Comment vérifier vos données avant de soumettre un article (Guide 2026)
Avant de soumettre un article, effectuez quatre vérifications sur les chiffres. Chaque taille d'échantillon dans le texte doit correspondre aux tableaux, et les pourcentages doivent s'additionner correctement. Le nombre de décimales doit être cohérent, et les données manquantes doivent être comptabilisées et expliquées. Ce sont les erreurs que les réviseurs trouvent en premier, car ce sont les plus faciles à repérer.
Les réviseurs disposent d'un temps limité et s'appuient sur une heuristique raisonnable. Si l'arithmétique des tableaux ne tient pas la route, l'analyse sous-jacente n'a probablement pas été vérifiée non plus. Cette déduction est injuste dans certains cas particuliers, mais elle s'avère assez souvent exacte pour influencer l'évaluation.
Ce guide explique pourquoi les erreurs numériques dominent les commentaires des réviseurs et quelles vérifications valent la peine d'être effectuées avant de soumettre un article. Il se termine par la manière de les réaliser sans avoir à relire chaque tableau à la main.
Pourquoi les réviseurs repèrent les chiffres, et non la théorie
Le N ne correspond jamais
Une étude commence avec 120 participants. Huit sont exclus en raison de réponses incomplètes, trois autres échouent à un test d'attention, et une condition perd deux personnes suite à un problème technique. La section méthodologie indique 120, l'analyse a été menée sur 107, et un tableau affiche toujours 109 car il a été conçu avant la dernière exclusion.
Personne n'a commis d'erreur ici. L'effectif a simplement changé quatre fois, et le manuscrit reflète différents moments de cette séquence. Un réviseur comparant la section méthodologie aux tableaux y voit une contradiction inexpliquée.
Les dérives d'arrondi
Les résultats statistiques affichent de nombreuses décimales. Différents chiffres sont copiés à différents moments, certains arrondis à deux décimales et d'autres à trois. Les pourcentages calculés à partir de sous-totaux arrondis totalisent 99.8 au lieu de 100.
Pris individuellement, ces écarts sont insignifiants. Collectivement, ils donnent une impression de négligence, et c'est exactement ce qu'un lecteur attentif remarque en parcourant un tableau.
Le graphique et le texte ne concordent pas
Un graphique est exporté trop tôt, l'analyse est affinée et le texte est mis à jour. L'illustration conserve les anciens chiffres. C'est un cas de figure assez fréquent pour que les réviseurs expérimentés comparent systématiquement les graphiques au texte.
Ces trois défaillances ont une cause commune. Rien ne s'est mal passé dans l'analyse ; le manuscrit enregistre simplement plusieurs moments distincts d'un processus en constante évolution. Corriger cela relève d'un problème de documentation, et non de statistiques.
Ce que cela vous coûte
Un cycle de révision qui aurait pu être évité. Les incohérences numériques entraînent rarement un rejet à elles seules, mais elles génèrent un cycle de révisions majeures qui ajoute des mois de délai.
L'attention du réviseur mobilisée au mauvais endroit. Chaque commentaire sur un N discordant est un commentaire de moins consacré à votre argumentation. Vous disposez d'un capital d'attention limité par évaluation.
Une correction après publication. Le pire scénario est que personne ne s'en aperçoive avant que l'article ne passe toutes les étapes de soumission. Les corrections post-publication sont permanentes et publiques, et elles restent associées à votre nom plutôt qu'à celui du réviseur qui les a manquées.
Les vérifications indispensables
Option 1 : Harmoniser chaque taille d'échantillon
Listez chaque N et n apparaissant n'importe où : méthodologie, chaque tableau, chaque légende de figure, le résumé. Retracez l'origine de chacun d'eux jusqu'à une étape de filtrage spécifique. Tout chiffre que vous ne pouvez pas retracer est soit une erreur, soit une exclusion non documentée.
