Les biais : les voir avant qu’ils ne décident

Ce qu’est vraiment un biais

Le mot “biais” fait peur. Il évoque l’erreur, la faute, le travail raté. En réalité, un biais est simplement un écart systématique entre ce qu’on mesure et ce qu’on voudrait mesurer. Systématique — c’est le mot clé. Un biais ne se corrige pas en augmentant la taille de l’échantillon. Il ne disparaît pas avec plus de données. Il s’introduit dans la mesure elle-même, et il y reste.

Toute étude en contient. Les grandes études publiées dans les meilleures revues médicales en contiennent. Ce n’est pas un aveu d’échec — c’est une réalité méthodologique que tout chercheur honnête reconnaît et discute. Ce qui distingue un bon mémoire d’un mauvais, ce n’est pas l’absence de biais. C’est la capacité à les voir, à les nommer, et à expliquer en quoi ils limitent la portée des conclusions.

Les biais de formulation : quand la question oriente la réponse

Le premier endroit où les biais s’introduisent, c’est dans le questionnaire lui-même — dans la façon dont les questions sont formulées.

Tourangeau, Rips et Rasinski (2000) ont montré que le processus de réponse à une question est un processus cognitif en plusieurs étapes : comprendre la question, récupérer l’information en mémoire, former un jugement, formuler une réponse. À chaque étape, des biais peuvent s’introduire.

Le biais d’acquiescence — appelé aussi “yea-saying” — est la tendance à répondre positivement indépendamment du contenu de la question. Certains répondants, par politesse, par fatigue ou par conformisme, cochent systématiquement “Plutôt d’accord” ou “Tout à fait d’accord” quelle que soit la question. Ce biais est particulièrement fort dans les cultures où l’expression du désaccord est socialement coûteuse.

La parade classique consiste à introduire dans le questionnaire des items formulés négativement — “Les délais d’attente ont été trop longs” à la place de “Les délais d’attente ont été acceptables” — qui obligent le répondant à désapprouver pour exprimer une satisfaction. Si un patient répond “Tout à fait d’accord” à tous les items positifs ET à tous les items négatifs, on a un indicateur fort d’acquiescence. Mais attention : les items négatifs nécessitent ensuite un recodage avant l’analyse, sous peine d’inverser le sens de la mesure.

Le biais de formulation orientée survient quand la question suggère implicitement une réponse. “Vous avez sûrement apprécié la qualité de l’accueil ?” n’est pas une question neutre. Elle crée une attente sociale. Le répondant ressent une pression à confirmer. Dans une étude sur la satisfaction des patients en soins infirmiers, une question formulée de cette façon produira des scores artificiellement élevés — non pas parce que les patients sont satisfaits, mais parce qu’ils répondent à la pression implicite de la formulation.

Les biais de passation : quand le contexte parle à la place du répondant

Même avec un questionnaire parfaitement formulé, les conditions dans lesquelles il est administré peuvent biaiser les réponses.

Le biais de l’enquêteur est l’un des plus documentés en sciences sociales. La présence de la personne qui administre le questionnaire influence les réponses. Dans le domaine de la santé, ce biais prend une forme particulièrement insidieuse : si c’est l’ergothérapeute lui-même — ou un collègue de la même structure — qui remet le questionnaire au patient, les réponses seront systématiquement biaisées vers le haut. Le patient ne veut pas décevoir son soignant. Il ne veut pas nuire à l’établissement. Il répond ce qu’il croit qu’on attend de lui.

La solution est simple mais souvent négligée : le questionnaire doit être remis et collecté par une tierce personne, sans lien direct avec la prise en charge. Ou, mieux encore, administré en ligne de façon totalement anonyme, sans qu’aucun soignant ne soit impliqué dans la diffusion.

La désirabilité sociale est un mécanisme plus profond encore. Elle ne dépend pas de la présence d’un enquêteur. Elle est intériorisée par le répondant lui-même. Dans une étude sur l’adhésion aux exercices prescrits par un kinésithérapeute, les patients déclarent généralement une observance plus élevée que leur comportement réel. Pas par mensonge délibéré — par tendance inconsciente à présenter une image favorable d’eux-mêmes.

Crowne et Marlowe (1960) ont développé une échelle spécifique pour mesurer la désirabilité sociale dans les questionnaires. Dans les mémoires de santé, on ne va pas jusqu’à intégrer cette échelle — mais on peut en tenir compte dans la discussion des résultats, en signalant que certains scores sont probablement surestimés.

Le biais de fatigue apparaît quand le questionnaire est trop long. Au-delà de vingt questions pour un questionnaire auto-administré, l’attention du répondant diminue. Les dernières questions reçoivent des réponses moins réfléchies, plus automatiques — souvent des réponses centrales (la modalité du milieu) ou des réponses répétitives. C’est l’une des raisons pour lesquelles les questions les plus importantes doivent être placées en début de questionnaire.

Les biais d’analyse : quand les données disent ce qu’on veut entendre

Une fois les données collectées, une nouvelle catégorie de biais entre en jeu — les biais d’analyse. Ils sont peut-être les plus dangereux, parce qu’ils peuvent être involontaires et difficiles à détecter de l’extérieur.

Le biais de confirmation est universel. Nous cherchons naturellement dans les données ce qui confirme ce que nous pensions trouver. Un étudiant en ergothérapie qui est convaincu que les patients en cabinet sont plus satisfaits que ceux en hôpital regardera ses résultats avec cet a priori. S’il trouve une différence, il la mettra en avant. S’il n’en trouve pas, il cherchera un sous-groupe, une façon de recouper les données différemment, jusqu’à trouver quelque chose.

