# Réunir des exports de questionnaires sans perdre les différences

Réunissez des exports de questionnaires sans confondre append et jointure, questions différentes, doublons, cohortes ou dénominateurs.

- URL canonique: https://www.harmate.com/fr/blog/réunir-exports-questionnaires-sans-perdre-différences
- Auteur: Harmate Team
- Publié le: 2026-10-28
- Mise à jour: 2026-10-28T17:01:54.695927+00:00
- Langue: fr

## Contenu

# Réunir des exports de questionnaires sans perdre les différences

Vous avez deux fichiers d’enquête et souhaitez les analyser ensemble. Avant de copier les lignes à la suite, vérifiez que chaque ligne représente la même unité, que les colonnes mesurent réellement la même chose et que les identifiants sont comparables. Un fichier combiné peut être techniquement propre tout en mélangeant des questions, des répondants ou des périodes qui ne sont pas équivalents.

Ce guide propose une méthode pour réunir des exports de plusieurs vagues, équipes ou outils. Il ne s’agit pas de fusionner automatiquement des fichiers ni de rendre comparables des populations qui ne le sont pas.

## Commencer par la décision et l’unité d’analyse

Écrivez d’abord la décision que l’analyse doit éclairer : par exemple, « quelles difficultés d’inscription devons-nous examiner dans les deux cohortes ? » Définissez ensuite ce qu’est une ligne. Est-ce une soumission, une personne, une inscription ou une réponse à une question ? Une personne peut avoir envoyé deux soumissions ; une soumission peut contenir plusieurs lignes si l’export est déjà déplié par choix.

Conservez pour chaque fichier sa source, sa date d’export, la version du questionnaire, la période de collecte et la population visée. Ne remplacez pas ces informations par un champ vague comme « année ». Si les fichiers viennent de questionnaires diffusés à des publics différents, leur juxtaposition ne crée pas un échantillon commun.

## Append ou join : deux opérations différentes

**Append** ajoute des lignes : les colonnes représentent les mêmes variables et chaque nouvelle ligne une unité comparable. C’est souvent le bon geste pour réunir des vagues d’un même questionnaire. Ajoutez néanmoins des colonnes de provenance, par exemple `source_file`, `cohort` et `collection_period`.

**Join** ajoute des colonnes en reliant des lignes par une clé commune : par exemple, un fichier de réponses et un fichier de suivi contenant le même identifiant pseudonymisé. Avant la jointure, vérifiez l’unicité de la clé de chaque côté et le nombre de correspondances. Une jointure plusieurs-à-plusieurs peut multiplier les lignes et gonfler les décomptes. Ne joignez pas deux fichiers sur le seul prénom, le nom d’équipe ou une ressemblance de texte.

## Exemple fictif : deux exports de formation

Une consultante évalue deux cohortes après une formation à la prise en main d’un outil. Le fichier `cohorte-avril.csv` contient un identifiant de soumission, une équipe et la question « Quelle étape vous ralentit le plus ? ». Le fichier `cohorte-juin.xlsx` contient un identifiant différent, une équipe, et « Qu’est-ce qui vous a empêché de terminer la tâche ? ».

Les deux questions parlent d’une difficulté, mais elles ne demandent pas la même chose : l’une porte sur une étape lente, l’autre sur un obstacle empêchant l’achèvement. Ne les fusionnez pas sous une seule colonne `barrier`. Vous pouvez analyser séparément les réponses, puis comparer les constats en gardant cette différence visible.

| Fichier d’origine | Champ source | Champ harmonisé | Décision |
|---|---|---|---|
| avril | `submission_id` | `response_id` | garder la clé propre à la source ; ne pas la traiter comme identifiant personne |
| avril | `team_name` | `team_label` | harmoniser uniquement les variantes documentées, conserver la valeur d’origine |
| avril | `slow_step` | `slow_step_text` | question A ; analyser séparément |
| juin | `entry_id` | `response_id` | conserver avec `source_file` pour éviter collision entre identifiants |
| juin | `team` | `team_label` | mapping documenté, valeur brute gardée |
| juin | `task_blocker` | `task_blocker_text` | question B ; ne pas fusionner avec question A |

La table de correspondance est une décision de préparation, pas une preuve que deux variables sont équivalentes. Notez le libellé exact, les choix proposés, les règles d’export, les transformations appliquées et les champs laissés distincts. Si deux questions ont une formulation identique, vérifiez aussi leur période, leur consigne et leur public avant de les traiter comme comparables.