Vérifiez ensuite que les exclusions tombent juste : l'échantillon de départ, moins chaque exclusion documentée, doit être égal à l'échantillon analysé. Rédigez cet enchaînement dans la section méthodologie. Les réviseurs s'opposent rarement aux exclusions expliquées ; ils s'opposent systématiquement à celles qui ne le sont pas.
Option 2 : Vérifier l'arithmétique de chaque tableau
Les pourcentages au sein d'une catégorie doivent totaliser 100, sous réserve d'une note explicative sur les arrondis. Les effectifs des sous-groupes doivent correspondre au total du groupe. Les moyennes des sous-groupes, pondérées par leur taille, doivent concorder avec la moyenne générale.
C'est un travail fastidieux, et c'est là que se cachent la plupart des erreurs. C'est aussi la vérification que les réviseurs sont les plus susceptibles d'effectuer eux-mêmes, ce qui rend l'impasse particulièrement risquée.
Option 3 : Auditer les données manquantes et les valeurs aberrantes
Indiquez la quantité de données manquantes, si elles manquent de manière aléatoire et comment vous les avez traitées. L'exclusion de listes (listwise deletion), l'imputation et l'analyse par paires (pairwise) produisent des tailles d'échantillon différentes, ce qui est une source fréquente de discordance des N.
Faites de même pour les valeurs extrêmes exclues. Indiquez combien ont été supprimées et selon quelle règle. Envisagez de présenter le résultat clé avec et sans ces valeurs — voir notre guide pour trouver les valeurs aberrantes sans code. Un résultat qui résiste à cette comparaison est plus solide, et s'il n'y résiste pas, mieux vaut que vous le découvriez avant le réviseur.
Où ces trois options se heurtent à la même limite
Chaque vérification est mécanique, et chacune exige de garder l'ensemble du manuscrit en tête à la fois. Vous comparez un chiffre de la méthodologie à un autre du Tableau 3, puis à un autre de la légende d'une figure. C'est un document que vous avez lu tellement de fois que vous ne le voyez plus vraiment.
C'est là que réside la véritable difficulté. Non pas que les vérifications soient complexes, mais relire soi-même un document que l'on a écrit s'avère peu fiable, et aucun niveau d'attention n'y change rien.
Comment effectuer ces vérifications avec Powerdrill Bloom
Étape 1 : Téléversez vos données
Téléversez le jeu de données d'analyse. Powerdrill Bloom analyse le profil de chaque colonne dès son arrivée, de sorte que le nombre de valeurs manquantes et la taille des groupes apparaissent comme des faits établis plutôt que comme des éléments dont vous devez vous souvenir.
Étape 2 : Décrivez les vérifications en langage naturel
Demandez directement le rapprochement. Combien de cas complets reste-t-il par groupe après application de ces exclusions, est-ce que les pourcentages par catégorie totalisent 100, et quelles colonnes contiennent des valeurs manquantes. Demandez ensuite la comparaison essentielle : comment le résultat clé varie avec et sans les cas exclus.
Étape 3 : Exportez le graphique, le rapport ou la présentation
Extrayez un tableau récapitulatif des effectifs et des valeurs manquantes pour le comparer à votre manuscrit. Une note écrite détaillant l'enchaînement des exclusions pour la section méthodologie est générée à partir de la même requête.
Pourquoi cette méthode surpasse une relecture manuelle
| Vérification manuelle | Powerdrill Bloom | |
|---|---|---|
| Harmonisation des N entre les sections | Lecture et comparaison manuelles | Effectifs générés à chaque étape de filtrage |
| Audit des valeurs manquantes | Inspection colonne par colonne | Profil analysé dès le téléversement |
| Résultat avec et sans exclusions | Relancer l'analyse deux fois | Demander les deux versions |
| Après une révision | Répéter l'ensemble du processus | Relancer la requête sur le nouveau fichier |
C'est la dernière ligne qui détermine si les vérifications sont réellement effectuées. Un audit qui prend une après-midi entière est réalisé une fois, avant la première soumission, mais est souvent ignoré avant la nouvelle soumission. C'est pourtant précisément à ce moment-là que les chiffres viennent de changer.
