Gallika.net

Questionnaire d'enquête : mesurer… ou fabriquer des réponses ?

Olivier Delhaye — 2026-03-24T09:09:15Z

Ce matin encore, je suis tombé sur un questionnaire d'enquête diffusé par une doctorante. Il cumulait les défauts classiques : flou des concepts, absence d'opérationnalisation, illusion de mesure. Cela m'a incité à revenir sur quelques exigences méthodologiques de base... et à proposer une formation sur ces questions.

Un questionnaire ne recueille pas des opinions brutes ; il transforme une réalité complexe en indicateurs simplifiés.

Ce passage est une opération méthodologique lourde : sélection de certains aspects de la réalité, exclusion d'autres, traduction en langage compréhensible par le répondant.
Autrement dit, un questionnaire est toujours une réduction construite.

Par exemple, dire « mesurer la motivation » revient en réalité à choisir certains comportements (participation, effort, persévérance) et à en ignorer d'autres (émotions, trajectoire personnelle, contexte social).

Ce que tu mesures dépend donc moins des réponses… que de ce que tu as décidé de rendre mesurable.

Des questions de recherche testables

La difficulté n'est pas de poser une question mais de la rendre empiriquement testable.

Un bon critère de qualité consiste à pouvoir répondre par l'affirmative à la question : « Puis-je imaginer une réponse observable à ma question ? »

Exemple :

« Les étudiants sont-ils motivés ? » : il s'agit d'une question naïve. Elle suppose que la motivation est directement observable et mesurable en une seule question.

« Les étudiants déclarent-ils persévérer lorsqu'une tâche devient difficile ? » : ici, la question participe d'une construction méthodique. La motivation est approchée à partir d'indices déclaratifs multiples (persévérance, engagement, stratégies, etc.).

Mais il faut aller plus loin. Une question de recherche sérieuse implique une population définie, un contexte (institution, niveau, discipline) et une temporalité. Sans cela, les résultats sont ininterprétables hors contexte.

La construction des variables

C'est ici que se joue la qualité scientifique du questionnaire. Une variable doit être décomposable, observable indirectement et reconstituable à partir de plusieurs indices.

Prenons un exemple en FLE, celui de l'autonomie dans l'apprentissage. Elle peut être décomposée en plusieurs capacités : la capacité à chercher des ressources seul, à s'auto-corriger et à organiser son apprentissage.

Chaque dimension est observable, mais indirectement, à travers plusieurs indices. C'est pourquoi la mesure de l'autonomie se fera à travers les réponses à plusieurs items.

Pourquoi plusieurs items ? Parce qu'un seul item peut être mal compris, interprété différemment et/ou influencé par le contexte immédiat. La multiplication des items permet de stabiliser la mesure.

Le problème central : la validité

On insiste souvent sur la « bonne formulation ». C'est secondaire. La vraie question que tu devrais te poser est : « Est-ce que mes items mesurent bien ce que je crois mesurer ? »

Exemple classique : « J'aime travailler en groupe ». Tu crois mesurer l'esprit de collaboration. Mais tu mesures peut-être la sociabilité, l'insécurité face au travail individuel ou encore l'habitude scolaire. C'est un problème de validité de construit.

Donc, une formulation claire ne garantit rien ; seule la cohérence globale du dispositif donne du sens à ton enquête.

Le mirage des échelles

Les échelles de type Likert (le plus souvent 5 échelons exprimant chacun le degré d'accord ou de désaccord avec une assertion proposée) donnent une illusion de précision.

Mais la distance entre les échelons 1 et 2 n'est pas nécessairement la même qu'entre les échelons 4 et 5, les répondants n'utilisent pas tous l'échelle de la même manière, certains évitent systématiquement les extrêmes, etc. Résultat : des données comparables en apparence sont instables en réalité.

La bonne pratique consiste à regrouper plusieurs items, éviter les interprétations trop fines, analyser des tendances plutôt que des micro-écarts.

