Comment analyser les données d'une échelle de Likert : étape par étape

Pour analyser les données d'une échelle de Likert, déterminez d'abord si vous examinez des questions de type Likert individuelles ou une échelle de Likert multi-questions. Synthétisez les questions individuelles à l'aide des fréquences, des pourcentages, de la médiane et du mode, et représentez-les sous forme de diagrammes en barres. Ne combinez plusieurs questions en un score global que lorsqu'elles mesurent un concept unique, et vous pourrez alors utiliser les moyennes et les écarts-types.

Ce guide explique cette différence, comment coder et nettoyer les réponses, et comment analyser les données étape par étape avec l'IA ou dans Excel. Il aborde également les graphiques, les comparaisons de groupes, un exemple concret et les erreurs qui mènent à des résultats trompeurs.

Qu'est-ce que les données d'une échelle de Likert ?

Les données de Likert proviennent de questions de sondage qui demandent aux gens dans quelle mesure ils sont d'accord, s'ils sont satisfaits ou à quelle fréquence un événement se produit. Une question typique à cinq points va de « Tout à fait en désaccord » à « Tout à fait d'accord ».

L'équipe d'évaluation de l'Université de l'Arizona établit une distinction utile entre deux types de données. « Une échelle de Likert est un outil d'évaluation psychométrique multi-questions qui mesure un concept à travers une série de questions individuelles. » En revanche, les questions de type Likert sont des « questions individuelles mesurées à l'aide de différents types d'échelles de réponse. »

Cette différence importe plus que n'importe quelle formule. Boone et Boone ont souligné ce point dans un article du Journal of Extension en 2012. Ils ont écrit que les deux « nécessitent des procédures d'analyse de données uniques et, par conséquent, des mauvaises utilisations et/ou des erreurs se produisent souvent. »

Une enquête en milieu professionnel peut présenter les questions de type Likert une par une : « L'intégration m'a préparé à mon rôle », « Je recommanderais ce produit », etc. Une étude de recherche peut combiner plusieurs questions connexes en une seule échelle de Likert. Savoir de quel type vous disposez vous indique quelles statistiques utiliser.

Questions de type Likert vs échelles de Likert

La page de l'Université de l'Arizona reproduit les procédures suggérées par Boone et Boone pour chaque type de données :

Mesure	Questions de type Likert	Scores d'échelle de Likert
Tendance centrale	Médiane ou mode	Moyenne
Variabilité	Fréquences	Écart-type
Associations	Tau B ou C de Kendall	r de Pearson
Autres statistiques	Chi-deux	ANOVA, test t, régression

Pour les questions individuelles, la page est directe. Elles « doivent être analysées comme des éléments distincts à l'aide de techniques de tri et de regroupement telles que des tableaux de distribution de fréquences ou des supports visuels comme des diagrammes en barres. » Elle ajoute : « Le calcul des moyennes n'est pas approprié pour ce type de données, bien que les données puissent être analysées à l'aide de la médiane ou du mode. »

Pour les échelles multi-questions, les règles s'assouplissent. La même page indique que le score agrégé « peut être traité comme des données continues et évalué à l'aide de toutes les mesures de tendance centrale, mode, médiane ou moyenne. »

La règle pratique est simple. Si vous présentez une seule question, présentez sa distribution. Si vous présentez un score construit à partir de plusieurs questions, vous pouvez présenter sa moyenne.

Avant de commencer : coder et nettoyer les réponses

Les exports d'enquêtes peuvent stocker les réponses sous forme de texte. L'analyse est plus facile lorsque chaque réponse est associée à un nombre, commencez donc par les coder.

• Attribuez les codes dans l'ordre. Pour une question d'accord à cinq points, utilisez 1 pour « Tout à fait en désaccord » jusqu'à 5 pour « Tout à fait d'accord ».
• Conservez les libellés. Les codes servent à trier et à compter. Votre rapport doit toujours utiliser les mots que les répondants ont vus.
• Inversez les questions inversées. Si une question est formulée de manière négative, inversez ses codes avant de la combiner avec d'autres questions.
• Gérez les blancs et les « Non applicable ». Excluez-les des décomptes et indiquez combien il y en avait.
• Vérifiez la longueur de l'échelle. Ne mélangez pas des questions à cinq points et à sept points dans un même tableau.

