# Échelle de Likert : exemples, choix des réponses et erreurs d’analyse

Échelle de Likert : exemples 5 ou 7 points, libellés, réponses neutres, non-réponse et erreurs d’analyse.

- URL canonique: https://www.harmate.com/fr/blog/échelle-de-likert-exemples-choix-des-réponses-et-erreurs-danalyse
- Auteur: Harmate Team
- Publié le: 2026-09-09
- Mise à jour: 2026-09-09T18:42:12.695318+00:00
- Langue: fr

## Contenu

# Échelle de Likert : exemples, choix des réponses et erreurs d’analyse

Une échelle de Likert transforme une perception en réponse ordonnée, par exemple de « pas du tout d’accord » à « tout à fait d’accord ». Elle rend des réponses comparables, mais ne prouve ni la cause d’une expérience ni la représentativité d’un groupe. Son intérêt dépend de la dimension définie, des libellés et de la décision qui suivra.

## Définir ce que mesure l’item

Un **item** est la question ou l’affirmation présentée. Dans l’usage courant, « échelle de Likert » désigne souvent les modalités ordonnées d’un item ; au sens strict, elle associe plusieurs items destinés à mesurer un même construit. La technique décrite par Rensis Likert en 1932 portait sur une série de propositions d’attitude et des réponses ordonnées ([article original](https://legacy.voteview.com/pdf/Likert_1932.pdf)). Un item isolé avec cinq choix n’est pas automatiquement une échelle validée.

Avant de choisir les modalités, complétez : « Je veux comparer ______ pour décider ______. » Si l’item mélange deux sujets — « La formation était claire et utile » — séparez-les. Si vous cherchez encore les raisons ou exceptions, commencez par une question ouverte. Une réponse fermée compare des perceptions ; elle n’explique pas seule pourquoi elles diffèrent.

Le [guide J-PAL sur la conception des enquêtes](https://www.povertyactionlab.org/resource/survey-design) recommande de partir des concepts à mesurer et de construire des réponses claires et adaptées. Une personne peut déclarer se sentir capable d’appliquer une méthode sans le démontrer dans une tâche. Le libellé doit donc annoncer ce qui est demandé : perception, accord, fréquence, intention ou comportement rapporté.

## Choisir l’axe et cinq ou sept points

Un format à 5 points est souvent lisible et peu coûteux à remplir. Un format à 7 points peut offrir une distinction supplémentaire lorsque les personnes comprennent réellement les nuances. Aucun n’est universellement supérieur. Pour un item d’accord, on peut écrire :

| 5 points | 7 points |
|---|---|
| Pas du tout d’accord | Pas du tout d’accord |
| Pas d’accord | Pas d’accord |
| Ni d’accord ni pas d’accord | Plutôt pas d’accord |
| D’accord | Ni d’accord ni pas d’accord |
| Tout à fait d’accord | Plutôt d’accord |
| — | D’accord |
| — | Tout à fait d’accord |

Pour une fréquence, utilisez des modalités allant de « jamais » à « très souvent » ; pour une facilité, de « très difficile » à « très facile ». L’axe doit suivre l’item, sinon le répondant traduit mentalement une échelle inadéquate.

Les recherches sur le nombre de catégories ne donnent pas une recette valable pour tous les questionnaires. Revilla, Saris et Krosnick ont comparé des échelles d’accord dans quatre expériences multitrait-multiméthode de l’European Social Survey : dans leur dispositif, cinq catégories donnaient une meilleure qualité de mesure que sept ou onze ([résumé de l’étude](https://doi.org/10.1177/0049124113509605)). Ce résultat concerne des questions d’accord et leurs critères de qualité ; il ne condamne pas toute échelle à sept points.

Preston et Colman ont, dans un autre questionnaire de services, comparé des formats de deux à onze catégories et observé des compromis différents entre fiabilité, validité et préférence ([résumé PubMed](https://pubmed.ncbi.nlm.nih.gov/10769936/)). La décision pratique est donc : quelle distinction supplémentaire changera réellement votre décision ? Si les répondants ne différencient pas « plutôt » et « assez », sept points ajoutent du bruit. Si une nuance intermédiaire est importante et comprise, cinq points peuvent être insuffisants. Prétestez les mots, pas seulement l’apparence de la grille.