Les inévitables biais

Les biais ne sont pas des erreurs ponctuelles ; ils sont intrinsèques au dispositif. Il peut notamment s'agir de :

– biais de désirabilité sociale, particulièrement fort en contexte éducatif : les étudiants répondent comme de « bons étudiants » ;

– biais de compréhension : une même question simple peut être interprétée différemment selon le niveau de langue, le profil culturel ou les vécus scolaires ;

– biais d'acquiescement : les enquêtés ont parfois tendance à répondre « d'accord » par facilité ;

– biais de contexte : une question précédente peut modifier la réponse à la suivante.

Il n'est donc pas question de neutraliser ces biais, mais d'apprendre à vivre avec et à les limiter.

Ne pas négliger le pré-test

Le pré-test, trop souvent bâclé, n'est pourtant pas une simple formalité. Il sert à observer les hésitations, repérer les incompréhensions, identifier les réponses absurdes (même si elles semblent cohérentes pour le répondant). Tu devras donc chercher non pas « ce qui marche », mais bien « ce qui ne marche pas ».

La grande illusion des pourcentages

Une fois les réponses collectées, le danger s'installe.
Une erreur typique consiste à présenter des pourcentages comme des faits.

Exemple : « 72 % des étudiants se sentent motivés »

Cela ne signifie rien si aucune définition de « motivé » n'a été fournie, si la construction des items n'a pas été explicitée et si les biais potentiels ou constatés ne sont pas analysés.

Un questionnaire ne produit pas la réalité ; il produit une lecture possible de la réalité.

___

Le questionnaire est un outil séduisant parce qu'il donne une impression de rigueur. Mais en sciences humaines [1], la rigueur ne vient pas du chiffre ; elle vient de la construction du dispositif.

Un mauvais questionnaire produit des données propres et fausses. Un bon questionnaire produit des données imparfaites… mais interprétables.

[1] Les sciences du langage et de l'éducation sont des sciences humaines.

Une formation en ligne, centrée sur les enjeux méthodologiques et les procédés de construction des questionnaires d'enquête en sciences humaines, peut être organisée sur demande [1].

Ce que l'IA fait (ou peut faire) pour votre mémoire de recherche

Olivier Delhaye — 2025-10-07T22:57:23Z

Les outils d'intelligence artificielle accompagnent désormais toutes les étapes du travail scientifique : conception, rédaction, analyse, mise en forme.
Encore faut-il rendre visible leur contribution. Ces deux modèles de déclaration, l'un complet, l'autre allégé, permettent aux auteurs de mémoires de recherche et à leurs encadrants de documenter clairement l'usage de l'IA, tout en découvrant l'étendue de ses potentialités.

Deux déclarations sur l'usage de l'intelligence artificielle dans les mémoires : une version longue et une version allégée

L'intelligence artificielle est désormais une alliée incontournable dans le travail de recherche, qu'il s'agisse de conception, de rédaction, d'analyse, de traitement de données ou de mise en forme.

Elle accompagne désormais aussi bien les étudiants en master ou en doctorat que les enseignants-chercheurs dans leurs propres travaux, leurs encadrements de mémoires ou leurs rapports d'évaluation.

Encore faut-il le dire, le reconnaître, et surtout le déclarer avec transparence.

Pourquoi une déclaration ?

La rédaction d'une déclaration sur l'honneur relative à l'usage de l'IA est devenue une exigence éthique et méthodologique dans de nombreuses universités.

Elle répond à un double besoin :

– Informer le jury de la nature et de l'étendue de l'assistance fournie par l'IA.
– Responsabiliser l'auteur, en l'invitant à distinguer ce qu'il a produit lui-même de ce que l'outil a simplement suggéré, reformulé ou vérifié.

C'est aussi un formidable exercice de lucidité : prendre conscience de tout ce que l'on fait (ou pourrait faire) avec un outil d'IA, et à quel moment du processus.

Deux modèles à votre disposition

La version longue (exhaustive)

Pour les mémoires, thèses ou rapports détaillés, ou lorsqu'on souhaite attester précisément de chaque usage.

Cette version propose une grille complète couvrant toutes les étapes d'un travail académique :

– Conception : brainstorming, planification, création de scénarios pédagogiques, aide à la formulation d'hypothèses ou à l'assignation d'un niveau CECRL.

