Méthodes de Recherche en Management by Imihi

mAnAgemenTsup
4e d i t i o n
Raymond-Alain Thietart et al.

Conseiller ditorial : Christian Pinson
Dunod, Paris, 2014

5 rue Laromiguire, 75005 Paris
www.dunod.com
ISBN 9782100717026
Liste des auteurs
Florence Allard-Poesi Elle est professeur lUniversit Paris-Est

Crteil Val de Marne.
Jacques Angot Il est professeur lIESEG.
Philippe Baumard Il est professeur lcole polytechnique.
Antoine Blanc Il est matre de confrences lUniversit
Paris-Dauphine.
Manuel Cartier Il est matre de confrences lUniversit
Paris-Dauphine.
Sandra Charreire Petit Elle est professeur lUniversit Paris-Sud.
Barthlemy Chollet Il est professeur assistant Grenoble cole
de management.
Carole Donada Elle est professeur lESSEC.
Carole Drucker-Godard Elle est professeur lUniversit Paris Ouest
Nanterre La Dfense.
Florence Durieux Elle est professeur lUniversit Paris-Sud.
Sylvie Ehlinger Elle est matre de confrences lUniversit
de Cergy-Pontoise.
Mthodes de recherche en management
Bernard Forgues Il est professeur lEMLYON Business

School.
Lionel Garreau Il est matre de confrences lUniversit
Paris-Dauphine.
Corinne Grenier Elle est professeur KEDGE Business
School.
Jrme Ibert Il est matre de confrences lUniversit
Lille 1.
Emmanuel Josserand Il est professeur lUniversit de technologie
de Sydney.
Garance Marchal Elle est lecturer lUniversit de Liverpool.
Ababacar Mbengue Il est professeur lUniversit de Reims
Champagne-Ardenne.
Patricia Milano Elle est matre de confrences lUniversit
Paris 8 Vincennes-Saint-Denis.
Vronique Perret Elle est professeur lUniversit Paris-
Dauphine.
Isabelle Royer Elle est professeur lIAE Lyon, Universit
Jean-Moulin Lyon 3.
Raymond-Alain Thietart Il est professeur lESSEC.
Isabelle Vandangeon-Derumez Elle est matre de confrences lUniversit
Paris-Est Crteil Val de Marne.
Jean-Marc Xuereb Il est professeur lESSEC.
Philippe Zarlowski Il est professeur ESCP Europe.
IV
Chapitre
1 Table des matires
Introduction 1
Partie 1 Concevoir
1 Fondements pistmologiques de la recherche 14

Section 1 Lpistmologie dans la recherche en management 16
Section 2 Quest-ce que la ralit ? 22
Section 3 Quest-ce que la connaissance ? 28
Section 4 Quest-ce quune connaissance valable ? 36
Section 5 La connaissance est-elle sans effet ? 41
2 Construction de lobjet de la recherche 47

Section 1 Quest-ce que lobjet de la recherche ? 50
Section 2 Les voies de construction de lobjet 62
3 Explorer et tester : les deux voies de la recherche 76

Section 1 Les raisonnements types du test et de lexploration 78
Section 2 Les voies de lexploration 89
Section 3 La voie du test 94
4 Quelles approches avec quelles donnes ? 105

Section 1 Le choix des donnes 107
Section 2 Le choix dune approche : qualitative et/ou quantitative ? 118
5 Recherches sur le contenu et recherches sur le processus 129

Section 1 Recherches sur le contenu 131
Section 2 Recherches sur le processus 141
Section 3 Positionnement de la recherche 157
Partie 2 Mettre en uvre
6 Le design de la recherche 168

Section 1 Les dmarches empiriques de recherche en management 171
Section 2 Llaboration du design de la recherche 184
7 Comment lier concepts et donnes ? 197

Section 1 Fondement de la dmarche de traduction 198
Section 2 Concevoir la dmarche de traduction 209
8 chantillon(s) 219
Section 1 Choisir les lments de lchantillon 223
Section 2 Dterminer la taille de lchantillon 236
Section 3 Dmarches de constitution dun chantillon 253
9 La collecte des donnes et la gestion de leurs sources 261

Section 1 La collecte des donnes primaires
dans les recherches quantitatives 263
VI
Table des matires
Section 2 La collecte des donnes primaires

dans les recherches qualitatives 273
Section 3 La collecte des donnes secondaires 290
Section 4 La confidentialit de la recherche et
les sources de donnes 293
10 Validit et fiabilit de la recherche 297

Section 1 Validit du construit 299
Section 2 Fiabilit et validit de linstrument de mesure 304
Section 3 La validit interne de la recherche 312
Section 4 La fiabilit de la recherche 316
Section 5 La validit externe de la recherche 321
Partie 3 Analyser
11 Construire un modle 334

Section 1 Bases de la modlisation 336
Section 2 laborer un modle avec des mthodes qualitatives 347
Section 3 Modlisation causale par une approche quantitative 367
12 Analyses longitudinales 388

Section 1 Fondements des analyses longitudinales 390
Section 2 Mthodes danalyses longitudinales quantitatives 400
Section 3 Mthodes danalyses longitudinales qualitatives 408
Dunod Toute reproduction non autorise est un dlit.
13 Estimation statistique 418

Section 1 Logique gnrale des tests statistiques 419
Section 2 Mise en uvre des tests paramtriques 429
Section 3 Mise en uvre des tests non paramtriques 451
Section 4 Estimation statistique de relations causales entre variables 463
14 Mthodes de classification et de structuration 473

Section 1 Fondements des mthodes de classification et de structuration 474
VII
Section 2 Mise en uvre des principales mthodes 482
15 Analyse des rseaux sociaux 498

Section 1 Quand utiliser lanalyse des rseaux sociaux ? 499
Section 2 Collecter et prparer les donnes 501
Section 3 Analyser les donnes 510
16 Mthodes de simulation 524

Section 1 Fondements des mthodes de simulation 526
Section 2 Varit des mthodes 535
Section 3 Des dfis mthodologiques 543
17 Exploitation des donnes textuelles 551

Section 1 Analyse de contenu 553
Section 2 Analyse de discours 562
Partie 4 Diffuser
18 Publier 576
Section 1 Un contexte poussant la publication 578
Section 2 Processus de lcriture 580
Section 3 Contenu dun article de recherche 584
19 Lenvironnement du chercheur 593

Section 1 Le directeur de recherche 594
Section 2 Les consortiums de recherche 598
Section 3 Les confrences acadmiques 599
Section 4 Les liens avec le monde non acadmique 605
Bibliographie 609
Index 644
VIII
Chapitre
1 Introduction
R.-A. Thietart
L e management est un domaine de recherche de grande ampleur. Partageant la

e
mme
racine latine que mnagement, mot franais du xvi sicle driv de mnager, ou disposer et
rgler avec soin et adresse, le management peut se dfi-nir comme la manire de conduire,
diriger, structurer et dvelopper une organisation.
Il touche tous les aspects organisationnel et dcisionnel qui sous-tendent le
fonction-nement de cette dernire.
Le management concerne moins les procdures quil faut appliquer, quelles soient
comptables, juridiques ou sociales, que lanimation de groupes dhommes et de
femmes qui doivent travailler ensemble dans le but dune action collective finalise. Le
management dfinit les conditions de fonctionnement de lentit sociale
entreprise, administration, institution afin que chacun puisse contribuer au mieux
leffort collectif. Le management trouve ainsi son application tous les niveaux de
lorganisation. Dans un cas, il sagit de la rpartition des rles au sein dun atelier de
production. Dans un autre, le management porte sur la dfinition des processus de
pilotage de la stratgie dune entreprise. Enfin, il peut sappliquer llaboration et la
mise en place de modes dincitation et dvaluation. De manire synthtique, le
problme principal du management est de savoir comment faire vivre des groupes
sociaux afin quils puissent produire du collectif au-del de la simple addition
dexpertises individuelles. Le rle du management est ainsi immense car il conditionne
le succs et le bon fonctionnement de bon nombre dentreprises et organisations. Cest
un rle complexe, car il traite de la matire humaine avec ses contradictions de nature
cognitive nous ne voyons ni tous la mme chose ni de la
mme manire selon nos reprsentations du monde. Contradictions galement de

nature motionnelle, dont les origines sont enfouies dans notre inconscient.
Le management par son ouverture et son envergure offre au chercheur un
domaine inpuisable de questions, des plus concrtes aux plus sotriques. Les
questions diffrent en fonction de leur thme : tudier un contenu (par exemple,
dcrire les caractristiques dune organisation qui encourage ses membres
innover) ; analyser un processus (par exemple, dcouvrir comment les dcisions
sont prises dans des situations de crise). Les questions varient aussi selon leur
finalit. Il peut sagir, par exemple, de dcrire une situation dapprentissage
organisationnel, cest--dire une situation dans laquelle lorganisation, dans son
ensemble, apprend ; dexpliquer le fonctionnement de la mmoire dune
organisation, cest--dire comprendre les mcanismes qui font quau-del des
individus, cest lorganisation qui se souvient ; de prdire les dterminants de la
performance dune stratgie, savoir, mettre en vidence les facteurs qui
influencent les rsultats que lon peut attendre dune stratgie donne ; dtablir
une norme de bon fonctionnement dune organisation, ce qui revient faire
linventaire de ce quil est conseill de raliser pour que lorganisation fonctionne
correctement. Enfin, les questions peuvent changer selon la dmarche adopte.
Cette dernire peut consister, par exemple, construire une nouvelle thorie des
incitations ; tester des propositions sur les motivations la diversification ;
classer, grce lobservation empirique, les modes de coordination interentreprises
; laborer un nouveau concept en matire de connaissance organisationnelle ;
retranscrire grce une enqute les pratiques de gestion post-acquisition.
Entre ces trois types de questions qui diffrent selon le thme trait, la finalit
poursuivie et la dmarche adopte, des combinaisons nombreuses existent. Par
exemple, le chercheur peut souhaiter tudier un processus, dans le but de le
comprendre et dlaborer sur cette base une nouvelle thorie ou den amnager une
existante. Il peut, galement, tudier ce mme processus avec pour objectif de le
dcrire et apporter ainsi des observations complmentaires la communaut
scientifique. Il peut, enfin, faire porter ses efforts sur lanalyse dun contenu en
partant dun ensemble dhypothses drives de thories existantes dans le but de
les confronter la ralit empirique. Une question de recherche nest ainsi jamais
limite un thme sans finalit ni dmarche, ou bien encore une seule finalit.
Une question de recherche porte sur la combinaison dun thme (quoi tudier ?),
dune finalit (pourquoi, dans quel but ?) et dune dmarche (comment procder ?).
cette combinaison, la diversit des mthodes utilises et thories mobilises
ajoute un degr de complexit supplmentaire, transformant le management en une
source intarissable dinterrogations. La richesse du champ, en effet, nest pas
seulement limite aux questions de recherche. Cette dernire repose galement sur
les fondements thoriques et les mthodologies auxquels le chercheur a recours.
Comme dans toute science nouvelle, des paradigmes multiples coexistent, des
2
Introduction
pratiques diverses en matire de mthodes sont mises en uvre, des thories

nombreuses sont dveloppes et utilises. Cest la fois la chance et le handicap de
la recherche en management. Chance, dans la mesure o limagination dbride
coexiste avec la rigueur parfois sche mais ncessaire de dmarches trs encadres.
Chance galement, car de cette diversit peut merger des voies nouvelles, des
concepts innovants, des manires de faire diffrentes qui sont sources de progrs.
Handicap, car le meilleur coexiste avec le pire ; les faux prophtes pouvant se
rfugier derrire le prtexte de louverture et la ncessit dadapter la dmarche
dinvestigation aux problmes tudis.
Enfin, la recherche en management se caractrise par un paradoxe. Paradoxe qui
est troitement associ la nature mme de lobjet. Objet social vivant o la
pratique et lexprience de celles et ceux qui en ont la charge donnent une
lgitimit et un droit. Du fait de son importance, le management est laffaire de
tous et non pas celle des seuls chercheurs. Tout le monde est expert et en parle,
avec parfois beaucoup de comptences. Le management, en consquence, nest pas
peru comme ncessitant que des recherches spcifiques lui soient consacres.
Cest une affaire qui concerne toute la communaut et ce quelle que soit sa
lgitimit ! Et nous voil pigs dans une boucle rcursive o la recherche en
management perd de son sens social du fait mme de son importance. La
recherche, en perdant de sa lgitimit aux yeux de ceux-l mmes qui la pratiquent,
demeure ainsi trop souvent limite aux cercles ferms des initis qui ne se parlent
quentre eux. Elle dlaisse frquemment ceux quelle est cense servir.
Afin de briser cette boucle et trier le bon grain de livraie, afin de rendre lgitimes et
visibles des travaux souvent confidentiels, afin de trouver un juste milieu entre les
extrmes dune recherche tourne vers elle-mme et celle plus pratique mais de porte
rduite, seuls des travaux caractriss par un effort vritable de poursuite de la
pertinence, de limportance et de la rigueur peuvent faire la diffrence. Ces travaux
existent dj, et ce depuis de nombreuses annes, et montrent la voie suivre. Cest sur
ces derniers que la recherche en management doit capitaliser.
Nul ne peut prtendre nanmoins dtenir la vrit, et la diversit des recherches

antrieures tendent le prouver. Selon son exprience, sa formation, ses croyances et
ses valeurs, le chercheur penchera pour une approche plutt que pour une autre. Bien
que dans le pass les diffrences entre dmarches aient t exacerbes, les recherches
nouvelles en management vont vers une rconciliation entre courants. Cest ainsi que
des rapprochements se font entre les dtenteurs de la connaissance pratique et ceux de
la connaissance thorique, comme cest le cas, par exemple, de la recherche action.
Rapprochements galement entre pistmologies positivistes et constructivistes qui se
veulent dsormais modres . Rapprochements enfin entre dmarches qualitatives et
quantitatives des fins de triangulation. Le dogmatisme semble ainsi refluer au
bnfice dapproches mieux ancres dans les problmes et moins dans des schmas
arbitraires. Cela est bien ! Cest un vritable progrs !
3
La recherche se nourrit dexpriences multiples. De leur confrontation peut

merger une meilleure comprhension des phnomnes organisationnels que lon
souhaite tudier. Cette affirmation peut choquer les partisans dapproches positives
qui prfrent progresser selon une dmarche de rfutation. Toutefois, la diversit
des approches, sans en rejeter une a priori, est source de richesse et de dcouverte
dans un champ qui est encore loin dtre aussi formalis que celui dune science
normale. De plus, de par son ampleur, il est comprhensible, voire souhaitable, que
la recherche en management ait recours des mthodologies et des paradigmes
pistmologiques varis. Mthodologies dictes par la nature des objets tudis et
influences par les traditions culturelles, paradigmes pistmologiques souvent
influencs par les croyances mmes des chercheurs.
Bien quil sagisse de strotypes, deux grands modles en matire de recherche
coexistent. Le premier est le modle dominant nord-amricain caractris par des
dmarches quantitatives, dductives, mettant un fort accent sur des mthodes
structures et se limitant un objet de recherche volontairement restreint des fins
de contrle et de rigueur. Lambition est ici, comme dans la science normale, de
confronter la thorie aux faits avec parfois, pour consquence, un accent immodr
sur la technique au dtriment du fond. Le second est le modle europen, plus
qualitatif, inductif, souvent qualifi dapproximatif, o laccent sur la mthode
nest quaccessoire et o il ny a pas deffort vritable daccumulation. Lobjectif
est l dexpliquer un problme dans son contexte, de manire globale, dans sa
dynamique. Lattention est donne au sens plus qu la mthode qui est souvent
considre comme secondaire.
Cette fracture apparente trouve ses racines dans les traditions respectives de
recherche des deux continents. LEurope a une longue tradition de recherche en
sciences sociales et a t fortement influence par les travaux sur la bureaucratie,
les processus politiques et lapprentissage de Weber, Marx et Piaget, rnovs par
Crozier en France, Hickson en Grande-Bretagne et Mayntz en Allemagne. Le
mouvement postmoderniste de Derrida et Lyotard et le structurationisme de
Giddens viennent complter ce panorama. Laccent est mis sur la remise en cause
des grands schmas existants, sur le global, sur une comprhension holiste des
phnomnes organisationnels. On cherche dnoncer les courants tablis et
comprendre. La dmarche sinscrit plus dans une logique de confirmation
graduelle de la loi, la Carnap, que dans la logique de rfutation dun Popper. La
forte influence de ces courants parfois anciens se fait sentir dans la manire dont
les recherches en management sont menes : plus qualitatives, plus inductives !
En Amrique du Nord, la tradition bhavioriste est prgnante. Elle influence
encore aujourdhui la manire dont les recherches sont entreprises. Nous sommes
dans le cadre de thories positives et de la science normale. Il existe des lois quil
suffit de dcouvrir. Pour ce faire, laccumulation pas pas de la connaissance dans
le cadre dune logique de rfutation est la seule voie. Bien que critique en Europe
4
Introduction
comme tant rductionniste, voire simpliste, cette recherche a fourni des rsultats
importants et ouvert des voies nouvelles sur le plan thorique et empirique. Je ne
citerai ici que les apports de lconomie institutionnelle et des incitations, ceux de
lvolutionnisme, des rseaux sociaux, de la complexit et ceux enfin des
ressources pour illustrer les quelques contributions rcentes de ce courant. Bien
entendu, des exceptions remarquables existent et il serait faux de penser que seules
des recherches quantitative et logico-dductive sont menes dans le monde anglo-
saxon. Les contre-exemples sont nombreux, pour preuve les apports influents
dauteurs tels que Perrow, Weick, Whyte ou bien encore Burgelman, Mintzberg,
Pfeffer, Starbuck et Van Mannen.
Au-del des querelles de chapelles et de lopposition, parfois strile, entre
courants, le problme demeure de savoir comment tudier le management. Quelles
sont les questions quun chercheur doit se poser lorsquil aborde un problme de
management ? Et quest-ce que le management ? Une pratique ou une science, une
ralit objective ou un ensemble de reprsentations ? Lobjet du management
existe-t-il ou est-ce, plus encore que dans dautres domaines, un phnomne fugace
qui chappe constamment celui qui lobserve ? Apprhende-t-on la ralit en
management ou est-on un acteur de sa construction ? Comment partir da priori
sur ce quest lobjet de recherche peut-on laborer une dmarche dinvestigation
qui se veut rigoureuse et convaincante ? De quels outils dispose-t-on pour dcrire
et comprendre ce que lon observe ? Et comment observe-t-on ? Doit-on faire le
choix dune dmarche spcifique de recherche ou peut-on mlanger les styles ?
Voil quelques-unes des questions quun chercheur doit se poser lorsquil ou elle
aborde un problme de management et veut en dcouvrir le sens. Seul le but ultime
de la recherche ne doit pas tre oubli, savoir : clairer et aider les acteurs qui
sont confronts aux problmes concrets de management.
Cest lambition de Mthodes de recherche en management (MRM) que de faire
se poser des questions aux chercheurs et de leur offrir des possibilits de rponses.
MRM est le rsultat dune aventure intellectuelle qui aura dur trois ans et qui
perdure. Le but poursuivi tait de rdiger un ouvrage qui couvre les aspects
principaux de la recherche en management moins sous un angle thorique que
fond sur les difficults concrtes auxquelles un chercheur se trouve confront lors
de ses investigations. Il ne sagissait pas de refaire ce que dautres ouvrages
offraient avec talent, savoir un recueil de techniques, une bote outils lusage
du chercheur, mais de se mettre la place de ce dernier lorsquil commenait,
partir dune ide, laborer un plan de recherche.
Ce faisant, il fallait, en revanche, mettre laccent sur laspect circulaire et itratif du
processus dinvestigation. Rares, en effet, sont les situations de recherche o le
chercheur peut mettre en uvre, sans coup faillir, un plan tabli a priori. Plus
nombreuses sont celles o rgulirement la dmarche doit tre ajuste en fonction des
contingences qui apparaissent chemin faisant. Un terrain dobservation peut se tarir
5
prmaturment, une technique danalyse peut se rvler insatisfaisante lusage,

les conditions dobservation au sein dune organisation peuvent voluer, remettant
en cause les orientations mthodologiques initiales. Plus encore que dans dautres
domaines, tels que les sciences physiques, le droulement de la recherche en
management est fait dincertitude et de matrise trs imparfaite du champ
dobservation. Cest seulement lorsque le terrain se dvoile dans sa complexit et
ses aspects inattendus que le chercheur peut trouver une voie et sy tenir. Cest de
la qualit de laller-retour dialectique, dans la cohrence et la pertinence, entre
objectif, mthode et analyse, quune bonne recherche peut merger. Il ne sagit pas
pour autant de rejeter lide selon laquelle il existe des tapes suivre pour mener
bien une recherche. Il faut, en revanche, accepter le fait, quune fois tabli, un
plan de recherche nest pas immuable, que ce dernier peut voluer et que les choix
initialement faits peuvent tre remis en question en fonction des problmes
rencontrs. Toutefois, les ajustements, lorsquils ont lieu, doivent se faire avec
rigueur et cohrence ; le changement dune pice de ldifice pistmo-
mthodologique peut avoir des rpercussions multiples dont limportance doit tre
apprcie. Ce caractre contingent est typique des recherches en management dont
le contexte est difficilement contrlable. Il est ici ncessaire de faire preuve dun
certain opportunisme face la ralit mouvante des organisations.
Louvrage est le fruit du travail collectif duniversitaires, de professeurs, matres
de confrences, chercheurs en grandes coles et universits qui, au cours de trois
annes, ont souhait rpondre aux nombreuses questions quun chercheur se pose
au cours dune recherche. Le plan de louvrage, qui se voulait au dpart sans dbut
ni fin, est prsent selon une logique reconstruite, celle dune recherche idale. Les
chapitres senchanent pour des raisons matrielles de faon linaire. Nanmoins,
ils sont lis les uns les autres au sein dun vaste rseau o chaque lment
influence et est influenc par lensemble des parties qui le compose. Lesprit de
louvrage peut sembler paradoxal dans la mesure o lidal de la recherche en
management est remis en cause. Lidal type nexiste pas dans labsolu, sauf dans
la rigueur et la conviction de la restitution discursive du travail accompli. Cest un
idal relatif, un idal contextualis qui est prsent et mis en perspective tout au
long des lignes qui suivent.
Louvrage est construit de manire rpondre aux interrogations quun chercheur se
pose avant, pendant et aprs sa recherche. Les diffrents chapitres ont t crits pour
tre la fois indpendants et interdpendants. Indpendants dans le traitement dun
thme donn et interdpendants, dans la mesure o les orientations quils suggrent
sont contingentes des a priori pistmologiques et des choix mthodologiques qui ont
t faits. titre danecdote, louvrage avait t initialement imagin sous forme
cylindrique et sans pagination afin de mettre laccent sur laspect circulaire de la
dmarche de recherche. Comme vous le constatez, lide a t abandonne. Que
penseriez-vous si vous teniez en ce moment mme un cylivre ou un lilindre
6
Introduction
entre vos mains ? Sans voquer les problmes de rangement dans une serviette
plate ou sur une tagre !
Le choix a donc t fait darticuler lensemble des chapitres de manire
logique , cest--dire en commenant par les questions pistmologiques quun
chercheur peut se poser au dbut de son investigation et en terminant par les aspects de
rdaction et de diffusion des rsultats. Louvrage est compos de quatre parties
principales : Concevoir, Mettre en uvre, Analyser, Diffuser. La premire partie,
Concevoir , couvre les grandes questions en amont du travail de recherche sur la
nature de la ralit (construite ou donne) apprhender, sur ce que lon se propose
dtudier (la problmatique), sur la finalit de la recherche (test ou construction), sur la
nature de lapproche adopter (qualitative ou quantitative), enfin sur la dmarche que
lon va retenir (processus ou contenu). La deuxime partie, Mettre en uvre , nous
fait entrer dans le cur de la recherche. Il sagit ici de choisir la mthodologie :
dfinition de larchitecture de recherche, choix du terrain, slection des instruments de
mesure, recueil de donnes, validation des observations. La troisime partie,
Analyser , aborde un aspect plus technique, celui des outils la disposition du
chercheur pour trouver du sens dans la masse dinformation quil a pu collecter. Parmi
ces outils, nous aborderons les analyses causales, longitudinales et de processus, la
simulation, les mthodes de classification, les analyses de comparaison, des rseaux
sociaux, des discours et reprsentations. Ces mthodes et analyses sont celles les plus
couramment employes dans les recherches en management. Enfin, la quatrime partie,
Diffuser , nous entrane sur la voie de la transmission du savoir, une fois ce dernier
cr. Il sagit ici de le communiquer dans une forme approprie et de connatre les
rseaux au sein desquels il peut tre valoris. Ces parties ne doivent tre perues ni
comme des carcans ni comme une squence ordonne en dehors de laquelle il ny
aurait pas de salut. Il nest pas rare que dans une recherche, on remette en cause des
phases antrieures afin de sadapter aux contraintes de cette dernire. Ces parties ne
sont l quen tant que structure temporaire permettant de donner du sens la
prsentation densemble. Le lecteur peut aussi bien lire le livre de manire squentielle,
selon la prsentation retenue, de la premire la dernire page, que sauter des parties.
Selon ses besoins, il peut aller directement un chapitre particulier sil souhaite
approfondir un point spcifique.
Chacune des parties est subdivise en chapitres. Lordre des chapitres des parties une
et deux suit un ordre traditionnel. Toutefois, lors dune recherche, il nest pas exclu que
des allers et des retours constants se fassent entre chapitres et que des choix
mthodologiques soient en contradiction avec les orientations pistmologiques prises
trs en amont. Dans les parties trois et quatre, lordre des chapitres nest pas
fondamental. Il sagit de techniques spcifiques et de conseils densemble.
Dans un premier chapitre, Fondements pistmologiques de la recherche ,
Florence Allard-Poesi et Vronique Perret rpondent aux questions de savoir quel est le
statut de la connaissance scientifique, comment cette dernire est engendre et
7
quelle est sa valeur. Ces questions, apparemment trs en amont dune dmarche de
recherche, sont en fait au cur de toute investigation. Les a priori du chercheur sur ce
quest la connaissance scientifique vont induire sa manire de voir la ralit , et ce
faisant influencer les mthodes quil ou elle mobilise pour comprendre, expliquer,
dcrire ou prdire. Le deuxime chapitre, Construction de lobjet de la recherche ,
par Florence Allard-Poesi et Garance Marchal, aborde la dfinition de lobjet de
recherche, cest--dire la problmatique laquelle le chercheur va sefforcer de
rpondre. Il sagit ici de construire la question grce laquelle la ralit sera
interroge, question qui guidera la dmarche densemble. Aprs les interrogations sur
la nature de la connaissance scientifique, nous cernons un peu plus ce que le chercheur
souhaite faire. Dans le chapitre suivant, chapitre trois, Explorer et tester , Sandra
Charreire Petit et Florence Durieux prcisent la manire selon laquelle la dmarche de
recherche sera entreprise. Que va-t-on faire ? Confronter une thorie la ralit ? Ou
bien, partir de la ralit laborer un nouveau cadre thorique ? Ou bien encore,
faire uvre de construction thorique et confronter cette dernire aux observations
empiriques ? ces questions, il ny a pas de bonnes ou de mauvaises rponses. Seule
leur cohrence avec les choix prcdemment faits importe. Au chapitre quatre,
Quelles approches avec quelles donnes ? , Philippe Baumard et Jrme Ibert
montrent que lun des choix essentiels que le chercheur doit faire est celui de
lapproche adopter et des donnes mobiliser. Ils nous proposent ici de faire le lien
entre finalit de la recherche (dcrire, expliquer, prdire, tablir une norme), approche
adopter pour rpondre cette finalit (qualitative, quantitative) et donnes
mobiliser. Dans le cinquime chapitre, Recherches sur le contenu et recherches sur le
processus , Corinne Grenier et Emmanuel Josserand proposent deux grandes
orientations en matire de recherche : tudier un contenu, savoir ltude statique dun
tat en terme de stock ou tudier un processus, cest--dire lanalyse dynamique en
termes de flux. Selon eux, cest davantage la formulation de la question de recherche et
le choix de la mthode que la nature de la recherche elle-mme qui dictent la diffrence
entre ces deux approches. Ce chapitre clt la premire partie de louvrage
Concevoir qui pose les choix pistmologiques et dorientation de la recherche.
Dans la deuxime partie du livre, Mettre en uvre , nous abordons des aspects
plus oprationnels. Des rponses sont apportes aux questions quun chercheur se pose
sur les tapes suivre, la nature et la manire de ce quil faut observer, sur
ltablissement de la validit des rsultats. Il sagit dune tape indispensable, car delle
dpend la manire de conduire dans le concret la recherche. Cette partie commence
avec le sixime chapitre, Le design de la recherche dIsabelle Royer et Philippe
Zarlowski. Par design, il faut entendre larticulation des diffrentes tapes dune
recherche : tablissement dune problmatique, revue de la littrature, collecte et
analyse de donnes, prsentation des rsultats. Dans le chapitre, les diffrentes tapes
dlaboration dun design de recherche sont mises en vidence. De mme, les
relations entre positionnement pistmologique et mthodologie
8
Introduction
dune part, et design de recherche et maturit de la connaissance dautre part, sont

