Le journal du vivant & de la santéComprendre · Vérifier · Explorer
DécouvertesScientifiques
Cerveau & rythmes

Taille d’effet : lire l’ampleur sans la confondre avec la valeur p

La taille d’effet décrit l’ampleur d’une différence ou d’une association selon une mesure précise. Lisez son unité, le contraste et l’incertitude avant de commenter le nombre. Une valeur p ne donne pas cette ampleur. Une mesure standardisée demande aussi de connaître la dispersion et la convention utilisées.

Galets colorés et deux bols sur papier ivoire, illustration conceptuelle des résumés statistiques.
Image générée pour ce dossier. Mise en scène conceptuelle, sans données de recherche réelles.

L’essentiel

Une estimation décrit les données dans le cadre d’une méthode ; elle ne démontre pas seule une causalité, une importance pratique ou un bénéfice individuel.

Taille d’effet : quelle question pose-t-on ?

Une taille d’effet décrit l’ampleur d’une différence ou d’une association dans une métrique donnée. Elle répond à « combien ? », avec une définition à lire dans la méthode. Ce n’est pas une note universelle de qualité. Le guide méthodologique de Lakens explique pourquoi préciser la mesure et le plan d’étude accompagne le compte rendu d’un résultat[1]. Une différence entre moyennes n’a pas exactement le même sens qu’une corrélation ou qu’un rapport de risques.

Avant de commenter le nombre, recopiez le critère mesuré, son unité, les groupes comparés et le moment retenu. Deux études peuvent employer le mot effet tout en décrivant des objets différents. Une variation au sein d’un groupe ne devient pas automatiquement une différence entre groupes. La bonne première phrase nomme donc le contraste, puis sa valeur, sans lui attribuer immédiatement une cause.

0Repère nul d’une différence[4]
1Repère nul d’un rapport[4]
2Questions distinctes : ampleur et significativité[3]
2013Année du guide méthodologique cité[1]

Une différence brute peut-elle être une taille d’effet ?

Oui : une différence peut rester dans l’unité de la mesure. Dans notre exemple entièrement fictif, une moyenne de 12 points comparée à une moyenne de 10 points donne une différence de 2 points, dans le sens premier groupe moins second groupe. Inverser l’ordre donne −2 points. Aucun participant, traitement ou bénéfice réel ne se cache derrière ces nombres : ils servent seulement à vérifier la soustraction et son commentaire.

La valeur reste plus claire si vous connaissez l’échelle. Deux points sur un questionnaire ne représentent pas deux kilogrammes ni deux points de pourcentage. Gardez aussi les valeurs des deux groupes lorsque le document les fournit. Notre dossier moyenne et médiane aide à identifier le résumé employé ; le laboratoire ci-dessous permet de manipuler cinq valeurs fictives avant de parler d’une comparaison. Il ne calcule ni test statistique ni effet causal.

Calcul borné

Calculer et trier cinq valeurs

Vos saisies restent dans cette page. Cet atelier traite cinq valeurs de poids égaux, sans données manquantes.

Le récapitulatif

Calculez la somme puis divisez par l’effectif. Pour cinq valeurs triées, la médiane est la troisième.

Exemples fictifs calculés par script
ValeursMoyenneMédiane
8 ; 9 ; 10 ; 11 ; 121010
8 ; 9 ; 10 ; 11 ; 10027,610
0 ; 0 ; 10 ; 20 ; 201010

Une valeur manquante n’est pas un zéro. Aucun résultat d’étude n’est calculé.

Composition photographique conceptuelle : objets de lecture et de comparaison, sans données réelles.
Image générée pour ce dossier. Mise en scène conceptuelle, sans données de recherche réelles.

Pourquoi une mesure standardisée demande-t-elle un dénominateur ?

Une différence standardisée exprime un écart par rapport à une dispersion choisie. Pour comprendre le principe, prenez encore une différence fictive de 2 unités et une dispersion de référence de 4 unités : le rapport vaut 0,5. Si cette dispersion vaut 8, le rapport vaut 0,25. L’écart brut est identique ; la mesure standardisée change parce que son dénominateur change. Ce calcul pédagogique n’est pas un estimateur complet appliqué à des données d’étude.

Le chapitre de Lakens consacré aux tailles d’effet distingue précisément la différence brute et sa standardisation[2]. Pour interpréter un Cohen d publié, recherchez donc sa convention de calcul et le plan, notamment lorsque les mesures sont répétées chez les mêmes personnes. Ne choisissez pas un écart-type dans un tableau au hasard. Le guide écart-type et erreur standard explique pourquoi ces deux nombres ne sont pas interchangeables.