– Revue de littérature : recherche assistée, résumés automatiques, vérification de sources, gestion de références.

– Analyse : qualitative, quantitative, lexicométrique, phonétique, traitement automatique du langage, visualisation, calibration d'items.

– Langue et rédaction : génération, reformulation, correction, traduction, pré-correction de productions d'apprenants.

– Éthique : RGPD, anonymisation, droits d'auteur, biais, détecteurs d'IA.

Même si vous ne souhaitez pas tout cocher, la simple lecture de la grille vous donnera un aperçu concret de la diversité des usages possibles de l'IA dans la recherche. C'est une source d'inspiration autant qu'un outil de déclaration.

Il est bien sûr possible de réduire le tableau avant impression ou insertion dans le mémoire en supprimant les lignes non cochées, afin de ne conserver que les usages réellement concernés.

La version DOCX peut être envoyée sur demande.

La version allégée (1 page)

Pour les mémoires de master, rapports de stage ou travaux courts. Cette version synthétique regroupe les usages en huit grands domaines : conception, revue de littérature, instruments et collecte, analyse, rédaction, références, mise en forme et éthique. Elle tient sur une seule page, facile à joindre à la page de garde.

La version DOCX peut être envoyée sur demande.

Ces deux documents vous permettront d'adopter une posture éthique et transparente, de valoriser un usage raisonné de l'IA et d'inspirer vos propres pratiques de recherche et d'écriture.

L'IA est un partenaire : elle n'écrit pas à votre place, elle amplifie vos capacités d'analyse, d'expression et de vérification.

Voir en ligne : Exemple de ce que prévoient les universités aujourd'hui

La structure IMRaD ou l'art de déplier une pensée sans tout mélanger

Olivier Delhaye — 2025-08-03T16:16:08Z

La structure IMRaD – Introduction, Méthodes, Résultats, Discussion – s'est imposée dans le courant du XX^e siècle, d'abord dans les sciences expérimentales, puis dans une large part des publications scientifiques à comité de lecture. Aujourd'hui, elle est devenue un standard dans la plupart des disciplines dites « dures » (médecine, biologie, physique) et a été largement adoptée, avec des variations, dans les sciences humaines et sociales [1].

Dans l'enseignement supérieur, la structure IMRaD est fréquemment imposée pour les mémoires ou les travaux de recherche, souvent sans réelle explication de ses logiques internes. Ce qui conduit nombre d'étudiants à la considérer comme une simple grille à remplir, sans percevoir qu'elle vise à organiser la pensée scientifique dans une progression rigoureuse.

Introduction, Méthodes, Résultats and Discussion. Ces quatre lettres structurent la plupart des articles scientifiques aujourd'hui [2]. Mais dans les mémoires de master, elles sont trop souvent confondues avec une recette à suivre à l'aveugle. Mal comprise, la structure IMRaD devient un piège : les étudiants y déroulent leur pensée dans le désordre ou, pire, la noient dans une suite de sous-titres mal investis. Pourtant, bien employée, cette structure est un formidable outil pour organiser, clarifier et convaincre.

La structure IMRaD n'est pas qu'un plan. C'est un processus. L'introduction pose un problème, les méthodes montrent comment on a cherché à y répondre, les résultats exposent les données obtenues et la discussion les interprète. Une chaîne logique, sans retour en arrière, sans digressions, sans anticipation. Or, trop de mémoires inversent cette logique, comme s'il était possible de parler des effets avant d'en avoir présenté les causes.

Première erreur à éviter : l'« Introduction » bavarde. Le chercheur devient scénariste, mais sans dosage : il révèle tout trop vite, au lieu de ménager le suspense : l'introduction empiète sur les sections suivantes, aborde déjà la méthode, cite le terrain, parfois livre des résultats. On y sent l'impatience de l'auteur à tout dire tout de suite. Or, une bonne introduction se retient : elle annonce sans révéler, pose une question sans la résoudre, cerne un enjeu sans lui donner forme.

