00e9s cognitifs (ERP). Des \u00e9tudes fondatrices men\u00e9es par Steven Hillyard et ses collaborateurs ont \u00e9tabli que l&rsquo;attention spatiale focalis\u00e9e engendre une augmentation directe du d-prime pour les cibles situ\u00e9es dans l&rsquo;h\u00e9michamp visuel stimul\u00e9, augmentation qui se corr\u00e8le tr\u00e8s fid\u00e8lement avec l&rsquo;amplitude de l&rsquo;onde pr\u00e9coce P1\/N1 enregistr\u00e9e sur le cortex occipito-pari\u00e9tal.<\/p>\n<p>Dans le champ de la m\u00e9moire, les recherches de Gordon H. Macmillan et de C. Douglas Creelman, synth\u00e9tis\u00e9es dans leur imposant ouvrage <em>Detection Theory: A User&rsquo;s Guide<\/em>, ont apport\u00e9 la preuve empirique que le d-prime permet de r\u00e9soudre des contradictions apparentes issues d&rsquo;anciennes \u00e9tudes mn\u00e9siques. Ils ont prouv\u00e9 que la pr\u00e9tendue sup\u00e9riorit\u00e9 de la reconnaissance sur le rappel libre n&rsquo;\u00e9tait pas n\u00e9cessairement le fruit de m\u00e9canismes cognitifs intrins\u00e8quement dissoci\u00e9s, mais relevait souvent d&rsquo;un d\u00e9placement spectaculaire des crit\u00e8res d\u00e9cisionnels des participants lorsqu&rsquo;ils sont confront\u00e9s \u00e0 des leurres plus ou moins plausibles.<\/p>\n<p>Plus r\u00e9cemment, les neurosciences computationnelles ont reli\u00e9 le d-prime \u00e0 la th\u00e9orie de l&rsquo;accumulation s\u00e9quentielle de preuves, illustr\u00e9e par le mod\u00e8le de diffusion de Ratcliff (<em>Drift Diffusion Model<\/em>). Les donn\u00e9es issues de l&rsquo;imagerie par r\u00e9sonance magn\u00e9tique fonctionnelle (IRMf) et de l&rsquo;enregistrement \u00e9lectrophysiologique unitaire chez le primate non humain (notamment dans le cortex intrapari\u00e9tal lat\u00e9ral ou LIP) d\u00e9montrent que la valeur de <em>d&rsquo;<\/em> refl\u00e8te fid\u00e8lement le taux d&rsquo;accumulation d&rsquo;information neuronale par unit\u00e9 de temps (\u00ab drift rate \u00bb). Ces r\u00e9sultats exp\u00e9rimentaux valident l&rsquo;ancrage biologique direct du d-prime au c\u0153ur des processus d\u00e9cisionnels du syst\u00e8me nerveux central.<\/p>\n<h3>12. Consid\u00e9rations socioculturelles et contextuelles<\/h3>\n<p>Bien que le d-prime soit fondamentalement une m\u00e9trique math\u00e9matique universelle ind\u00e9pendante des influences culturelles, son interpr\u00e9tation et son d\u00e9ploiement au sein de populations diversifi\u00e9es exigent une analyse contextuelle soign\u00e9e. Dans de nombreuses cultures, les normes relatives \u00e0 l&rsquo;acceptation de l&rsquo;incertitude et \u00e0 la soumission \u00e0 l&rsquo;autorit\u00e9 modifient profond\u00e9ment la dynamique d\u00e9cisionnelle lors d&rsquo;une passation psychologique standardis\u00e9e.<\/p>\n<p>Dans des contextes culturels valorisant fortement la prudence, le consensus ou la modestie, les individus ont tendance \u00e0 manifester spontan\u00e9ment un crit\u00e8re de d\u00e9cision extr\u00eamement conservateur (valeur de <span class=\"arabpsy-math-inline\" data-latex=\"c\">$c$<\/span> positive tr\u00e8s \u00e9lev\u00e9e). S&rsquo;ils ne sont \u00e9valu\u00e9s qu&rsquo;\u00e0 l&rsquo;aune de leur proportion brute de d\u00e9tections r\u00e9ussies, ils peuvent \u00eatre jug\u00e9s erron\u00e9ment comme ayant une moindre efficience cognitive ou sensorielle. Le d-prime neutralise pr\u00e9cis\u00e9ment ce biais culturel en r\u00e9v\u00e9lant que leur sensibilit\u00e9 interne est strictement identique \u00e0 celle d&rsquo;individus issus de cultures individualistes ou comp\u00e9titives o\u00f9 l&rsquo;audace et la prise de risque d\u00e9cisionnelle (crit\u00e8re lib\u00e9ral) sont socialement encourag\u00e9es.