abordes. La ncessaire volution du design initial en fonction des contingences et
mergences est rappele. Dans le chapitre sept, Comment lier concepts et donnes ?
, de Jacques Angot et Patricia Milano, nous entrons au cur de la mise en uvre. Il
sagit pour le chercheur de savoir comment il va faire le lien entre le monde empirique
et le monde thorique. Lapprhension du monde empirique dpend non seulement du
degr de connaissance que le chercheur peut avoir du monde thorique mais aussi de
son positionnement pistmologique qui va induire sa manire de mesurer en
pratique ce quil observe. Dans le chapitre huit,
chantillons , Isabelle Royer et Philippe Zarlowski posent la question de savoir
partir de quels lments recueillir des donnes. Nous traitons l du choix et de la
constitution dchantillons, quils soient composs dun grand nombre dindividus,
comme cest le cas de recherches ncessitant un traitement quantitatif, ou bien dun
nombre rduit, comme pour les dmarches danalyses de cas en profondeur. Les
mthodes de slection et les biais qui peuvent exister sont apprhends. Le chapitre
neuf La collecte des donnes et la gestion de leurs sources de Jrme Ibert,
Philippe Baumard, Carole Donada et Jean-Marc Xuereb, prsente les diffrents
instruments de collecte de donnes primaire et secondaire, quil sagisse de donnes
qualitatives ou de donnes quantitatives. Cest l une tape cruciale de la recherche, les
donnes collectes et leur qualit en constituant le matriau de base. Le chapitre met
galement laccent sur la collecte de donnes permettant de prendre en compte la
relation entre le sujet, la source de donnes, et le chercheur. Dans le chapitre dix,
Validit et fiabilit de la recherche , dernier chapitre de la partie Mettre en
uvre , Carole Drucker-Godard, Sylvie Ehlinger et Corinne Grenier soulvent le
problme de savoir si ce qui est dcrit reprsente bien le phnomne tudi
(validit) et si ce qui est prsent laurait t fait de manire similaire, ou des
moments diffrents, par dautres observateurs (fiabilit). Plusieurs types de validit
sont ainsi abords : validit du construit, validit de mesure, validit interne,
validit externe. Enfin, la fiabilit et la manire de lamliorer sont galement
traites et ce aussi bien dans le cas de recherches quantitatives que qualitatives.
Dans la troisime partie du livre, Analyser , nous entrons dans les domaines plus
techniques de la recherche. Nous entrouvrons la bote outils. Le choix du type
danalyse nest pas neutre. Il correspond ce dont un chercheur en management a
gnralement besoin pour traiter et analyser ses donnes. Le premier chapitre de cette
troisime partie, le chapitre onze, Construire un modle , dIsabelle Derumez-
Vandangeon, Lionel Garreau et Ababacar Mbengue, rpond la question de savoir
comment construire et tester des relations causales entre variables. Pour ce faire, ils
rappellent que le test de relations causales passe dabord par une phase de
modlisation, modlisation que lon peut dcliner en quatre phases : la spcification du
phnomne, la spcification des concepts et variables, la spcification des relations
entre variables et concepts du modle et, enfin, le test. Dans le chapitre douze sur les
Analyses longitudinales , Isabelle Derumez-Vandangeon et Lionel
9
Garreau nous font aborder ltude de phnomnes au cours du temps, tudes qui sont
des plus frquentes dans la recherche en management. Le but est ici de comprendre une
dynamique dvolution dune ou plusieurs variables. Dans ce chapitre, des mthodes
danalyse aussi bien quantitatives (analyse des vnements, mthodes squentielles,
analyse de cohorte) que qualitatives (matrice chronologique, analyse de cycles et de
phases, approches organizing ) sont dcrites et expliques. Le chapitre treize, sur
Lestimation statistique , dAbabacar Mbengue, rappelle limportance du respect des
hypothses sous-jacentes lutilisation dun test, sans lequel les rsultats ne peuvent
avoir de sens. Il met ensuite laccent sur lestimation statistique (OLS, Probit, Logit)
ainsi que sur les problmes souvent rencontrs tels que les biais dendognit et de
non-indpendance des variables. Dans le quatorzime chapitre, Mthodes de
classification et de structuration , Carole Donada et Ababacar Mbengue prsentent les
techniques employes pour organiser et simplifier de grandes masses de donnes.
Dune part, les mthodes de classification permettent de dcomposer un ensemble
constitu dun grand nombre dobjets diffrents en un nombre rduit de classes
composes dobjets similaires. Dautre part, les mthodes de structuration permettent
de dcouvrir les facteurs ou dimensions qui sont la structure sous-jacente un
ensemble de donnes. Le chapitre quinze, Analyse des rseaux sociaux , de Jacques
Angot, Barthlmy Chollet et Emmanuel Josserand, prsente les mthodes la
disposition du chercheur pour tudier les relations qui existent entre individus, le terme
individu devant tre compris au sens large. Il peut sagir ici de relations
interindividuelles au sein dune organisation, de relations entre entits composant cette
dernire, ou bien encore de relations quelle entretient avec dautres organisations. Ces
mthodes, trs en vogue, peuvent galement tre utilises pour identifier les acteurs qui
jouent un rle particulier et pour mieux comprendre les relations de pouvoir,
dinfluence et de communication. Avec le chapitre seize, Manuel Cartier aborde un
ensemble de mthodes qui connaissent un nouvel engouement mrit : les mthodes de
simulation. Favorise par la disponibilit dordinateurs performants et par celle de
progiciels relativement faciles matriser, la simulation permet dobserver en
laboratoire des phnomnes quil serait impossible dtudier dans la ralit. Il sagit
l de mthodes puissantes qui, si bien matrises, permettent au chercheur en
management de faire progresser plus encore la connaissance dans son domaine. Parmi
les mthodes prsentes, les automates cellulaires, le modle NK et les algorithmes
gntiques sont plus particulirement tudis. De plus, les dmarches de validation,
trop souvent mises de ct, sont abordes. Le chapitre dix-sept, Exploitation des
donnes textuelles dAntoine Blanc, Carole Drucker-Godard et Sylvie Ehlinger, nous
montre comment dpouiller, classer, analyser les informations contenues dans un
document, une communication, un discours. Le but est ici, nouveau, de donner un
sens une masse considrable de donnes contenues dans le verbe ou lcrit. Les
mthodes et dmarches danalyse de contenu et de discours y sont prsentes en
prenant le point de vue du chercheur.
10
Introduction
La quatrime partie de louvrage, Diffuser , nous emmne dans un domaine

apparemment secondaire au regard des considrations pistmologiques et
mthodologiques prcdemment voques mais qui est nanmoins capital. Il sagit l
de communiquer son savoir, de diffuser les rsultats de sa recherche, de transmettre
un rseau de chercheurs les fruits de son labeur afin que le travail accompli ne reste pas
un simple exercice, certes exaltant, mais limit un individu ou un petit groupe
dinitis. Dans le chapitre dix-huit, La rdaction du travail de recherche , Bernard
Forgues nous prsente les divers supports de communication dune recherche, nous
explique galement quelles sont les conventions respecter dans un article et nous
donne des conseils quant la rdaction de la prsentation dune recherche et de ses
rsultats. Il souligne enfin limportance de cette phase qui, comme il le rappelle,
permet de donner du sens au travail accompli qui doit tre compris comme une tape
dans un processus social. Dans le chapitre dix-neuf, dernier chapitre de louvrage,
Lenvironnement du chercheur , Jean-Marc Xuereb donne des conseils quant la
gestion par le chercheur de son contexte. Quil sagisse, dans un premier temps, du
choix dun directeur de recherche et puis, plus tard, de la construction dun rseau de
chercheurs, par le biais dassociations professionnelles, auprs desquelles la recherche
pourra tre diffuse.
Avec ce chapitre nous terminons louvrage. Comme on peut sen rendre
rapidement compte la varit des thmes abords reflte lamplitude des savoirs
quun chercheur en management doit possder. Toutefois, une distinction doit tre
faite entre savoir rcurrent, qui doit tre matris quel que soit le type de recherche
(parties une, deux et quatre) et savoir mobiliser en fonction du problme tudier
(partie trois). De plus, des choix ont t faits dans chaque chapitre. Un lecteur
averti peut tre du par le degr de dveloppement de certains des domaines
couverts. Il sagit dune dcision dlibre. Il ne sagissait pas ici de faire aussi
bien que dautres ouvrages spcialiss mais de rappeler au chercheur les questions
quil doit se poser et les rponses possibles qui existent et dont il peut sinspirer.
Chaque fois que des dveloppements plus techniques taient ncessaires, des
renvois des ouvrages spcialiss ont t faits. De plus, la fin de chaque chapitre,
quatre cinq rfrences de base sont proposes afin de donner au lecteur une
premire approche sur le sujet quil souhaiterait approfondir.
Laventure de rdaction et de rflexion sur les Mthodes de recherche en
management continue dans cette nouvelle dition entirement rnove. Cest un
beau projet dans lequel chacun fait part de son exprience en matire de recherche.
Le livre est en fait le tmoignage de ceux qui pratiquent au quotidien ce quils
crivent. Il ne sagit pas dun collage dexpriences vcues par dautres mais bien
dune construction collective partir de pratiques individuelles. Cest au lecteur
prsent de prendre la relve dans lespoir que MRM laidera contribuer au mieux
la recherche en management.
11
Partie
Fondements pistmologiques Chapitre 1
de la recherche
Construction de lobjet de la recherche Chapitre 2
Explorer et tester : les deux voies de la recherche Chapitre 3
Quelles approches avec quelles donnes ? Chapitre 4
Recherches sur le contenu et Chapitre 5
recherches sur le processus
1
Concevoir
D ans cette premire partie, le lecteur est invit sinterroger sur la nature et la finalit
de la recherche quil souhaite entreprendre. Les choix explicites ou implicites quil va faire
ne sont pas neutres vis--vis du type de recherche ou de la manire de conduire cette
dernire. Une question importante laquelle il doit
rpondre, concerne sa conception de la ralit des phnomnes de management quil
souhaite tudier. Est-ce une ralit objective, et auquel cas faut-il dvelopper et choisir
les instruments de mesure adquats pour ltudier, ou bien sagit-il dune ralit
construite, sans essence en dehors du chercheur, qui schappe et se trans-forme au fur
et mesure que lon pense sen approcher ? Une fois ce premier pro-blme clarifi, le
chercheur doit prciser lobjet de recherche, cest--dire ce quil souhaite entreprendre.
L encore, la rponse nest pas aussi nette quon pourrait idalement le souhaiter. Nous
montrons que lobjet est construit et ne peut tre, sauf de manire artificielle, donn.
Cest un objet mouvant, ractif, contingent de la conception et du droulement de la
recherche. Lobjet tant prcis, le chercheur doit faire un choix quant la finalit
poursuivie. cette fin, il dispose de deux grandes orientations. La premire consiste
construire un nouveau cadre thorique partir, entre autres, de ses observations. La
deuxime, est de tester une thorie, savoir confronter thorie et observations
empiriques. Pour ce faire, il lui faudra dci-der dune approche qualitative ou
quantitative ou bien encore dun mlange entre les deux, et dun type de donnes
mobiliser ; dcision qui se doit dtre en cohrence avec la finalit. Enfin, il sagit
dopter pour une manire daborder la question de recherche : recherche sur un
contenu, cest--dire sur un tat, ou recherche sur un processus, cest--dire sur une
dynamique. En fonction des rponses aux choix pr-cdemment proposs, les
mthodologies utilises seront diffrentes ; do limpor-tance de rflchir trs en
amont quant la nature, la finalit, le type de recherche et la source empirique dont le
chercheur dispose ou quil souhaite utiliser.
Chapitre
Fondements
1 pistmologiques
de la recherche
Florence Allard-Poesi et Vronique Perret
RsuM
Tout travail de recherche repose sur une certaine vision du monde, utilise
une mthodologie, propose des rsultats visant comprendre, expliquer,
prdire ou transformer. Une explicitation de ces prsupposs
pistmologiques permet de contrler la dmarche de recherche, daccrotre
la valeur de la connaissance qui en est issue, mais galement de mieux
saisir nombre de dbats entre courants thoriques en management.
Lobjet de ce chapitre est daider le chercheur conduire cette rflexion pist-
mologique en linvitant sinterroger sur les quatre dimensions suivantes : Quel est
ce rel que lon cherche apprhender ? Quelle est la nature de la connais-sance
produite ? Quels sont la valeur et le statut de cette connaissance ? Quelles sont
ses incidences sur le rel tudi ? Des lments de rponse sont proposs en
distinguant grands traits les postures que dfendent les diffrents paradigmes
caractristiques de notre champ de recherche.
sOMMAIRE
SECTION 1 Lpistmologie dans la recherche en management
SECTION 2 Quest-ce que la ralit ?
SECTION 3 Quest-ce que la connaissance ?
SECTION 4 Quest-ce quune connaissance valable ?
SECTION 5 La connaissance est-elle sans effet ?
L Fondements pistmologiques de la recherche
pistmologie peut se dfinir comme la discipline philosophique qui vise

Chapitre 1
tablir les fondements de la science. En ce sens elle cherche caractriser la

science afin destimer la valeur logique et cognitive des connaissances quelle
produit pour dcider si elles peuvent prtendre se rapprocher de lidal dune
connaissance certaine et authentiquement justifie (Soler, 2000). Cette dfinition
normative tend seffacer aujourdhui au profit dune conception plus ouverte qui
considre lpistmologie comme une activit rflexive qui porte sur la manire dont
les connaissances sont produites et justifies. Lpistmologie se dfinira alors plutt
comme ltude de la constitution des connaissances valables (Piaget, 1967 : 6).
Partant de cette dfinition, on peut convenir que la rflexion pistmologique
peut se dployer sur quatre dimensions :
une dimension ontologique, qui questionne la nature de la ralit connatre ;
une dimension pistmique, qui interroge la nature de la connaissance produite ;
une dimension mthodologique, qui porte sur la manire dont la connaissance est
produite et justifie ;
une dimension axiologique enfin, qui interroge les valeurs portes par la
connaissance.
Comme nous le verrons, en fonction dune acception large ou troite de
lpistmologie, la place et le rle accords ces quatre dimensions diffrent
quand il sagit de dfinir ce quest une connaissance valable .
Cependant, quels que soient les contours quon lui donne, lpistmologie est
consubstantielle au travail scientifique (Martinet, 1990). Toute recherche repose
sur une certaine conception de son objet de connaissance ; utilise des mthodes de
nature varie (exprimentale, historique, discursive, statistique) reposant sur des
critres de validit spcifiques ; avance des rsultats visant expliquer, prdire,
prescrire, comprendre ou encore construire et transformer le monde auquel elle
sadresse.
La rflexion pistmologique, en ce quelle invite expliciter les prsupposs et
justifier les choix effectus ces diffrentes tapes, est en outre un puissant outil
dinnovation pour la recherche en permettant de dpasser la simple recherche de
cohrence entre lanalyse et les objets de cette analyse. Cette posture rflexive
offre au chercheur les outils dune pratique scientifique consciente delle-mme et
contrle, pour lutter contre les contraintes de lespace thorique du moment et
pour dpasser les prtendues incompatibilits, les prtendues oppositions, les
prtendues voies inconciliables (Bourdieu, 1987).
15
Partie 1 Concevoir
section
1 LPIsTMOLOgIE DAns LA
REChERChE En MAnAgEMEnT
Apprhender les prsupposs et hypothses implicites et participer aux dbats

pistmologiques structurant son champ de recherche ; expliciter sa dmarche et
construire son projet scientifique dans un souci de cohrence et de pertinence par la
mise en pratique des outils de la rflexion pistmologique : tels taient ds 1999,
date de la premire dition, les objectifs que se donnait ce premier chapitre de
louvrage Mthodes de recherche en management (Girod-Sville et Perret, 1999).
cette poque, si quelques ouvrages prcurseurs invitaient lexploration des
grandes questions pistmologiques dans le champ des sciences de lorganisation
(Burrel et Morgan, 1979 ; Hatch, 1997 ; Martinet, 1990 ; Le Moigne, 1995), peu de
travaux en proposaient un panorama synthtique. Le constat que lon peut faire
aujourdhui, quinze ans aprs, nest plus le mme. Lpistmologie est enseigne
dans la plupart des programmes dinitiation et de formation la recherche et de
nombreux travaux sont venus complter les rfrences disposition du chercheur
pour apprhender les dbats pistmologiques propres notre discipline (McAuley
et al., 2007 ; Avenier et Gavard-Perret, 2012 par exemple).
Avant dexaminer plus prcisment ces diffrents dbats dans les sections
suivantes, il est utile de les replacer dans le contexte des trois grands rfrentiels
dont les sciences de gestion sinspirent.
1 Le rfrentiel des sciences de la nature
Les sciences de la nature ont souvent t prsentes comme porteuses dune

conception homogne de LA Science et, ce titre, susceptible de sappliquer
lensemble des disciplines scientifiques quel que soit leur objet. Historiquement porte
par le positivisme (Comte, 1844) cette conception de la science a connu de nombreuses
volutions. Au dbut du xxe sicle, le Cercle de Vienne souhaite dmarquer la
connaissance scientifique dautres formes de savoirs (de nature mtaphysique ou
thique notamment) par ltablissement de rgles de constitution de ce savoir. Ce
modle, identifi sous le label du positivisme logique, a t enrichi et amend par les
rflexions rformatrices de Carnap ou plus radicales dauteurs comme Popper ou
Lakatos. Ce rfrentiel rformateur, le post-positivisme, se caractrise par la place
prpondrante quil accorde des dispositifs mthodologiques marqus par la
quantification, lexprimentation et la validation empirique des noncs selon un
principe hypothtico-dductif ; une vise de dcouverte de la vrit et la nature
explicative des connaissances scientifiques ; la revendication
16
Fondements pistmologiques de la recherche Chapitre 1
dune posture de neutralit et dobjectivit du chercheur et de sa dmarche. Ce

rfrentiel reste encore dominant dans la plupart des disciplines, y compris celles
nayant pas pour objet le monde naturel.
2 Le rfrentiel des sciences humaines et sociales
La domination du modle scientifique hrit des sciences de la nature est

dnonce par un grand nombre de disciplines appartenant au champ des sciences
humaines et sociales (Steinmetz, 2005). Cette controverse repose sur la
revendication dune prise en compte des spcificits des objets propres ces
disciplines qui ne peuvent se concevoir comme des choses1.
Le rfrentiel des sciences humaines et sociales va se construire autour de
caractristiques quil est frquent de rassembler sous le label de constructionnisme2
(Hacking, 2001). Linterprtativisme va souligner la nature intentionnelle et
finalise de lactivit humaine ainsi que le caractre interactionnel, discursif et
processuel des pratiques sociales. Les approches visant la dcouverte de rgularits
causales stables sont cartes au profit dune posture interprtativiste qui sappuie
sur des mthodologies comprhensives, mieux mme de saisir la nature
construite des phnomnes sociaux. Ces mthodologies visent en priorit
comprendre le sens plutt qu expliquer la frquence et saisir comment le sens
se construit dans et par les interactions, les pratiques et les discours.
Les travaux qui sinscrivent dans ce rfrentiel des sciences sociales conoivent
la ralit sociale comme dpendante de contextes historiques toujours singuliers
(Passeron, 1991). Le projet de connaissance, dans ce cadre, ne pourra donc que
difficilement se dpartir des contingences qui faonnent la ralit et quelle
contribue en retour construire. Applique aux pratiques scientifiques par les
travaux de la sociologie des sciences (voir par exemple Latour et Woolgar, 1979 ;
Callon et Latour, 1991), cette conception de la construction sociale de la ralit a
contribu nourrir une vision relativiste de la connaissance scientifique. Elle
conduit galement remettre en cause la neutralit de la science et lindpendance

de lactivit scientifique lgard de la socit (Bonneuil et Joly, 2013). cet
gard, les consquences des connaissances produites et les questions thiques
quelles soulvent deviennent un lment central de la rflexion pistmologique.
1. Cette expression reprend le titre de louvrage de Jules Monnerot de 1946 Les faits sociaux ne sont pas des choses
, Paris : Gallimard, qui dnonait la conception dterministe et physicaliste de la sociologie durkhemienne.
2. Le constructionnisme ou constructivisme social (Keucheyan, 2007 ; Berthelot, 2008), sil peut tre considr
comme un rfrentiel structurant des sciences sociales, notamment en sociologie, est loin cependant dtre
lunique paradigme et est lobjet de nombreuses controverses dans cette discipline.
17
Partie 1 Concevoir
Revendiquer lappartenance des sciences de gestion aux sciences sociales nest

donc pas neutre. Cette revendication est en effet porteuse dune volont de
dmarcation par rapport une conception et une pratique scientifiques adoptant,
souvent implicitement, les cadres et les prsupposs des sciences de la nature. Elle
amne souligner la nature complexe et contextuelle de nos objets de recherche et
elle nest pas sans incidence sur les choix mthodologiques, le statut et la valeur
des connaissances produites, nous le verrons.
3 Le rfrentiel des sciences de lingnieur1
Relevant le rle central des outils, technologies et dispositifs (Berry, 1983 ; Aggeri et
Labatut, 2010) et des activits de conception dartefacts dans notre discipline, certains
chercheurs ont rapproch les sciences de gestion des sciences de lingnieur (Chanal et
al., 1997). La vise de ces recherches nest plus principalement dexpliquer la ralit ni
de comprendre comment elle se construit, mais plutt de concevoir et construire une
ralit . Empruntant la figure de lingnieur, ou celle de larchitecte, ce rfrentiel
invite considrer la recherche comme le dveloppement de connaissances
pertinentes pour la mise en uvre dartefacts ayant les proprits dsires dans les
contextes o ils sont mis en uvre (Avenier et Gavard-Perret, 2012 : 21). Si, comme
dans le rfrentiel des sciences sociales, lintentionnalit et la finalit de laction sont
centrales, cest ici celles du chercheur et du projet de connaissance qui sont au cur de
la rflexion pistmologique. Remettant en question la sparation entre connaissance et
action, le rapport dinteraction entre sujet et objet (projet) de connaissance sera
particulirement examin. Sur le plan mthodologique, mme si toutes les dmarches
de recherche-action ne sinscrivent pas dans ce rfrentiel (Allard-Poesi et Perret,
2004), les designs de recherche-intervention y occupent une place importante (David,
2000b).
Von Glaserfeld (1988) proposera le label de constructivisme radical pour qualifier
cette conception de lpistmologie qui peut tre synthtise autour de deux
propositions (Riegler et Quals, 2010) : 1. La connaissance nest pas reue passivement,
mais est apprise au travers dun processus actif de construction du chercheur. 2. La
fonction du processus dapprentissage est ladaptation, et sert non pas la dcouverte
dune ralit ontologique existant objectivement, mais lorganisation du monde
exprientiel du chercheur. La rflexion centrale que ce rfrentiel porte sur laction et
laction en situation de gestion (Girin, 1990 ; Journ et Raulet-
1. Il ny a pas dappellation stabilise de ce rfrentiel. En revendiquant lhritage de Piaget (1970), de Simon