Deuxième erreur : la « Méthode » racontée à la première personne, comme un journal de bord. « J'ai d'abord construit un questionnaire... puis je l'ai testé... » Non. Il ne s'agit pas de raconter l'histoire du chercheur, mais de permettre à un lecteur de reproduire la recherche. Le lecteur doit pouvoir distinguer clairement : la méthodologie (la posture, les principes), les outils utilisés, les participants concernés, les procédures de recueil de données puis le traitement appliqué. Chacun de ces éléments doit figurer dans la section « Méthodes », sans intrusion d'analyse.

Troisième erreur : les « Résultats » trop bavards. Dans un mémoire bien construit, les résultats sont bruts. Ce sont des chiffres, des tableaux, des citations. Ils ne pensent pas encore. Ils ne jugent pas. Ils ne comparent pas. Ils attendent qu'on les regarde, puis qu'on en discute. L'erreur fréquente est d'enchaîner chaque graphique avec un commentaire interprétatif. Ce commentaire, c'est justement le rôle de la « Discussion ».

Enfin, la « Discussion » n'est pas un résumé. Elle est là pour interpréter les résultats, pour les mettre en lien avec la littérature, pour déstabiliser les certitudes, pour introduire du doute ou de la portée. Une bonne discussion ne répète pas les résultats. Elle les fait parler. Elle reconnaît les limites, elle ouvre des pistes, elle relie les données à ce qu'elles disent de plus concret ou de plus large.

Respecter la structure IMRaD, ce n'est pas remplir des cases. C'est accepter que la pensée se construise dans une forme exigeante, claire et progressive. Et quand on le fait bien, même un lecteur extérieur au domaine peut comprendre, suivre, discuter. C'est peut-être ça, l'excellence scientifique : dire des choses complexes avec une structure simple. Sans confondre la rigueur et l'obscurité [3].

Dans une structure IMRaD bien conçue, les résultats s'exposent sans jugement, la discussion les interprète avec recul. Et c'est là qu'interviennent l'analyse, la mise en contexte et le sens.

[1] Toutefois, l'usage de la structure IMRaD reste controversé ou marginal dans certaines disciplines à tradition argumentative (philosophie, histoire, littérature), où l'architecture d'un article suit des logiques moins linéaires.

[2] Certains journaux autorisent une présentation conjointe Résultats + Discussion, surtout dans des formats courts. Mais même là, les auteurs doivent signaler clairement ce qui relève du descriptif et ce qui relève de l'analyse.

[3] Clin d'œil aux collègues du FLE : cette rigueur dans l'organisation, cette progressivité, ce soin à dire ce qu'il faut, quand il le faut, comme il le faut, c'est aussi ce qu'on explore dans l'apprentissage de l'écrit en langue étrangère. Bref, IMRaD et production écrite, même combat !

Tableau récapitulatif : la structure « IMRaD » en un coup d'œil

Partie	Question centrale	Contenus attendus	[À éviter absolument]
Introduction	Pourquoi cette recherche ?	Problématique, objectif, ancrage théorique, justification	Résultats, interprétations, détails de procédure
Méthodes	Comment a-t-on procédé ?	Démarche méthodologique, outils, participants, protocole, traitement des données	Analyse, interprétation, storytelling personnel
Résultats	Que montrent les données collectées ?	Données brutes, tableaux, citations, chiffres	Jugement, implication, conclusion prématurée
Discussion	Que signifient ces résultats ?	Interprétation, comparaison avec la littérature, limites, implications	Nouvelles données, répétition, résumé sans analyse

Comment créer plus d'un index sur MS Word ?

Olivier Delhaye — 2023-12-24T09:44:00Z

Comment créer plus d'un index dans un document réalisé avec le logiciel Word ?

On suppose que le lecteur a déjà créé un tableau contenant une liste de mots ou de noms à indexer (fig. 1)

Figure 1

et qu'il a aussi créé un index (fig. 2) sur la base de ce tableau.

Figure 2

Il faut savoir que dans le texte du document (fig. 3), les mots indexés sont tous suivis d'un code caché qui indique au logiciel comment le mot doit être indexé.

Figure 3

On peut faire apparaitre ces codes en cliquant sur le bouton ¶ .

