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

Valeur aberrante en statistique : vérifier avant de supprimer

Une valeur aberrante est éloignée des autres observations. Elle peut être une erreur ou une valeur réelle : sa distance ne suffit pas à décider de la supprimer. Vérifiez sa provenance, son unité et la règle d’analyse annoncée, puis distinguez le calcul descriptif de la décision de traitement des données.

Galets colorés et deux bols sur papier ivoire, illustration conceptuelle des résumés statistiques.
Illustration conceptuelle du site, réutilisée pour accompagner la lecture.

L’essentiel

Repérer n’est pas exclure. Trois laboratoires illustrent l’influence de nombres fictifs sur la moyenne et la médiane ; ils ne choisissent aucune valeur à supprimer dans une étude.

Qu’est-ce qu’une valeur aberrante en statistique ?

Une valeur aberrante est une observation qui paraît éloignée des autres dans une série. Le mot signale une question à examiner, pas une erreur déjà démontrée. Un temps d’attente exceptionnellement long peut être réel ; un nombre saisi dans la mauvaise unité peut être faux. Leur distance aux autres nombres ne permet pas de choisir entre ces explications.

Le NIST distingue le repérage d’une observation inhabituelle, son examen et les méthodes d’analyse adaptées. Il déconseille de supprimer simplement une valeur dont on ignore si elle est erronée.[1] Pour lire une étude, commencez donc par demander ce qui a été observé, comment, dans quelle unité et à quel moment.

Mot rencontréQuestion utileConclusion prématurée
Valeur extrêmeEst-elle plausible dans ce contexte ?Elle est forcément fausse
Erreur documentéeQuelle trace permet la correction ?On peut deviner le bon nombre
Valeur influenteQuel résultat change avec elle ?Elle doit disparaître
RepérerUne question à examiner[1]
VérifierTrace et unité[1]
ComparerHypothèses décrites[2]
DocumenterRègle et justification[2]

Pourquoi une valeur éloignée peut-elle déplacer la moyenne ?

Prenons cinq nombres entièrement fictifs : 8, 9, 10, 11 et 12. Leur somme vaut 50 ; la moyenne vaut 10 et la médiane vaut 10. Remplaçons seulement 12 par 100. La somme devient 138 et la moyenne 27,6 ; la médiane reste 10. Le calcul ne dit pas si 100 est une observation valide : il montre ce que fait ce remplacement dans cette liste.

Dans le premier laboratoire, remplacez le cinquième nombre par 100, puis revenez à la série de départ. Ne saisissez aucune donnée personnelle. Les cinq champs acceptent des nombres de même unité entre −1 000 et 1 000. Un champ vide reste inconnu et suspend le calcul ; il ne devient pas zéro. Pour la définition complète des deux centres, lisez moyenne et médiane.

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.
Khan Academy présente l’identification des valeurs aberrantes dans une série statistique. Identifier les valeurs aberrantes dans une série statistique — KhanAcademyFrancophone · Confidentialité des vidéos

Valeur extrême et valeur influente : est-ce la même question ?

Une observation peut être inhabituelle par sa position dans les données. Son influence concerne plutôt le changement d’un résultat lorsque cette observation intervient. Dans notre exemple, nous examinons uniquement deux résumés descriptifs. Cela ne teste ni un modèle de régression, ni un effet de traitement, ni la qualité d’une étude.

Comparer deux versions d’un calcul peut éclairer sa sensibilité. Mais choisir ensuite la version qui donne le résultat préféré serait une autre décision. Conservez la question de départ, la règle annoncée et la raison de chaque modification. Une moyenne plus proche de vos attentes ne démontre pas que les données sont devenues meilleures.

Une médiane suffit-elle à régler le problème ?

La médiane reste égale à 10 dans notre remplacement précis parce que le troisième nombre trié reste 10. Elle ne reste pas toujours identique lorsque les données changent. Surtout, choisir une médiane ne vérifie pas l’origine du nombre 100 et ne corrige pas une unité erronée.

Le deuxième laboratoire compare trois séries fictives. Deux d’entre elles partagent moyenne et médiane, avec des répartitions différentes. Le troisième cas comporte le nombre 100 et étend l’échelle du dessin. Lisez les valeurs avec les centres : un résumé compact peut masquer une différence visible dans la liste.

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.

Que vérifier avant de corriger une observation ?

Revenez à la trace disponible : document de recueil, unité, décimale, date, instrument ou règle d’éligibilité. Si la source indique 10,0 et que le tableau contient 100, cette comparaison apporte une explication vérifiable. Si aucune trace ne permet de trancher, notez l’incertitude au lieu d’inventer une correction.