(1981) et de Le Moigne (1994), certains auteurs parlent de sciences de lartificiel (Avenier et Gavard-Perret, 2012)
ou encore de sciences de la conception (David et al., 2000). Les disciplines pouvant entrer dans ce rfrentiel sont
galement clectiques : Les sciences informatiques, les sciences de la communication, les sciences de la dcision
(Roy, 2000), lergonomie (Rabardel, 2005), les sciences de lducation (Barbier, 2007), ou encore les Sciences et
Techniques des Activits Physiques et Sportives (Quidu, 2011).
18
Croset, 2008) rejoint les proccupations de la philosophie pragmatiste, et permet

denvisager des critres communs dvaluation des connaissances bass sur la
notion de vrit-adquation plutt que de vrit-correspondance (Girod-Sville et
Perret, 2002). Le constructivisme ingnierique1 (Martinet, 1990) sinscrit dans
cette orientation pistmologique.
Revendiquer lappartenance des sciences de gestion au rfrentiel des sciences de
lingnieur est une prise de position qui vise les dmarquer du rfrentiel des sciences
de la nature. La nature complexe des situations de gestion et les dimensions humaines
et sociales qui gouvernent la construction des artefacts gestionnaires, conduisent par
contre le chercheur ingnierique rejoindre les conceptions hrites du rfrentiel des
sciences sociales. Il sen dmarque nanmoins par la vise projective et non seulement
interprtative de la connaissance produite. Martinet prsente ainsi les complmentarits
et diffrences de ces rfrentiels pour les sciences de gestion : [elles] sont tout la
fois des sciences de lhomme et de la socit de par leurs objets et des sciences de
la conception de par leurs projets
puisquelles ne sont fcondes quen faisant mieux advenir ce qui nexiste pas
encore (des artifices). Leurs logiques de recherche sont donc marques par
lhistoricit, les contextes et le temps irrversible lorsquelles sefforcent de
comprendre ce qui se passe (lactuel), comme par leur vise projective (le virtuel)
(2007: 41).
Les nombreux dbats qui ont aliment tout au long du xxe sicle la rflexion
pistmologique au sein et entre ces trois rfrentiels, ont eu un large cho dans la
recherche en management et clairent le foisonnement des paradigmes
pistmologiques2 dans notre discipline. Daucuns verront dans ce foisonnement,
suivant ainsi la reprsentation du dveloppement des sciences autour dun
paradigme dominant (voir lanalyse historique de Kuhn, 1962), le signe de
limmaturit de notre champ. Dans cet esprit on peut relever que la gnralisation
du dbat pistmologique dans notre communaut durant ces quinze dernires
annes sest parfois faite au prix dapplications superficielles et mcaniques
conduisant des incohrences et un manque de robustesse des designs de
recherche (Charreire Petit et Huault, 2008). Plus gnralement on peut juger que
les dbats pistmologiques au sein de notre discipline ont parfois t aliments par
des amalgames et des raccourcis htifs (Kwan et Tsang, 2001 ; Dumez, 2010).
Dautres, cependant, partageant lide qu il y a des sciences auxquelles il a t
donn de rester ternellement jeunes (Weber, in Lahire, 1996 : 399), soulignent
lopportunit que reprsente la diversit des paradigmes pistmologiques. Celle-ci
1. Le label de constructivisme pragmatique a rcemment t propos par Avenier et Gavard-Perret (2012).

2. La notion de paradigme pistmologique a t popularise par le sociologue des sciences Thomas Kuhn. Le
paradigme dsigne un cadre qui regroupe un ensemble de croyances, valeurs, techniques partages par une
communaut scientifique une priode donne. Ce cadre permet de dfinir les problmes et les mthodes
lgitimes et canalise les investigations. Il fixe un langage commun qui favoriserait la diffusion des travaux et
permettrait ainsi une plus grande efficacit de la recherche.
19
Partie 1 Concevoir
nous permet en effet de concevoir diffremment nos objets de recherche et de

mieux se saisir des dbats et coupures thoriques et mthodologiques autour de ces
objets pour construire nos projets. La gnralisation du travail pistmique conduit
ainsi un enrichissement conceptuel, thorique et mthodologique de notre champ
et permet dasseoir la lgitimit scientifique dun plus large ventail dobjets et de
dmarches de recherche.
Dautres enfin voient dans lobjet et le projet des sciences de gestion
lopportunit denrichir le dbat pistmologique en apportant des rponses
spcifiques et originales (David et al. 2000, 2012 ; Martinet, 1990, 2013b ; Spicer
et al. 2009). Il sagit l dune volution importante pour une discipline souvent
qualifie de discipline carrefour, essentiellement emprunteuse des modes de
lgitimation scientifiques de disciplines plus anciennes et plus reconnues.
Dans la suite de ce chapitre, nous nous attachons prsenter les termes de ces
dbats et leurs consquences sur la pratique scientifique dans notre discipline. Afin
dexercer sa rflexivit et apporter des rponses informes ces questions, nous
invitons le chercheur en management interroger sa dmarche de recherche au
travers des quatre questions suivantes :
Quelle est la nature du rel que lon veut connatre ? On sinterroge ici sur la vision
du management et la nature des processus qui participent de son fonctionnement. Le
management a-t-il une essence propre ? Peut-il sapparenter au monde naturel ?
Quelle est la nature de la connaissance produite ? Est-elle objective, reflet dune
ralit qui existe indpendamment du chercheur ? Une construction qui permet
de tenir la place du rel ? Est-elle relative linterprtation du chercheur ? la
finalit du projet de recherche ?
Quels sont les critres de la connaissance valable ? Doit-elle se concevoir en
termes de vrit ? dutilit ? de justifications ?
Quelles sont les incidences de la connaissance produite sur le rel tudi ? La
connaissance en management est-elle sans effet ? Participe-t-elle au contraire la
construction de la ralit ? Ces questions appellent le chercheur sinterroger
quant son rle dans la socit, soulignant par-l les dimensions thiques et
politiques attaches lactivit de recherche.
Notre prsentation des dbats attachs ces questions procdera selon deux
exigences (voir tableau 1.1).
En premier lieu, il sagit de saisir les principales lignes de dmarcations entre les
diffrentes positions pistmologiques. Le ralisme et le constructivisme seront
prsents comme les deux grandes orientations qui structurent la nature des
controverses pistmologiques dans le champ du management. Suivant ici la dmarche
adopte par Keucheyan (2007), nous regroupons sous ces deux appellations quelques-
uns des principaux paradigmes selon un rapport d air de famille1 .
1. Au sens donn par Wittgenstein lexpression air de famille cest--dire sur la base dune srie
daffinits qui justifie quune mme appellation soit employe pour les qualifier.
20
En second lieu, il est important de saisir que ces dmarcations se dplacent,

samnagent, se recomposent et parfois sentremlent au gr des dbats
pistmologiques. Ce mouvement est le signe que la rflexion pistmologique,
loin dtre une activit dogmatique et fige, est une pense vivante et en
renouvellement qui se nourrit des problmes concrets que soulve la diversit des
pratiques scientifiques contemporaines. Ainsi, en identifiant sur la base dun
continuum les tensions propres chacune des quatre questions nonces plus haut,
nous entendons rendre compte de la singularit des positionnements adopts par les
principaux paradigmes pistmologiques mobiliss en management.
Tableau 1.1 Orientations et tensions pistmologiques
Orientations Ralisme Constructivisme
La question ontologique
Essentialisme < --------------- > Non-essentialisme
Quest-ce que la ralit ?
La question pistmique
Objectivisme < --------------- > Relativisme
Quest-ce que la connaissance ?
La question mthodologique
Quels sont les critres de la Correspondance < --------------- > Adquation
connaissance valable ?
La question axiologique
Autonomie < --------------- > Performativit
La connaissance est-elle sans effet ?
Lorientation raliste peut se dfinir, en premire analyse, partir des

caractristiques saillantes du modle port par les sciences de la nature. Elle dfend
lide que la science a pour vise dtablir une connaissance valide de la ralit (objet
de connaissance) qui est indpendante et extrieure au chercheur (sujet de
connaissance). Cependant, la succession des labels autour de la matrice du positivisme
(empirisme logique, post-positivisme, no-positivisme) rend compte des amendements
successifs apports cette conception. Plus rcemment, le ralisme critique (Bhaskar,
1978, Archer et al., 1998) formule une proposition pistmologique qui rencontre un
cho important dans le champ des sciences sociales (Steinmetz, 2005) et plus
particulirement dans la recherche en management (Reed, 2005).

Lorientation constructiviste est porte par les rfrentiels des sciences sociales et des
sciences de lingnieur, qui remettent en cause le caractre unitaire de la science et du
projet de dmarcation entre science et non-science qui le sous-tend. Elle rpond par la
ngative la question suivante : peut-on considrer tous les objets de connaissance
scientifiques comme des objets naturels ? Lorientation constructiviste pose que la
ralit et/ou la connaissance de cette ralit est construite. Ce faisant, elle va
questionner les dichotomies prcdemment tablies par le modle des sciences de la
nature comme celles entre les faits et les valeurs, entre le sujet et lobjet, ou encore
entre la vrit et la justification. Les paradigmes qui sinscrivent dans cette orientation
(interprtativisme, postmodernisme et constructivisme ingnierique) ne partagent
cependant pas ncessairement une mme conception des ressorts de cette construction
et du statut de la connaissance laquelle le chercheur peut prtendre.
21
Partie 1 Concevoir
section
2 QuEsT-CE QuE LA RALIT ?
Si lobjet de la recherche en management fait rgulirement dbat lentreprise ?

lorganisation ? laction organise ? lorganisant ? (Martinet, 2013a) , cest, nous
lavons vu, parce que cette discipline puise dans diffrents rfrentiels scientifiques qui
postulent, souvent implicitement, des rponses diffrentes la question : Quelle est la
nature, lessence du management ? Suivant le rfrentiel choisi, le management pourra
en effet tre conu comme un ensemble doutils et de pratiques naturalises et
objectivables expliquer (rfrentiel des sciences de la nature), un processus de
construction humaine et sociale interprter (rfrentiel des sciences sociales) ou
encore un ensemble dartefacts concevoir (rfrentiel des sciences de lingnieur).
Cette question de la ralit du management renvoie, dans le vocabulaire philosophique,
lontologie, cest--dire la ralit des entits thoriques dont parle la science1.
On peut distinguer les diffrents paradigmes pistmologiques sur un continuum
allant dune rponse essentialiste une rponse non essentialiste cette question
(voir figure 1.1).
Essentialisme Non-essentialisme
Positivisme Ralisme critique Interprtativisme Post-modernisme

Post-positivisme (Constructivisme
inginrique)
Figure 1.1 Conception du rel et paradigmes pistmologiques
Les paradigmes inscrits dans une orientation raliste (le positivisme logique, le
post-positivisme et le ralisme critique) formulent une rponse de nature
essentialiste, cest--dire quils dfendent lide que la ralit a une essence propre,
quelle existe en dehors des contingences de sa connaissance, quelle est
indpendante de son observation et des descriptions humaines que lon peut en
faire. Les diffrents paradigmes ralistes mettent ainsi en exergue lextriorit de
lobjet observ et pourraient partager lide que la ralit, cest ce qui ne
disparat pas quand on arrte dy croire2 . Cette essence peut tre en outre
qualifie de dterministe, en ce que lobjet de la connaissance est rgi par des
rgles et lois stables et gnralisables quil convient dobserver, dcrire, expliquer.
1. Selon Paul Ricur la question ontologique, pour la science, cest dabord la question du rfrent du
discours scientifique : demander ce qui est, cest demander ce qui est rel ; et demander ce qui est rel, cest
demander de quoi on parle dans la science . Entre Ontologie de lEncyclopedia Universalis, version
numrique, Janvier 2014.
2. Citation de Phil. K. Dick, auteur amricain de romans, de nouvelles et dessais de science-fiction.
22
Ainsi pour le positivisme, la ralit est indpendante de lesprit et des

descriptions qui en sont faites. La science permettrait dobserver la ralit : une
ralit indpendante du regard que lui porte lobservateur et rduite aux faits
observables et mesurables. Le programme naturaliste de la sociologie de Durkheim
ou la sociologie fonctionnaliste de Merton sont des exemples dune position
essentialiste dans le champ des sciences sociales. Elles invitent considrer les
phnomnes sociaux comme des choses et poser quils sont gouverns par des
dterminismes institutionnels qui assurent leur stabilit.
Le positivisme considre en effet que la ralit a ses propres lois, immuables et
quasi invariables : cest un univers cbl. Il existe dans cette ralit un ordre
universel qui simpose tous : Lordre individuel est subordonn lordre social,
lordre social est lui-mme subordonn lordre vital et celui-ci lordre matriel
[]. Lhomme, en tant quil est conu prcisment, vit travers lordre social la
pression de tous les autres ordres (Kremer-Marietti, 1993 : 43). Lhomme,
soumis cet ordre, est le produit dun environnement qui le conditionne. Il ne peut
agir, il est agi. Pour lui, le monde est fait de ncessits. Il y a alors assujettissement
de la libert des lois invariables qui expriment la nature dterministe du monde
social. La notion durkheimienne de contrainte sociale est une bonne illustration du
lien entre le principe de ralit extrieure et celui de dterminisme.
c Focus
La vision durkheimienne de la contrainte sociale
[] Tout ce qui est rel a une nature en dehors des individus qui, chaque
dfinie qui simpose, avec laquelle il faut moment du temps, sy conforment. Ce
compter et qui, alors mme quon parvient sont des choses qui ont leur existence
la neutraliser, nest jamais complte- propre. Lindividu les trouve toutes
ment vaincue. Et, au fond, cest l ce quil formes et il ne peut pas faire quelles
autorise est un dlit.
y a de plus essentiel dans la notion de la ne soient pas ou quelles soient

contrainte sociale. Car tout ce quelle autrement quelles ne sont.
implique, cest que les manires collec-
tives dagir ou de penser ont une ralit Extrait de Durkheim (1894, 1988 : 89)
Cette conception essentialiste oriente le travail du chercheur vers la dcouverte des

Dunod Toute reproduction non
lois universelles qui rgissent la ralit. Cette vise implique lutilisation dune
mthodologie scientifique permettant de mettre au jour la nature dterministe de ces
lois, et ladoption dune posture de neutralit par rapport son objet garantissant
lobjectivit de ses dcouvertes, comme nous le verrons dans la section 3.
Sil partage lide que la dmarche scientifique vise dcouvrir les rgularits qui
constituent lessence de la ralit, le ralisme critique (Bhaskar, 1978) sloigne
23
Partie 1 Concevoir
cependant du positivisme en considrant que le chercheur na pas accs cette

ralit, ce rel profond. Il peut seulement atteindre un rel actualis, celui des
vnements et des actions au travers desquels le rel profond manifeste lui ses
rgles et sa structure. Il peut, au travers de la mise en vidence de rgularits dans
le rel actualis, mettre jour des mcanismes gnrateurs , autrement dit
proposer des conjectures sur les rgles et les structures au travers desquels les
vnements et les actions observs surviennent. Le chercheur portera une attention
particulire au contexte de survenance des vnements et des actions, tant entendu
que si les rgles et structures sont universelles, elles sactualisent dans des
contextes particuliers selon des principes qui ne renvoient que rarement des
causalits simples et linaires.
c Focus
Les trois niveaux de ralit du ralisme critique
La dmarche du ralisme critique est elles sont galement sujettes
avant tout un questionnement sur le plan dautres facteurs comme
ontologique. Il propose une conception de larodynamique (qui font planer les
la ralit stratifie en trois niveaux. feuilles = le rel actualis).
Le rel empirique : Cest le domaine Ces trois niveaux constituent la ralit.
de lexprience et des impressions. Lobjet de la science est de rvler le rel
Le rel actualis : Cest le domaine des qui nest pas directement obser-vable (les
vnements, des tats de fait. Le rel structures sous-jacentes, rela-tions de
actualis se diffrencie du rel empi- pouvoir, tendances), mais qui pourtant
rique par exemple dans la situation existe, et qui gouverne les vne-ments
suivante : des personnes qui regardent effectifs (le rel actualis) et ce que nous
un match de foot ressentent diffrem- ressentons (le rel empirique). Mme si on
ment (rel empirique) ce mme vne- ne constate pas toujours leurs effets (parce
ment (rel actualis). quils ne sont pas actifs ou parce quils sont
Le rel profond : Cest le domaine des contrecarrs par dautres forces), et que les
forces, structures et mcanismes. Le causalits simples et linaires sont rares, la
rel profond se distingue du rel actua- tche du chercheur est de mettre jour les
lis par exemple dans le cas suivant : structures et forces animant le rel profond.
les feuilles dautomne ne sont pas en
phase avec la gravit (rel profond) car Sur la base de Ohana (2011).
Les paradigmes inscrits dans une orientation constructiviste (linterprtativisme,

le postmodernisme et le constructivisme ingnierique) formulent pour leur part une
rponse de nature non essentialiste la question ontologique. Cette rponse
sexprime gnralement par laffirmation que la ralit est construite et non
donne. Dire dune ralit quelle est construite ne revient pas affirmer que cette
ralit nexiste pas. Cela signifie que la ralit na pas dessence propre, autrement
dit quaucune substance indpendante, ncessaire ne se trouve son fondement.
24
Lontologie non essentialiste amne considrer que la ralit est

irrmdiablement dpendante des contingences qui prsident aux modalits de son
existence. Passeron (1991) souligne ainsi la dimension historiquement construite
des phnomnes et des connaissances en sciences sociales.
c Focus
Particularit des contextes historiques
Les phnomnes des sciences sociales interdpendances les plus abstraites ne
leur sont toujours donns dans le dve- sont jamais attestes que dans des situa-
loppement du monde historique qui noffre tions singulires, indcomposables et
ni rptition spontane, ni possibi-lit insubstituables stricto sensu, qui sont
disoler des variables en laboratoire. autant dindividualits historiques. Les
Mme mticuleusement organises, la constats ont toujours un contexte qui peut
comparaison et lanalyse ne fournissent tre dsign et non puis par une
quun substitut approximatif de la mthode analyse finie des variables qui le
exprimentale puisque leurs rsultats constituent et qui permettraient de
restent indexs sur une priode et un lieu. raisonner toute chose gale par ailleurs.
Les interactions ou les Extrait de Passeron (1991: 25).
Les paradigmes inscrits dans lorientation constructiviste partagent donc la mme

mfiance lgard de tout ce qui ressemble une essence de la ralit et mettent en
exergue la spcificit des ralits qui constituent leur objet. Contingentes des
normes, valeurs, conventions et idologies historiquement et spatialement situes
comme le souligne Passeron, les ralits humaines et sociales sont galement
spcifiques, comme le rappelle Lyotard (1995), en ce quelles sont animes de
dimensions intentionnelles, signifiantes et symboliques.
c Focus
Quel est le sens des phnomnes humains ?

Si nous cherchons dcrire les procds lobjet naturel de lobjet culturel (un
des sciences humaines, nous dcouvrons au caillou et un stylo), cest quen celui-ci
cur mme de linterrogation la thse dune est cristallise une intention utilitaire,
modalit absolument originale : la tandis que celui-l nexprime rien. ()
signification du comportement tudi, Nous nabordons jamais un phnomne
individuel ou collectif. Cette position du sens humain, cest--dire un comportement,
consiste admettre immdiatement que ce sans lancer vers lui linterrogation : que
comportement veut dire quelque chose ou signifie-t-il ?
encore exprime une intention-nalit. Ce qui
distingue par exemple Extrait de Lyotard (1995 : 74-76)
25
Partie 1 Concevoir
La dimension intentionnelle souligne que lactivit humaine est le fruit de la

conscience, de la rflexivit, des intentions des acteurs, ces tres humains capables de
se donner des buts et de concevoir des actions intelligentes pour atteindre leurs
objectifs dans leurs contextes dactions (Avenier et Gavard-Perret, 2012 : 20).
Les dimensions signifiantes et symboliques insistent quant elles sur le rle des
reprsentations et du langage dans le processus de construction du sens. Elles
amnent accorder une place essentielle la subjectivit des acteurs en se
focalisant sur la signification que les individus attachent aux actions et situations.
En ce sens, la ralit sociale est contingente des reprsentations que les acteurs sen
font et du langage par lequel ils expriment et partagent ces reprsentations.
Ces intentions, significations et symboles sinscrivent dans des rseaux de
relations et des processus dinteractions. Ds lors, la distinction entre objets
naturels et objets interactifs prend tout son sens (Nguyn-duy et Luckerhoff,
2007) et met laccent sur la nature processuelle de la ralit. Dire dans ce cadre que
la ralit est construite revient substituer le processus lessence et soutenir que
la ralit est en mouvement permanent (Tsoukas et Chia, 2002).
c Focus
genre naturel versus genre interactif
Le genre peut renvoyer deux accepta- peut voquer la manire dont la classifi-
tions. Le concept de genres naturels, dun cation et les individus classifis peuvent
ct, sert dsigner les classifications interagir, la manire dont les acteurs
indiffrentes, cest--dire qui nont aucune peuvent prendre conscience deux-
influence sur ce qui est classifi. Le mmes comme faisant partie dun
concept de genres interactifs, de lautre, genre, ne serait-ce que parce quils
dsigne les classifications qui influent sur seraient traits ou institutionnaliss
ce qui est classifi. Cette expression a comme faisant partie de ce genre et
le mrite de nous rappeler les acteurs, la ainsi faisant lexp-rience deux-mmes
capacit dagir et laction. Le suffixe inter de cette faon (Hacking, 2001 :146).
Linterprtativisme concevra, en accord avec ces spcificits, que la ralit sociale

est avant tout construite au travers du jeu des intentions et des interactions des acteurs
qui construisent le sens de cette ralit par la confrontation et le partage de leurs
reprsentations. Cette ralit se modifie donc mesure des projets des acteurs et de
leur actualisation dans leurs interactions. Dfendre cette conception revient
considrer que la ralit sociale est subjective et construite par/dans les pratiques
sociales dactions et dinterprtations. Ces interprtations, qui se construisent grce aux
interactions entre acteurs, dans des contextes toujours particuliers, peuvent tre lobjet
dun consensus au sein dun groupe social (intersubjectivit), si bien quon
26
les considre comme aussi rels que les objets matriels. Cest ce processus que
Berger et Luckman (1966) ont appel la construction sociale de la ralit.
c Focus
La construction sociale de la ralit
La socit possde une dimension artifi- deviennent des artifices objectifs ?
cielle objective. Et est construite grce Comment se fait-il que lactivit
une activit qui exprime un sens subjectif. humaine produise un monde de choses
Cest prcisment le caractre dual de la ? En dautres mots, une comprhension
socit en termes dartificialit objective et adquate de la ralit sui generis
de signification subjective qui dter-mine implique une recherche de la manire
sa ralit sui generis. Le problme dont la ralit est construite.
central de la thorie sociologique peut tre
ainsi pos comme suit : Comment se fait-il Extraits de Berger et Luckmann (1966,
que les significations subjectives 1996 : 9-10 ; 29-30)
Bien que partageant une ontologie non essentialiste et revendiquant lide que la
ralit sociale est construite et non donne, en dautres termes que le monde est fait
de possibilits, les diffrents paradigmes sinscrivant dans une orientation
constructiviste se diffrencient sur : 1) la nature des ressorts qui prsident la
construction de cette ralit (contingences historique, culturelle, idologique,
interactionnelle, symbolique) ; 2) le niveau danalyse auquel il faut laborder
(celui du discours ; des pratiques quotidiennes ; des situations problmatiques ; des
rseaux dinteractions) ; 3) le caractre plus ou moins temporaire des
constructions qui en rsulte.
Ainsi par exemple, pour linterprtativisme, la ralit sociale est avant tout le fait
des actions, significations, produits symboliques et pratiques sociales qui, dans un
contexte spcifique et pour une priode donne, acquirent une forme de stabilit
intersubjectivement partage (Geertz, 1973). Pour le postmodernisme, la ralit est