Figure 4

Dans la figure qui précède (fig. 4), le mot compétences est suivi du code {XE "compétence"} qui signifie « à indexer sous l'entrée compétence ».

Si l'on désire créer un second index, un index des auteurs cités (fig. 5) par exemple,

Figure 5

il faut d'abord signaler au logiciel que tous les mots précédemment indexés seront recensés dans le seul index des notions.

On doit représenter cet index des notions par une lettre de l'alphabet latin. Appelons-le par exemple « c ».

Pour ce faire, il suffit de cliquer sur ¶ pour faire apparaitre les codes d'indexation (fig. 6) et de faire automatiquement remplacer toutes les occurrences de {XE par {XE \f "c" dans le texte.

Figure 6

Pour reprendre notre exemple, le mot compétence sera dorénavant suivi du code {XE \f "c" "compétence"} qui signifie « à indexer sous l'entrée compétence dans l'index c ».

Ensuite, il faut veiller à ajouter au code qui se trouve au point d'insertion de l'index (fig. 7)

Figure 7

la chaîne \f "n" ce qui devrait probablement donner un code du style INDEX \c "2" \z "1036" \h "A" \f "c", en clair : index présenté en deux colonnes (\c "2"), langue française ({\z "1036"), entrées regroupées sous chacune des lettres de l'alphabet (\h "A"), ne répertorier que les mots marqués (« c » \f "c").

Figure 8

On peut ensuite passer à l'indexation des noms d'auteurs (fig. 5) de la façon habituelle : une fois tous les mots indexés, placez le point d'insertion là où vous voulez créer le second index et déroulez le menu Insertion, Référence, Tables et index. Activez l'onglet Index et cliquez sur OK.

Si l'on désire créer un troisième index, il faut à nouveau exécuter ces instructions en remplaçant les « c » par n'importe quelle autre lettre de l'alphabet latin.

La relative complexité de ces procédures peut vous amener à solliciter une intelligence artificielle pour vous guider dans leur exécution. Toutefois, vous garderez toujours le contrôle et pourrez en superviser chaque étape.

Composition et ponctuation sur Word

Olivier Delhaye — 2023-01-06T22:00:00Z

Les signes de ponctuation sont toujours suivis d'une espace [1]. Les signes de ponctuations composés de 2 traits ou points sont également précédés d'une espace. Ainsi, par exemple, on ménage des espaces avant et après deux-points [ : ], un point-virgule [ ; ], des guillemets français [ « ].

Pour résoudre le problème du point d'interrogation [ ? ] ou des deux-points [ : ] qui se retrouvent seuls au début de la ligne suivante, on doit remplacer l'espace qui les précède par une espace spéciale (une espace dite « insécable ») appelée en appuyant simultanément sur les touches [ SHIFT ], [ CTRL ] et [ SPACE ] du clavier.

Sur Word, l'ajout d'espaces insécables avant et/ou après les signes de ponctuations qui en imposent l'usage se fait automatiquement [2]. Pour s'en convaincre, on peut cliquer sur le bouton ¶ dans le bandeau supérieur du logiciel :

Cette petite phrase : « Bonjour ! »

apparaîtra ainsi

Cette·petite·phrase^o:·« ^oBonjour^o!^o »

· = espace normale
^o = espace insécable

Sur ChatGPT & Co, l'ajout d'espaces insécables avant et/ou après les signes de ponctuations qui en imposent l'usage ne se fait cependant pas encore [3] automatiquement.

La combinaison des touches [ CTRL ] et [ – ] (dans le pavé numérique, pas ailleurs !) permet d'imprimer un tiret [ – ] [4], sorte de trait d'union plus large, semblable à ceux qui précèdent les répliques dans la transcription des pièces de théâtre) plutôt qu'un simple trait d'union [ - ].

[1] Le substantif espace est féminin lorsqu'il se réfère à la composition typographique : au lieu de dire un espace, on dit alors une espace.

[2] Pour peu, bien sûr, que la langue française dans laquelle le texte est rédigé ait été déclarée.

[3] Nous sommes début 2026, ChatGPT 5.2

[4] Ce tiret est dit « tiret demi-cadratin ».