<\/p>\n<p>De surcro\u00eet, le contenu s\u00e9mantique des signaux utilis\u00e9s dans les \u00e9preuves cognitives (mots de vocabulaire, expressions faciales \u00e9motionnelles, sc\u00e8nes visuelles) est tributaire du capital culturel et linguistique des participants. Si les stimuli pr\u00e9sentent une familiarit\u00e9 in\u00e9gale selon les groupes \u00e9tudi\u00e9s, le bruit interne g\u00e9n\u00e9r\u00e9 dans le syst\u00e8me cognitif sera plus disparate, ce qui peut comprimer artificiellement le d-prime chez les groupes non accultur\u00e9s. Il est donc crucial d&rsquo;assurer l&rsquo;\u00e9quivalence des distributions de base avant de conclure \u00e0 une divergence fondamentale de sensibilit\u00e9 sensorielle ou mn\u00e9sique.<\/p>\n<h3>13. Critiques, controverses et limites<\/h3>\n<p>Malgr\u00e9 son h\u00e9g\u00e9monie dans les sciences du comportement, le mod\u00e8le standard du d-prime a fait l&rsquo;objet de vives controverses m\u00e9thodologiques et th\u00e9oriques qui en d\u00e9limitent les contours d&rsquo;application :<\/p>\n<p>La critique la plus tenace vise le postulat d&rsquo;\u00e9gale variance (homosc\u00e9dasticit\u00e9). D\u00e8s les ann\u00e9es 1960 et 1970, des psychologues cognitivistes, notamment dans les \u00e9tudes de m\u00e9moire de reconnaissance, ont remarqu\u00e9 que la distribution associ\u00e9e aux signaux cibles est syst\u00e9matiquement plus dispers\u00e9e et variable que celle associ\u00e9e au bruit pur (<span class=\"arabpsy-math-inline\" data-latex=\"\\sigma_{SB} &gt; \\sigma_B\">$\\sigma_{SB} > \\sigma_B$<\/span>). Lorsque l&rsquo;on trace la courbe ROC dans un espace probabiliste bilogarithmique ou normalis\u00e9 (z-ROC), la pente observ\u00e9e n&rsquo;est g\u00e9n\u00e9ralement pas de 1,0 (comme l&rsquo;exige le d-prime classique), mais s&rsquo;\u00e9tablit fr\u00e9quemment autour de 0,75 \u00e0 0,80. Dans ces conditions, l&rsquo;usage du d-prime ordinaire induit un biais syst\u00e9matique, car la sensibilit\u00e9 calcul\u00e9e devient alors d\u00e9pendante du crit\u00e8re de r\u00e9ponse adopt\u00e9.<\/p>\n<p>Pour r\u00e9pondre \u00e0 cette anomalie empirique, des mod\u00e8les rivaux ont \u00e9merg\u00e9. Certains auteurs d\u00e9fendent le recours \u00e0 des m\u00e9triques alternatives telles que le <span class=\"arabpsy-math-inline\" data-latex=\"d_a\">$d_a$<\/span> (qui incorpore le ratio des \u00e9carts-types) ou l&rsquo;indice non param\u00e9trique <span class=\"arabpsy-math-inline\" data-latex=\"A&#039;\">$A&rsquo;$<\/span> (A-prime) d\u00e9velopp\u00e9 par Pollack et Norman, lequel ne requiert aucune hypoth\u00e8se forte quant \u00e0 la normalit\u00e9 des distributions internes sous-jacentes.<\/p>\n<p>Une controverse plus profonde oppose la th\u00e9orie de la d\u00e9tection du signal aux mod\u00e8les \u00e0 seuil haut (<em>High-Threshold Models<\/em>) et aux approches par processus duaux en m\u00e9moire. Des th\u00e9oriciens de renom soutiennent que la reconnaissance mn\u00e9sique ne repose pas sur une \u00e9valuation continue et gaussienne de la force de la trace (familiarit\u00e9), mais fait intervenir un m\u00e9canisme binaire tout-ou-rien de rappel contextuel conscient (\u00ab recollection \u00bb). Selon cette vision dissidente, le d-prime imposerait de force un cadre g\u00e9om\u00e9trique continu et artificiel sur des ph\u00e9nom\u00e8nes mentaux qui seraient, dans leur essence m\u00eame, discrets et discontinus.