insparable du langage, langage dont les significations et les effets chappent aux
intentions de celui qui lutilise. La ralit sociale est donc fondamentalement
prcaire, dissonante, polyphonique (Boje, 1995)1.
Lontologie, en ce quelle questionne la nature de la ralit, est irrmdiablement
imbrique la question de la nature de la connaissance que lon peut avoir de cette
ralit. En premire analyse, il est assez simple de poser une distinction claire entre
1. Pour aller plus loin dans la distinction entre les paradigmes pistmologiques embrassant une ontologie non-
essentialiste dans le champ de la recherche en management, on peut faire rfrence ici la distinction tablie par
Hassard et Cox (2013) entre les paradigmes anti-structuraliste (dans lequel sinscrit linterprtativisme) et post-
structuraliste (qui intgre le postmodernisme).
27
Partie 1 Concevoir
la ralit, niveau ontologique de lobjet de connaissance et la connaissance de cette

ralit, niveau pistmique du sujet de connaissance.
De nombreuses controverses pistmologiques senracinent cependant dans le
traitement diffrenci apport cette distinction1 et la primaut que les diffrents
paradigmes pistmologiques accordent lun ou lautre de ces niveaux danalyse.
Ainsi, nous le verrons, le constructivisme ingnierique, bien que partageant les
conceptions exposes plus haut propres lorientation constructiviste (dimensions
intentionnelle, interactionnelle, processuelle, symbolique, subjective de lactivit
humaine et sociale), adopte un point de vue agnostique lgard de la question
ontologique (Avenier et Gavard Perret, 2012). Pour ce paradigme la ralit reste
inconnaissable dans son essence puisque lon na pas la possibilit de latteindre
directement, sans la mdiation de nos sens, de notre exprience, du langage ou
encore de nos intentions. Cest en sens que Glasersfeld (1988) appelle la
mfiance et prfre parler d invention de la ralit . Pour le constructivisme
ingnierique, la question de la nature de ralit est laisse en suspens, ne rejetant ni
nacceptant lhypothse dune ralit en soi, et on sinterroge essentiellement sur la
nature dune connaissance constructiviste2 .
section
3 QuEsT-CE QuE LA COnnAIssAnCE ?
La thorie de la connaissance ou, comme on lappelle plus rarement, la

gnosologie, est () une branche de la philosophie qui sinterroge sur la nature,
les moyens et la valeur de la connaissance (Soler, 2000 : 27). Il sagit dexaminer
des questions du type : quest-ce que connatre ? Quel genre de chose lhomme
peut-il esprer connatre ? Que doit-il rejeter hors du champ du connaissable ?
Quels sont les moyens humains de la connaissance (lexprience, la raison) ?
Comment sassurer quune authentique connaissance de lobjet a t atteinte ?
Quelle valeur peut-on attribuer la connaissance produite ?
1. La connaissance doit-elle/peut-elle tre conue en miroir de la conception de la ralit ? Certaines

controverses dnoncent lillusion mtaphysique (Kant) ou la confusion substantialiste entre la grille
dintelligibilit et la nature du rel (Wittgenstein, 1958). Par exemple au lieu de dire jtudie le rel avec les
outils danalyse du langage , lillusion mtaphysique conduit dire le rel est langage.
2. Il est ncessaire ici de faire brivement tat dune distinction importante entre une ontologie constructiviste et
une pistmologie constructiviste. Par exemple les travaux en sociologie des sciences, dont lagenda principal se
situe au niveau ontologique, ont pour objet la connaissance scientifique en tant que pratique sociale. Ces travaux
adoptent un point de vue non-essentialiste et dfendent lide que la connaissance scientifique est une construction
sociale (Woolgar et al., 2009). Le constructivisme ingnirique (Von Glaserfeld, 1988 ; Le Moigne, 1995) quant
lui situe la rflexion au niveau pistmique et propose dexaminer la nature, les mthodes et la valeur dune
connaissance scientifique constructiviste, cest--dire dans le vocabulaire que nous adoptons, il dfend une
conception relativiste de la connaissance scientifique.
28
Toute thorie de la connaissance scientifique pose donc au cur de sa rflexion

la dissociation puis la mise en relation entre objet connatre et sujet connaissant.
Pour connatre, le sujet doit dune manire ou dune autre entrer en relation avec
lobjet. La relation sujet-objet de la thorie de la connaissance, en particulier
lorsquelle est applique aux sciences humaines et sociales ou aux sciences de
lingnieur, soulve de nombreuses questions. Nous retiendrons deux dbats qui
permettent de dresser une ligne de dmarcation entre lorientation raliste et
lorientation constructiviste. Le premier dbat porte sur la nature objective ou
relative de la connaissance produite. Le second, que nous aborderons dans la
section 4, sinterroge sur les critres dune connaissance valable et dresse un
continuum entre vrit-correspondance et vrit adquation.
Aucune pistmologie contemporaine, y compris celles sinscrivant dans les
sciences de la nature comme la physique, ne soutient que la connaissance est de
mme nature que la ralit. En ce sens tous les paradigmes adhrent, des degrs
divers cependant, lide que la connaissance est une construction (cest--dire
une reprsentation de la ralit) entrinant ainsi la coupure tablie par Kant entre la
connaissance de la ralit en soi (noumne) et la connaissance de la ralit
pour soi (le phnomne)1. Cependant, si les conceptions contemporaines du
ralisme et du constructivisme partagent lide que la connaissance est une
construction de lesprit2 (un phnomne), elles ne partagent pas ncessairement le
mme point de vue sur la nature et le statut de cette connaissance. Dit autrement, et
pour reprendre une expression clbre qui formule que la carte nest pas le
territoire , si la nature diffrencie de la carte (connaissance) et du territoire
(ralit) est aujourdhui acquise, le statut de la carte et de sa relation au territoire
reste lobjet de nombreuses controverses que lopposition objectivisme/relativisme
permet dapprhender (figure 1.2).
Objectivisme Relativisme
Positivisme Post-positivisme Post-modernisme

Interprtativisme
Ralisme critique Constructivisme
inginrique
Figure 1.2 Conception de la connaissance et paradigmes pistmologiques
1. Il est important de souligner que Kant ne nie pas lessence des choses en soi , il soutient par contre que
lesprit ny a pas accs. Si lesprit na pas accs aux choses en soi , il est cependant capable dapprhender les
choses pour soi .
2. Keucheyan (2007) propose le nom de constructivisme reprsentationnel pour dsigner cette conception
de la connaissance.
29
Partie 1 Concevoir
Les pistmologies ralistes dfendent lide que la connaissance permet de dire

ce quest la ralit et quelle doit tre envisage comme une affirmation de vrit
portant sur des entits et des processus rels. Soler (2000) propose une
reprsentation du schma dualiste sujet-objet de la thorie de la connaissance
conforme lobjectivisme.
c Focus
Le schma dualiste sujet-objet de la thorie de la connaissance
Considrons le cas de la physique o de tout langage (ple extra-linguistique),

lobjet vis est la nature inanime. de lautre des affirmations propos de
Lhomme accde une connaissance par cette ralit (ple linguistique). Quand
lintermdiaire de ses cinq sens, en parle, les noncs dcrivent fidlement lobjet,
et labore des thories son propos. On on dit quils sont vrais. Pour rcapituler
a dun ct le monde sensible, de lautre les oppositions cls qui constituent
un ensemble dnoncs profrs par un tradition-nellement la question de la
sujet propos du monde sensible. Dun connaissance scientifique on peut
ct une ralit existant indpendamment proposer les dualismes suivants :
Faits Thories Hypothses Ides
Donn Construit
Passivit du sujet (qui enregistre Activit du sujet (qui propose des ides, forge des hypothses,
les faits sans les dnaturer) construit des thories) pour expliquer, interprter les faits
Certain Conjectural
Dfinitif Provisoire
Daprs Soler (2000 : 29).
Cette conception objectiviste de la connaissance repose sur deux hypothses : 1) La

prexistence et lextriorit dune ralit (objet de connaissance) disposant dune
essence propre expliquer (hypothse ontologique essentialiste) ; 2) La capacit du
sujet connaissant produire une connaissance sur cet objet extrieurement lui-mme
(hypothse pistmique dune indpendance entre sujet et objet).
Dans ce cadre une connaissance objective implique de mettre en place les
procdures mthodologiques permettant au chercheur de connatre cette ralit
extrieure et dassurer lindpendance entre lobjet (la ralit) et le sujet qui
lobserve ou lexprimente. Le positivisme, tel quexprim dans la mthodologie
sociologique propose par Durkheim, sinscrit dans cette conception du ralisme.
30
c Focus
La mthodologie positiviste applique aux faits sociaux.
La proposition daprs laquelle les faits lon connat du dehors ce que lon
sociaux doivent tre traits comme des connat du dedans. Est chose tout ce que
choses proposition qui est la base lesprit ne peut arriver comprendre qu
mme de notre mthode est de celles condition de sortir de lui-mme, par voie
qui ont provoqu le plus de contradictions. dobservations et dexprimentations .
() Quest-ce en effet quune chose ? La
chose soppose lide comme ce que Extrait de Durkheim, (1894, 1988 : 77)
Cette indpendance du sujet par rapport lobjet permet de poser le principe

dobjectivit selon lequel lobservation de lobjet extrieur par un sujet ne doit pas
modifier la nature de cet objet. Ce principe dobjectivit est dfini par Popper
(1972, 1991 : 185) comme suit : La connaissance en ce sens objectif est
totalement indpendante de la prtention de quiconque la connaissance ; elle est
aussi indpendante de la croyance ou de la disposition lassentiment (ou
laffirmation, laction) de qui que ce soit. La connaissance au sens objectif est
une connaissance sans connaisseur ; cest une connaissance sans sujet connaissant
. Ds lors, la connaissance sera dite objective dans la mesure o elle peut garantir
lindpendance du sujet lgard de lobjet de connaissance, ou du moins limiter
les interfrences entre le sujet et lobjet.
Elle suppose, conformment son hypothse ontologique essentialiste, de mettre
en place les procdures appropries afin de dcouvrir, ou dapprocher au plus prs,
les rgles et les lois qui rgissent la ralit en soi . En ce sens, la connaissance
positiviste est aussi dpendante des postulats ontologiques sur la nature de la ralit
en soi . Dans lidal positiviste la connaissance objective correspond la mise
jour des lois de la ralit, extrieures lindividu et indpendantes du contexte
dinteractions des acteurs. Lidal positif serait datteindre la loi universelle
expliquant la ralit, cette loi rvlant la vrit objective.

Les pistmologies ralistes contemporaines scartent de cette vision idalise
de la science et de la vrit. Le ralisme critique reconnat que les objets que nous
tudions en sciences sociales voluent dans ou sont constitus par des systmes
ouverts pouvant difficilement tre rpliqus en laboratoire1. Les tenants de ce
paradigme suggrent donc damender les ambitions mthodologiques positivistes
et de prfrer, lexprimentation et aux enqutes statistiques, des mthodes
qualitatives permettant llaboration de conjectures et la mise en vidence des
mcanismes gnrateurs du rel profond et leurs modes dactivation.
1. Pour une discussion sur le statut de la rplication dans la recherche en management dans une perspective
raliste critique, on pourra utilement consulter Tsang et Kwan (1999).
31
Partie 1 Concevoir
c Focus
Les schmes dintelligibilit naturalistes des sciences sociales
Les approches en sciences sociales qui donc principalement de dcomposer

sinscrivent dans le ple naturaliste le phnomne en variables,
considrent que les phnomnes didentifier des corrlations entre elles
sociaux sont dans la continuit des afin disoler les facteurs explicatifs.
phnomnes naturels et nont pas Pour tre identi-fi comme une cause,
relever dune explication spcifique. Il le facteur repr devra en outre tre
suffit danalyser, de dterminer les mca- marqu par une re-lation dantriorit
nismes dont ils dpendent (Berthelot logique ou chronologique.
2001 : 498). Selon cet auteur, un schme Le schme fonctionnel considre quun
dintelligibilit (ou schme explicatif) est phnomne mane dun systme et
une matrice doprations de connais- cherche le comprendre en rfrence
sance ordonnes un point de vue pis- aux fonctions quil satisfait pour sa sur-
tmique et ontologique fondamental vie. La thorie fonctionnaliste des sys-
permettant dinscrire un ensemble de faits tmes sociaux du sociologue Talcott
dans un systme dintelligibilit, cest-- Parsons relve de ce schme.
dire den rendre raison ou den fournir une Le schme dialectique/volutionniste,
explication (1990 : 23). Selon un dans lequel sinscrit la thorie
principe dterministe, trois schmes marxiste, consiste analyser un
dintelligibilit des ralits sociales phnomne comme le dploiement
peuvent tre mobiliss : dune dyna-mique mue par des forces
Le schme causal cherche expliquer contradic-toires (relations dopposition
un phnomne en le mettant en rela- entre d-tenteurs du capital et du
tion avec dautres facteurs. Il sagit travail, par exemple).
En dpit de ces variations, les diffrentes pistmologies ralistes se rejoignent

dans une qute dexplication, de rponses la question pour quelles causes ? .
Lexplication au sens fort (Soler, 2000) vise identifier la nature des causes et des
processus causaux, cest--dire trouver une concomitance constante entre les
phnomnes en reconstituant, par la mthode dductive, la chane causes-effets
(voir chapitre 3 du prsent ouvrage). Dans le domaine des sciences humaines et
sociales, Berthelot (1990) identifie trois schmes dintelligibilit qui sinscrivent
dans une logique explicative de nature dterministe. Un schme dintelligibilit
peut se concevoir comme une explication au sens faible cest--dire comme un
scnario tissant des liens entre les faits et leur donnant ainsi un sens, mais ne
dgageant pas pour autant de lois universelles et ne permettant pas la prdiction au
sens plein du terme (Soler, 2000 : 61). La recherche dune connaissance
objective est ainsi possible sans pour autant postuler que toutes les lois qui
permettent dexpliquer la ralit sont des lois de nature causale.
32
La connaissance objective peut donc tre plus ou moins amende en fonction de

la conception forte ou faible de lexplication que lon mobilise pour connatre ; du
caractre plus ou moins universel des connaissances que lon produit mais
galement, nous le verrons dans la section 4, des possibilits daffirmer que la
connaissance permet de dire ce quest la ralit en soi . Les positions des
paradigmes positiviste, post-positiviste, raliste critique sur le continuum des
figures 1.2 et 1.3 rendent compte de ces diffrences.
La conception de la connaissance des paradigmes qui sinscrivent dans une
orientation raliste reste cependant largement guide par lide que la ralit
connaissable a un sens en elle-mme et que ce sens ne dpend pas ncessairement
des prfrences personnelles des observateurs qui sefforcent de lenregistrer sous
forme de dtermination (quelles soient lois, principes, causes, conjectures ou
thories) (Le Moigne, 1995 : 23).
Dans son acception minimale, le relativisme dsigne la thse selon laquelle toute
connaissance est relative. Sopposer au relativisme ainsi dfini revient affirmer
lexistence dune connaissance absolue, indpendante du sujet qui la possde
(Soler, 2000). Dans son acception forte, le relativisme dsigne soit limpossibilit
de prouver quune thorie scientifique vaut mieux quune autre, soit quil est
impossible de justifier la supriorit de la science par rapport dautres formes de
connaissances (Soler, 2000 :153). Sur ce continuum, les paradigmes qui
sinscrivent dans une orientation constructiviste vont adopter une conception plus
ou moins relativiste de la connaissance reposant sur : 1) la nature des objets de
connaissance qui ne permettent pas de concevoir une connaissance absolue
(hypothse ontologique non-essentialiste) ; 2) lincapacit du sujet connaissant
produire une connaissance sur cet objet extrieurement lui-mme (hypothse
pistmique dune interdpendance entre sujet et objet).
Parce que la ralit humaine et sociale est contingente des contextes dans
lesquels elle se construit (Passeron, 1991), et parce quelle est le fruit de nos
expriences, de nos sens et de nos interactions, la connaissance produite sur cette
ralit est donc ncessairement relative ces contextes, ces intentions, ces
processus de construction de sens. Elle est de ce fait beaucoup plus instable,

changeante et diverse que celle vise par le ralisme (Tsoukas et Chia, 2002). Cette
conception ontologique non essentialiste suppose dadopter une mthodologie
approprie pour saisir ces spcificits humaines et sociales.
33
Partie 1 Concevoir
c Focus
Expliquer les faits naturels, comprendre les faits humains
La philosophie des sciences oppose tradi- Pour expliquer lchec ou la russite
tionnellement explication et comprhen-sion scolaire, on peut chercher tablir des
comme deux modes dapprhension des diffrences statistiques entre lves en
phnomnes, respectivement valables dans fonction de leur origine sociale que lon
le domaine des sciences de la nature et des mesurera via la catgorie socioprofession-
sciences humaines. La distinction entre nelle du chef de famille par exemple. Le
choses naturelles inertes et compor-tements contexte de socialisation est alors compris
humains signifiants a dabord t introduite
comme une structure socioculturelle,
par le philosophe allemand Dilthey qui pose
structure qui dtermine la russite ou
que les faits naturels doivent tre expliqus
lchec de llve.
(erklren), cest--dire rapports des
causes (renvoyant la question comment ?) Pour comprendre ce phnomne, on peut
tandis que les faits humains et sociaux aussi passer du temps dans une salle de
doivent tre compris (verstehen), cest--dire classe ou dans les familles et chercher
rapports des facteurs signifiants tels que analyser finement les interactions, les
les intentions, les dsirs, les raisons changes verbaux et non verbaux entre
(renvoyant la question pourquoi ?). les lves et leur professeur, les lves et
Comprendre prsuppose une impression de leurs parents. Le contexte est alors
familiarit avec la chose comprise, un entendu comme un lieu et un temps
sentiment dvidence et de proximit, une dinteractions particulier ; lchec et la
saisie intuitive (Soler, 2000 : 62-63). La russite sont compris comme faonns
compr-hension est donc souvent associe par un ensemble de pratiques et relations
la capacit dempathie, cest--dire la sociales concrtes.
facult de se mettre la place dautrui, de
Y a-t-il une approche suprieure lautre
percevoir ce quil ressent. Lopposition
? cette question, on peut rpondre quil
expliquer/comprendre fonde la distinc-tion
existe un contexte unique jug dtermi-
entre sciences explicatives, qui procdent
nant (Lahire, 1996 : 393), et ce, quel
partir dexplications dduc-tives par les
que soit lobjet tudi. On sinscrira alors
causes, et les sciences inter-prtatives qui
consistent proposer un scnario dans une orientation raliste.
interprtatif bas sur lidentifica-tion au On peut galement reconnatre la grande
semblable et invoquant des inten-tions, des varit des dfinitions de ce que la
raisons (Soler, 2000 : 64). recherche elle-mme considre comme
contexte en sciences sociales et y voire
On peut illustrer cette opposition, par la des effets du dcoupage que le chercheur
rflexion de Lahire (1996) sur la notion opre. Le contexte est ici envisag
de contexte. Cet auteur constate la trs comme construit par des choix, choix en
grande varit de mthodes, dchelles termes dchelles dobservation, de
dobservations et de regards thoriques courants thoriques, de projets de
pour apprhender cette notion en connaissances. On dfendra alors une
sciences sociales. conception constructiviste.
34
Linterprtativisme va adopter une approche comprhensive plutt

quexplicative, visant une connaissance idiographique (Lincoln et Guba, 1985)
plutt que nomothtique1.
Lapproche idiographique privilgie ltude descriptive de cas singuliers renseigns
de manire dense ( thick description , Geertz, 1973), afin de donner voir , par la
comprhension, la ralit des acteurs tudis. Cette dmarche implique ncessairement
de retrouver les significations locales que les acteurs en donnent. La connaissance est
ainsi relative car les significations dveloppes par les individus ou les groupes sociaux
sont toujours singulires. Cependant, pour certains interprtativistes, si le caractre
idiographique des recherches limite la gnralisation, elle ne lempche pas et celle-ci
reste un des objectifs de la connaissance (Geertz, 1973). Cette gnralisation devra se
soumettre cependant lexamen attentif de parent des contextes (Passeron, 1991). En
outre, le chercheur interprtatif peut chercher rendre compte de manire objective de
ces processus subjectifs de construction de sens en tentant de sabstraire de ses propres
reprsentations et prconceptions. Quoi quadoptant une conception anti-essentialiste
des faits sociaux, linterprtativisme nabandonne donc pas ncessairement lide
datteindre une certaine objectivit de la connaissance (Allard-Poesi, 2005).
Le postmodernisme se distingue nettement des interprtativistes sur ce point en

mettant au cur de son approche hermneutique2, la dconstruction du langage et
le dvoilement du caractre irrmdiablement instable et mouvant de la ralit. Ce
paradigme adopte une conception relativiste de la connaissance au sens fort tel que
nous lavons dfini plus haut et est au centre de nombreuses polmiques quant au
caractre nihiliste du projet scientifique dont il est porteur (Allard-Poesi et Perret,
2002).
Le constructivisme ingnierique insiste quant lui sur la question pistmique de
limpossible indpendance du sujet et de lobjet de connaissance. Jamais indpendante
de lesprit, de la conscience, la ralit est ce qui est construit au travers de laction de
celui qui lexprimente. Ainsi le rel est construit par lacte de connatre plutt que
donn par la perception objective du monde (Le Moigne, 1995 : 71-72). Sous cette
hypothse le chemin de la connaissance nexiste pas a priori, il se construit en

marchant, et est susceptible demprunter des mthodologies varies. Cette conception
de la construction de la connaissance est fortement inspire des travaux de Piaget
(1970) pour lequel la connaissance est autant un processus quun rsultat. Pour le
constructivisme ingnierique, la dmarche de comprhension est lie la finalit du
projet de connaissance que le chercheur sest donn. Il y a l une hypothse
tlologique forte, mettant en avant les notions de projet, de but et de finalit de toute
activit humaine. Il sagit d interprter un comportement en le rapportant ses
finalits, autrement dit connatre en termes de fins plausibles devient le projet de
1. Lobjet et la mthode des approches nomothtiques est de permettre dtablir des lois gnrales ou
universelles, reprsentes par des relations constantes entre les phnomnes observs.
2. Lhermneutique contemporaine traite de la mthodologie de linterprtation et de la comprhension des textes.
35
Partie 1 Concevoir
la recherche scientifique (Le Moigne 1994 : 104). ce titre, le processus de

constitution de la connaissance est ncessairement concern par lintentionnalit ou
la finalit du sujet connaissant. Le Moigne souligne ainsi que lpistmologie
constructiviste permet surtout de reconnatre un projet de connaissance et non plus
un objet connatre spar de son exprimentateur.
section
4 QuEsT-CE QuunE COnnAIssAnCE VALABLE ?
Interroger la nature dune connaissance valable intgre un double
questionnement sur la valeur (norme de jugement) et la validit (procdures
permettant de garantir la valeur) de la connaissance produite.
La vrit est la norme de valeur traditionnellement attribue la connaissance
scientifique. La vrit est un nonc qui viserait dpartager les connaissances
scientifiques dautres noncs comme des croyances ou des opinions qui ne
reposent pas sur les mmes normes de jugement et/ou ne mobilisent pas les mmes
critres de vrification. Dans cette perspective, une connaissance valable sur le
plan scientifique sera une connaissance dont on peut garantir, ou tablir, les
conditions dans lesquelles il peut tre dit quelle est vraie. Toute thorie de la
connaissance scientifique suppose donc de rpondre aux questions suivantes :
Comment dfinir la vrit ? Quelles garanties peut-on apporter pour valider un
nonc ? Les pistmologies contemporaines, compte tenu de leurs hypothses
ontologiques et/ou pistmiques, ne dfendent pas la mme conception de la vrit.
Les normes de justifications et les critres de validit qui permettent dtablir
quune connaissance est valable dpendent du cadre pistmologique adopt par le
chercheur. Ceci ne veut pas dire ncessairement que toute connaissance se vaut (on
pourra la juger fausse ou inadquate suivant le point de vue adopt), ni mme quil
nest pas possible dtablir, sous certaines conditions, quune connaissance est
meilleure quune autre entre points de vue diffrents (Berthelot, 2008). Pour poser
les termes du dbat de la valeur de la connaissance nous proposons un continuum
entre vrit-correspondance et vrit-adquation permettant de rendre compte des
rponses diffrencies entre orientations raliste et constructiviste (figure 1.3).
Correspondance Adquation
Vrifiabilit Confirmabilit Rfutabilit Crdibilit Actionnabilit
Figure 1.3 Conception de la vrit et critres de validit
Pour aborder les enjeux attachs chacun de ces positionnements, nous

