# Échantillonnage : choisir qui interroger selon ce que vous voulez comprendre

Échantillonnage : arbre de choix, matrice probabiliste ou non probabiliste, biais de sélection et plan de recrutement.

- URL canonique: https://www.harmate.com/fr/blog/échantillonnage-choisir-qui-interroger-selon-ce-que-vous-voulez-comprendre
- Auteur: Harmate Team
- Publié le: 2026-09-22
- Mise à jour: 2026-09-22T03:12:29.046481+00:00
- Langue: fr

## Contenu

# Échantillonnage : choisir qui interroger selon ce que vous voulez comprendre

L’échantillonnage n’est pas d’abord une question de nombre. C’est une décision sur les personnes ou situations auxquelles vos réponses pourront raisonnablement se rapporter. Le choix dépend de la question, de la population visée, de l’accès au terrain et de la conclusion attendue.

Un échantillon probabiliste peut soutenir une inférence vers une population lorsque le cadre de sélection, les probabilités et les non-réponses sont maîtrisés. Un échantillonnage non probabiliste peut être pertinent pour explorer une expérience, recruter des cas difficiles à atteindre ou comprendre des différences entre situations. Aucun des deux ne transforme automatiquement quelques réponses en vérité générale.

L’[Insee présente ses fiches méthodologiques](https://www.insee.fr/fr/information/2838097) et rappelle que la sélection, les quotas et le volontariat ne portent pas les mêmes possibilités d’inférence ; voir aussi [Il y a sondage et sondage](https://blog.insee.fr/il-y-a-sondage-et-sondage-2/). La taille ne répare pas un cadre de sélection ou une non-réponse mal décrits. En qualitatif, l’essai d’[Alvaro Pires sur l’échantillonnage](https://classiques.uqam.ca/contemporains/pires_alvaro/echantillonnage_recherche_qualitative/echantillonnage.html) relie la sélection à la pertinence des cas, non à la représentativité statistique.

## Commencer par la décision, pas par un nombre

Formulez d’abord :

- la décision que l’étude doit éclairer ;
- la population ou les situations concernées ;
- la période et le contexte ;
- la différence qui changerait la décision ;
- la limite que vous acceptez de laisser ouverte.

« Mesurer l’avis des clients » n’est pas assez précis. « Décider si le support doit proposer un accompagnement téléphonique aux nouveaux utilisateurs d’une offre donnée » définit déjà un public, une situation et une décision. « Comprendre pourquoi certains abandonnent avant la première utilisation » appelle probablement des récits et des cas contrastés avant une mesure fermée.

Le [questionnaire actionnable](/fr/blog/questionnaire-actionnable-partir-de-la-décision-pas-des-questions) aide à partir de la décision. Une [étude de marché utile](/fr/blog/comment-faire-une-étude-de-marché-utile-écouter-avant-de-mesurer) peut combiner sources documentaires, réponses ouvertes et mesure lorsque les catégories sont assez claires. Ces méthodes ne produisent pas le même type de preuve.

## Combien de personnes interroger ?

Il n’existe pas de nombre magique. Pour une estimation probabiliste, la taille dépend de la population, du plan, de la précision visée, de la variance attendue et des non-réponses ; elle se calcule avec le plan, pas avec une règle de blog. Pour une diversité raisonnée, choisissez des situations qui peuvent changer l’interprétation et documentez ce que chaque cas doit apprendre. Pour une enquête qualitative, arrêtez lorsque la décision est suffisamment éclairée et qu’une nouvelle situation n’ajoute plus une différence pertinente — ou poursuivez si elle pourrait encore contredire l’interprétation. Ces critères d’arrêt ne produisent pas une représentativité automatique.

## Un arbre de choix textuel

Suivez cet arbre avant de recruter :

1. **Voulez-vous estimer une proportion ou comparer une population définie ?**
   - Oui : cherchez un cadre de sélection qui couvre cette population et examinez si un plan probabiliste est possible.
   - Non : passez à la question suivante.
2. **Voulez-vous comprendre des situations, des mécanismes ou des exceptions ?**
   - Oui : envisagez une sélection raisonnée, par contraste ou par cas pertinents ; définissez ce que chaque cas doit vous apprendre.
   - Non : clarifiez la décision avant de choisir un recrutement.
3. **Chaque personne de la population a-t-elle une probabilité de sélection connue ou calculable ?**
   - Oui : documentez le tirage, les strates, les exclusions et les non-réponses.
   - Non : vous êtes dans un plan non probabiliste ; ne présentez pas le résultat comme une estimation représentative sans preuve supplémentaire.
4. **Le recrutement passe-t-il par des volontaires ou un canal facilement accessible ?**
   - Oui : notez qui ce canal exclut, qui répond spontanément et comment cela peut orienter les résultats.
   - Non : décrivez le cadre, les critères et les refus observés.
5. **Une seule catégorie d’expérience est-elle suffisante ?**
   - Non : planifiez des contrastes utiles, par exemple nouveaux/anciens ou usage réussi/abandonné, sans supposer que chaque contraste explique à lui seul la cause.
   - Oui : vérifiez quand même les absents et les cas limites.

Cet arbre ne choisit pas une méthode à votre place. Il rend explicite la relation entre le but, la sélection et la portée de la conclusion.