## Garder les valeurs, libellés et absences lisibles

Les outils peuvent exporter des codes numériques, des libellés visibles ou les deux. Gardez le fichier source intact. Si vous recodez, documentez la table des valeurs et ne supposez pas qu’un code `1` signifie la même réponse partout. Les [consignes Qualtrics sur la combinaison de réponses](https://www.qualtrics.com/support/survey-platform/data-and-analysis-module/data/combining-responses/) rappellent notamment l’importance d’aligner les colonnes, de vérifier les valeurs et de préserver les questions qui ne sont pas communes.

Distinguez une question non posée, une question posée mais laissée vide, « ne sait pas », « non applicable » et un abandon. Une colonne vide après append peut signifier que la question n’existait pas dans cette version ; ce n’est pas nécessairement une non-réponse. N’imputez pas une réponse sans méthode justifiée.

## Contrôler doublons et dénominateurs avant comparaison

Comptez les lignes, les identifiants uniques et les soumissions répétées dans chaque source avant et après append. Par exemple, 12 soumissions en avril plus 8 en juin donnent 20 soumissions dans le fichier combiné ; cela ne donne pas nécessairement 20 personnes. Sans clé stable autorisée reliant les deux vagues, le nombre de personnes uniques reste inconnu. Choisissez une règle pour les doublons à partir de l’objectif et de la documentation de collecte ; ne supprimez pas silencieusement une deuxième soumission. Une jointure mérite le même contrôle : si une clé apparaît deux fois dans le fichier de réponses et trois fois dans le fichier de suivi, une jointure plusieurs-à-plusieurs produit 2 × 3 = 6 lignes pour cette clé. Vérifiez la multiplicité avant de joindre, ou ramenez chaque côté à la bonne unité selon une règle documentée. Indiquez le dénominateur qui correspond à l’indicateur : par exemple, un taux de réponse se calcule sur les personnes éligibles sollicitées, tandis qu’un taux de réponses satisfaisant un critère se calcule sur les réponses valides effectivement évaluées. Pour un compte de personnes, utilisez des personnes uniques reliées selon une règle explicite; pour une question à choix multiples, distinguez répondants et sélections. Les [questions à réponses multiples](/fr/blog/analyse-question-reponses-multiples-pourcentages) ont par exemple un dénominateur différent selon qu’on rapporte la proportion de personnes ou la part des sélections.

Une cohorte est une caractéristique de contexte ; elle ne prouve pas qu’une même personne a répondu avant et après. Pour une comparaison individuelle, il faut une clé autorisée, stable et documentée, ainsi qu’une règle de confidentialité adaptée. Sans cette clé, comparez des groupes ou des distributions, et dites clairement que vous ne mesurez pas un changement individuel.

## Une courte checklist avant analyse

- Les fichiers sources sont-ils conservés sans modification et datés ?
- Chaque ligne correspond-elle à la même unité ?
- Append ou join : l’opération et sa clé sont-elles explicites ?
- Les libellés, codes, choix et versions sont-ils documentés ?
- Les questions non équivalentes restent-elles séparées ?
- Les absences, doublons et populations ont-ils une définition ?
- Chaque résultat indique-t-il son dénominateur et sa cohorte ?

Après ces contrôles, préparez un jeu de données dérivé et gardez-le relié à ses sources. Si une question change de sens, mieux vaut présenter deux résultats contextualisés qu’un indicateur commun trompeur. La [préparation des réponses avant analyse](/fr/blog/préparer-des-réponses-de-questionnaire-avant-lanalyse-méthode-et-exemple) couvre les contrôles de provenance et les corrections de fichiers ; l’[export Qualtrics](/fr/blog/exporter-donnees-qualtrics-analyse) détaille ses options propres.

Pour poursuivre avec des réponses déjà collectées, vous pouvez importer manuellement des fichiers CSV, JSON ou XLSX dans [Harmate](/fr/product/response-import). Un compte est nécessaire. La revue des colonnes vous aide à vérifier le fichier importé ; elle ne décide pas quelles questions sont équivalentes. Conservez votre mapping et contrôlez le résultat avant l’analyse.