mobilisons limage selon laquelle une carte nest pas le territoire et en
analysons les consquences sur la connaissance en termes de valeur et de validit.
36
c Focus
une carte nest pas le territoire
Propose pour la premire fois en 1933 carte : on se demandera en particulier si
par Alfred Korzybski (1998), cette formule les lments figurants sur la carte repr-
permet dinterroger la nature de la sentent correctement le territoire. Adopte-
connaissance dans le cadre dune science t-elle les standards et les codes gnrale-
empirique et dexaminer les diverses ment admis et/ou comprhensibles par
modalits de validit de cette connais- lutilisateur de la carte ? Propose-t-elle
sance. On peut en effet dfinir une carte une reprsentation meilleure que dautres
comme une connaissance (reprsenta- cartes adoptant le mme point de vue :
tion) du territoire (la ralit). Suivant cette est-elle plus prcise ? plus synthtique ?
ide, une carte nimite pas le rel, elle est plus complte ? plus lisible ? On pourra
un tiers objet. Il sagit dun artefact (objet galement apprcier si la carte apporte un
technique), un modle interprtatif et nouveau regard sur le territoire, permet de
simplificateur qui vise, dans un dbat, prendre en compte des dimensions
tenir la place du rel complexe. La carte jusque-l ignores.
est une rponse possible la question Par contre il sera difficile dtablir dans
le territoire, de quoi sagit-il ? . labsolu que la carte routire est meilleure
Aucune carte cependant ne prtend dire que la carte gologique pour rpondre la
de quoi il sagit de faon pleine et absolue. question : le territoire, de quoi sagit-il ?
Elle procde toujours par slection dl- . On voit que, pour rpondre cette
ments, jugs significatifs. Elle est toujours question, on ne peut sparer la carte du
rductrice, elle doit dlibrment aban- projet de connaissance quelle porte et de
donner certaines dimensions : en structu- la communaut laquelle elle sadresse.
rant une vision du territoire une carte Ainsi les critres de jugement dune bonne
valorise un point de vue. Pour un mme carte, dune meilleure carte doivent
territoire les cartes sont multiples. Il y a sapprcier lgard de son adquation
une infinit de cartes possibles. La VRAIE un projet de connaissance (tablir une
carte existe-t-elle ? Quand peut-on dire reprsentation du rseau routier ? tablir
quune carte est meilleure quune autre ? la nature des sous-sols ?) ; et/ou un
projet daction (se dplacer en voiture,
Plusieurs critres peuvent tre convoqus

pour rpondre ces questions. On peut faire des forages ?) ; et/ou de la commu-
tablir, au regard du point de vue adopt naut laquelle elle sadresse (guide
(carte routire, gologique, dmogra- touristique, compagnie ptrolire ?). On
phique) que la carte est vraie ou est sinterrogera donc pour savoir si la carte
fausse par sa capacit reflter le terri- est adquate la situation ? Permet-elle
toire. On sera ici dans un critre de vrit- de rsoudre un problme ? Il est
correspondance. Les lments prsents ncessaire dvaluer et de comparer une
sur la carte figurent-ils factuellement sur le carte relativement son projet de
territoire ? La carte correspond-elle au connais-sance et sa capacit servir
territoire ? Cette notion de vrit-corres- adquate-ment ce projet. On est ici dans
pondance est souvent assortie dautres un critre de vrit-adquation.
critres pour juger de la qualit de la (Adapt de Fourez, 2009.)
37
Partie 1 Concevoir
Dans lorientation raliste, la vrit est traditionnellement dfinie en termes de

vrit-correspondance. Une connaissance sera dite vraie si elle correspond
(dcrit fidlement) ce qui est : si les entits, relations et processus mentionns
existent vraiment en ralit (Soler, 2000).
Pour le positivisme, la connaissance scientifique vise noncer LA vrit et le
critre de vrifiabilit permet de garantir cet nonc. Selon ce principe, une
proposition est soit analytique, soit synthtique, soit vraie en vertu de la dfinition
de ses propres termes, soit vraie, si cest bien le cas, en vertu dune exprience
pratique ; ce principe conclut alors quune proposition synthtique na de sens que
si et seulement si elle est susceptible dtre vrifie empiriquement (Blaug, 1982
: 11). Dans ce cadre, il est ncessaire pour un chercheur de sassurer de la vrit de
ses noncs au travers dune vrification empirique. Le critre de confirmabilit,
propos par Carnap (1962), va remettre en cause le caractre certain de la vrit. Il
repose sur lide que lon ne peut pas dire quune proposition est vraie
universellement mais seulement quelle est probable. On ne peut jamais sassurer
cas par cas que, dans toutes les circonstances o elle sapplique, elle est vraie. Ds
lors on ne pourra que la confirmer par des expriences ou en invoquant les rsultats
dautres thories mais on ntablira pas sa vrit certaine (Hempel, 1972). Ce
mouvement qui conduit remplacer la logique de la preuve par une logique
probabiliste apporte une premire inflexion la conception de la vrit-
correspondance puisquil conduit une incertitude sur la capacit de la
connaissance noncer de manire absolue LA vrit.
Une vritable rupture avec le projet positiviste initial va finalement tre effectue
avec la proposition de Popper de substituer la logique de la rfutation la logique
de la preuve. Le critre de rfutabilit pose que lon ne peut jamais affirmer quune
thorie est vraie, on peut en revanche affirmer quune thorie est fausse, cest--
dire quelle est rfute. Lexemple clbre portant sur la couleur des cygnes illustre
bien ce raisonnement.
Avec la logique de rfutation, Popper nonce un critre de dmarcation de la
connaissance scientifique particulirement incisif. Une connaissance est scientifique si
elle est rfutable, cest--dire si elle admet que certains rsultats peuvent venir
linfirmer. En revanche, toutes les thories qui ne peuvent pas tre rfutes parce
quaucune observation ne peut venir les contredire, ne sont pas scientifiques : la
psychanalyse (par exemple, lhypothse freudienne de linconscient) ou encore le
marxisme. Popper voyait en effet dans le caractre rfutable dune hypothse, une
marque de sa scientificit. En outre, selon lui, plus une hypothse est risque , plus
elle est scientifiquement intressante, car non triviale. En insistant sur lasymtrie entre
la vrification et linfirmation, Popper place la conception de la vrit-correspondance
face un trange paradoxe : la thorie serait la fois la forme la plus aboutie et
systmatique de la connaissance scientifique, et ce qui, par essence, peut toujours tre
remis en question (Vorms, 2011).
38
c Focus
La science ne peut pas dire le vrai
Si la question pose est de savoir si tous important pour Popper qui le distingue
les cygnes sont blancs, il ny a quune clairement du terme de confirmation :
rponse ngative qui puisse scientifique- Carnap a traduit mon expression degr
ment tre admise. En effet, quel que soit de corroboration par degr de confirma-
le nombre de cygnes blancs observs, on tion. Je naimais pas cette expression
na pas le droit den infrer que tous les
cause de certaines associations quelle
cygnes sont blancs. Cest ce que lon
provoque. Les associations que suscite
dsigne habituellement comme le
le mot confirmation ont de limportance
problme de linduction1. Lobservation
car degr de confirmation fut bientt
dun seul cygne noir est par contre suffi-
sante pour rfuter la conclusion tous les utilis par Carnap lui-mme comme un
cygnes sont blancs . Ds lors, pour syno-nyme de probabilit. Jai donc
Popper, une thorie qui nest pas rfute abandonn ce terme (confirmation) en
est une thorie provisoirement corro- faveur de degr de corroboration
bore. Le terme de corroboration est Popper (1973 : 256).
1. Une infrence inductive consiste conclure que ce qui est vrai dans un nombre fini de cas restera vrai
dans tous les cas sans exception (Soler, 2000 : 89). Voir chapitre 3 du prsent ouvrage pour plus de dtails.
Cest sur un autre terrain et avec des arguments diffrents que les paradigmes
inscrits dans une orientation constructiviste vont interroger la valeur et la validit
des connaissances scientifiques et vont amener contester lide de vrit-
correspondance et lui substituer lide de vrit-adquation. De manire
gnrale, une connaissance adquate peut se dfinir comme une connaissance qui
convient, soulignant ici le caractre relatif attach la conception de la vrit.
Cette convenance peut revtir des significations trs diffrentes selon les
paradigmes pistmologiques. Le caractre relatif de la vrit peut en effet tre
plus particulirement induit par le rel construit contextuel, instable, mouvant
(dans la vise interprtative des sciences sociales) ou par le projet de construction

(dans la vise projective des sciences de lingnieur).
Ainsi pour linterprtativisme, ladquation pourra se comprendre comme la
capacit de la connaissance garantir la crdibilit de linterprtation propose. Il
conviendra de sassurer que la connaissance est le rsultat dun processus de
comprhension inter-subjectivement partage par les acteurs concerns (Sandberg,
2005) et de rendre compte de manire rigoureuse de ladministration de la preuve
qui permet de construire linterprtation (Lincoln et Guba, 1985). Pour certains, la
mobilisation judicieuse des ficelles du mtier permettra en outre de concilier
ltude approfondie de cas particuliers et la gnralisation de la connaissance qui
en est issue (Becker, 2002). Pour dautres (Lincoln et Guba, 1985 ; Geerzt, 1973) il
39
Partie 1 Concevoir
sagit avant tout de produire une description suffisamment dense du phnomne

tudi (thick description) pour permettre au lecteur denvisager dans quelle mesure
les rsultats obtenus sont ou non transfrables dautres contextes.
Pour le constructivisme ingnierique, ladquation svaluera plutt au travers du
critre dactionnabilit de la connaissance produite. Si lon ne peut donner aucune
dfinition ontologique de la connaissance actionnable (Martinet, 2007), elle peut
tre apprhende au travers du principe dadaptation fonctionnelle propose par
Von Glaserfeld qui pose quune connaissance est valide ds lors quelle convient
une situation donne.
c Focus
La vrit, cest apporter une solution
une situation problmatique
Ernst von Glaserfeld dveloppe une possible dun problme issu dune situa-
approche quil dnomme constructi- tion douteuse (Dewey, 1967). Cette
visme radical . Il propose de concevoir la dmarche est, selon cet auteur, ltape
vrit au travers dun critre de conve- fondamentale de ltablissement de la
nance quil illustre par lhistoire suivante : justification. Cest en effet dans la manire
Par exemple, une cl convient si elle dont on labore le problme et dont on
ouvre la serrure quelle est suppose dtermine la solution dune situation
ouvrir. La convenance dcrit dans ce cas indtermine que rside la vrit. Les
une capacit : celle de la cl, et non pas oprations de lenqute garantissent ou
celle de la serrure. Grce aux cambrio- justifient la vrit de son assertion, voil le
leurs professionnels, on ne sait que trop critre de la vrit, il y a satisfaction
bien quil existe beaucoup de cls dcou- objective dune situation indtermine
pes tout fait diffremment des ntres, qui maintenant est dtermine ; il y a
mais qui nen ouvrent pas moins nos succs des oprations parce quelles sont
portes (Glasersfeld, 1988 : 23). les oprations qui correspondaient au
Cette conception peut tre rapproche du problme, lui-mme correspondant la
principe de lenqute propose par le situation indtermine (Dewey, 1967 :
philosophe pragmatiste amricain Dewey 38).
qui dfinit la vrit comme la dtermina- Sur la base de Girod-Sville
tion de la solution qui est une solution et Perret (2002).
Selon Le Moigne, les caractristiques de la connaissance actionnable snoncent

dans les termes de lenseignabilit : le modlisateur ne pourra plus assurer que
les connaissances sont dmontres. Il devra montrer quelles sont argumentes et
donc la fois constructibles et reproductibles, de faon permettre leur
intelligibilit pour son interlocuteur (Le Moigne, 1995 : 85). Limportant est que
le modlisateur veille scrupuleusement expliciter les finalits auxquelles il
prtend se rfrer lorsquil construit les connaissances enseignables. Martinet
(2007) voque en ce sens la ncessit dune pistmologie de la rception .
40
Compte tenu des conceptions diffrentes de la valeur et de la validit des

connaissances, le caractre plus ou moins gnralisable et plus ou moins
commensurable des connaissances produites fait lobjet de nombreux dbats au sein de
la communaut de recherche en management. Ces questions ncessitent a minima, pour
tre tranches, lexplicitation du point de vue de connaissance que porte le
chercheur. Cet exercice rflexif est le meilleur garant contre le rductionnisme qui
conduit, comme le souligne Berthelot (1990), proclamer le caractre suprieur dun
point de vue de connaissance par la rification de son propre point de vue et la
neutralisation, selon des arguments dautorit, des points de vue concurrents.
En proposant un critre de vrit-adquation plutt que de vrit-correspondance, les
pistmologies constructivistes invitent souligner que les activits scientifiques et les
connaissances labores ne sont pas dcouples de lenvironnement social dans
lesquelles elles sinscrivent. Leur validit dpend, on la vu, des projets de certains
acteurs et de la capacit les raliser pour les chercheurs ingnieriques, de la manire
dont la recherche sera perue tant par la communaut scientifique que par celle dans
laquelle la recherche a t mene pour les interprtativistes. Paralllement, en
reconnaissant que la recherche sera reue par ces diffrents acteurs, les
pistmologies constructivistes invitent questionner les effets de cette connaissance.
section
5 LA COnnAIssAnCE EsT-ELLE sAns EFFET ?
Les dbats pistmologiques ayant anim la recherche en management ces vingt
dernires annes ont considrablement enrichi et aiguis la rflexion sur les
mthodes et les critres dapprciation des recherches. Ces dbats ont galement
permis de reconcevoir certains objets classiques en management (le leadership,
Fairhurst, 2009 ; le changement, Perret, 2009), voire en introduire de nouveau (le
discours par exemple). Pour certains chercheurs cependant, si ces rflexions ont
contribu faire une place aux conceptions relativistes de la connaissance, elles

ont galement dtourn le chercheur des dimensions politiques et thiques de son
activit (Parker, 2000). Dit autrement, la question de la valeur de la connaissance
masquerait celle, non moins importante, des valeurs que le chercheur promeut au
travers de son activit de recherche. Ce dbat rejoint celui men au sein du champ
de la sociologie des sciences qui oppose les tenants dune conception autonome de
la science lgard de la socit et ceux qui vont dfendre le point de vue dune
science en socit (Bonneuil et Joly, 2013). Pour rendre compte de ce dbat il est
possible didentifier un continuum qui rend compte de lopposition entre
lautonomie de la connaissance scientifique porte par certaines conceptions
ralistes et la performativit de la connaissance mis jour par certains travaux
sinscrivant dans une orientation constructiviste.
41
Partie 1 Concevoir
Autonomie Performativit
Ralisme Constructivisme
Figure 1.4 La relation science et socit
Nous ne souhaitons pas faire un reprage plus prcis des positionnements de

chacun des paradigmes pistmologiques le long de ce continuum, ceux-ci ne
stant pas ncessairement prononcs explicitement sur ces dimensions. Cependant
on peut identifier une ligne de dmarcation entre :
dune part lorientation raliste qui sest attache dans ses hypothses ontologique et
pistmique dcoupler la question des faits de celles des valeurs et dfendre par sa
posture objectiviste le point de vue dune autonomie de la pratique scientifique et,
dautre part lorientation constructiviste qui, en insistant sur limbrication des faits et
des valeurs, des sujets et des objets dans la construction des phnomnes humains
et sociaux, sous-tend la dimension performative de la connaissance produite.
c Focus
Les normes de la science selon Merton
Dans un article devenu un classique de permettent de rsister aux influences
la sociologie des sciences, Robert Merton des acteurs politiques et conomiques.
(1942) identifie un ensemble de normes, crit face la science nazie et stalinienne,
qui forment ce quil appelle lethos de la cet article ralise une double opration : il
science, encadrant les conduites de ces arrime une certaine ide de la science la
praticiens : communalisme, universa- dmocratie occidentale, seule propice
lisme, dsintressement, scepticisme son panouissement ; il formalise des
organis. Selon Merton ces normes, int- normes du fonctionnement de la commu-
riorises par les scientifiques pendant leur naut scientifique qui se distinguent de
apprentissage et entretenues par leur celles des autres champs sociaux et
insertion institutionnelle, font de la science assurent la science son autonomie .
un systme social distinct et rela-tivement
Extrait de Bonneuil et Joly (2013 : 5).
autonome. Elles protgent dabus internes
aussi bien quelles
La prtention lautonomie de la science doit sentendre comme la revendication

dune indpendance de lactivit scientifique lgard de la socit. Comme le
rappellent Bonneuil et Joly (2013) certains philosophes comme Bachelard et Popper
ont contribu lgitimer lide dune ncessaire dmarcation entre science et
technologie, entre science et application, entre science et politique. La science doit tre
conue comme une activit part et ne pouvant spanouir que dans lautonomie.
42
Ce point de vue est devenu, durant la priode de la guerre froide, le postulat majeur
de la sociologie des sciences (Merton, 1942).
Cette conception dfend lide que la science est une activit en dehors du social
et quelle est rgie par ses propres normes et ses propres lois de dveloppement.
Lenvironnement externe peut ventuellement influencer les rythmes et les
thmes de recherche mais pas le contenu des dcouvertes ni les mthodes et
normes de la preuve. Dans ce cadre, la question des rapports entre science et
socit se rsume la dfinition des bons et des mauvais usages dune science
dont le noyau serait neutre (Bonneuil et Joly, 2013 : 7).
Cependant, partir des annes 1960 et 1970 certains travaux vont remettre en
cause cette conception de la science et dfendre lide que les choix scientifiques et
les systmes techniques sont des structures politiques en ce sens quils ouvrent et
contraignent les choix quune socit peut se donner. Ces travaux vont conduire
adresser de nouvelles questions la pratique scientifique : comment penser la
performativit des sciences et des techniques ? Comment les rinscrire dans une
perspective dmancipation et dans le fonctionnement dmocratique ? (Bonneuil et
Joly, 2013 : 7).
La notion de performativit renvoie deux dfinitions quil convient de distinguer.
Dfinie par Lyotard (1978 : 74-75), la performativit renvoie au meilleur
rapport input/output . Dans son Rapport sur le savoir, il considre que linvasion
des techniques (en particulier dinformation), prothses dorganes ou de systmes
physiologiques humains ayant pour fonction de recevoir des donnes ou dagir sur
le contexte ( : 73), permet certes damliorer ladministration de la preuve ; mais
que ces techniques ont galement tendance dtourner la recherche scientifique
vers leurs propres fins : loptimisation des performances : augmentation de
loutput (information ou modifications obtenues), diminution de linput (nergie
dpense) pour les obtenir (: 73). En effet, un savoir a dautant plus de chances
dtre considr comme valide sil dispose de preuves consquentes, preuves qui
seront apportes par des techniques qui, pour tre finances, auront pralablement
montr leur efficience et leur capacit gnrer du profit. Ainsi la performativit,

en augmentant la capacit dadministrer la preuve, augmente celle davoir raison :
le critre technique introduit massivement dans le savoir scientifique ne reste
jamais sans influence sur le critre de vrit (: 76).
Sappuyant sur cette analyse critique du savoir, Fournier et Grey (2000)
considrent que la recherche en management et les connaissances produites servent
le plus souvent les intrts dune lite managriale, au dtriment de ceux dautres
parties prenantes directes et indirectes. Cette critique fait cho celle, plus
ancienne, formule lencontre des positivistes par les tenants de lcole de
Francfort (voir Adler et al. 2008), et, leur suite, Habermas. Pour ces derniers en
effet, les positivistes, en prtendant dire le vrai du fonctionnement du monde
social, lgitiment lordre tabli et neutralisent toute prtention le changer.
43
Partie 1 Concevoir
Afin de contrebalancer les excs de la rationalit techniciste luvre dans la

recherche contemporaine, Habermas suggre dexercer des formes alternatives de
rationalit (rationalit pratique, dmancipation). Ceci suppose de sortir la recherche du
milieu acadmique, de permettre son questionnement par des parties prenantes
dpassant les seuls managers et dirigeants (voir Huault et Perret, 2009), au travers de la
cration despaces de dialogues ouverts (Johnson et Duberley, 2003).
La critique de la performativit des connaissances telle que formule par Lyotard
(1978), en soulignant leur assujettissement des finalits instrumentales, met jour les
effets de ces connaissances sur le monde social ; une dimension de la recherche tout
particulirement travaille par Alvesson et ses collgues, qui reprennent alors la notion
de performativit telle que dfinie par Austin (1963) et Butler (1996).
Dans cette seconde acception, la performativit dun nonc dsigne lensemble
des effets produits directement du fait de lnonciation (on parle alors dacte
illocutoire, i.e. la sance est ouverte ) ou indirectement sa suite (on parle alors
dacte perlocutoire, i.e. la joie ou la crainte que peut provoquer lannonce de ce
changement immdiat chez lauditoire) (Krieg-Planque, 2013).
Ces diffrents effets du discours ne peuvent cependant se produire que si un
certain nombre de conditions sont runies, parmi lesquelles la reconnaissance par
lauditoire dune convention aux termes de laquelle un certain effet est produit
lorsque lnonc est le fait de certaines personnes en certaines situations. Lnonc
le changement cest maintenant aura plus de chances de produire leffet attendu
sil est prononc par une personne en position dautorit, face un auditoire
familier du discours politiques. Pour Butler (1990 ; 1996), ceci suppose que, pour
faire advenir ce quil dit, le discours sinscrive dans une dure, dans une chane de
rptitions.
Dans cette perspective, les recherches en management, en tant que discours
performatifs, sont susceptibles de contribuer au maintien des institutions et des
rapports de force ingalitaires les caractrisant, et ce, ds lors quelles re-citent,
rptent sans les subvertir les discours et recherches antrieures orients sur
lefficience et les intrts dune seule catgorie dacteurs (Spicer et al., 2009).
Que lon retienne lune ou lautre des dfinitions de la performativit, cette
question nest pas sans effet sur la rflexion pistmologique. Elle invite en effet le
chercheur rflchir non seulement aux dimensions de son projet de recherche
(son objet, les mthodes appropries, la nature de la connaissance vise), mais
galement dinterroger les valeurs et finalits de sa recherche, ses consquences
concrtes pour le ou les groupes tudis, les intrts quelle sert, sa faisabilit dans
le contexte institutionnel en place (Johnson et Duberley, 2003 ; Spicer et al., 2009).
Le chercheur est ainsi appel exercer une rflexivit radicale (Woolgar, 1988
; Adler et al., 2008), une rflexivit qui dpasse les seules dimensions constitutives
du projet de recherche. Alvesson et Sandberg (2011) soulignent que ce travail
pistmique de problmatisation , visant identifier et remettre en question les
44
hypothses sous-jacentes sur la nature des objets de connaissance, permet de

dpasser les impasses et les sclroses dune dmarche dominante de gap spotting
dans le processus de production des connaissances. Les consquences du
tournant linguistique analyses par Alvesson et Krreman (2000), les promesses
du tournant raliste portes par Reed (2005) ou encore les effets du tournant
pragmatiste sur la conception des objets de recherche en management (Labatut et
al., 2012) confirment que le questionnement pistmologique est un vecteur
essentiel du dveloppement contemporain de notre champ de la recherche.
c Focus
De la performativit de la recherche sur le leadership
Comment conduire un groupe, une orga- contingentes du leadership), dautres
nisation ? cette question, la recherche remarquent que ces recherches parti-
en management a longtemps rpondu cipent de la reproduction des structures
quun bon leader tait essentiel ; et de de pouvoir en place dans les organisa-
rechercher les traits de personnalit, les tions : des structures ingalitaires,
comportements ou styles de leadership, souvent diriges par des hommes plutt
les circonstances dans lesquelles les que par des femmes, dans lesquelles
exercer et les valeurs dont cette figure lautorit et le pouvoir de dcision sont
devait disposer. Au travers de leur diffu- concentrs dans les mains de quelques-
sion dans les institutions denseignement, uns, et ce, alors que la complexit des
les mdias, les cabinets de conseil, ces problmes et des organisations appellent
travaux de recherche ont contribu des des expertises varies et des modalits
pratiques de slection, de promotion, en consquence partages ou distribues
dorganisation et danimation dquipes de leadership (Pearce et Conger, 2003 ;
centres sur un individu sapparentant Crevani, Lind-gren et Packendorff, 2007 ;
un hros (voir Fairhurst, 2009 : 1616- Fletcher, 2004). La promotion et ladoption
1623). Le leader est en effet cens dun modle distribu de leadership, dans
disposer de qualits devant permettre lequel la dcision est le fait des personnes
damliorer tout la fois lefficience, disposant des comptences et des
linnovation, la crativit, lharmonie et le connaissances utiles pour faire face la

bien-tre de son quipe et de ses situation, est susceptible de transformer
membres ; un hros (Fletcher, 2004) radicalement les organisations (Fletcher,
donc, qui, ds lors quil natteint pas les 2004). Paralllement, ladoption dune
objectifs fixs, sera bien sr rapidement approche distribue du leadership
remplac. suppose de renoncer une conception
Si nombre de chercheurs ayant travaill essentialiste du leadership qui suppose
au sein de cette tradition en reconnaissent quil existe des personnes qui, parce que
aujourdhui les limites (voir Yukl, 2011, dotes de traits spcifiques, sont par
propos des limites des approches essence mieux mme de conduire un
groupe ou une organisation.
45
Partie 1 Concevoir
COnCLusIOn
Ce chapitre doit permettre au chercheur de rpondre aux questions pistmologiques

que soulve sa recherche. Il devrait convaincre le chercheur de sinterroger sur la
nature de la ralit quil pense apprhender, sur le lien quil entretient avec son objet de
recherche, sur la dmarche de production de connaissance quil souhaite et quil peut
emprunter et sur les critres qui lui permettront dvaluer la connaissance quil produit.
La rflexion pistmologique doit permettre au chercheur de :
comprendre les prsupposs sur lesquels sa recherche sappuie ;
expliciter les implications que ses choix entranent afin de parvenir une plus
grande matrise de sa recherche.
Une telle rflexion pistmologique est ncessaire car cest elle qui va permettre
la justification des connaissances produites et offrir la possibilit de la critique
entre chercheurs. Ces lments constituent les bases indispensables la production
dune connaissance valable.
Les questions traites dans ce chapitre suscitent bien sr des interrogations au
niveau mthodologique. Ce sera lobjet dun certain nombre dautres chapitres de
cet ouvrage, les chapitre 2 et 3 notamment, que de dvelopper les consquences
mthodologiques des diffrentes options pistmologiques identifies dans ce
chapitre. En particulier le chapitre 2 montre en quoi la construction de lobjet de
recherche dpend des prsupposs pistmologiques sous-tendant la recherche.
Pour aller plus loin