Gardez séparément la valeur reçue, la correction éventuelle et sa justification. Une cellule corrigée sans historique empêche de comprendre ce qui a changé. Cette exigence de traçabilité vaut également lorsqu’une observation reste conservée après vérification. Les exemples de ce dossier ne constituent pas une procédure pour nettoyer un jeu de données clinique.

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.

Un seuil statistique autorise-t-il une suppression automatique ?

Un test dépend d’hypothèses et du type de données. Le NIST rappelle notamment que certains tests supposent une distribution approximativement normale et distinguent la recherche d’une valeur isolée de celle de plusieurs valeurs.[1] Une règle découverte dans un tutoriel n’est donc pas une autorisation universelle de retirer des lignes.

Notre atelier ne calcule aucun test de valeurs aberrantes, aucun seuil d’exclusion et aucun verdict de fiabilité. Il montre une influence arithmétique limitée. Si votre question porte sur une analyse réelle, retrouvez le protocole et la méthode employée ; la valeur p et l’intervalle de confiance répondent à d’autres questions.

Comment lire une analyse avec et sans certaines valeurs ?

Repérez le résultat principal, la variante, les effectifs et la raison du changement. Demandez si cette comparaison était prévue ou décidée après avoir vu les données. Les recommandations CONSORT demandent de distinguer les analyses supplémentaires prévues des analyses post hoc.[2] Une variante mérite une explication même lorsqu’elle conduit à la même conclusion.

Si les résultats diffèrent, le lecteur doit pouvoir voir cette différence. Si les résultats restent proches, cela ne prouve pas que toute autre hypothèse aurait été sans effet. Un compte rendu transparent décrit ce qui a réellement été comparé. Retrouvez notre dossier sur l’analyse post hoc et celui sur le préenregistrement pour lire cette chronologie.

Quelle fiche garder pendant sa lecture ?

Notez la variable et son unité, l’effectif, les valeurs ou leur répartition, la règle de traitement et le passage source. La fiche ci-dessous reprend les informations nécessaires pour lire moyenne et médiane ; son export porte ce nom. Ajoutez dans la zone libre la valeur discutée et la justification retrouvée. Elle reste une prise de notes locale, sans diagnostic ni certification.

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

Une donnée manquante constitue encore un cas différent : aucune valeur n’est disponible. Un nombre extrême existe dans le tableau ; un zéro peut être une mesure obtenue. Garder ces trois situations distinctes évite de remplacer une question de qualité des données par un simple choix de résumé.

À vous de jouer

Vrai ou faux : cinq idées reçues

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

  1. Une valeur éloignée est toujours une erreur.

    Voir la réponse

    Faux. Sa provenance doit être vérifiée.

  2. Le nombre 100 peut modifier une moyenne fictive.

    Voir la réponse

    Vrai. Il modifie ici la somme.

  3. La médiane reste toujours inchangée.

    Voir la réponse

    Faux. Cela dépend des valeurs et de leurs positions.

  4. Une analyse post hoc doit être identifiée.

    Voir la réponse

    Vrai. Sa chronologie fait partie de sa lecture.

  5. Le laboratoire choisit les valeurs à supprimer.

    Voir la réponse

    Faux. Aucun test d’exclusion n’est fourni.

Questions fréquentes

Qu’est-ce qu’une valeur aberrante ?

Une observation qui paraît éloignée des autres dans son contexte ; ce repérage ne prouve pas une erreur.

Faut-il supprimer toutes les valeurs extrêmes ?

Non. Cherchez une erreur documentée et la règle d’analyse ; une valeur réelle peut être inhabituelle.

Pourquoi la moyenne change-t-elle ?

Elle utilise la somme de toutes les valeurs : remplacer 12 par 100 change cette somme.

La médiane reste-t-elle toujours la même ?

Non. Elle reste égale à 10 dans notre exemple précis, pas dans tous les jeux de données.

L’atelier réalise-t-il un test statistique ?

Non. Il calcule des résumés de cinq nombres fictifs, sans seuil d’exclusion.

Que faut-il documenter ?

La provenance, la règle annoncée, toute correction et les variantes d’analyse effectivement présentées.

Sources & pour aller plus loin

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

  1. NIST — repérage, vérification et hypothèses des valeurs aberrantes ↗
  2. CONSORT — analyses supplémentaires prévues et post hoc ↗

Références examinées pour cette mise à jour : 12 novembre 2026.

↑ Revenir au début
Le fil continue

À lire en complément

Dans cette rubrique ↗