L'échelle de Likert en 5 points : formulation, items inversés et analyse

L'échelle de Likert est le format de réponse le plus courant dans les questionnaires de recherche : une affirmation, suivie d'options allant de « tout à fait d'accord » à « pas du tout d'accord ». Sa simplicité apparente cache des décisions qui façonnent vos résultats : le nombre de points, la formulation des affirmations, les items inversés et l'interprétation des moyennes. Cet article détaille ces points étape par étape.

Qu'est-ce qu'une échelle de Likert ? {#what}

Le psychologue américain Rensis Likert l'a introduite en 1932 pour mesurer des attitudes. Les répondants évaluent leur degré d'accord avec une série d'affirmations, et les réponses sont additionnées ou moyennées pour obtenir un score global.

Les chercheurs distinguent deux concepts souvent confondus sous le terme « Likert » :

• Un item de Likert : une affirmation unique avec ses options de réponse.
• Une échelle de Likert : plusieurs items qui mesurent ensemble un concept et sont combinés en un score unique.

La distinction est importante pour l'analyse : un item unique constitue une donnée ordinale, tandis que la somme de plusieurs items est traitée dans la plupart des études comme une donnée quantitative.

Cinq ou sept points ? {#points}

L'échelle à 5 points est le choix standard pour la plupart des travaux de recherche. Choisissez 7 points uniquement si l'échelle publiée que vous utilisez est conçue ainsi, ou si votre directeur de recherche l'exige.

Qu'en est-il de l'option neutre ? La conserver permet aux personnes sans opinion de l'exprimer honnêtement. La supprimer (avec une échelle à 4 ou 6 points) force une prise de position, mais peut pousser certains répondants à choisir une réponse qui ne reflète pas leur pensée. La conserver reste la pratique la plus courante.

Formulation des affirmations {#wording}

• Une idée par affirmation. « Les cours sont utiles et agréables » contient deux idées : que répondre si l'on trouve les cours utiles mais ennuyeux ?
• Court et clair, dans le langage du répondant, pas celui du chercheur.
• Ne pas influencer. « Ne seriez-vous pas d'accord pour dire que... » incite à l'accord.
• Éviter les doubles négations. « Je ne pense pas que les cours ne soient pas utiles » sème la confusion.
• Équilibrer les options : autant de niveaux d'accord que de désaccord.

Items inversés : pourquoi les écrire et pourquoi les inverser {#reverse}

Un item inversé (formulé négativement) pointe dans la direction opposée au concept mesuré. Dans une échelle d'engagement académique, « Je manque les cours sans raison valable » est un item inversé : être d'accord signifie un engagement moindre.

Pourquoi les écrire ? Pour détecter les répondants qui cochent la même réponse sans lire les affirmations, et pour briser l'automatisme de l'accord.

Pourquoi les inverser ? Parce qu'un 5 sur ces items signifie l'opposé d'un 5 sur les autres. Avant l'analyse, leur codage doit être inversé :

Sur une échelle à 5 points, le nouveau score est égal à 6 moins la valeur originale. Sur une échelle à 7 points, il est égal à 8 moins la valeur originale.

Note oublier d'inverser un seul item suffit à réduire l'alpha de Cronbach de l'ensemble du construit et à rendre négative la corrélation de cet item avec son construit. Voir notre article sur l'alpha de Cronbach.

N'en abusez pas : les items inversés peuvent dérouter certains répondants, surtout s'ils sont formulés avec des négations. Un ou deux par construit suffisent généralement.

Interprétation des moyennes : largeur de classe {#class-width}

Une fois la moyenne de chaque item et construit calculée, vous avez besoin d'une règle pour l'interpréter : 3,4 est-il un score élevé ou modéré ? La méthode courante est la largeur de classe :

Largeur de classe = (score le plus élevé − score le plus bas) ÷ nombre de niveaux

Pour cinq niveaux : (5 − 1) ÷ 5 = 0,80

Pour trois niveaux : (5 − 1) ÷ 3 ≈ 1,33

Les deux méthodes sont utilisées. L'important est de préciser dans votre travail laquelle vous avez choisie et pourquoi, et de l'appliquer uniformément à tous vos tableaux.

Poids relatif et classement {#relative-weight}

Le poids relatif convertit une moyenne en pourcentage du score maximal possible :

Poids relatif = (moyenne ÷ point le plus élevé de l'échelle) × 100

Un item avec une moyenne de 3,9 sur une échelle à 5 points a un poids relatif de (3,9 ÷ 5) × 100 = 78 %. Les items sont ensuite classés au sein de chaque construit par leur moyenne, du plus élevé au plus faible, pour identifier les points forts et les points faibles.

Présentation des résultats {#reporting}

Le tableau type pour chaque construit comprend : l'affirmation, la moyenne, l'écart-type, le poids relatif, le niveau et le rang, avec une dernière ligne pour le score global du construit.

Sous le tableau, proposez une interprétation plutôt qu'une simple répétition des chiffres : quels items arrivent en tête ou en fin de classement, et qu'est-ce que cela signifie pour votre question de recherche ? Un écart-type élevé mérite d'être mentionné, car il indique que les avis sont partagés, même si la moyenne est « modérée ».

Données ordinales ou d'intervalle ? {#ordinal}

Certains examinateurs poseront la question. Un item unique est par nature ordinal : l'écart entre « d'accord » et « tout à fait d'accord » n'est pas nécessairement identique à celui entre « neutre » et « d'accord ». Cependant, la plupart des études calculent la moyenne d'un construit composé de plusieurs items et utilisent des tests paramétriques (t-test, ANOVA) après vérification de la normalité. Si les données s'éloignent trop de la loi normale, des alternatives comme les tests de Mann-Whitney ou de Kruskal-Wallis sont préférables.

Dans Pulseform {#pulseform}

• La question Évaluation / Échelle de Likert est configurée sur 5 points, et vous personnalisez vous-même les libellés de 1 à 5.
• L'option Cet item est inversé inverse automatiquement la réponse (6 moins la réponse) dans toutes les analyses, vous évitant de le faire manuellement.
• Le champ Construit / Dimension de l'étude regroupe les items pour calculer les scores et la fiabilité.
• Le Tableau descriptif APA 7e affiche chaque item et construit avec sa moyenne, son écart-type, son poids relatif, son niveau et son rang. Le niveau utilise trois classes : Faible jusqu'à 2,33, Moyen jusqu'à 3,67, Élevé à partir de 3,68.

Les détails sont disponibles dans Créer une enquête et Enquêtes académiques.

Références {#sources}

Sources originales des formules, seuils et règles empiriques cités :

• Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22(140), 1–55.
• Norman, G. (2010). Likert scales, levels of measurement and the "laws" of statistics. Advances in Health Sciences Education, 15(5), 625–632.
• Preston, C. C., & Colman, A. M. (2000). Optimal number of response categories in rating scales: Reliability, validity, discriminating power, and respondent preferences. Acta Psychologica, 104(1), 1–15.

Note la largeur de classe et le poids relatif sont des conventions courantes dans les thèses, et non des méthodes issues d'une source unique. Précisez donc clairement dans votre travail la méthode utilisée.