David, A., Hatchuel, A., R. Laufer (eds), Les nouvelles fondations des sciences de
gestion, 1re dition, coll. Fnege , Vuibert, 2000. 3e dition, coll. conomie et
gestion , Presses des Mines, 2012.
Lepeltier, T. (coord.), Histoire et philosophie des sciences, ditions Sciences
Humaines, 2013.
Martinet, A-C. (coord.), pistmologies et Sciences de Gestion, Economica, 1990.
Soler, L., Introduction lpistmologie, coll. Philo , Ellipses, 2000.
46
Chapitre
Construction
2 de lobjet
de la recherche
Florence Allard-Poesi, Garance Marchal
RsuM
Lobjet dune recherche consiste en la question gnrale que la recherche sefforce
de satisfaire, lobjectif que lon cherche atteindre. Cest en quelque sorte la
rponse la question : Quest-ce que je cherche ? Lobjet est un lment cl
du processus de recherche : il traduit et cristallise le projet de connaissance du
chercheur, son objectif. Et cest au travers de lobjet que le chercheur interroge les
aspects de la ralit quil souhaite dcouvrir, quil tente de dvelopper une
comprhension de cette ralit ou quil construit une ralit.
Lobjectif de ce chapitre est de fournir quelques pistes pouvant aider le chercheur
laborer lobjet de sa recherche. Dans cette perspective, nous dfinissons dans un
premier temps ce que nous entendons par objet de recherche et montrons quil peut
revtir diffrentes significations en fonction des postulats pistmologiques du cher-
cheur. Nous abordons dans un second temps les diffrentes voies par lesquelles la-
borer un objet de recherche et prsentons diffrents points de dpart possibles. Nous
rapportons enfin quelques parcours de jeunes chercheurs afin dillustrer les difficul-ts
et le caractre rcursif du processus de construction de lobjet de recherche.
sOMMAIRE
SECTION 1 Quest-ce que lobjet de la recherche
? SECTION 2 Les voies de construction de lobjet

Partie 1 Concevoir
L objet dune recherche est la question gnrale (ou encore la problmatique) que
recherche sefforce de satisfaire, lobjectif que lon cherche atteindre. Cest en
la
quelque sorte la rponse la question : Quest-ce que je cherche ? Lobjet

consiste en une question relativement large et gnrale, qui se distingue des ques-
tions de recherche qui sont une expression plus prcise et opratoire de la question
gnrale originale (cf. Royer et Zarlowski, chapitre 6). En ce quil implique la for-
mulation dune question, lobjet de la recherche se distingue galement des objets
thoriques (concepts, modles, thories), mthodologiques (outils de mesure, chelles,
outils de gestion) ou empiriques (faits, vnements), qui ne portent pas en eux une
interrogation. Ci-dessous quelques exemples dobjets de recherche.
EXEMPLE Diffrents objets de recherche
Allison (1971) se donne pour objet de comprendre comment la dcision du blocus par
le gouvernement amricain lors de la crise de Cuba a-t-elle t prise .
Jarzabowski, Spee et Smets (2013) cherchent identifier quels sont les rles des
artefacts matriels (i.e. photographies, cartes, donnes numriques, tableaux et
graphiques) dans la ralisation des pratiques stratgiques des managers .
McCabe (2009) a pour objectif de comprendre au travers de quels ressorts le pouvoir
de la stratgie sexerce-t-il . Lenjeu nest pas daider les managers mieux vendre le
chan-gement stratgique auprs des employs, mais de promouvoir dmocratie et
scurit de lemploi dans les organisations.
Lobjet est un lment cl du processus de recherche : il traduit et cristallise le

projet de connaissance du chercheur, son objectif (Quivy et Van Campenhoudt,
1988). Cest au travers de lobjet que le chercheur interroge les aspects de la ralit
quil souhaite dcouvrir, quil tente de dvelopper une comprhension de cette
ralit ou quil construit une ralit. Et cest finalement en regard de lobjet que
sera value la contribution de sa recherche.
Savoir ce que lon cherche apparat donc comme une condition ncessaire tout
travail de recherche. La science , souligne Northrop (1959, in Grawitz, 1996 : 347),
ne commence pas avec des faits et des hypothses mais avec un problme spcifique
. Dans cette perspective, bien des manuels considrent que le chercheur dbutant
dispose toujours dune problmatique, dune question gnrale laquelle il souhaite
rpondre avant dentamer son travail. Cest oublier que les problmes ne nous sont pas
donns par la ralit, nous les inventons, les construisons, et ce, quel que soit le projet
de connaissance du chercheur. La science, souligne Bachelard, ralise ses objets sans
jamais les trouver tout faits []. Elle ne correspond pas un monde dcrire, elle
correspond un monde construire []. Le fait est conquis, construit, constat []
(Bachelard, 1968 : 61).
Construire son objet est donc une tape part entire du processus de recherche,
tape dautant plus dcisive quelle constitue le fondement sur lequel tout repose
(Grawitz, 1996). Classiquement, en effet, lobjet que le chercheur se donne est
48
suppos guider la construction de larchitecture et de la mthodologie de la

recherche (cf. Royer et Zarlowski, chapitre 6). Ces tapes de construction du
design et de la mthodologie peuvent nanmoins venir affecter la dfinition de la
problmatique initiale (cf. figure 2.1).
Objet de la recherche
Design de la recherche
Mthodologie de la recherche
Rsultats de la recherche
Figure 2.1 La construction de lobjet dans le processus de recherche
Il nest en effet pas rare de constater que les concepts contenus dans la problmatique
initiale sont insuffisamment ou mal dfinis lorsque lon cherche les oprationnaliser
ou aprs une lecture plus approfondie de la littrature (cf. lexemple ci-aprs).
EXEMPLE La construction de lobjet, un processus fait dallers-retours

Dans un contexte de mdiatisation des suicides lis au travail, Stphan Pez sintresse aux
dmarches de gestion des risques psychosociaux (RPS) comme formes de contrle socio-
idologique. Il sinterroge dans un premier temps sur leurs effets en termes de cadrage
cognitif (Pez, 2009). Une revue de littrature sur le contrle socio-idologique rvle que le
front de la recherche se situe autour de linfluence exerce sur l intrieur des salaris (les
motions, la subjectivit, lidentit, etc.). Il dcide alors de sintresser davantage aux effets
produits sur lidentit. Des entretiens exploratoires indiquent que les dmarches de gestion
des RPS sont ingalement mises en uvre et constitues dactions trs diverses. Il tudie
lune des actions mentionnes rgulirement : la formation des managers aux RPS. ce
stade, la problmatique devient : quels sont les effets de la rgulation identitaire pro-duite
par les formations RPS destines aux managers ? Lors de sa recherche empirique, il
saperoit que lanalyse ne peut se limiter la formation car celle-ci est cense produire des
effets dans le quotidien des managers. Il collecte des rcits de situations vcues concernant
la gestion des RPS par les managers et la manire dont la formation les a (ou non) aids les
grer. Il retrace ainsi les dynamiques identitaires propres ces situations (quil qualifie
dpreuves suivant l Danilo Martuccelli). Dans ces analyses, la formation ne reprsente
plus quune des sources de rgulation identitaire des managers. Un retour la littrature
confirme que les donnes collectes invitent centrer lobjet de la recherche sur les proces-
sus de construction identitaire. La problmatique devient alors : comment, au sein des
organisations, lidentit individuelle se construit-elle dans les situations de travail ? Au final,
dans cette recherche doctorale, la dmarche de gestion des RPS ne sera plus quun contexte
pour llaboration dun modle de construction identitaire en situation dpreuve (Pez,
2012).
49
Partie 1 Concevoir
La construction de lobjet apparat donc comme un processus fait dallers-

retours, sans mode demploi, et cest sans doute le moment o saffirme le degr
de formation du [chercheur], o se rvlent [son] intelligence et [ses] qualits
contradictoires : intuition, rigueur, connaissances et imagination, sens du rel et de
labstraction (Grawitz, 1996 : 346).
Lobjectif de ce chapitre est de fournir quelques pistes pouvant aider le chercheur
laborer lobjet de sa recherche. Dans cette perspective, nous dfinissons dans un premier
temps ce que nous entendons par objet de recherche. Nous le distinguons des objets
thoriques, mthodologiques et empiriques en soulignant quil implique la formulation
dune question. En lenvisageant comme projet de connaissance, nous montrons que lobjet
peut revtir diffrentes significations en fonction des postulats pistmologiques du
chercheur. Nous abordons dans un second temps les diffrentes voies par lesquelles
laborer un objet de recherche : nous prsentons les points de dpart envisageables pour ce
processus et les difficults et piges que peut rencontrer le chercheur. Nous rapportons
enfin des parcours de jeunes chercheurs afin dillustrer les difficults et le caractre rcursif
du processus de construction de lobjet de recherche.
section
1 QuEsT-CE QuE LOBjET DE LA REChERChE ?
1 Lobjet de recherche
1.1 une question
Construire un objet de recherche consiste en llaboration dune question ou

problmatique au travers de laquelle le chercheur interrogera la ralit. Il sagit de
produire une question liant, articulant ou interrogeant des objets thoriques,
mthodologiques et/ou des objets empiriques.
Les objets thoriques peuvent tre des concepts (la notion de reprsentation
collective, le changement, lapprentissage, la connaissance collective, les schmes
cognitifs, par exemple), des modles explicatifs ou descriptifs de phnomnes (des
processus dinnovation dans un environnement instable, des processus dapprentissage
dans les groupes) ou encore des thories (la thorie de la dissonance cognitive de
Festinger). Bourdieu et Passeron (1964) mettent tout particulirement laccent sur cette
dimension thorique que doit revtir lobjet : Un objet de recherche si partiel et si
parcellaire soit-il ne peut tre dfini quen fonction dune problmatique thorique
permettant de soumettre une interrogation les aspects de la ralit mis en relation par
la question qui leur est pose.
50
Mais on peut aussi, notre sens, construire un objet de recherche en liant ou

interrogeant des objets thoriques et/ou des objets empiriques (par exemple une
dcision prise lors dun conseil dadministration, un rsultat comme la
performance dune entreprise, des faits ou des vnements) et/ou des objets
mthodologiques (par exemple la mthode de cartographie cognitive, une chelle
de mesure dun concept ou un outil daide la dcision).
En tant que tel, un objet thorique, empirique ou mthodologique ne constitue
pas un objet de recherche. Ainsi les risques psycho-sociaux , la crise de Cuba
ou les chelles de mesure du stress ne peuvent tre considrs comme des
objets de recherche. En revanche, linterrogation de ces objets ou de liens entre
ceux-ci permet la cration ou la dcouverte de la ralit, et constitue ainsi un objet
de recherche. Pour reprendre nos exemples ci-dessus : Quelle conception du sujet
les chelles de mesure du stress vhiculent-elles ? ou Comment la dcision du
blocus lors de la crise de Cuba a t prise ? constituent des objets de recherche.
1.2 Traduisant le projet de connaissance du chercheur
Questionner des objets thoriques, mthodologiques, des faits ou les liens entre ceux-
ci, permettra au chercheur de dcouvrir ou de crer dautres objets thoriques
mthodologiques ou dautres faits (ou objets empiriques). Cest en particulier le cas
lorsque le chercheur emprunte le chemin de la recherche-action pour mener bien sa
recherche. Le changement de la ralit sociale tudie (cest--dire la modification ou
la cration de faits) induit par lintervention du chercheur constitue la fois un moyen
de connatre cette ralit (dimensions constitutives et relations entre celles-ci) et un des
objectifs de la recherche (qui se doit toujours de rsoudre les problmes concrets
auxquels font face les acteurs de terrain, Lewin, 1946). La question que formule le
chercheur exprime donc aussi, indirectement, le type de contribution que la recherche
va offrir : contribution plutt thorique, mthodologique ou empirique. On peut parler
dobjet de nature diffrente (cf. les exemples ci-aprs).
EXEMPLE Des objets de recherche de nature diffrente
1) Le manager intermdiaire est aujourdhui reconnu comme un acteur majeur de la

forma-tion de la stratgie et de la conduite du changement, rle allant au-del de celui
de simple relais des directives de la direction gnrale. La question de la relation de ce
manager avec son propre suprieur est cependant occulte par les travaux de recherche,
mme les plus rcents. Partant de ce constant, Ayache (2013) se propose dtudier de
manire dtaille comment la relation entre le manager et son suprieur se construit au
fil du temps. Lobjet est de nature thorique.
2) Soulignant labsence de dfinition et doprationnalisation de la notion de sens dans la
littrature en management portant sur la cognition, le sensemaking et le discours dans les
organisations, dun ct, son importance dans les dynamiques de projet, de lautre, Garreau
(2009) se donne pour objet de dfinir la notion de sens, den proposer une oprationnalisa-
51
Partie 1 Concevoir
tion, puis den montrer le potentiel explicatif et descriptif en regard dautres notions
connexes (notion dorientation des acteurs dans les groupes projet, par exemple).
Lobjet est ici principalement mthodologique.
3) Comment augmenter la production dans les ateliers ? la lumire de la thorie du
champ, Lewin (1947 a et b) traduit ce problme concret en une problmatique ayant trait aux
mcanismes de changement et de rsistance au changement : comment modifier les
niveaux de conduite dans un groupe alors que ceux-ci sont le fait dune habitude sociale,
force dattachement une norme ? Lobjet est la fois empirique et thorique.
Les objets thoriques, mthodologiques ou empiriques crs ou dcouverts par le

chercheur constituent la contribution majeure de sa recherche. Ils permettront
lexplication, la prdiction, la comprhension, ou le changement de la ralit,
satisfaisant ainsi lun ou lautre des objectifs des sciences du management (cf.
Allard-Poesi et Perret, chapitre 1).
En rsum, construire un objet de recherche consiste formuler une question
articulant des objets thoriques, empiriques ou mthodologiques, question qui
permettra de crer ou dcouvrir dautres objets thoriques, empiriques ou
mthodologiques, pour expliquer, prdire, comprendre ou encore changer la ralit
sociale (cf. figure 2.2).
Formulation dune question articulant des
Objets Objets Objets

thoriques empiriques mthodologiques
Objet de recherche
Permettant de
Crer ou dcouvrir des
Objets Objets Objets

thoriques empiriques mthodologiques
Pour
Expliquer Prdire Comprendre Changer
La ralit
Figure 2.2 Larticulation dobjets empiriques, thoriques ou

mthodologiques avec lobjet de recherche
52
Lobjet de la recherche traduit et cristallise donc le projet de connaissance du

chercheur. Or ce projet de connaissance revt des significations diffrentes en
fonction des postulats pistmologiques du chercheur.
2 Des objets diffrents pour des projets de connaissance diffrents1
Les postulats ontologiques et pistmologiques du chercheur ont une incidence

sur la nature de la connaissance quil vise et sur son objet de recherche (voir, sur ce
point galement, Alvesson et Sandberg, 2011 ; Giordano, 2012). Suivant l les
dimensions introduites dans le chapitre prcdent, on peut, grands traits
distinguer les principales approches pistmologiques selon quelles adoptent ou
sloignent dune conception essentialiste de la ralit sociale dun ct (axe
ontologie), et adhrent une vision objectiviste ou au contraire relativiste de la
connaissance pro-duite de lautre (axe pistmologie, voir figure 2.3).
Ontologie
Non-essentialisme
Interprtativisme Postmodernisme
Comprendre Mettre en vidence
en profondeur
le caractre fictionnel
un phnomne Constructivisme de la connaissance
ingnierique et de lorganisation
Dvelopper un projet
de connaissance
pistmologie
Objectivisme Relativisme
Ralisme critique
Interroger les faits
pour mettre jour
Positivismes les mcanismes
Interroger les faits pour dactualisation

rechercher des rgularits du rel
ou mettre lpreuve
des hypothses
Essentialisme
Figure 2.3 Postures pistmologiques et objets de recherche
Cette cartographie permet de souligner les points dopposition et de rapproche-

ments entre les diffrentes postures classiquement distingues dans la littrature, et
denvisager leurs incidences sur la construction de lobjet de la recherche.
1. Pour une prsentation complte de ces perspectives, on se reportera Allard-Poesi et Perret, chapitre 1..
53
Partie 1 Concevoir
Pour les ralismes1 (positivismes et ralisme critique), la construction de lobjet de

recherche consiste principalement en une interrogation des faits afin den dcouvrir la
structure sous-jacente. Positivismes et ralisme critique se sparent cependant sur la
question du chemin emprunter pour raliser ce projet et de ce quil signifie dans les
sciences sociales, on le verra. Sans renoncer la possibilit dlaborer une
connaissance objective des phnomnes observs, linterprtativisme se donne pour
objet de comprendre les actions et les significations que les acteurs accordent leurs
expriences du monde tant entendu que cest au travers de ces significations et actions
quils construisent la ralit sociale. Pour le constructivisme ingnierique, construire
lobjet de recherche consistera laborer un projet de connaissances que la recherche
sefforcera de satisfaire. Embrassant une conception relativiste de la connaissance, le
postmodernisme cherche avant tout mettre en vidence la dimension processuelle,
plurielle, fictionnelle et indtermine de la ralit sociale et des connaissances
labores.
Ces diffrentes perspectives appellent ds lors des processus de construction de
lobjet spcifiques que nous dcrivons plus avant dans la suite du propos.
Toutefois, les catgories prsentes ici ne sont quindicatives et thoriques : nombre
de recherches empruntent ces diffrentes perspectives, parfois au prix de
contradictions entre lobjet de la recherche tel quinitialement dfini, le dispositif de
recherche effectivement emprunt et le type de connaissances finalement gnres
(voir Charreire et Huault, 2001 ; Allard-Poesi, 2005). Ainsi, une fois lobjet de
recherche temporairement stabilis, il conviendrait den cerner les postulats et
dinterroger leur compatibilit avec le dispositif de recherche choisi. Ces interrogations
sont susceptibles non pas tant dassurer une cohrence illusoire entre les diffrentes
dimensions du projet de recherche, que de faire progresser la rflexion du chercheur
sur son dispositif mthodologique et son objet (Allard-Poesi, 2005).
2.1 Lobjet dans les perspectives ralistes
Pour les positivistes la ralit a une essence propre et nest pas

fondamentalement problmatique. On dispose de fait dun critre de vrit : sera
vrai un systme dcrivant effectivement la ralit. Par ailleurs, cette ralit est
rgie par des lois universelles : des causes relles existent, la causalit est loi de la
nature hypothse dterministe. Qui cherche connatre la ralit tentera donc de
dcouvrir les raisons simples par lesquelles les faits observs sont relis aux causes
qui les expliquent (Kerlinger, 1973).
Dans cette perpective, lobjet de recherche consiste essentiellement en une inter-
rogation objective des faits. Celle-ci se traduit par la mise lpreuve empirique
1. Lensemble des notions introduites ici sont dfinies et illustres plus avant dans le chapitre 1.
54
dhypothses thoriques pralablement formules1 (post-positivisme) ou la mise

jour de rgularits, et, en de, de mcanismes de causalit (positivisme). Le cher-
cheur laborera son objet de recherche partir de lidentification dinsuffisances
ou dincohrences dans les thories rendant compte de la ralit, ou entre les
thories et les faits (Landry, 1995), ce quAlvesson et Sandberg (2011) appellent
une strat-gie de gap-spotting. Les rsultats de sa recherche viseront rsoudre ou
combler ces insuffisances ou incohrences afin damliorer notre connaissance sur
la structure sous-jacente de la ralit (cf. la figure 2.4 et lexemple ci-aprs pour
une illustration de ce type dapproche).
Identification dincohrences, insuffisances dans les thories

et/ou entre les thories et les faits
Formulation dune question

=
Constitution de lobjet de la recherche
Pour
Dcouvrir la structure sous-jacente de la ralit
Figure 2.4 Construction de lobjet de la recherche dans lapproche positiviste
EXEMPLE Lobjet de recherche dans une perspective positiviste

Bourgeois (1990) tudie le lien entre le consensus sur les objectifs stratgiques et les moyens
mettre en uvre pour les atteindre au sein dune quipe dirigeante dune part, et la
performance de lorganisation dautre part : un consensus sur les objectifs atteindre est-il
une condition ncessaire pour avoir une organisation performante ? Ou au contraire : un
consensus fort sur les moyens mettre en uvre au sein de lquipe dirigeante suffit-il pour
atteindre un bon niveau de performance ? Cet objet de recherche mane de la confron-tation

de deux thories contradictoires de la formation de la stratgie : lapproche globale
rationnelle de la planification stratgique, qui suggre que les managers doivent tre dac-
cord sur certains objectifs atteindre pour mettre en uvre une stratgie ; lapproche poli-
tique incrmentale qui conoit au contraire que les conflits et lambigut sur les objectifs
stratgiques au sein dune quipe dirigeante permettent aux managers de les adapter leurs
contraintes et conditions locales. Lapproche incrmentale suggre donc dviter les oppo-
sitions sur les objectifs, et de rechercher plutt laccord sur les moyens mettre en uvre.
Par-del ces oppositions, Bourgeois remarque quaucune tude empirique ne plaide de
1. Cette interrogation des faits ne suppose pas ncessairement la mesure ou lobservation non participante de la
ralit tudie. Elle peut sappuyer, comme dans la recherche-action lewinienne ou lAction Science dArgyris et
al. (1985), sur le changement dlibr de la ralit sociale tudie, ce qui permettra dapprhender, par
lvaluation des effets des modifications introduites, les interdpendances entre les dimensions du systme social.
55
Partie 1 Concevoir
faon convaincante en faveur de lune ou lautre de ces thories. Lauteur se donne

donc pour objet dtudier plus avant le lien entre consensus sur les objectifs et/ou les
moyens mettre en uvre, et la performance de lorganisation.
Selon cette conception, la position de lobjet dans le processus de recherche est extrieure
lactivit scientifique en tant que telle : idalement, lobjet est indpendant du processus
ayant conduit le chercheur son laboration. Et cest lobjet qui, une fois labor, sert de
guide llaboration de larchitecture et la mthodologie de la recherche.
Quoique rejoignant les positivismes dans leur conception essentialiste du rel, le
ralisme critique soppose leur ftichisme des donnes, la confusion quils
oprent entre mise jour de rgularits et causalit, et leur non-reconnaissance du
rle du langage et des concepts dans les constructions sociales que sont les
organisations et les connaissances (voir Sayer, 2004 ; Fleetwood, 2004). Il dfend
une conception stratifie du rel selon laquelle, si les entits composant le rel (les
organisations but lucratif, le systme capitaliste) disposent de proprits
intrinsques, ces proprits sactualisent dans des relations particulires entre
entreprises, entre managers et salaris (relations de contrle et de rsistance par
exemple, i.e. le rel actualis) ; relations qui vont elles-mmes se manifester par
des vnements spcifiques (une grve par exemple, i.e. le rel empirique).
Lenjeu, ds lors, est de chercher, au travers de la comparaison de situations
structurellement proches mais se marquant par des vnements diffrents,
dexpliquer ces variations. Pour ce faire, le chercheur tentera de relier les relations
et schmas de comportements en de des observations, aux proprits des
structures profondes. Ainsi, plutt que de se limiter lobservation empirique de
rgularits de surface, la production de connaissance scientifique passe par la mise
jour de mcanismes et des structures de causalit qui gnrent les phnomnes
empiriques (voir Bhaskar, 1998 ; Sayer, 2004 ; Fleetwood, 2004).
EXEMPLE Lobjet de recherche dans une perspective raliste critique