Une liste de contrôle avant soumission
Retracez chaque N jusqu'à une étape de filtrage. Si vous ne pouvez pas expliquer quelle règle a produit un chiffre, ne le publiez pas.
Recalculez les totaux des tableaux. Les pourcentages doivent égaler 100, les sous-groupes doivent correspondre au total du groupe, et aucune exception n'est admise sans une note sur les arrondis figurant sur le tableau lui-même.
Régénérez les graphiques après l'analyse finale. Ne réutilisez jamais un graphique exporté avant la dernière révision. Notre guide pour créer des graphiques pour un article de recherche détaille les exigences de format.
Explicitez le traitement des données manquantes. Indiquez la méthode et la taille d'échantillon finale dans la section méthodologie.
Comparez le résumé avec les résultats. Les résumés sont rédigés tôt et mis à jour en dernier, ils contiennent donc souvent les chiffres les plus anciens du manuscrit. C'est également la partie que la plupart des lecteurs consultent, ce qui rend toute erreur particulièrement visible.
Faites relire vos tableaux par un tiers. Un collègue qui n'a jamais vu vos données repérera en dix minutes ce qui vous a échappé pendant des semaines. Demandez-lui de vérifier l'arithmétique plutôt que le fond, car c'est la vérification que vous ne pouvez plus faire vous-même sur votre propre manuscrit.
Conclusion
Les vérifications qui évitent les cycles de révision n'ont rien de prestigieux : harmoniser la taille des échantillons, vérifier l'arithmétique, comptabiliser les données manquantes et régénérer les graphiques en dernier. Aucune d'elles ne requiert de compétences statistiques avancées, et toutes sont faciles à négliger à l'approche d'une date limite.
La raison pour laquelle on les ignore est qu'elles sont fastidieuses à répéter, alors qu'il faut le faire à chaque modification de l'analyse. Essayez Powerdrill Bloom sur votre jeu de données avant votre prochaine soumission. Consultez également notre page sur le nettoyage de données par IA et notre guide pour nettoyer et dédoublonner des données.
Foire aux questions
Que vérifient les réviseurs en premier dans un article ?
La cohérence interne des chiffres. Les tailles d'échantillon dans la méthodologie, les tableaux et le résumé, l'exactitude de la somme des pourcentages, et la concordance entre les graphiques et le texte. Ces vérifications sont rapides et révèlent le soin apporté à la préparation du reste du document.
Que dois-je vérifier avant de soumettre un article ?
Indiquez l'échantillon de départ, chaque exclusion avec sa règle et son effectif, ainsi que l'échantillon final analysé, afin que l'enchaînement soit arithmétiquement cohérent. Les exclusions expliquées sont rarement remises en question ; les variations inexpliquées de la taille de l'échantillon le sont toujours.
Dois-je présenter les résultats avec et sans les valeurs aberrantes ?
Oui, lorsque la conclusion dépend d'un petit nombre de valeurs extrêmes. Présenter les deux versions est plus rigoureux que de les exclure discrètement, et cela évite qu'un réviseur ne découvre cette sensibilité à votre place.
Pourquoi mes pourcentages ne totalisent-ils pas 100 ?
Généralement parce que chaque composante a été arrondie indépendamment. Ajoutez une note indiquant que les pourcentages peuvent ne pas totaliser 100 en raison des arrondis, ou calculez-les de manière à ce qu'ils tombent juste. Les deux options sont acceptables ; le silence ne l'est pas.
À partir de quel seuil y a-t-il trop de données manquantes ?
Il n'existe pas de seuil universel, et la structure des données manquantes importe plus que leur quantité. Des données manquantes de manière aléatoire sont plus acceptables que des données manquantes de manière systématique. Indiquez la quantité, la structure et votre méthode de traitement, et laissez les réviseurs juger.