Exemple d’étude quantitative : questionnaire et résultats

Qu’est-ce qu’une étude quantitative ?

Une étude quantitative est une méthode de recherche qui transforme les réponses d’une population en données statistiques. Elle sert à mesurer la fréquence, la répartition ou l’évolution d’un phénomène, mais aussi à comparer des groupes selon des critères identiques.

Elle commence par une problématique, une question de recherche ou une hypothèse à tester. Une enquête ou un sondage est ensuite mené auprès d’un échantillon, le plus souvent à l’aide d’un questionnaire composé de questions fermées. La qualité des résultats dépend notamment du recrutement des répondants, de l’échantillonnage, du prétest et de la capacité à constituer un échantillon représentatif de la population cible.

Repère : une étude consacrée aux fluctuations de la ligne de rivage et à l’érosion des littoraux meubles en Camargue a été publiée en 1981. Source : Persée, 1981.

La collecte de données permet de produire des pourcentages, des distributions, des tableaux et des graphiques. Un exemple étude quantitative peut ainsi comparer la satisfaction de plusieurs cohortes, suivre un indicateur dans le temps ou identifier les difficultés les plus fréquentes dans un parcours client. Attention toutefois, une corrélation observée ne prouve pas automatiquement une causalité.

Le livrable final prend généralement la forme d’un modèle de rapport d’étude quantitative présentant la méthode, les éventuels biais, les résultats et leur interprétation pour faciliter la prise de décision. Pour appliquer cette logique à votre présence en ligne, vous pouvez aussi découvrir nos conseils pratiques pour améliorer un site web.

Exemple complet d’étude quantitative

Voici un cas complet : une organisation étudie son parcours d’onboarding afin de choisir deux améliorations prioritaires. Toutes les données ci-dessous sont fictives et servent uniquement à illustrer la méthode, elles ne constituent pas les résultats d’une enquête réelle.

La problématique consiste à identifier les obstacles les plus fréquents. L’hypothèse est que certaines difficultés varient selon les cohortes de nouveaux utilisateurs. La population cible regroupe les personnes ayant récemment suivi le parcours, tandis que les variables portent sur les étapes franchies, les difficultés rencontrées et la satisfaction.

Les étapes d’une enquête quantitative comprennent ici le prétest du questionnaire, le recrutement des répondants, la collecte de données puis la comparaison des groupes. Plutôt que de diffuser une liste de dix difficultés supposées, l’équipe mesure chaque indicateur avec des formulations identiques. Les réponses ouvertes sont conservées comme verbatims, puis soumises à un codage et à une analyse thématique.

Les données statistiques permettent enfin d’établir une distribution et un pourcentage par obstacle. Le rapport d’étude distingue les tendances observées des biais possibles, notamment le manque de représentativité. Une corrélation entre une difficulté et l’abandon n’établit pas une causalité, mais elle aide à prioriser les deux points à approfondir, éventuellement par une étude qualitative ou des méthodes mixtes.

Étape 1 : formuler la problématique et les hypothèses

Commencez par la décision que l’étude quantitative doit éclairer, puis traduisez-la en une question de recherche précise. Une bonne hypothèse annonce ce qui sera mesuré ou comparé, sans présenter le résultat attendu comme déjà acquis.

Dans l’exemple du parcours d’onboarding, le problème initial pourrait être formulé ainsi : « Nous ne savons pas quelles difficultés traiter en priorité. » La question devient alors : « Quels obstacles sont les plus fréquemment déclarés par la population cible, et leur distribution varie-t-elle selon les cohortes ? » Cette formulation indique les variables à observer et prépare un questionnaire quantitatif composé principalement de questions fermées.

Une hypothèse exploitable serait : « La fréquence des difficultés déclarées varie selon la cohorte des répondants. » Elle pourra être examinée grâce à un indicateur, un pourcentage et une comparaison de groupes. À l’inverse, écrire « la mauvaise compréhension des consignes provoque l’abandon » présuppose une causalité que l’enquête ne permettra pas nécessairement d’établir. Une corrélation devra rester présentée comme telle.

Avant de rédiger les questions, vérifiez donc trois points : la décision finale est-elle identifiable, la population cible est-elle délimitée et chaque hypothèse correspond-elle à des données réellement collectables ? Si les obstacles sont encore inconnus, une étude qualitative préalable ou des méthodes mixtes peuvent aider à les explorer avant de les mesurer.

Étape 2 : définir la population et construire l’échantillon

Définissez d’abord qui est directement concerné par la question de recherche, puis constituez un échantillon reflétant au mieux cette population cible. Sans recrutement cohérent, les résultats décriront surtout les répondants disponibles, pas nécessairement les personnes sur lesquelles doit porter la décision.

Les critères de sélection dépendent de la problématique et de l’hypothèse. L’âge, la catégorie socioprofessionnelle, le lieu de résidence ou la composition du foyer ne sont utiles que s’ils influencent potentiellement les variables étudiées. Pour un service local, le lieu de résidence peut être déterminant. Pour un parcours d’onboarding, il sera souvent plus pertinent de distinguer les cohortes, le niveau d’expérience ou le mode d’inscription.

Repère documentaire : une étude sur le marché du conseil en ergonomie a été publiée le 23 octobre 2009.

L’échantillonnage doit aussi anticiper les biais liés au canal choisi. Une diffusion uniquement en ligne risque d’écarter certains profils, tandis qu’une enquête transmise en interne peut surreprésenter les personnes les plus engagées. Une collecte mixte, en ligne et sur le terrain, peut élargir le recrutement, à condition d’utiliser le même questionnaire et les mêmes critères.

Consignez enfin l’origine des répondants, les critères d’inclusion et les éventuels déséquilibres. Cette traçabilité permet de savoir quelles comparaisons de groupes restent fiables et jusqu’où généraliser les conclusions lors de l’analyse de données statistiques.

FAQ