Conservez un court livre de codes contenant la formulation de chaque question, les codes et les éventuelles inversions. Cela rend l'analyse reproductible pour le trimestre suivant.

Comment analyser les données d'une échelle de Likert

Les trois étapes ci-dessous utilisent Powerdrill Bloom, mais la même approche fonctionne avec n'importe quel outil capable de lire l'export de votre enquête. La version Excel suit dans la section suivante.

Étape 1 : Importer l'export de l'enquête et coder les réponses

Exportez les réponses de votre outil d'enquête sous forme de fichier CSV ou Excel, avec une ligne par répondant et une colonne par question. Importez le fichier et décrivez l'échelle en langage naturel, par exemple : « Les colonnes D à K utilisent une échelle d'accord à cinq points. »

Demandez à ce que les réponses textuelles soient codées de 1 à 5, et listez toutes les questions inversées afin qu'elles soient retournées. Demandez ensuite le nombre de réponses valides par question, ainsi que le nombre de réponses vides ou « Non applicable ». Vérifiez ces décomptes par rapport au total des réponses de votre outil d'enquête avant d'aller plus loin.

Étape 2 : Synthétiser chaque question avec les fréquences, la médiane et le mode

Demandez un tableau de fréquences pour chaque question : le nombre et le pourcentage pour chaque option de réponse. Ajoutez la médiane et le mode pour chaque question, qui sont les mesures suggérées par Boone et Boone pour les questions individuelles.

Certaines équipes rapportent également un chiffre « top-two-box » (les deux cases supérieures), c'est-à-dire la part des répondants ayant choisi « D'accord » ou « Tout à fait d'accord ». C'est facile à lire et cela correspond à des objectifs comme l'exemple de l'Université de l'Arizona : « 90 % des étudiants déclarent être confiants. »

Si certaines questions forment une échelle, demandez un score combiné par répondant, puis la moyenne et l'écart-type de ce score. Conservez les tableaux au niveau des questions à côté, afin que les lecteurs puissent voir quelles questions influencent le score.

Étape 3 : Représenter graphiquement les résultats et comparer les groupes

Demandez un diagramme en barres des pourcentages de réponse pour chaque question, classé du plus fort au plus faible taux d'accord. Notre page bar graph maker présente la partie graphique plus en détail.

Vérifiez le graphique par rapport au tableau de fréquences avant de le partager. Les barres doivent totaliser 100 % pour chaque question, et les libellés doivent correspondre à la formulation que les répondants ont vue.

Comparez ensuite les groupes importants pour votre décision, tels que les départements, les régions ou les segments de clientèle. Demandez la distribution en pourcentage de chaque question par groupe, afin que des groupes de tailles différentes restent comparables. Enfin, demandez un court résumé écrit qui nomme les questions ayant le plus faible taux d'accord.

Comment analyser les données Likert dans Excel

Excel gère bien l'analyse de Likert une fois que les réponses sont codées. Supposons que les codes d'une question se trouvent dans les cellules B2:B201, à raison d'un par répondant.

Comptez chaque réponse. Microsoft décrit NB.SI comme un moyen de compter les cellules qui répondent à un critère, avec la syntaxe NB.SI(plage; critère). Comptez chaque option avec =NB.SI(B2:B201;1) jusqu'à =NB.SI(B2:B201;5).

Transformez les comptes en pourcentages. Divisez chaque compte par le nombre de réponses valides, =NB(B2:B201). Formatez les résultats en pourcentages.

Trouvez la médiane. Utilisez =MEDIANE(B2:B201). Microsoft note un détail important pour les codes Likert. « S'il y a un nombre pair de valeurs dans l'ensemble, MEDIANE calcule la moyenne des deux nombres du milieu. » Un résultat tel que 3,5 signifie que le milieu se situe entre deux réponses, indiquez donc les deux libellés.

Trouvez le mode. Lisez-le dans le tableau de fréquences : c'est l'option avec le compte le plus élevé. En cas d'égalité entre deux options, indiquez les deux.

Calculez le top-two-box. Utilisez =(NB.SI(B2:B201;4)+NB.SI(B2:B201;5))/NB(B2:B201) pour obtenir la part des répondants d'accord ou tout à fait d'accord.

Un tableau croisé dynamique peut effectuer le même décompte pour plusieurs questions à la fois. Placez la question en lignes, la réponse en colonnes et le nombre de réponses en valeurs. Affichez ensuite les valeurs en pourcentage du total de la ligne.