<\/p>\n<h3>14. Termes connexes et distinctions<\/h3>\n<p>Pour \u00e9viter toute ambigu\u00eft\u00e9 \u00e9pist\u00e9mologique, il est essentiel de distinguer soigneusement le d-prime de concepts voisins fr\u00e9quemment mobilis\u00e9s dans la litt\u00e9rature psychom\u00e9trique et statistique :<\/p>\n<ul>\n<li><strong>d-prime versus Crit\u00e8re de d\u00e9cision (<span class=\"arabpsy-math-inline\" data-latex=\"c\">$c$<\/span>) :<\/strong> Le d-prime \u00e9value la capacit\u00e9 sensorielle ou mn\u00e9sique \u00e0 s\u00e9parer deux signaux ; le crit\u00e8re <span class=\"arabpsy-math-inline\" data-latex=\"c\">$c$<\/span> quantifie la propension globale d&rsquo;un sujet \u00e0 privil\u00e9gier une r\u00e9ponse plut\u00f4t qu&rsquo;une autre, ind\u00e9pendamment de son acuit\u00e9 r\u00e9elle.<\/li>\n<li><strong>d-prime versus Rapport de vraisemblance b\u00eata (<span class=\"arabpsy-math-inline\" data-latex=\"\beta\">$\beta$<\/span>) :<\/strong> Tandis que <span class=\"arabpsy-math-inline\" data-latex=\"c\">$c$<\/span> mesure la position du seuil de coupure en unit\u00e9s d&rsquo;\u00e9cart-type, <span class=\"arabpsy-math-inline\" data-latex=\"\beta\">$\beta$<\/span> mesure le rapport direct entre la hauteur de la courbe de densit\u00e9 normale du signal et celle du bruit au point de coupure. Il repr\u00e9sente l&rsquo;optimisation math\u00e9matique du gain d\u00e9cisionnel.<\/li>\n<li><strong>d-prime versus Exactitude brute (Pr\u00e9cision globale) :<\/strong> La pr\u00e9cision brute calcule simplement le ratio des bonnes r\u00e9ponses (d\u00e9tections correctes + rejets corrects) sur l&rsquo;ensemble des essais. Elle est hautement vuln\u00e9rable aux d\u00e9s\u00e9quilibres entre la fr\u00e9quence d&rsquo;apparition des cibles et des bruits, au contraire du d-prime qui pond\u00e8re rigoureusement chaque situation.<\/li>\n<li><strong>d-prime versus A-prime (<span class=\"arabpsy-math-inline\" data-latex=\"A&#039;\">$A&rsquo;$<\/span>) :<\/strong> Le <span class=\"arabpsy-math-inline\" data-latex=\"A&#039;\">$A&rsquo;$<\/span> est un indice de sensibilit\u00e9 non param\u00e9trique calcul\u00e9 \u00e0 partir des taux de d\u00e9tection et de fausses alertes sans supposer que les distributions internes soient normales ni de variances \u00e9gales. Sa valeur oscille entre 0,5 (hasard) et 1,0 (discrimination parfaite).<\/li>\n<li><strong>d-prime versus d de Cohen :<\/strong> Bien que partageant la m\u00eame lettre de d\u00e9signation statistique et une filiation math\u00e9matique analogue (normalisation par l&rsquo;\u00e9cart-type), le <em>d<\/em> de Cohen est un indice de taille d&rsquo;effet mesurant l&rsquo;amplitude de la diff\u00e9rence entre deux groupes ind\u00e9pendants dans une d\u00e9marche d&rsquo;inf\u00e9rence statistique, tandis que le d-prime quantifie une sensibilit\u00e9 perceptive ou mn\u00e9sique au niveau du sujet individuel confront\u00e9 \u00e0 du bruit.<\/li>\n<\/ul>\n<h3>15. R\u00e9sum\u00e9 et points cl\u00e9s<\/h3>\n<p>Le d-prime constitue un pilier fondamental de la psychologie scientifique moderne, dont les points d&rsquo;ancrage essentiels peuvent se r\u00e9capituler ainsi :<\/p>\n<ul>\n<li><strong>Ind\u00e9pendance d\u00e9cisionnelle :<\/strong> Le d-prime isole l&rsquo;acuit\u00e9 sensorielle ou mn\u00e9sique r\u00e9elle de l&rsquo;observateur en s&rsquo;affranchissant totalement de ses biais de r\u00e9ponse, de son audace ou de sa r\u00e9serve cognitive.<\/li>\n<li><strong>Mod\u00e9lisation distributionnelle :<\/strong> Il repose sur la distance standardis\u00e9e s\u00e9parant deux lois gaussiennes de sensations internes : la distribution du bruit pur et celle du signal coupl\u00e9 au bruit.