Taylor et Bain (2004) sintressent aux comportements de rsistance dans les centres
dappel. Ils rejettent lide selon laquelle ces centres, au travers de la mise en place de
systme de surveillance lectronique et dun contrle troit du comportement et de la
performance, empcheraient tout comportement dopposition. Comparant deux tudes de cas
menes dans deux centres dappel similaires en termes dorganisation du travail et de
stratgie, les auteurs mettent en lumire des diffrences dans les relations entre managers et
employs, les attitudes de la direction lendroit des syndicats et leurs modes de
management. Ils constatent galement que si lhumour (se moquer des managers) constitue
un comportement frquent dans les deux centres dappel, il prend des formes beaucoup plus
acres et violentes contre le management dans un des centres (le rel empirique). Au travers
de lanalyse en profondeur des relations entre les managers et les employs (le rel
actualis), lobjet de la recherche est double : montrer quil existe des formes dopposition
dans ces organisations contrles, dune part ; mettre jour les mcanismes au travers
56
desquels les structures dorganisation et de pouvoir sous-jacentes sactualisent dans ces

relations managriales distinctes, relations qui se manifestent par des formes dhumour
plus ou moins corrosif.
2.2 Lobjet dans une approche interprtative
Pour le chercheur interprtatif, la ralit est essentiellement mentale et perue

hypothse phnomnologique , et le sujet et lobjet tudi sont fondamentalement
interdpendants hypothse dinteractivit (Schwandt, 1994). De par ces hypothses,
lobjectif du chercheur nest plus de dcouvrir la ralit et les lois la rgissant, mais de
dvelopper une comprhension (Verstehen) de cette ralit sociale. Le dveloppement
dun tel type de connaissances passe notamment par la comprhension des intentions et
des motivations des individus participant la cration de leur ralit sociale et du
contexte de cette construction, comprhension qui, seule, permet dassigner un sens
leurs comportements (Schwandt, 1994).
Ainsi, lactivit scientifique nest pas porte par un objet connatre extrieur
elle-mme (comme dans la perspective positiviste), mais consiste dvelopper une
comprhension de la ralit sociale quexprimentent les sujets tudis. Lobjet
dune recherche interprtative consiste apprhender un phnomne dans la
perspective des individus participant sa cration, en fonction de leurs langages,
reprsentations, motivations et intentions propres (Hudson et Ozanne, 1988).
La dfinition de lobjet de recherche suppose ds lors une immersion dans le
phnomne tudi (le changement organisationnel par exemple) et son observation
plus ou moins participante. Cette immersion et cette observation permettront de
dvelopper une comprhension de lintrieur de la ralit sociale, et en particulier
dapprhender les problmatiques, les motivations et les significations que les
diffrents acteurs y attachent.
Interaction
entre le chercheur Objet et les sujets tudis
Dveloppement
dune comprhension de la
ralit des sujets tudis
Figure 2.5 Construction de lobjet de la recherche dans lapproche interprtative
La construction de lobjet ne peut se limiter ici llaboration dune problmatique

gnrale dirigeant le processus de recherche et visant expliquer ou prdire la ralit.
Lobjet mane de lintrt du chercheur pour un phnomne et se prcise mesure que
57
Partie 1 Concevoir
sa comprhension, par lempathie et une adaptation constante au terrain, se

dveloppe. Ce nest finalement que lorsque le chercheur aura dvelopp une
interprtation du phnomne tudi quil pourra vritablement dfinir les termes de
son objet (cf. figure 2.5).
Il sagit bien entendu dune vision un peu simpliste et extrme de linterprtativisme.
Certains chercheurs disposent souvent, en effet, dune question relativement gnrale
qui va guider leurs observations avant dentamer leur recherche (cf. Silverman, 1993,
par exemple). Ce point est cependant difficile apprhender dans la mesure o la
plupart des recherches publies manant du courant interprtatif rpondent au standard
des revues nord-amricaines. Elles annoncent donc trs clairement lobjet de leur
recherche ds lintroduction de larticle, souvent en le positionnant par rapport aux
thories et courants existants (ce qui peut donner le sentiment dune structuration a
priori de lobjet comme dans une approche positiviste). Pour un exemple, on lira
larticle de Gioia et Chittipeddi (1991) publi dans le Strategic Management Journal
dont la recherche est dcrite ci-aprs.
EXEMPLE Lobjet de recherche dans une perspective interprtative
Gioia et Chittipeddi (1991) se donnent initialement pour projet de recherche de proposer

un cadre de comprhension alternatif de linitiation du changement . Pour ce faire, ils
mnent une tude ethnographique pendant deux ans et demi dans une universit amri-caine
au sein de laquelle un nouveau prsident a t nomm. Lquipe menant la recherche est
compose de deux chercheurs, dont lun participe au comit de planification strat-gique qui
initie le changement, lautre restant en dehors du processus mais collaborant lanalyse des
donnes. Le chercheur-participant collecte diffrentes informations au cours de ces deux ans
et demi. Il mne des entretiens libres avec les personnes impliques dans le changement
stratgique, tient un journal quotidien o il rend compte de ses observations et collecte des
documents internes relatifs au changement tudi. Sappuyant sur ces don-nes, le chercheur
ralise ensuite une analyse de premier niveau consistant rdiger une tude narrative partir
de sa vision de ce qui se passe et de celle des autres informateurs. Cette analyse met en avant
les grands thmes communs aux diffrents informateurs et conduit le chercheur distinguer
quatre phases dans le processus dinitiation du change-ment. Lanalyse de second niveau
consiste essayer de comprendre cette dynamique en caractrisant les diffrentes phases du
processus au travers de grands thmes. Elle suggre que le processus dinitiation du
changement soit un processus qui met en uvre des dyna-miques de construction dun cadre
permettant aux parties prenantes de comprendre le changement (sensemaking) dune part, et
des phases dinfluence des cadres danalyse dvelopps par les autres participants aux
changements (sensegiving) dautre part. Ce processus suppose la cration dune ambigut
au sein de lorganisation par le prsident alors quil initie le changement. Lobjet de la
recherche se trouve peu peu prcis et dfini in fine par la question suivante : Quelle est
la nature du changement stratgique et quel est le rle du dirigeant dans ce processus ?
58
2.3 Lobjet dans une approche constructiviste ingnierique
Pour le chercheur constructiviste, toute ralit est construite. Elle est cre par le
chercheur partir de sa propre exprience, dans le contexte daction et
dinteractions qui est le sien : observations et phnomnes empiriques sont le
produit de lactivit cognitive des acteurs : ce quils isolent et interprtent partir
de leurs expriences (von Glaserfeld, 2001). Donnes, lois ou objets extrieurs
nexistent pas indpendamment de lactivit de connaissance des sujets : ontologie
et pistmologie sont imbriques (Segal, 1986 ; von Glaserfeld, 2001). La
connaissance construite est une connaissance la fois contextuelle et relative mais
surtout finalise : elle doit servir le ou les objectifs contingents que le chercheur
sest fix(s) ; elle est value en fonction de ce quelle atteint, ou non, ce ou ces
objectifs, cest--dire suivant les critres dadquation ou de convenance (Von
Glaserfeld, 1988) dune part, et de faisabilit dautre part (Le Moigne, 1995).
Construire son objet, dans cette perspective, cest laborer un projet finalis (Le
Moigne, 1990 ; David, 2000 a et b). Ce projet est issu dune volont de
transformation des modes de rponses traditionnelles dans un contexte donn
(modes daction, de pense).
En sciences de gestion, parce que la recherche vise produire des connaissances
opratoires, utiles et pertinentes pour laction (actionnables, Chanal et al., 1997),
cette volont de transformation se traduit souvent par un projet dlaboration de
modles (dans les recherches-action ingnieriques notamment, Chanal et al., 1997 ;
Claveau et Tannery, 2002) et/ou doutils de gestion (dans la recherche-
intervention, notamment David, 1998 ; Moisdon, 1997). Dans ce cadre, lobjet doit
cristalliser les proccupations thoriques du chercheur et rpondre aux problmes
pratiques des membres de lorganisation tudie, et son laboration procde dun
vritable processus de construction avec les acteurs de terrain ; on parle alors de
co-construction (Allard-Poesi & Perret, 2003).
Volont de transformation des modes de rponse traditionnels

Construction
laboration dun projet dune reprsentation instrumentale
du phnomne tudi
et/ou d'un outil de gestion
Figure 2.6 Construction de lobjet dans lapproche constructiviste
59
Partie 1 Concevoir
Comme pour la recherche interprtative, lobjet dune recherche constructiviste

ne trouve sa forme dfinitive qu la fin de la recherche. Toutefois, le processus
dlaboration de lobjet constructiviste est guid par le projet que le chercheur sest
initialement donn (Marchal, 2006a) ou quil a initialement construit avec les
acteurs de terrain (Claveau et Tannery, 2002). La dimension tlologique,
intentionnelle de larchitecte constructiviste est ici trs prgnante (cf. Allard-Poesi
et Perret, 2003), ce qui nest pas le cas dans une approche interprtative dans
laquelle cette vise transformatrice est absente.
EXEMPLE Lobjet de la recherche dans une perspective constructiviste
Marchal (2006) a pour objet de comprendre et dcrire les dynamiques de rflexion et de

construction de la connaissance de consultants en management dans le contexte de leur
travail quotidien, au moyen dune investigation ethnographique. Pour cette recherche, le
constructivisme a t choisi la fois comme cadre thorique et comme paradigme dinves-
tigation. Ce travail de thse propose une synthse conceptuelle des hypothses ontologiques
et pistmologiques du paradigme constructiviste ainsi quune rflexion sur les cons-
quences mthodologiques et thiques de son interprtation. Un design mthodologique
constructiviste spcifique est construit. Celui-ci est double. Il inclut la fois : 1) la spcifi-
cation des choix mthodologiques relatifs lobservation et linterprtation des phno-
mnes (i. e. les systmes observs), et 2) une interprtation rflexive et la reconstruction du
processus subjectif de choix du chercheur sous-tendant lapproche mthodologique utilise
(i. e. le systme observant). Linterprtation des donnes met en vidence la dimension
mthodologique et collective de lactivit de connaissance dans le conseil en management. Il
souligne galement les fondements de lexpertise et la valeur de lintervention de conseil au
travers dune comparaison de lactivit de conseil et de lactivit de recherche.
2.4 Lobjet de recherche dans une perspective postmoderne
Le courant postmoderne, en soulignant le rle fondamental du langage dans notre

exprience du monde, embrasse une conception anti-essentialiste du rel et une vision
relativiste de la connaissance. Parce que constitu dun flux continu dinteractions et
dune myriade de micro-pratiques enchevtres, le monde social est fondamentalement
disparate, fragment, indtermin, rendant toute saisie de quelque structure ou loi sous-
jacente illusoire (Chia, 1995). Nos reprsentations du monde, parce que constitues
avant tout au travers des dichotomies qui composent le langage (ordre/dsordre,
petit/grand, masculin/fminin, etc.), impose un ordre sur ce monde indcidable, crant
une illusion de contrle. Le langage est toutefois anim par un mouvement continu li
aux oppositions et contradictions qui le composent (i. e. pour concevoir petit , nous
faisons rfrence grand , mais excluons en mme temps ce terme). Les processus
au travers desquels nous crivons le monde (en cherchant le connatre, en mettant en
place des formes dorganisation
60
par exemple) sont ainsi eux-mmes marqus par un mouvement continu qui nous
chappe en grande partie (Cooper, 1989).
Dans cette perspective, la recherche scientifique, en ce quelle sappuie au moins
en partie sur le langage et les systmes dopposition quil vhicule, relve moins de
la dcouverte de lordre du monde que de lcriture de cet ordre. Lenjeu, ds lors,
pour le chercheur, est dapprocher toute forme de reprsentation avec suspicion, de
renoncer toute forme dautor(eur)it et de mettre jour la fiction que constitue ce
qui nous apparat comme ordonn, quil sagisse de lorganisation elle-mme ou
des connaissances que nous laborons sur celle-ci (voir Allard-Poesi et Perret,
2002, pour une revue ; Linstead, 2009). Lindcidabilit est souvent rcrite,
rordonne ou forclose par lexercice du pouvoir. Lanalyse des systmes de
reprsentation (qui sont fonds sur la construction de diffrences et donc
dingalits) est donc la fois politique et thique. Lobjet de recherche consiste
ainsi dvoiler les processus dcriture du monde et les relations de pouvoir qui les
animent en vue dempcher toute clture dfinitive du sens (voir figure 2.7).
Mettre jour les processus dcriture dun

ordre luvre dans les organisations et
les connaissances
Empcher la clture du sens
Figure 2.7 Construction de lobjet dans une approche postmoderne
EXEMPLE Lobjet de recherche dans une perspective postmoderne

Notant que Disney, probablement la plus grande organisation de narration au monde, sest
construit une histoire cohrente et valorisante delle-mme et de son rle dans la socit,
Boje (1995) se donne pour objet de rvler lenchevtrement narratif qui sous-tend la sim-
plicit de surface du discours officiel. Empruntant la mthode dconstructive de Derrida, il
mne une critique des archives officielles de lentreprise en sappuyant sur des enregis-
trements ou des mmoires non officiels. Son objectif est didentifier les lignes dinterprta-
tion et de sens qui se sont trouves exclues et masques derrire la lgende du monde f-
rique de Disney. Boje est ainsi en mesure de mettre jour un ct plus sombre de lhistoire
de lentreprise, impliquant une varit de rcits concurrents, subversifs, dont le sens se
transforme en fonction du contexte ou du point de vue partir duquel ils sont noncs
(nouveau ou ancien management, par exemple). Lanalyse rvle une multiplicit et une
fragmentation qui dtonent avec le monolithisme du discours officiel.
61
Partie 1 Concevoir
La nature de lobjet et son processus dlaboration dpendent ainsi

fondamentalement de la nature de la connaissance vise par le chercheur et de la
vision de la ralit quil porte. Indpendamment de ses postulats pistmologiques,
le chercheur peut concrtement partir de diffrents points de dpart (des thories,
des mthodologies, un problme concret, une opportunit de terrain) pour laborer
son objet de recherche. Dans ce processus, il nobira sans doute pas une
dynamique linaire et prtablie. Nous prsentons et illustrons ici les points de
dpart qui nous semblent les plus frquents pour construire lobjet avant de
souligner quelques difficults et piges dans ce processus.
section
2 LEs VOIEs DE COnsTRuCTIOn DE LOBjET
1 Les diffrents points de dpart
Le chercheur peut ainsi utiliser diffrents points de dpart pour laborer son objet
: des concepts, des thories, des modles thoriques portant sur le phnomne quil
souhaite tudier, des outils, des approches mthodologiques, des faits observs au
sein des organisations, une opportunit de terrain, ou encore un thme gnral
dintrt. Il peut aussi croiser ces diffrents points de dpart. tudier une
problmatique classique avec une nouvelle approche mthodologique, appliquer
une thorie un nouveau phnomne, rinterroger des thories en regard de
problmes rencontrs par les gestionnaires, sont ainsi autant de voies
envisageables pour laborer un objet de recherche.
1.1 Des concepts, des thories, des modles thoriques
En premier lieu, un regard critique loccasion de la lecture de travaux de

recherche peut faire merger un certain nombre de contradictions, lacunes ou
insuffisances conceptuelles au sein du corpus thorique. Des construits
folkloriques, des insuffisances thoriques de certains modles, des positions
contradictoires entre chercheurs, lhtrognit des dmarches, des concepts ou de
leurs contextes dtude, sont autant de brches et donc dopportunits pour
construire un objet de recherche.
Un grand nombre dauteurs sont partis dinsuffisances des thories existantes sur un
phnomne (cf. lexemple ci-aprs) ou encore de la confrontation de deux cadres
thoriques explicatifs contradictoires dun mme phnomne pour construire leur objet
de recherche. ce propos, les articles de synthse sur un thme ou un concept
particulier sont souvent de prcieuses bases pour fonder des problmatiques.
62
EXEMPLE Partir des thories existantes

Dans un article relativement ancien, Steers (1975) passe en revue dix-sept modles de
lefficacit organisationnelle (quil dfinit comme lefficacit avec laquelle une organisation
acquiert et utilise ses ressources au sein dun environnement organisationnel). Il propose une
synthse des insuffisances de ces modles quil a regroups autour de huit problmes. Le
point de dpart de cette rflexion est une constatation des lacunes de la littrature propos
de la dfinition de lefficacit organisationnelle : le concept est rarement dfini mme
lorsquune rfrence expresse y est faite. Bien que lauteur ne choisisse pas explici-tement
une perspective nouvelle pour ltude de ce phnomne, ses questions et remarques sur
diffrentes dimensions du concept sont autant dangles dattaques pour de nouvelles
problmatiques et de nouvelles recherches.
Par exemple, on peut imaginer que, suite au travail de Steers, on envisage dlargir le
concept defficacit organisationnelle pour y introduire une dimension sociale, souvent
occulte au sein des travaux thoriques. La recherche visera alors rpondre la
question suivante : Quelle est la dimension sociale de lefficacit organisationnelle ?
Au-del de la dtection dinsuffisances ou de contradictions dans les thories ou

les dfinitions de concepts existantes, utiliser une thorie ou une perspective
thorique pour tudier dautres phnomnes que ceux auxquels elle a t jusquici
applique peut galement constituer une base intressante pour laborer son objet
de recherche. On peut enfin, plus simplement, faire le choix de tester certains
principes thoriques dj labors qui nont pas encore t mis lpreuve
empiriquement de faon convaincante (cf. la recherche de Bourgeois, 1990).
1.2 une mthodologie
Si la plupart des objets de recherche trouvent leur gense dans des rflexions
thoriques et conceptuelles en sciences de gestion, les outils ou approches
mthodologiques utiliss par la recherche peuvent galement constituer des points
de dpart intressants. Trois possibilits soffrent ici au chercheur. En premier lieu,
lobjet peut consister interroger des outils ou approches mthodologiques

existants, en identifier les limites et tenter den proposer de nouveaux : proposer un
nouvel outil de mesure de la performance, une nouvelle mthodologie danalyse
des discours, un nouvel outil daide la dcision (voir les travaux de Cossette,
1994 ; Eden et al. 1983 sur la cartographie cognitive), par exemple.
Plus marginalement emprunte, la deuxime voie possible consiste analyser en
profondeur la conception de lorganisation ou de lindividu que porte une mthode
de collecte ou danalyse des donnes en vue de mettre en lumire la contribution de
la mthode elle-mme aux connaissances qui seront labores et den souligner les
points aveugles.
63
Partie 1 Concevoir
EXEMPLE Analyser la construction quopre une mthode de recherche

Allard-Poesi et Hollet-Haudebert (2012) se donnent pour objet de circonscrire les traits de
lindividu que construisent et vhiculent les mthodes scientifiques de mesure de la
souffrance au travail. Sappuyant sur une conception foucaldienne du savoir scientifique,
elles considrent que ces instruments de mesure, en ce quils permettent de voir la
souffrance, contribuent, au mme titre que les thories et discours, la constitution dun
savoir sur la souffrance au travail. Les items de 7 chelles de mesure les plus couramment
utilises dans la recherche scientifique sont recenss et analyss qualitativement pour mettre
jour les caractristiques des individus sous-tendus par ces instruments. Par-del leurs
spcificits, les chelles de mesure de la souffrance analyses se rejoignent dans la
conception dun individu comptable, rationnel, entretenant un rapport essentiellement passif
et transactionnel au monde. Ces rsultats appellent chercheurs et professionnels de la gestion
des risques psychosociaux la prudence dans lutilisation de ces instruments et
linterprtation des rsultats des enqutes les empruntant.
La troisime voie possible est denvisager une problmatique thorique dj

aborde dans dautres recherches par le biais doutils nouveaux, ou dune nouvelle
approche mthodologique (ltude de cas, par exemple, alors que les recherches
antrieures ont surtout eu recours des mthodes denqute par questionnaire).
Dans ce cas, cependant, le chercheur devra mener une rflexion mthodologique et
thorique afin de justifier le choix de lobjet et montrer son intrt. Il devra
notamment valuer sa contribution potentielle la discipline (i.e. quapporte
lapproche mthodologique choisie et le regard quelle implique ?). Le chercheur
doit sinterroger galement sur lensemble des postulats pouvant restreindre
lutilisation de la mthode choisie (certains prsupposs thoriques notamment).
EXEMPLE Aborder une problmatique classique avec une mthodologie nouvelle
Clarke (2011) tudie le rle des symboles visuels dans la dmarche de financement
dentrepreneurs. Cette recherche, dveloppe dans le cadre dune thse de doctorat, sappuie
sur la littrature portant sur le rle du langage comme moyen de reprsentation symbolique
des activits entrepreneuriales. Mais elle dploie une mthodologie nouvelle, lethnographie
visuelle, mthodologie qui permet dapprhender comment les entrepreneurs utilisent leur
environnement visuel et matriel, leur apparence et leur tenue vestimentaire ou des objets
divers, pour tayer leurs stratgies de persuasion lors dinteractions avec dimportants
partenaires ou investisseurs potentiels. Lauteur a suivi et film quotidiennement trois
entrepreneurs aux premiers stades du dveloppement de leurs activits durant un mois, tout
en les interrogeant sur les choix oprs durant leurs interactions avec des tiers. La
comparaison de ces trois cas permet didentifier diffrents types dactivits : la dissimulation
ou lexposition dlments visuels pour dfinir un environnement de travail ; la projection
dune identit professionnelle au travers de lhabillement ; le recours aux lments visuels
comme moyen de rgulation motionnelle et de cration dune image favorable de leurs
activits lors de ngociations.
64
1.3 un problme concret
Les difficults des entreprises et les questions des managers peuvent tre des
points de dpart privilgis pour la recherche en sciences de gestion (cf. exemple
ci-aprs). Une problmatique construite sur cette base permet davoir un ancrage
managrial intressant.
EXEMPLE Partir dun problme concret