Un exemple concret

Voici un résultat illustratif pour une question à <:five>-points auprès de 200 employés. La question est : « La formation d'intégration m'a préparé à mon rôle. » Les chiffres sont des exemples et ne proviennent pas d'une véritable enquête.

Réponse	Code	Nombre	Pourcentage
Tout à fait en désaccord	1	10	5%
En désaccord	2	20	10%
Neutre	3	30	15%
D'accord	4	90	45%
Tout à fait d'accord	5	50	25%

À partir de ce tableau :

• Médiane : D'accord. Classées de 1 à 5, les 100e et 101e réponses tombent toutes deux dans la catégorie « D'accord ». Les trois premières options totalisent 60 réponses, et « D'accord » regroupe les 90 suivantes.
• Mode : D'accord. C'est l'option qui présente le nombre le plus élevé, soit 90.
• Top-two-box : 70 %. Soit 45 % de « D'accord » plus 25 % de « Tout à fait d'accord ».
• Bottom-two-box : 15 %. Soit 5 % de « Tout à fait en désaccord » plus 10 % de « En désaccord ».

Une conclusion écrite claire serait : « 70 % des répondants étaient d'accord sur le fait que l'intégration les avait préparés, et 15 % n'étaient pas d'accord. » Cette phrase est plus utile pour un manager que « la moyenne était de 3,75 », et elle respecte l'approche basée sur les fréquences pour les questions individuelles.

Comment représenter graphiquement les données Likert

Les diagrammes en barres conviennent aux questions individuelles, et ils font partie des supports visuels mentionnés par la page de l'Université de l'Arizona. Pour plusieurs questions à la fois, un diagramme en barres empilées montre la distribution complète de chaque question sur une seule ligne.

Une disposition particulière est recommandée dans la littérature statistique. Heiberger et Robbins la défendent dans le Journal of Statistical Software. « Nous recommandons les diagrammes en barres empilées divergentes comme principale technique de représentation graphique pour les échelles de Likert et assimilées. » Dans cette disposition, le désaccord s'étend à gauche d'une ligne centrale et l'accord à droite.

Pour créer une version simple dans Excel, saisissez les pourcentages de désaccord sous forme de nombres négatifs et les pourcentages d'accord sous forme de nombres positifs. Insérez ensuite un diagramme en barres empilées et triez les questions par accord total. La part neutre peut être répartie de part et d'autre de la ligne centrale ou affichée dans une colonne distincte.

Ajoutez une étiquette avec son pourcentage sur chaque barre, ou du moins étiquetez les totaux d'accord et de désaccord. Cela permet d'afficher les deux chiffres clés directement sur le graphique.

Quel que soit le graphique utilisé, conservez le même ordre de réponse pour chaque question. Utilisez une famille de couleurs pour le désaccord et une autre pour l'accord, afin que les lecteurs puissent parcourir le graphique rapidement. Notre guide pour transformer des données d'enquête complexes en graphiques clairs aborde le nettoyage des graphiques plus en détail.

Comparer des groupes

Les résultats d'enquête peuvent susciter des comparaisons : cette équipe par rapport à celle-là, cette année par rapport à l'année dernière. Pour les questions de type Likert individuelles, comparez les distributions de pourcentages côte à côte plutôt que les moyennes.

Présentez la comparaison sous forme de pourcentages au sein de chaque groupe, car les groupes ont rarement la même taille. Une équipe de 12 personnes et une équipe de 200 personnes ne peuvent être comparées équitablement que sous forme de proportions.

Si vous avez besoin d'un test statistique, le tableau de Boone et Boone indique le chi-deux pour les questions de type Likert. Pour les scores d'échelle, il indique l'ANOVA, les tests t et la régression. Les petits groupes rendent tout test moins fiable, indiquez donc la taille des groupes à côté des résultats.

Voici un exemple illustratif. Sur la question de l'intégration, 72 % d'une équipe commerciale de 150 personnes étaient d'accord, contre 58 % d'une équipe d'assistance de 50 personnes. La manière équitable de le présenter est : « 72 % des commerciaux (n = 150) et 58 % de l'assistance (n = 50) étaient d'accord. » Les lecteurs peuvent ainsi évaluer l'écart en gardant à l'esprit la taille des groupes, plutôt qu'à partir de deux simples pourcentages.