Le choix des libellés compte autant que le nombre de cases. Dans une comparaison de formats, Saris et ses coauteurs ont étudié des modalités propres à la question face à des réponses d’accord/désaccord et ont observé un avantage de qualité dans leur dispositif ([étude sur les options de réponse](https://ojs.ub.uni-konstanz.de/srm/article/view/2682)). Ce résultat ne transforme pas les modalités spécifiques en règle universelle : il rappelle de choisir un axe qui décrit directement le jugement demandé.

## Construire un questionnaire de formation

Imaginons un atelier consacré à la rédaction de questions neutres. L’objectif est de repérer ce que les participants pensent pouvoir réutiliser et ce qui mérite une reprise pédagogique, pas de remesurer la satisfaction.

Consigne : « Pour chaque affirmation, choisissez une réponse. Si vous n’avez pas assez d’information, choisissez “je ne sais pas”. Si elle ne concerne pas votre activité, choisissez “ne s’applique pas”. »

Échelle commune : 1 = pas du tout d’accord, 2 = pas d’accord, 3 = ni d’accord ni pas d’accord, 4 = d’accord, 5 = tout à fait d’accord. Ajoutez « je ne sais pas » et « ne s’applique pas » seulement si ces sorties sont plausibles.

1. « Je peux distinguer une question ouverte d’une question qui suggère déjà une réponse. »
2. « Je peux repérer quand une question mélange deux sujets. »
3. « Je peux reformuler une question pour demander un exemple concret. »
4. « Je sais quand une réponse fermée doit être complétée par une relance ouverte. »
5. « Je peux expliquer quelle décision sera éclairée par chaque question de mon questionnaire. »

Ajoutez : « Quelle question ou situation reste difficile à formuler ? » Les items mesurent une aisance déclarée, pas une compétence prouvée ; une tâche ou observation serait nécessaire. Si le sujet ne concerne pas toutes les personnes, prévoyez « ne s’applique pas » plutôt que de forcer un jugement.

Le point milieu est une position sur la dimension mesurée. « Je ne sais pas » indique une absence d’information. « Non applicable » indique que la situation ne concerne pas la personne. « Je préfère ne pas répondre » signale un refus. La non-réponse peut venir d’un oubli, d’un abandon ou d’un problème de présentation. Aucune sortie ne doit être recodée silencieusement en 3.

## Décrire la distribution avant la moyenne

Voici un exemple **illustratif**, pas le résultat d’une étude. Dans un questionnaire adressé à 84 participants, 80 réponses valides sont obtenues pour l’item « Je peux appliquer la méthode présentée dans une situation proche de mon travail ». Les réponses sont : 8 « pas du tout d’accord », 14 « pas d’accord », 18 « ni d’accord ni pas d’accord », 25 « d’accord » et 15 « tout à fait d’accord ». Deux personnes choisissent « je ne sais pas » et deux ne répondent pas.

La moyenne codée sur 1 à 5 ne résume pas tout. Le dénominateur valide est 80, pas 84. Les quatre sorties restantes décrivent la couverture et ne doivent pas être recodées dans le milieu. La modalité centrale peut contenir une neutralité, une hésitation ou une difficulté à juger l’application : regardez les effectifs et les verbatims avant de conclure que la formation « fonctionne ».

Le calcul descriptif est `(8×1 + 14×2 + 18×3 + 25×4 + 15×5) / 80 = 3,3125`, soit **3,31/5** avec ce codage. Les deux modalités d’accord regroupent 40 réponses : **50 % des 80 réponses sur l’échelle**, mais **47,6 % des 84 personnes sollicitées**. Ce ne sont pas deux estimations concurrentes : leurs dénominateurs répondent à deux questions différentes. Écrivez toujours lequel vous utilisez. Les 22 réponses de désaccord (27,5 % des réponses valides) restent visibles ; « une moyenne plutôt positive » les masquerait.

Les réponses sont ordinales : leur ordre est connu, mais l’écart entre deux catégories n’est pas automatiquement une distance identique. Le guide académique de Sullivan et Artino invite à interpréter ces distributions avec prudence ([An Introduction to the Analysis of Likert Data](https://pmc.ncbi.nlm.nih.gov/articles/PMC3886444/)). Une moyenne peut être un résumé descriptif conventionnel dans certains contextes ; elle ne devient pas une preuve causale ni une mesure continue incontestable.