Ce comportement — chercher des analyses jusqu’à trouver un résultat significatif — porte un nom dans la littérature : le p-hacking (Simmons, Nelson & Simonsohn, 2011). Il gonfle artificiellement le taux de faux positifs. La parade est simple en théorie, difficile en pratique : planifier toutes ses analyses avant de regarder les données, et s’y tenir.

La confusion entre corrélation et causalité est l’erreur d’interprétation la plus fréquente dans les mémoires en santé. Deux variables peuvent être statistiquement associées sans que l’une cause l’autre. Dans notre étude sur la satisfaction en ergothérapie, on pourrait trouver une forte corrélation entre le score de satisfaction relationnelle et la satisfaction globale. Il serait tentant d’écrire : “La qualité de la relation thérapeutique améliore la satisfaction des patients.” Mais ce n’est pas ce que les données montrent. Elles montrent que les deux variables varient ensemble — rien de plus.

Pour établir une causalité, il faudrait un protocole expérimental avec groupe contrôle et randomisation. Dans un mémoire observationnel, on ne dispose pas de cela. La formulation correcte est : “La satisfaction relationnelle est associée positivement à la satisfaction globale.” Subtil, mais fondamental.

Le biais de présentation visuelle est souvent sous-estimé. Un axe des ordonnées qui ne commence pas à zéro dans un diagramme en barres exagère visuellement les différences entre groupes. Une échelle de couleurs mal choisie peut faire paraître un écart minime comme dramatique. Ces choix graphiques ne sont pas anodins — ils influencent l’interprétation du lecteur, y compris celle du jury.

Les biais d’échantillonnage : quand votre population n’est pas celle que vous croyez

Avant même de collecter les données, la façon dont vous constituez votre échantillon peut introduire des biais structurels.

Le biais de sélection survient quand les personnes qui participent à votre étude sont systématiquement différentes de celles qui n’y participent pas. Dans une étude sur la satisfaction des patients, ceux qui acceptent de répondre à un questionnaire sont souvent soit très satisfaits, soit très insatisfaits — les patients “tièdes” répondent moins. Ce biais de participation sélective peut déformer la distribution des scores.

Le biais de non-réponse est lié. Si 30 % de vos questionnaires ne sont pas retournés, la question est : pourquoi ? Si les patients non-répondants sont systématiquement différents des répondants — par exemple, s’ils sont moins satisfaits et évitent de l’exprimer — votre échantillon final ne représente pas la population cible.

Dans un mémoire d’initiation à la recherche, on ne peut généralement pas corriger ces biais a posteriori. Mais on peut et on doit les mentionner dans les limites de l’étude, en expliquant dans quel sens ils pourraient avoir orienté les résultats.

Identifier ses biais : une compétence, pas un aveu de faiblesse

Les étudiants qui présentent leurs mémoires devant un jury ont souvent peur d’aborder les limites de leur travail. Ils craignent que nommer un biais revienne à admettre une erreur, à fragiliser leur étude.

C’est l’inverse. Un jury expérimenté sait parfaitement que toute étude a ses limites. Ce qu’il évalue, c’est la lucidité du chercheur. Un étudiant qui dit “mon étude n’a aucune limite” sera perçu comme naïf ou malhonnête. Un étudiant qui dit “voici les trois biais principaux que j’ai identifiés, voici comment j’ai essayé de les limiter, et voici en quoi ils restreignent la portée de mes conclusions” sera perçu comme rigoureux et mature.

La section “limites” d’une étude n’est pas une confession. C’est une démonstration de maîtrise méthodologique.

En pratique : une checklist des biais à surveiller

Pour chaque étape de votre mémoire, voici les questions à vous poser :

Conception du questionnaire : Est-ce que mes items sont formulés de façon neutre ? Ai-je des items à double sens ? Ai-je prévu des items négatifs pour détecter l’acquiescence ?

Passation : Qui remet le questionnaire ? Le soignant est-il présent ? L’anonymat est-il garanti ? Le questionnaire est-il trop long ?

Analyse : Ai-je planifié mes analyses avant de regarder les données ? Est-ce que je présente tous mes résultats, y compris ceux qui ne vont pas dans le sens de mon hypothèse ? Est-ce que je confonds association et causalité ?

Présentation : Mes graphiques sont-ils honnêtes ? Mon axe des ordonnées commence-t-il à zéro ? Est-ce que je distingue clairement résultats et interprétations ?

Les biais comme partie intégrante de la science

La science n’avance pas en produisant des études parfaites. Elle avance en produisant des études dont les imperfections sont connues, documentées et progressivement corrigées par les études suivantes. Chaque mémoire d’initiation à la recherche s’inscrit dans cette logique — même modestement, même à l’échelle d’un seul stage, d’une seule population, d’un seul terrain.

Voir ses biais, c’est voir ses données pour ce qu’elles sont : une approximation de la réalité, toujours imparfaite, toujours partielle, mais honnête.

Références

Tourangeau, R., Rips, L. J., & Rasinski, K. (2000). The psychology of survey response. Cambridge University Press.

Crowne, D. P., & Marlowe, D. (1960). A new scale of social desirability independent of psychopathology. Journal of Consulting Psychology, 24(4), 349–354.

Simmons, J. P., Nelson, L. D., & Simonsohn, U. (2011). False-positive psychology. Psychological Science, 22(11), 1359–1366.