<\/li>\n<li><strong>Formule canonique :<\/strong> Il se calcule par la diff\u00e9rence des scores norm\u00e9s standardis\u00e9s : <span class=\"arabpsy-math-inline\" data-latex=\"d&#039; = Z(H) - Z(FA)\">$d&rsquo; = Z(H) &#8211; Z(FA)$<\/span>, o\u00f9 <span class=\"arabpsy-math-inline\" data-latex=\"H\">$H$<\/span> est la proportion de d\u00e9tections correctes et <span class=\"arabpsy-math-inline\" data-latex=\"FA\">$FA$<\/span> la proportion de fausses alertes.<\/li>\n<li><strong>\u00c9chelle continue :<\/strong> Une valeur de 0 \u00e9quivaut \u00e0 une performance nulle dict\u00e9e par le hasard pur, les valeurs empiriques oscillant typiquement entre 0 et 3 pour des niveaux croissants de discriminabilit\u00e9.<\/li>\n<li><strong>Universalit\u00e9 des applications :<\/strong> De la neuro-imagerie \u00e0 la m\u00e9moire \u00e9pisodique, de l&rsquo;ergonomie des cockpits \u00e0 la lecture d&rsquo;images radiologiques, il fournit une m\u00e9trique objective et universelle du traitement de l&rsquo;information.<\/li>\n<\/ul>\n<h2>R\u00e9f\u00e9rences<\/h2>\n<p>Green, D. M., &#038; Swets, J. A. (1966). <em>Signal detection theory and psychophysics<\/em>. John Wiley &#038; Sons.<\/p>\n<p>Hautus, M. J. (1995). Corrections for extreme proportions and their biasing effects on estimated values of <em>d&rsquo;<\/em>. <em>Behavior Research Methods, Instruments, &#038; Computers<\/em>, 27(1), 46\u201351. <a href=\"https:\/\/doi.org\/10.3758\/BF03203619\">https:\/\/doi.org\/10.3758\/BF03203619<\/a><\/p>\n<p>Macmillan, N. A., &#038; Creelman, C. D. (2005). <em>Detection theory: A user&rsquo;s guide<\/em> (2nd ed.). Lawrence Erlbaum Associates.<\/p>\n<p>Peterson, W. W., Birdsall, T. G., &#038; Fox, W. C. (1954). The theory of signal detectability. <em>Transactions of the IRE Professional Group on Information Theory<\/em>, 4(4), 171\u2013212. <a href=\"https:\/\/doi.org\/10.1109\/TIT.1954.1057460\">https:\/\/doi.org\/10.1109\/TIT.1954.1057460<\/a><\/p>\n<p>Ratcliff, R., &#038; McKoon, G. (2008). The diffusion decision model: Theory and data for two-choice decision tasks. <em>Neural Computation<\/em>, 20(4), 873\u2013922. <a href=\"https:\/\/doi.org\/10.1162\/neco.2008.12-06-420\">https:\/\/doi.org\/10.1162\/neco.2008.12-06-420<\/a><\/p>\n<p>Stanislaw, H., &#038; Todorov, N. (1999). Calculation of signal detection theory measures. <em>Behavior Research Methods, Instruments, &#038; Computers<\/em>, 31(1), 137\u2013149. <a href=\"https:\/\/doi.org\/10.3758\/BF03207704\">https:\/\/doi.org\/10.3758\/BF03207704<\/a><\/p>\n<p>Tanner, W. P., &#038; Swets, J. A. (1954). A decision-making theory of visual detection. <em>Psychological Review<\/em>, 61(6), 401\u2013409. <a href=\"https:\/\/doi.org\/10.1037\/h0058700\">https:\/\/doi.org\/10.1037\/h0058700<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Le d-prime (d&rsquo;) est l&rsquo;indice fondamental de la th\u00e9orie de la d\u00e9tection du signal en psychologie et en psychophysique, permettant de mesurer la sensibilit\u00e9 discriminative pure ind\u00e9pendamment des biais d\u00e9cisionnels.<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","categories":[4923,5106,1486],"tags":[1311,1366,11752,16,1127,30688,5109],"class_list":["post-25919","psych_term","type-psych_term","status-publish","hentry","category-methodologie-et-psychometrie","category-psychophysique","category-sciences-cognitives","tag-biais-de-reponse","tag-cognition","tag-d-prime","tag-psychometrie","tag-psychophysique","tag-sensibilite-perceptive","tag-theorie-de-la-detection-du-signal"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/25919","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\/25919\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=25919"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=25919"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=25919"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}