## Comparer les principaux choix

| Mode de sélection | Ce qu’il peut apporter | Risque ou limite à documenter |
|---|---|---|
| Probabiliste | Estimation et comparaison lorsque le cadre et les probabilités sont défendables | Couverture incomplète, non-réponse, coûts et hypothèses de pondération |
| Quotas | Présence contrôlée de catégories connues dans un recrutement pratique | Les quotas ne corrigent que les variables choisies ; les écarts invisibles restent possibles |
| Volontaires | Accès rapide à des personnes motivées ou concernées | Auto-sélection, surreprésentation d’expériences fortes, exclusion des personnes absentes du canal |
| Raisonné ou purposif | Cas choisis pour leur expérience, leur contraste ou leur pertinence pour une question qualitative | Ne permet pas à lui seul une généralisation statistique |
| Boule de neige | Accès à des personnes difficiles à atteindre via des contacts | Réseaux proches, homogénéité et dépendance entre recommandations |
| Convenance | Première exploration à faible coût | Portée très limitée ; ne pas la présenter comme un miroir du marché |

Les quotas et les volontaires peuvent être utiles, mais ne sont pas des tirages aléatoires ; les variables non mesurées peuvent conserver un biais, quelle que soit la taille.

## Probabiliste ou non probabiliste : ne pas mélanger les promesses

Un plan probabiliste doit décrire le cadre, les probabilités, les exclusions et les non-réponses. Un plan non probabiliste peut choisir des situations contrastées ou des cas éclairant un mécanisme ; ce choix est défendable s’il répond à la question et si ses limites sont explicites. Il ne devient pas représentatif parce que les réponses sont nombreuses ou cohérentes.


## Plan de recrutement en six étapes

### 1. Définir la population accessible

Écrivez la population visée et la partie réellement accessible. Si vous étudiez les utilisateurs d’un service, précisez si les comptes inactifs, les anciens clients, les personnes sans adresse connue ou les utilisateurs indirects sont inclus.

### 2. Choisir l’unité de sélection

L’unité peut être une personne, un foyer, une équipe, un dossier, un événement ou une réponse située dans un contexte. Une liste de personnes ne suffit pas si la décision porte sur des événements ou des usages.

### 3. Décrire les critères

Indiquez les critères d’inclusion, d’exclusion et de contraste. Évitez les critères qui servent seulement à fabriquer un profil flatteur. Si le sujet est sensible, limitez les données demandées et expliquez leur usage.

### 4. Choisir les canaux

Documentez où les personnes sont invitées : base existante, partenaires, affichage, réseaux, appel direct ou recommandation. Pour chaque canal, demandez qui ne le voit pas et qui pourrait être plus enclin à répondre.

### 5. Prévoir les absences

Définissez une règle pour les invitations non délivrées, refus, abandons et réponses partielles ; ne remplacez pas automatiquement une personne absente par une personne « similaire ».

### 6. Arrêter ou poursuivre pour une raison explicite

En qualitatif, poursuivez lorsqu’une nouvelle situation peut encore changer l’interprétation ou révéler un cas important ; arrêtez lorsque la décision est suffisamment éclairée et que les nouvelles réponses ajoutent surtout des variantes déjà comprises. En probabiliste, la précision dépend du plan, de la variance et des hypothèses : ne choisissez pas un seuil universel sorti du contexte.

## Exemple inventé : un support pour nouveaux utilisateurs

Exemple inventé : une équipe veut décider si elle doit ajouter une séance d’accueil aux nouveaux utilisateurs d’un service de réservation. Une liste des comptes créés récemment est disponible, mais elle ne contient pas les personnes qui ont abandonné avant la création.

Si l’objectif est de comprendre les obstacles, l’équipe sélectionne volontairement trois situations : inscription terminée sans réservation, première réservation réussie et abandon pendant le paiement. Elle demande des récits ouverts, conserve les cas et indique que cette sélection sert à comprendre des parcours, pas à estimer la part de chaque parcours.

Si l’objectif devient d’estimer la fréquence d’un abandon parmi tous les inscrits, elle doit revoir le cadre, les invitations, les non-réponses et la définition du dénominateur. Les entretiens précédents peuvent aider à formuler les options, mais ils ne fournissent pas cette estimation.

Pour un organisme qui compare deux cohortes de formation, séparez la cohorte invitée de la cohorte répondante. Si les absents, refus et abandons sont remplacés par des volontaires, l’écart observé peut refléter la participation plutôt que l’expérience. Conservez pour chaque cohorte les invitations délivrées, les refus, les abandons et les réponses partielles ; n’en déduisez pas l’avis des absents.

Le [guide des questions ouvertes](/fr/blog/questions-ouvertes-obtenir-des-reponses-exploitables-sans-biaiser) peut servir à explorer les situations avant de construire une mesure. Le plan change lorsque la décision change.

## Où Harmate peut aider

Harmate peut recueillir et importer les réponses, conserver les critères et sources, comparer des thèmes et préparer un rapport qui montre les absences, les divergences et la portée réellement observée. Il ne fournit pas un panel, ne choisit pas automatiquement un plan probabiliste et ne transforme pas un échantillon pratique en population représentative.

Un bon rapport devrait pouvoir répondre à quatre questions : qui pouvait participer, qui a effectivement répondu, quelles situations sont absentes et quelle conclusion est raisonnable avec ces limites ? Si la réponse n’est pas disponible, réduisez la promesse avant d’augmenter la taille. L’échantillonnage n’est pas une recette pour obtenir un chiffre rassurant ; c’est une manière de relier une sélection réelle à une décision honnête.