Voici une seconde comparaison **entièrement illustrative** de deux groupes de 20 réponses sur une échelle de 1 à 5. Les deux groupes ont exactement la même moyenne, 3.

| Groupe | Réponses | Calcul | Moyenne |
|---|---|---:|---:|
| A — polarisé | dix réponses à 2, dix réponses à 4 | (10×2 + 10×4) / 20 = 60 / 20 | 3 |
| B — concentré au milieu | vingt réponses à 3 | (20×3) / 20 = 60 / 20 | 3 |

Pour le groupe A, aucune personne n’a choisi 3 : la moyenne résulte de deux positions de réponse opposées. Il faut demander ce qui distingue les sous-groupes, vérifier le contexte et regarder les réponses ouvertes. Une intervention unique peut convenir à certains et aggraver le décalage pour d’autres.

Pour le groupe B, les réponses sont concentrées au milieu. Cela peut indiquer une position réellement intermédiaire, mais aussi une question difficile, une information insuffisante, une modalité centrale trop commode ou une réticence à se positionner. La moyenne identique ne permet pas de choisir entre ces interprétations. Avec 20 réponses, montrez effectifs, « je ne sais pas », non-réponses et, si possible, une relance ouverte.

Pour chaque item, consignez invités, réponses valides, sorties « je ne sais pas » ou « non applicable », non-réponses et distribution complète. Une variation de moyenne peut venir du dénominateur ou de la composition. Vérifiez le même texte, l’échelle, l’exposition, la période et les règles de sortie avant de comparer deux groupes. Si une modalité n’est jamais utilisée, ne la supprimez pas après coup : elle pouvait être inutile, incomprise ou inaccessible.

## Éviter les erreurs d’analyse

« Le contenu était clair et utile » demande deux jugements. « La formation a répondu à mes attentes » laisse chacun définir ses attentes. Écrivez un item, une période et une dimension.

Les items inversés peuvent introduire de l’inattention et des erreurs de codage, plutôt que contrôler l’acquiescement. Une étude observe ces risques ([van Sonderen, Sanderman et Coyne](https://pmc.ncbi.nlm.nih.gov/articles/PMC3729568/)). Gardez le même sens de lecture ; si un instrument validé impose une inversion, documentez-la et vérifiez le recodage.

Une moyenne élevée peut cacher polarisation, non-réponse ou sous-groupe non exposé. Comparez seulement des distributions dont item, libellés et contexte sont comparables. Un alpha de Cronbach n’autorise pas automatiquement l’agrégation : justifiez construction, items et modèle. Une cohérence interne élevée peut venir d’items redondants ; elle ne prouve pas la bonne construction.

## Explorer, stabiliser et piloter

Les questions ouvertes sont utiles au début pour entendre les mots des répondants et vérifier les catégories. Ensuite, une échelle peut stabiliser une dimension précise. Conservez « autre », les exceptions et les contradictions. Une relance ouverte ciblée suffit souvent : « Qu’est-ce qui explique votre réponse ? » ou « Dans quelle situation cette réponse ne s’applique-t-elle pas ? »

Le [guide J-PAL sur la conception](https://www.povertyactionlab.org/resource/survey-design) rappelle que les catégories doivent être claires, mutuellement exclusives et suffisamment exhaustives, tandis qu’une question fermée restreint nécessairement la richesse des réponses. Son [guide de pilotage](https://www.povertyactionlab.org/resource/questionnaire-piloting?lang=en) recommande de vérifier options manquantes, compréhension, traduction et filtres avec des répondants comparables. Faites lire quelques items, demandez ce que signifie chaque modalité et testez l’affichage mobile.

Voir aussi [Questions ouvertes : obtenir des réponses exploitables sans biaiser](/fr/blog/questions-ouvertes-obtenir-des-reponses-exploitables-sans-biaiser), [Questionnaire de satisfaction formation](/fr/blog/questionnaire-de-satisfaction-formation-pourquoi-vos-resultats-sont-souvent-inutilisables) et [Questionnaire actionnable](/fr/blog/questionnaire-actionnable-partir-de-la-décision-pas-des-questions).

Une moyenne, une médiane ou une distribution décrit le recueil réalisé. Elle ne transforme pas un auto-rapport en observation, une perception en compétence, ou un score en preuve causale. Documentez la construction visée, l’origine des items, la traduction, le prétest, les exclusions et la règle de lecture.

Dans une collecte à distance, Harmate peut diffuser les questions, conserver les réponses ouvertes et organiser une lecture par thèmes et sources. Cette aide ne choisit pas le sens d’un score, ne remplace pas le prétest et ne décide pas à la place de la revue humaine. Le résultat utile est une comparaison dont les limites, le contexte et les raisons restent visibles.