Comprendre les statistiques d'une étude : valeur p, taille d'effet et intervalle de confiance

Étape par étape

1. Étape 1

   Comprendre d'abord la mesure

   Avant de lire les chiffres : qu'est-ce qui a été comparé, et comment cela a-t-il été mesuré ? Un chiffre n'a de sens que si vous savez à quoi il se rapporte, par exemple à des heures par jour, à des points obtenus à un test ou à des pourcentages.

   Dans Theoria: Deep Insights explique un article à la profondeur que vous choisissez entre 1 et 10 : une faible profondeur donne une vue d'ensemble, une profondeur plus élevée explique les méthodes et le contexte.

2. Étape 2

   Bien lire la valeur p

   La valeur p indique dans quelle mesure les données s'accordent avec l'hypothèse qu'il n'y a pas d'effet : plus elle est petite, moins elles s'accordent. Une petite valeur p, souvent inférieure à 0,05, signifie « statistiquement significatif » : sans effet, de telles données seraient plutôt surprenantes. Mais elle ne dit ni quelle est la probabilité qu'une hypothèse soit vraie, ni quelle est la taille de l'effet.

3. Étape 3

   Regarder la taille d'effet

   La taille d'effet décrit l'ampleur d'une différence ou d'une association, par exemple sous forme d'écart en heures ou de corrélation. Avec de très grands échantillons, même un effet minuscule peut être significatif. Demandez-vous donc toujours si l'effet est assez grand pour compter dans la vie quotidienne.

4. Étape 4

   Lire l'intervalle de confiance

   Un intervalle de confiance à 95 % donne la plage des valeurs bien compatibles avec les données. Un intervalle étroit indique un résultat précis, un intervalle large beaucoup d'incertitude. Si l'intervalle d'une différence inclut zéro, « aucune différence » est aussi compatible avec les données. Un exemple tiré d'une étude sur les règles relatives au portable à l'école : pour le bien-être, la différence ajustée entre les établissements avec et sans interdiction était de -0,48 point, intervalle de confiance à 95 % de -2,05 à 1,06 (p = 0,62). Pour le temps passé sur le portable pendant le temps scolaire, elle était de -0,67 heure, intervalle de -0,92 à -0,43. Seul le second intervalle exclut zéro.

5. Étape 5

   Ne pas surestimer un résultat isolé

   Un résultat significatif peut être dû au hasard, et un résultat non significatif ne prouve pas qu'il n'y a pas d'effet. Regardez si d'autres études arrivent au même résultat.

   Dans Theoria: AI Peer Review liste les forces et les limites d'un article comme point de départ de votre propre vérification.

Exemple commenté

100 études, menées une seconde fois

En 2015, l'Open Science Collaboration a publié dans Science un vaste projet : des chercheurs ont répété 100 expériences et études corrélationnelles parues dans trois revues de psychologie, avec des protocoles statistiquement puissants et, lorsque c'était possible, le matériel d'origine. Les résultats montrent pourquoi une valeur p, à elle seule, en dit peu.

Valeurs p

97 % des études originales avaient un résultat statistiquement significatif, contre 36 % des réplications.

Tailles d'effet

En moyenne, les effets observés dans les réplications ne représentaient que la moitié de ceux des études originales.

Intervalles de confiance

47 % des tailles d'effet originales se situaient dans l'intervalle de confiance à 95 % de la réplication.

Ce qui prédisait le succès

Le succès d'une réplication était davantage lié à la force des preuves initiales qu'aux caractéristiques des équipes de recherche.

Ce que le projet ne montre pas

Que les études originales aient été fausses. Une réplication peut aussi échouer à cause de différences d'échantillon ou de mise en œuvre. Le projet montre toutefois qu'un résultat significatif isolé ne garantit pas que l'on pourra le reproduire.

Un résultat significatif est un début, pas une preuve. Regardez la taille de l'effet, l'incertitude, et vérifiez si d'autres ont pu reproduire le résultat.

Les limites de l'IA

• L'IA peut mal expliquer des statistiques ou confondre des chiffres. Vérifiez chaque chiffre que vous utilisez dans la partie résultats de l'original.
• Les résumés produits par l'IA indiquent souvent seulement si un résultat est significatif. La taille d'effet et l'intervalle de confiance ne se trouvent généralement que dans l'article lui-même.
• Les statistiques ne disent pas si une étude a été bien conçue. Vérifiez en plus le protocole, l'échantillon et la mesure.
• Les explications de Theoria sont générées par l'IA et peuvent contenir des erreurs. Vérifiez les affirmations importantes dans la source liée.

Sources

1. Open Science Collaboration (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716. https://doi.org/10.1126/science.aac4716Base de l'exemple.
2. Wasserstein, R. L., & Lazar, N. A. (2016). The ASA Statement on p-Values: Context, Process, and Purpose. The American Statistician, 70(2), 129-133. https://doi.org/10.1080/00031305.2016.1154108Prise de position de l'American Statistical Association sur la signification et les limites de la valeur p.
3. Goodyear, V. A., et al. (2025). School phone policies and their association with mental wellbeing, phone use, and social media use (SMART Schools): a cross-sectional observational study. The Lancet Regional Health - Europe, 51, 101211. https://doi.org/10.1016/j.lanepe.2025.101211Source des chiffres sur l'intervalle de confiance de l'étape 4. En libre accès.

Informations de publication vérifiées le 27 octobre 2026 via Crossref et arXiv.

Autres guides

• Pour les élèves et les curieux

  Lire un article scientifique avec l'IA

  Six étapes pour comprendre un article avec l'aide de l'IA tout en gardant la maîtrise des affirmations.

  Lire le guide

• Pour les enseignants

  Utiliser une étude récente en classe

  Du choix d'une étude à une séance où les élèves vérifient les affirmations dans la source.

  Lire le guide

• Pour les élèves

  Des sources pour votre travail de recherche

  Trouver des études, les vérifier avec cinq questions et les citer correctement, avec l'exemple d'une étude célèbre et de sa réplication.

  Lire le guide

• Pour les élèves et les curieux

  Une étude est-elle fiable ?

  Prépublication, évaluation par les pairs, correction et réplication : cinq vérifications, avec le cas d'un prétendu supraconducteur.

  Lire le guide

• Pour les élèves

  Un sujet de travail de recherche à partir d'études récentes

  D'une vague idée à une question de recherche à laquelle vous pouvez répondre avec de vraies études.

  Lire le guide

Tous les guides