Deux résumés identiques peuvent-ils cacher des données différentes ?

Les séries fictives 8, 9, 10, 11, 12 et 0, 0, 10, 20, 20 ont toutes les deux une moyenne de 10 et une médiane de 10. Leurs valeurs ne sont pourtant pas réparties de la même façon. Le second laboratoire montre cette différence sur une échelle commune. Les points empilés verticalement servent à les distinguer ; leur hauteur ne constitue pas une deuxième variable.

Cette observation rappelle pourquoi le nom de la statistique et la dispersion doivent accompagner la lecture d’un résultat. Elle ne permet pas de reconstruire une taille d’effet standardisée à partir du seul dessin. Gardez le tableau des valeurs, le résumé et les informations absentes dans des lignes séparées. Si vous voyez une valeur aberrante, son éloignement ne constitue pas à lui seul une autorisation de la supprimer pour modifier l’estimation.

Comparer les données

Deux centres suffisent-ils à voir le groupe ?

Les séries sont fictives. Le sélecteur ne choisit ni méthode d’analyse ni population représentative.

Le récapitulatif
Séries pédagogiques sans JavaScript
CasValeursMoyenne / médiane
A : valeurs proches8 ; 9 ; 10 ; 11 ; 1210 / 10
B : valeurs plus dispersées0 ; 0 ; 10 ; 20 ; 2010 / 10
C : dernière valeur portée à1008 ; 9 ; 10 ; 11 ; 10027,6 / 10

Les deux premiers cas ont les mêmes centres, mais des observations différentes. Le troisième change la somme sans déplacer la valeur centrale dans cet exemple.

Composition photographique conceptuelle : objets de lecture et de comparaison, sans données réelles.
Image générée pour ce dossier. Mise en scène conceptuelle, sans données de recherche réelles.

Taille d’effet et valeur p : pourquoi les séparer ?

L’American Statistical Association rappelle qu’une valeur p ne mesure ni l’ampleur de l’effet ni l’importance du résultat[3]. Une étiquette significatif ne remplace donc pas le nombre décrivant la différence. Le dossier interpréter la valeur p développe la question du modèle statistique ; ici, gardez simplement deux colonnes : ce qui est estimé et ce que le test examine.

Dans une lecture, cherchez la valeur de l’effet avant de reprendre le mot significatif dans votre commentaire. Une petite différence peut être estimée avec beaucoup de précision ; une différence apparemment grande peut rester très incertaine. Ces deux descriptions demandent les informations du document, pas une impression tirée de son titre. L’effectif participe à la précision dans le cadre du plan et de la variabilité observés ; il ne transforme pas mécaniquement une même différence brute en différence plus grande.

Pourquoi faut-il lire l’incertitude avec l’estimation ?

Le manuel Cochrane recommande d’accompagner l’estimation d’une mesure d’incertitude et distingue les mesures de différence des mesures de rapport[4]. Une différence nulle a pour repère zéro ; un rapport sans différence a pour repère un. Avant de chercher si un intervalle traverse la valeur nulle, vérifiez donc quelle métrique vous lisez. Le guide de l’intervalle de confiance conserve les limites de cette interprétation.

Imaginez deux comptes rendus fictifs affichant tous deux une différence de 2 unités. Sans leurs intervalles ni leur méthode, vous ne savez pas s’ils renseignent cette différence avec la même précision. Vous pouvez recopier l’estimation, mais laissez la case précision inconnue plutôt que d’inventer des bornes. Le présent atelier ne calcule pas d’intervalle à partir de cinq saisies : cela demanderait un plan, des hypothèses et une méthode explicitement choisis.

« Petit », « moyen » ou « grand » : est-ce un verdict utile ?

Un qualificatif perd sa valeur si l’on ignore la mesure, la population et l’enjeu. Le guide de Lakens invite à examiner la pertinence du résultat dans son contexte[2]. Un nombre standardisé ne décide pas seul si une différence compte pour une personne, une expérience ou une décision collective. Recherchez une justification propre à la question étudiée et, lorsqu’il existe, le seuil de pertinence annoncé par les auteurs.

