Table of Contents
Saisir quelques valeurs dans le calculateur de taille d'échantillon donne par exemple « 384 réponses ». C'est utile, mais si ton encadrant demande pourquoi 384, « le calculateur l'a dit » n'est pas une réponse satisfaisante.
Ce guide ouvre la boîte noire. Tu verras l'effet de chaque entrée, pourquoi 385 revient dans les recherches publiées et pourquoi la population change beaucoup moins le résultat qu'on ne l'imagine. Pour obtenir un chiffre défendable sans théorie, le guide de taille d'échantillon fournit repères et règles pratiques. Cet article sert à expliquer le chiffre.
La formule en un coup d'œil
Pour une proportion, cas le plus fréquent dans une enquête, la formule de Cochran est :
n = (z² × p × (1 − p)) / e²
Quatre éléments :
- z est le score du niveau de confiance. À 95 %, z = 1,96.
- p est la proportion attendue. Sans estimation, prendre 0,5, qui produit l'échantillon le plus grand et le plus prudent.
- e est la marge d'erreur décimale. Plus ou moins 5 % signifie e = 0,05.
- n est le nombre de réponses complètes nécessaires.
Avec 95 % de confiance, p = 0,5 et 5 % de marge :
n = (1,96² × 0,5 × 0,5) / 0,05² = 0,9604 / 0,0025 = 384,16, arrondi au nombre supérieur 385
Voilà tout le mystère derrière « il faut environ 400 réponses » : cette formule avec les paramètres les plus courants.
Pourquoi tant d'études semblent exiger 385 personnes
385 n'est pas une loi naturelle. Cochran le renvoie à 95 % de confiance, 5 % de marge et une incertitude maximale, p = 0,5. Modifier une entrée modifie le résultat.
Ce que change chaque entrée
Niveau de confiance : la fréquence à laquelle la méthode fonctionne
Un niveau de 95 % signifie que, sur de nombreuses répétitions, 95 % des intervalles contiendraient la vraie valeur. C'est une affirmation sur la méthode, pas sur un résultat isolé.
Augmenter la confiance augmente z. Comme z est au carré, le coût s'accumule :
Confiance et échantillon requis avec 5 % de marge et p = 0,5
| Confiance | Score z | Réponses nécessaires |
|---|---|---|
| 90 % | 1,645 | 271 |
| 95 % | 1,96 | 385 |
| 99 % | 2,576 | 664 |
Pour les travaux étudiants et la plupart des enquêtes d'entreprise, 95 % est le standard. Ne choisir 99 % que si une erreur serait réellement coûteuse, notamment dans un contexte clinique ou de sécurité.
Marge d'erreur : la précision de la réponse
La marge est le « plus ou moins » autour du résultat. Si 60 % préfère l'option A avec 5 % de marge, la vraie valeur se situe probablement entre 55 % et 65 %.
Comme e est au carré au dénominateur, diviser la marge par deux multiplie approximativement l'échantillon par quatre :
Marge d'erreur et échantillon requis avec 95 % de confiance et p = 0,5
| Marge d'erreur | Réponses nécessaires |
|---|---|
| ±10 % | 97 |
| ±5 % | 385 |
| ±3 % | 1 068 |
| ±2 % | 2 401 |
C'est le paramètre à négocier. Passer de ±5 % à ±6 % ou ±7 % économise beaucoup de terrain et constitue souvent un compromis acceptable en recherche exploratoire.
Proportion attendue : pourquoi 0,5 est le choix prudent
Le terme p × (1 − p) atteint son maximum à p = 0,5. Si une preuve antérieure établit une proportion proche de 10 %, par exemple un comportement rare, la taille baisse. Mais une mauvaise estimation peut rendre l'étude insuffisamment puissante. Sans preuve préalable, conserver 0,5.
Correction pour une population finie
Cochran suppose une population pratiquement infinie. Pour un groupe petit et défini, comme une université ou une entreprise, réduire l'échantillon grâce à :
n_ajusté = n / (1 + (n − 1) / N)
N est la population. Deux constats surprennent :
Réponses requises avec 95 % de confiance et ±5 %
Une petite population aide beaucoup : 217 réponses suffisent sur 500, au lieu de 385. Au-delà d'environ 20 000 personnes, la correction compte à peine. Une ville de 100 000 habitants et un pays de 80 millions demandent presque le même échantillon. La population inquiète beaucoup, mais influence peu.
Le calculateur de taille d'échantillon applique automatiquement la correction lorsque tu saisis la population.
Deux exemples résolus
Exemple 1 : satisfaction sur un campus
Tu réalises une enquête de satisfaction dans une université comptant 12 000 étudiants, avec 95 % de confiance et ±5 % de marge.
- Formule de base : n = (1,96² × 0,25) / 0,05² = 385
- Correction finie : n = 385 / (1 + 384 / 12 000) = 385 / 1,032 = 373 réponses
Exemple 2 : comparer deux groupes dans un mémoire
Comparer hommes et femmes sur une échelle en cinq points ne pose plus la question du total, mais du nombre par groupe. La marge d'erreur n'est pas adaptée. Détecter une différence relève de la puissance statistique. Utiliser le calculateur de puissance statistique et lire statistical power, explained. Détecter un effet moyen entre deux groupes avec une puissance de 80 % demande environ 64 personnes par groupe.
L'erreur de planification la plus fréquente
Les tailles fondées sur la marge décrivent une population. Dès que la question contient « différence », « effet » ou « comparer », passer à l'analyse de puissance. Un échantillon suffisant pour décrire peut être insuffisant pour comparer.
Des réponses nécessaires aux invitations nécessaires
La formule donne les réponses complètes, pas le nombre de personnes à inviter. Avec un taux de réponse de 20 %, viser 373 réponses demande environ 1 900 invitations, avant exclusions et adresses invalides.
Planifier cette partie avec le calculateur de taux de réponse et consulter ce qu'est un bon taux de réponse pour des repères réalistes par canal.
Questions fréquentes
Quelle est la formule de taille d'échantillon ?
Pour une proportion, Cochran donne n = (z² × p × (1 − p)) / e². z représente la confiance, p la proportion attendue, avec 0,5 comme choix prudent, et e la marge. Pour une petite population, appliquer ensuite la correction finie.
Pourquoi le calculateur affiche-t-il 385 ?
385 résulte de 95 % de confiance, ±5 % de marge et p = 0,5, les paramètres courants. C'est une convention, pas un seuil magique.
La population compte-t-elle ?
Moins qu'on ne le pense. Sous environ 20 000 personnes, la correction réduit nettement l'échantillon. Au-delà, elle change presque rien.
Cette formule convient-elle pour comparer des groupes ?
Non. Une formule de marge décrit une population. Pour comparer ou tester un effet, réaliser une analyse de puissance. Notre calculateur de puissance statistique couvre ce cas.
Tous ces calculateurs figurent dans nos outils de recherche gratuits.