Présenter les résultats

Les directives de l'Université de l'Arizona mettent clairement en garde contre les moyennes. Elles qualifient de « non approprié le fait d'attribuer des valeurs numériques à l'échelle de réponse pendant la phase d'analyse. » La conclusion contre laquelle elles mettent en garde est : « en moyenne, les étudiants sont confiants. »

Un rapport clair peut comprendre quatre parties pour chaque question ou thème :

• La formulation de la question et les options de réponse.
• Le nombre de réponses valides et combien ont été laissées vides.
• La distribution, sous forme de tableau ou de graphique.
• Une phrase simple indiquant les proportions de top-two-box et de bottom-two-box.

Si vous suivez la même question au fil du temps, conservez une formulation et des options de réponse identiques. Un mot modifié ou une option ajoutée rompt la comparaison avec les sessions précédentes, notez donc tout changement dans le rapport.

Pour une rédaction complète, notre guide sur le rapport de résultats d'enquête aborde la structure et la mise en page. Si les conclusions doivent être présentées lors d'une réunion, le guide sur la présentation de résultats d'enquête traite des diapositives.

Erreurs courantes à éviter

• Faire la moyenne de questions individuelles. Une moyenne de 3,4 ne permet pas de savoir si les avis sont partagés ou mitigés, et les directives ci-dessus le déconseillent.
• Mélanger les statistiques des questions et des échelles. Utilisez les fréquences et les médianes pour les questions individuelles, et les moyennes uniquement pour les scores d'échelles multi-questions.
• Oublier les questions inversées. Une question formulée négativement qui n'est pas inversée faussera le score global de l'échelle.
• Exclure l'option neutre en silence. Si vous excluez l'option « Neutre » du top-two-box, mentionnez-le dans le rapport.
• Comparer des nombres bruts entre les groupes. Utilisez plutôt des pourcentages au sein de chaque groupe.
• Surinterpréter les petits échantillons. Un passage de 60 % à 70 % d'accord ne signifie pas grand-chose si seulement 10 personnes ont répondu.

Lorsque vos réponses arrivent sous la forme d'un export désordonné, vous pouvez essayer Powerdrill Bloom pour les coder et générer les tableaux de fréquences et les graphiques.

Foire aux questions

Comment analyser les données d'une échelle de Likert ?

Codez les réponses sous forme de nombres, puis synthétisez chaque question avec les fréquences, les pourcentages, la médiane et le mode. Représentez les distributions sous forme de barres. Si plusieurs questions forment une échelle, combinez-les en un score et indiquez sa moyenne et son écart-type.

Peut-on faire la moyenne de données d'une échelle de Likert ?

Pour les questions de type Likert individuelles, les directives basées sur Boone et Boone déconseillent les moyennes et recommandent la médiane ou le mode. Pour un score d'échelle de Likert multi-questions, la moyenne et l'écart-type sont appropriés.

Quel est le meilleur graphique pour les données d'une échelle de Likert ?

Les diagrammes en barres fonctionnent bien pour les questions individuelles. Pour de nombreuses questions, un diagramme en barres empilées montre la distribution complète de chaque question. Heiberger et Robbins recommandent les diagrammes en barres empilées divergentes comme principal affichage pour les échelles de Likert.

Les données d'une échelle de Likert sont-elles ordinales ou d'intervalle ?

Les questions de type Likert individuelles sont des catégories ordonnées, c'est pourquoi les directives basées sur Boone et Boone suggèrent la médiane et le mode. Les scores construits à partir de plusieurs questions peuvent être traités comme des données continues, selon la page de l'Université de l'Arizona.

Comment analyser les données d'une échelle de Likert dans Excel ?

Utilisez NB.SI pour compter chaque réponse, divisez par NB pour obtenir les pourcentages, et utilisez MEDIANE pour la réponse centrale. Un tableau croisé dynamique peut compter plusieurs questions à la fois. Construisez ensuite un diagramme en barres empilées à partir des pourcentages.

Sources : Boone and Boone, Analyzing Likert Data, Journal of Extension (2012) · University of Arizona, The Analysis of Scale Data · Heiberger and Robbins, Design of Diverging Stacked Bar Charts for Likert Scales, Journal of Statistical Software · Microsoft Support, fonction NB.SI · Microsoft Support, fonction MEDIANE.