Vous pouvez ainsi écrire un commentaire plus précis : « les auteurs rapportent cette différence, avec cette incertitude, pour ce critère et cette durée ». Cette phrase garde les éléments observés et évite de transformer un adjectif en recommandation. Dans le cas d’un risque absolu ou relatif, gardez également la fréquence de départ et la période. Les nombres décrivent une comparaison ; ils ne disent pas automatiquement pourquoi elle existe ni quelle action individuelle entreprendre.

Composition photographique conceptuelle : objets de lecture et de comparaison, sans données réelles.
Image générée pour ce dossier. Mise en scène conceptuelle, sans données de recherche réelles.

Quelle fiche garder pour lire le prochain article ?

Commencez par relever la statistique exacte, l’unité, l’effectif, la distribution disponible et les limites du passage source. La fiche locale reprend ces cinq repères. Une case cochée signifie seulement que vous avez retrouvé une information : elle n’attribue aucun point de qualité à l’étude. Ajoutez dans la note le contraste, la convention de standardisation et la mesure d’incertitude lorsqu’ils sont fournis.

Vous pourrez ensuite distinguer ce que le document annonce de ce que vous avez réellement compris. Une donnée absente reste absente ; un zéro reste une valeur, comme l’explique donnée manquante ou zéro. Conservez la référence du passage avec votre question. Les trois laboratoires de cette page sont des aides de lecture descriptives, avec des nombres fictifs et un fichier créé localement. Ils n’importent pas une base de données et ne produisent pas une expertise statistique d’un essai.

Fiche de lecture

Garder les données avec leur résumé

Le fichier se crée seulement à votre demande, sans envoi ni stockage automatique. Une case cochée n’est pas un score de qualité.

Le récapitulatif
Fiche à recopier sans JavaScript
InformationÀ écrire
Nom exact du résumé et conventionPassage retrouvé ou information inconnue
Variable et unitéPassage retrouvé ou information inconnue
Nombre de valeurs et populationPassage retrouvé ou information inconnue
Distribution ou valeurs détailléesPassage retrouvé ou information inconnue
Passage source et informations absentesPassage retrouvé ou information inconnue
À vous de jouer

Vrai ou faux : cinq idées reçues

Choisissez votre réponse, l’explication s’affiche aussitôt.

  1. Une différence brute conserve l’unité mesurée.

    Voir la réponse

    Vrai. Précisez l’unité et l’ordre des groupes.

  2. Une valeur p donne la taille de l’effet.

    Voir la réponse

    Faux. Elle ne mesure pas son ampleur.

  3. La mesure standardisée dépend de la dispersion retenue.

    Voir la réponse

    Vrai. Sa convention doit être lue.

  4. Une taille d’effet suffit à démontrer une causalité.

    Voir la réponse

    Faux. Le plan et les biais restent à examiner.

  5. L’incertitude doit accompagner l’estimation.

    Voir la réponse

    Vrai. Recopiez la méthode et les bornes disponibles.

Yvonnick Noel explique la mesure de taille d’effet d de Cohen. G23 - Mesure de la taille d'effet : le d de Cohen — Yvonnick NOEL · Confidentialité des vidéos

Questions fréquentes

Qu’est-ce que la taille d’effet ?

Une mesure de l’ampleur d’une différence ou d’une association dans une métrique précise.

Une différence de moyennes est-elle une taille d’effet ?

Oui, elle peut rester dans l’unité des mesures. Précisez les groupes et leur ordre.

Que change une standardisation ?

Elle rapporte notamment une différence à une dispersion choisie ; lisez la formule et le plan.

Un résultat significatif est-il forcément important ?

Non. La valeur p ne mesure ni l’ampleur ni l’importance pratique.

Les laboratoires calculent-ils un effet d’étude ?

Non : ils explorent cinq valeurs descriptives fictives et leur distribution, sans test ni estimation causale.

La fiche transmet-elle mes notes ?

Non : le fichier est créé localement, sans envoi ni stockage automatique.

Sources & pour aller plus loin

Publications scientifiques et ressources institutionnelles. Les limites et l’interprétation sont discutées dans le texte.

  1. Lakens2013 — Calculating and reporting effect sizes, revue méthodologique ↗
  2. Lakens — Effect Sizes, cours de méthode de l’auteur ↗
  3. ASA2016 — principes d’interprétation des valeurs p ↗
  4. Cochrane Handbook6 — choix et estimation des mesures d’effet ↗

Références examinées pour cette mise à jour : 15 novembre 2026.

↑ Revenir au début
Le fil continue

À lire en complément

Dans cette rubrique ↗