Amit et Schoemaker (1993) montrent en quoi la reformulation dun problme classique en
des termes nouveaux partir de faits concrets permet llaboration de nouveaux types de
rponses. Si de nombreuses thories ont essay dexpliquer la performance ou la position
des entreprises sur les marchs, il leur semble quelles ne rpondent pas la bonne ques-
tion. Ces deux auteurs sappuient sur les questions concrtes des gestionnaires pour fonder
leur problmatique de recherche : Pourquoi certains clients nous achtent nos produits alors
que dautres ne le font pas ? Pourquoi notre entreprise est-elle performante financire-ment ?
Grce cette dmarche, ils reformulent le problme du succs sur les marchs en ces termes
: Quest-ce qui nous distingue des autres et nous rend unique ? Prenant appui sur cet
objet, ils proposent une perspective non plus fonde sur lanalyse de la position
concurrentielle de la firme mais sur celle de ses ressources. En conclusion de leur article, ils
substituent notamment les notions de facteurs stratgiques sectoriels et dactifs strat-giques
celle, classique, de facteur cl de succs.
En particulier, le choix dune dmarche de recherche-action implique ncessairement

dancrer lobjet de recherche dans un problme concret1. Dans la ligne de la recherche
de Lewin (1946), tout projet de recherche-action est en effet issu dune volont de
rsoudre un problme concret, de transformer une situation vcue comme tant
problmatique par les acteurs en une situation plus favorable : Comment augmenter
la consommation dabats en temps de guerre, alors que la population amricaine
rechigne consommer ces bas morceaux ? Comment faire en sorte que les jeunes
mamans donnent du jus dorange et de lhuile de foie de morue leurs nourrissons afin
de lutter contre le rachitisme et favoriser le dveloppement des enfants ? Comment

accrotre la production dans les usines (Lewin, 1947 a et b) ?
La transformation de ce problme initial en objet de recherche emprunte cependant
des chemins varis en fonction de la nature des connaissances et du changement viss
dans lapproche de recherche-action choisie par le chercheur (Allard-Poesi et Perret,
2003). Par exemple, la recherche-action Lewinienne et lAction Science dArgyris et al.
(1985), visent principalement dcouvrir la ralit et les mcanismes potentiellement
universels qui y sont luvre, conformment lidal positiviste.
1. La recherche-action peut se dfinir comme une mthode de recherche dans laquelle il y a action dlibre
de transformation de la ralit . Les recherches associes cette mthode ont un double objectif : transformer la
ralit et produire des connaissances concernant ces transformations (Hugon et Seibel, 1988 : 13).
65
Partie 1 Concevoir
Le problme initial est alors traduit en une problmatique thorique dtermine

sexprimant sous forme dhypothses que lintervention permettra de soumettre
lpreuve du test. La recherche-intervention et la recherche ingnierique ont
principalement pour objectif, conformment lidal constructiviste, de construire
une ralit nouvelle, mergente, sous la forme de reprsentations et/ou doutils de
gestion actionnables (Chanal et al., 1997 ; David, 2000a). Lobjet procde alors
dune co-construction avec les acteurs de terrain. Larticulation proccupations
thoriques/pratiques pose cependant de nombreux problmes qui peuvent tre
difficiles surmonter pour un chercheur dbutant (cf. exemple ci-dessous).
EXEMPLE Construire collectivement lobjet de la recherche
Au travers dune recherche-action visant laborer un projet stratgique pour une

associa-tion, Allard-Poesi et Perret (2004) prsentent et illustrent les difficults
concrtes dune dmarche de construction collective dun problme rsoudre.
Cette recherche sest droule dans une association dpartementale daide lenfance en
difficult ou en danger (A.D.S.E.), comprenant 160 salaris et dote dun budget annuel de 9
millions dEuros. Sappuyant sur 12 journes de runion collective sur deux ans, des travaux
individuels et de groupe, cette intervention avait pour objectif daider le directeur et les
cadres de lassociation (4 directeurs dtablissement, 12 chefs de services et les responsables
de la gestion financire et du personnel) laborer un projet stratgique pour lassociation.
Loin de prendre fin avec laccord du directeur gnral sur la proposition dlaboration du
projet stratgique, la question du problme rsoudre sest pose tout au long du
processus de recherche. Le projet stratgique apparat ici tout la fois comme une solution
au problme initialement formul par le directeur gnral, mais aussi comme un processus
rvlateur de la construction collective du problme rsoudre.
La recherche souligne ainsi quune telle dmarche est susceptible daffronter trois
grands types de difficult :
Lambivalence du dirigeant : pour lui, la fonction stratgique est en panne et il
sagit que les cadres de lassociation se lapproprient ; il ne faut cependant pas remettre
en cause les projets existants car la fonction stratgique simpose aux cadres .
La diversit des reprsentations du problme : les cadres saccordent pour considrer
le centralisme de la direction gnrale comme le problme central de lassociation, mais
ils envisagent de manire contradictoire les moyens de rsoudre ce problme.
Lvolution des reprsentations du problme au cours du temps : lintervention aidera
le groupe prendre en charge llaboration du projet stratgique. Quelques mois aprs
la fin de lintervention cependant, le projet est arrt. Le directeur gnral diagnostique
un pro-blme doutillage mthodologique et un manque de maturit du groupe.
Suivant ici Landry (1995), les auteurs soulignent que lapprentissage et la matrise de
tels projets de recherche supposent de documenter les processus dlaboration collective
du problme rsoudre et les difficults quil affronte.
66
1.4 un terrain
Certains chercheurs commencent leurs investigations avec un terrain dtude en

poche. Ceci est notamment le cas dans le cadre de conventions de recherche avec
les entreprises : le chercheur et lentreprise se sont entendus sur un sujet de
recherche assez gnral pour lequel il faut dfinir des modalits plus prcises. La
construction dune problmatique sera alors souvent influence par un certain
nombre de considrations dordre managrial.
Dans le cas de recherches trs inductives, et relevant, par exemple, dune
approche interprtative (Gioia et Chittipeddi, 1991), le chercheur part souvent avec
une question trs large et un terrain de recherche. Son objet de recherche va
vritablement merger mesure que sa sensibilit et sa comprhension du contexte
se prcisent (cf. 1.2). Le fait de partir sans problmatique prcise sur un terrain
dtude peut cependant prsenter des inconvnients.
1.5 un domaine dintrt
De nombreux chercheurs sont naturellement ports vers ltude dun thme

particulier. Cependant, sintresser un domaine ne constitue pas un objet en
tant que tel. Le thme qui intresse le chercheur devra donc tre raffin, prcis et
soumis lpreuve de thories, mthodologies, intrts managriaux ou
opportunits de terrain qui soffrent lui, pour constituer une interrogation qui
portera sa recherche : quelles sont les lacunes thoriques dans le domaine choisi,
quels sont les concepts frquemment abords, quelles sont les mthodes utilises,
peut-on en concevoir dautres, quelles sont les proccupations des managers dans
ce domaine, quel peut tre lapport du chercheur ce sujet, quelles sont les
opportunits de terrain qui soffrent au chercheur ?
EXEMPLE Partir dun domaine dintrt

Sgourev (2013) fait le choix original danalyser de manire inductive le dveloppement

du cubisme, mouvement artistique davant-garde du dbut du xxe sicle. Lobjectif est
davan-cer un nouvel clairage thorique sur les innovations radicales. Il se donne pour
objet de rpondre la question suivante : comment linnovation radicale est-elle
possible lorsque les acteurs priphriques, qui sont les plus mme davoir des ides
innovantes, sont mal positionns pour les promouvoir ? Sgourev (2013) met en
vidence que le dveloppement du cubisme ne peut tre expliqu de manire
satisfaisante au moyen des thories sur linno-vation. Il propose un modle thorique
qui reconsidre les relations centre-priphrie au sein des rseaux dacteurs, en
soulignant leur fragmentation ainsi que le rle de lambi-gut.
67
Partie 1 Concevoir
2 De la difficult de construire son objet
Par-del les quelques points de dpart prcdemment voqus, il nexiste pas de

recettes pour dfinir un bon problme de recherche, ni de voies royales pour y
parvenir. Ce dautant, nous lavons vu, que des chercheurs appartenant des
paradigmes pistmologiques diffrents ne dfiniront pas de la mme faon ce
quest un bon problme de recherche. Nous avons nanmoins tent de fournir
au chercheur un certain nombre de pistes et de mises en garde.
2.1 savoir dlimiter son objet de recherche
En premier lieu, le chercheur doit sefforcer de se donner un objet prcis et concis

qualit de clart. En dautres termes, la formulation de la problmatique de recherche
ne doit pas prter des interprtations multiples (Quivy et Campenhoudt, 1988). Par
exemple, la question Quel est limpact des changements organisationnels sur la vie
des salaris ? est trop vague. Quentend-on par changements organisationnels ?
Sagit-il de changements dans la structure ? Dans la stratgie de lentreprise ? Dans les
processus de dcision ? Quivy et Campenhoudt (1988) conseillent ici au chercheur
de prsenter son objet de recherche un petit groupe de personnes et de les inviter
ensuite individuellement exprimer ce quelles en ont compris. Lobjet sera dautant
plus prcis que les interprtations convergent et correspondent lintention de lauteur.
Une question prcise ne veut pas dire que le champ danalyse quelle implique soit
restreint lobjet peut ncessiter un travail dinvestigation empirique ou thorique trs
vaste , mais que sa formulation soit univoque. On vitera donc aussi les questions trop
longues ou embrouilles qui empchent de percevoir clairement lobjectif et lintention
du chercheur. En somme, puisque lobjet de la recherche porte le projet du chercheur et
lui sert de fil conducteur, sa formulation doit tre suffisamment claire pour remplir
cette fonction.
En second lieu, le chercheur dbutant ou disposant de ressources en temps et de
moyens limits devrait sefforcer de se donner un objet relativement restreint : Je dis
souvent mes tudiants que leur objectif est de dire beaucoup sur un petit problme
[] Cela vite de dire peu sur beaucoup [] Sans tre forc de dfinir et tester
chaque lment de lanalyse (Silverman, 1993 : 3). Sinon, il risque de se retrouver
avec une masse dinformations thoriques et/ou empiriques (sil a dj entam son
travail de terrain) devenant rapidement ingrables et qui rendront la dfinition de
lobjet plus difficile encore ( Quest-ce que je vais faire avec tout a ? ). En dautres
termes, lobjet de la recherche doit tre raliste, faisable, cest--dire en rapport avec
les ressources personnelles, matrielles et techniques dont on peut demble penser
quelles seront ncessaires et sur lesquelles on peut raisonnablement compter (Quivy
et Campenhoudt, 1988 : 27). Cette dimension est moins problmatique si le chercheur
dispose de moyens humains et en temps importants (cf. Gioia et Chittipeddi, 1991).
68
Se donner un objet relativement restreint et clair permet in fine dviter ce que

Silverman (2006) appelle une approche trop touristique . Il dsigne par l les
dfauts des recherches qui partent sur le terrain sans objectifs, thories ou hypothses
prcisment dfinis et qui vont porter trop dattention aux vnements sociaux, aux
phnomnes ou activits qui paraissent nouveaux, diffrents. Le danger de cette
approche touristique des choses est de survaluer les diffrences culturelles ou
sous-culturelles et doublier les points communs et similarits entre la culture tudie
et celle laquelle on appartient. Un chercheur qui sintresserait au travail du dirigeant
et ne relverait que ses interventions spectaculaires oublierait par exemple les aspects
quotidiens et routiniers de son travail, aspects non moins intressants et instructifs.
Pour clarifier et restreindre son objet de recherche, le chercheur peut prciser au fur
et mesure de son travail dinvestigation thorique ou empirique les termes de son
objet. Sil est initialement intress par un domaine (lapprentissage organisationnel), il
formulera une question initiale large (quels sont les facteurs de lapprentissage
organisationnel ?). Puis il restreindra cette question un cadre ou un domaine (quels
sont les facteurs dapprentissage dans le cadre des processus de planification
stratgique ?) et/ou encore prcisera le domaine conceptuel qui lintresse (quels sont
les facteurs cognitifs ou structurels dapprentissage organisationnel dans le cadre des
processus de planification stratgique ?), par exemple. Linvestigation, tant du point de
vue thorique (revue de la littrature), quempirique (tude de terrain), sen trouvera
alors guide, et par l mme, facilite.
linverse, il faut aussi viter de senfermer trop tt dans un objet trop restreint.
Lobjet imposant un cadre ou des conditions trop difficiles runir, les possibilits
dinvestigation empirique peuvent en effet se trouver fortement rduites. Si le
chercheur se focalise trop tt sur un objet prcis, il peut se fermer de nombreuses
opportunits de recherche susceptibles de donner de lampleur son objet. Il risque
aussi une perte dintelligence du contexte dans lequel le phnomne tudi prend place.
Girin (1989 : 1-2) parle ici dopportunisme mthodique . la limite , souligne-t-
il, lintrt du programme systmatique rside justement dans les entorses quon lui
fait. Dans le domaine de la recherche en gestion et les organisations, il est clair que les
vnements inattendus et dignes dintrt sont propres bouleverser nimporte quel

programme, et que la vraie question nest pas celle du respect du programme, mais
celle de la manire de saisir intelligemment les possibilits dobservation quoffrent les
circonstances. De faon similaire, le chercheur peut restreindre trop fortement son
objet alors que celui-ci a encore fait lobjet de peu dtudes empiriques et thoriques.
Dans ce cas, le chercheur se trouvera relativement dmuni pour entamer son travail de
terrain, nayant que peu dlments sur lesquels sappuyer. Et il devra sans doute
redfinir son objet en faisant un travail thorique exploratoire en amont de lobjet
initial quil sest donn.
Lquilibre trouver entre un objet trop large, impossible tudier, et un objet trop
restreint fermant des opportunits dtude, apparat ici difficile trouver. Cest sans
69
Partie 1 Concevoir
doute une des difficults majeures laquelle sera confront le chercheur lorsquil
entamera une recherche.
2.2 Connatre les prsupposs que peut cacher son objet
Par-del ces qualits de clart et de faisabilit, lobjet doit possder des qualits
de pertinence . Quivy et Campenhoudt (1988) dsignent par l le registre
(explicatif, normatif, moral, philosophique) dont relve lobjet de recherche.
Dans leur acception classique (positiviste et parfois interprtative ou
constructiviste), les sciences sociales nont pas pour objet principal de porter un
jugement moral sur le fonctionnement des organisations (mme si un objet de
recherche peut tre inspir par un souci dordre moral). Lobjet de la recherche
porte une intention comprhensive et/ou explicative, ou prdictive les objectifs de
la science-, et non moralisatrice ou philosophique.
Ladoption dune posture orthodoxe nexonre cependant pas le chercheur dune
interrogation quant aux valeurs et postulats quimplique, dans ses termes, lobjet que le
chercheur se donne (outre les postulats pistmologiques que nous avons
prcdemment voqus). En sciences de gestion, certains objets sont empreints de
lide de progrs ou damlioration de la performance organisationnelle. Linfluence
des modes, des idologies managriales et conomiques sur le choix et la conception
dun objet nest galement pas ngliger. Ainsi, la question comment amliorer
lapprentissage organisationnel ? , peut sous-tendre le postulat que lapprentissage
amliore lefficacit de lorganisation ou encore le bien-tre de ses salaris. Pourquoi
supposer que les organisations doivent apprendre, quelles doivent disposer dune
culture forte, que lenvironnement change davantage quauparavant, que lcoute et le
consensus favorisent le fonctionnement dune organisation ? Ces postulats renvoient-
ils une ralit ou sont-ils lexpression de nos valeurs et modes de pense actuels, ces
principes remplaant ceux de lorganisation scientifique du travail des annes vingt.
Silverman (1993) appelle ici exercer une sensibilit historique et politique, afin de
dtecter les intrts et motivations en de des objets que lon se donne, mais aussi de
comprendre comment et pourquoi ces problmes mergent.
De leur ct, les traditions critiques en sciences sociales (quelles sinspirent de lEcole
de Frankfort, des travaux de Foucault ou du postmodernisme 1) considrent toutes leur
manire que les processus de construction des connaissances sinscrivent dans des
contextes et pratiques socio-discursifs et participent, sans que le chercheur en ait toujours
conscience, par les connaissances cres, de leur lgitimation et reproduction. Il sagit ds
lors dexercer des formes de reflection et rflexivit, cest--dire dinterroger la relation
complexe existant entre les processus de construction de connaissance, les contextes
(discursifs, thoriques, pistmiques, sociaux, politiques)
1. Pour une introduction sur ces diffrentes traditions en sciences sociales et en management, leurs sources et
diffrences, on pourra se reporter Alvesson et Skldberg, 2009 ; Alvesson et Deetz, 2000.
70
au sein desquels ils prennent place, et le rle du ou des acteurs impliqus (Alvesson et
Skldberg, 2000 ; Johnson & Duberley, 2003). Cette rflexivit prendra des formes
varies, en fonction de lapproche critique quemprunte le chercheur : Explorer
systmatiquement, suivant ici Bourdieu (1997), les catgories implicites sous-tendant
une pense et des pratiques collectives (dont celles de recherche), pour dvoiler les
mcanismes de reproduction et les rapports de pouvoir dont elles participent
(Golsorkhi et Huault, 2006) ; Analyser les contradictions et consquences pratiques en
termes dalination ou de prtention la scientificit des pratiques et discours
dominants pour proposer dautres formes de pratiques ou discours, suivant ici tout la
fois la tradition de la critique sociale et le courant postmoderne (Alvesson et
Skldberg, 2000) ; Ou encore apprcier linfluence de la subjectivit ou de
lintentionnalit du chercheur dans la construction de lobjet de recherche, suivant l
une dmarche constructiviste (Marchal, 2006b).
Indpendamment de sa sensibilit ainsi, le processus de construction de lobjet de
recherche appelle le chercheur, suivant ici Foucault (in Deleuze, 1986 : 70), penser
autrement que ce que nos pratiques de recherche nous donnent voir et dire.
Pointant les limites des pratiques du gap-spotting dans les articles publis dans
les grandes revues anglo-saxonnes, Alvesson et Sandberg (2011) suggrent des pistes
pour aider le chercheur sinscrire dans une dmarche de problmatisation.
EXEMPLE sinscrire dans une dmarche de problmatisation : les tapes
Alvesson et Sandberg (2011) partent du constat que cest en remettant en cause les
postulats sous-jacents des thories en vigueur que le chercheur peut aller au-del dune
contribution incrmentale aux travaux existants. Pour ce faire, ils suggrent une
dmarche de problmatisation comportant six tapes :
1. Identifier dans un champ de littrature, les principaux courants, contributions et dbats.
2. Dfinir et articuler les postulats ou prsupposs des thories en vigueur. Par exemple,
les auteurs notent quun seul postulat est mis en avant par Dutton et al. (1994) dans
leur article sur lidentit, cependant que de nombreux arguments sappuient sur des
hypo-thses implicites que lon pourrait expliciter.

3. Apprcier les postulats. Alvesson et Sandberg comparent chaque postulat de la
littrature afin dapprcier leur complexit ou clart/ambigut relative.
4. Dvelopper des postulats diffrents. Ici, les auteurs proposent de sortir du cadre
thorique initial et de mobiliser des traditions de recherche diffrentes pour proposer
une interpr-tation renouvele des phnomnes tudis. Lorsque la ou les thories
initialement mobi-lises sinscrivent dans une tradition de recherche interprtative, le
chercheur pourra, par exemple, mobiliser une lecture poststructuraliste, ou encore
critique, dans la tradition de lcole de Francfort.
5. Identifier le ou les auditoire(s) privilgi(s) des thories et postulats initiaux.
6. valuer les nouveaux prsupposs gnrs du point de vue de ces audiences. Sont-ils
mme de gnrer une conceptualisation ou une thorie qui sera considre comme
utile ou intressante (plutt que triviale) par chacun des auditoires identifis ?
71
Partie 1 Concevoir
3 Construire son objet : illustrations
Du fait de ces difficults, la construction de lobjet relve rarement dune seule

des voies que nous avons prsentes, et elle procde souvent par allers et retours.
Ainsi, une problmatique gnrale issue dune premire revue de littrature peut
savrer mal pose lors de la phase doprationnalisation des concepts sur lesquels
elle sappuie, ou trop large pour permettre une investigation avec des moyens et
ressources limits. Nous proposons donc de prsenter quelques exemples vcus de
processus dlaboration de lobjet. Ces diffrents parcours nont pas de vocation
exemplaire, mais montrent au contraire la diversit des processus dlaboration de
lobjet et les difficults que lon peut rencontrer.
Un objet peut tout dabord merger clairement et assez rapidement aprs le dbut
dune recherche. Comme le montre lexemple dcrit ci-aprs, croiser deux
approches thoriques (la thorie volutionniste et la thorie des systmes
dynamiques non linaires) pour analyser un phnomne relativement classique (la
gestion de linnovation), permet de faire merger un objet de recherche
relativement tt dans le processus.
EXEMPLE un objet issu de la confrontation de deux champs thoriques

Mon objet de recherche est directement inspir de ma formation : diplme en mathma-
tiques pures, jai cherch exploiter mes connaissances thoriques pour mieux comprendre
les organisations. Ma thse porte sur ltude de la dynamique dvolution dune population
de projets dinnovation. Je suis partie de la thorie du chaos qui mtait familire et jai
choisi la gestion de linnovation comme domaine dapplication, principalement par got. Au
fil des lectures que jai effectues pour construire ma revue de littrature, jai constat que
les innovations taient rarement tudies au niveau dune population et que leur dyna-mique
dvolution tait non linaire. Jai alors eu lide de faire appel la thorie volu-tionniste
pour modliser la loi sous-jacente de lvolution de cette population. Jai alors dcouvert que
les modles paramtriques taient potentiellement chaotiques. La boucle tait boucle et
mon objet de recherche tait labor : comment vit et meurt une population de projets
dinnovation ? Une fois cette problmatique pose, la suite de mon travail de recherche a
consist tester ce cadre conceptuel.
Mais si le processus suivi par cette jeune chercheuse semble stre droul sans
grande difficult, la construction dun objet de recherche est souvent beaucoup
moins linaire. De nombreuses recherches commencent ainsi sur des bases
thoriques et mthodologiques encore mal dfinies. Lexemple suivant retrace le
parcours dun jeune chercheur qui est parti dun certain nombre de domaines
dintrts : la ralit informelle, les processus de dcision, les motions au sein des
organisations Ces centres dintrts lamnent sinterroger sur la pertinence du
concept de rationalit dans les organisations. Il se donne alors lobjet de recherche
72
suivant : Comment coexistent les diffrentes rationalits au sein des

organisations ? Cet objet de recherche lui pose des problmes mthodologiques
de mesure du concept de rationalit. Sans doute cet objet initial est-il trop large et
insuffisamment dfini pour permettre une investigation empirique.
EXEMPLE un objet issu de diffrents thmes dintrt
Avant de faire mon mmoire majeur de Master, jtais intress par la dynamique des
rseaux sociaux et par la ralit informelle au sein des organisations. Fin mai, javais
assist un sminaire sur les processus de dcision et jai fait mon mmoire sur la
ralit infor-melle dans les processus de dcision. En juillet, jai vu La marche du sicle
sur le cerveau et jai not les rfrences dun ouvrage : Lerreur de Descartes dAntonio
Damazzio. Jai alors fait lanalogie entre le cerveau et lorganisation pour les motions,
toujours avec linformel. Jai lu louvrage qui ma donn envie de travailler sur les
motions dans les organisations. Jai ensuite lu un ouvrage de Maffesoli sur les
communauts motionnelles qui ma clair sur le lien entre motionnel et irrationnel,
et ma fait minterroger sur la pertinence dune notion comme lirrationalit. Cest
partir de ce moment-l que jai com-menc tudier le concept de rationalit, dabord
sous langle des motions, puis seul. lheure actuelle, ma problmatique est la
suivante : Comment coexistent les diffrentes rationalits au sein des organisations ?
Jai labor un cadre conceptuel ainsi quune premire grille de lecture, mais jai
quelques problmes doprationnalisation rgler avant daller sur le terrain.
Comme le montre lexemple ci-aprs, ces difficults peuvent tre plus importantes
encore lorsque le chercheur choisit de sinscrire ds le dpart dans une perspective
pistmologique encore peu balise. Initialement intresse par le processus de
capitalisation des connaissances dans les organisations, une rflexion thorique sur le
sujet amne cette jeune chercheuse redfinir son objet pour le centrer sur la
construction collective de la connaissance. Sa recherche comporte alors une question
qui lui parat assez claire : Comment la connaissance se construit-elle collectivement
au sein des organisations ? Cette redfinition de son objet la conduit de nouvelles
investigations thoriques, mais elle prouve des difficults dvelopper une vision
empirique de son objet de recherche. Cette jeune chercheuse a choisi le
constructivisme comme positionnement pistmologique dont les implications sont
nombreuses pour la construction de son objet. Aprs une premire phase empirique
exploratoire, elle pense que la synthse de ses premires observations lui permettra de
prciser les termes oprationnels de son objet.
EXEMPLE un objet issu dune rflexion thorique et sinscrivant dans une

perspec-tive constructiviste
Au tout dbut de ma thse, je souhaitais tudier le processus de capitalisation des connais-
sances au sein des organisations. Cest un problme managrial important qui intresse de
73
Partie 1 Concevoir
nombreuses entreprises. Mais je suis vite tombe sur une premire impasse : dune part, une
thse sur un sujet proche avait dj t faite, et dautre part, il me semblait important
daborder le problme de la construction de la connaissance avant celui de sa capitalisation.
Durant les trois mois suivant, jai donc abord la littrature avec une nouvelle problma-
tique. Je souhaitais savoir comment la connaissance se construit collectivement et quelle est
sa dynamique au sein des organisations. Cest un sujet qui navait pas vraiment t abord
au niveau auquel je souhaitais ltudier, celui des groupes de travail. Jai survol une partie
de la littrature existante sur la connaissance dans diffrents domaines et je me suis oriente
vers un modle amricain de psychologie sociale. Mais je ressentais des difficults pour
intgrer ces lectures trs htrognes dans le sens que je souhaitais.
Durant lt, jai trouv une entreprise intresse par ma recherche, et jai d commencer
laborer activement un premier cadre conceptuel (trs sommaire au dpart) et me plonger
dans des considrations dordre pistmologique et mthodologique. Toutefois, je ne savais
pas comment observer la construction de la connaissance et je ne savais pas trop quelles
informations collecter. Javais opt pour une dmarche trs ethnographique.
Aprs environ trois mois de terrain, je nai ni compltement rsolu ces questions dordre
mthodologique ni arrt ma position pistmologique. Je suis en train de procder
une premire synthse de mes rsultats qui, je lespre, me permettra dclaircir ces
points et de prciser mon objet de recherche.
Ces trois histoires ne sont bien entendu pas comparables, car elles refltent
diffrents tats davancement dans le processus de recherche (recherche acheve pour
le premier exemple ; en cours pour les deux derniers). Toutefois, elles permettent
dapprhender certaines des difficults auxquelles le chercheur est confront lorsquil
cherche laborer son objet. Outre les difficults engendres par linvestigation
thorique et par llaboration dune premire problmatique gnrale de recherche, le
chercheur se trouve souvent confront des problmes dinstrumentation ou des
contraintes empiriques qui peuvent le conduire redfinir une nouvelle fois son objet
de recherche. Ces difficults sont dailleurs dautant plus fortes que se prsente une
opportunit de terrain ou que le chercheur cherche dfinir sa position
pistmologique. Il sagit alors de composer : entreprendre une premire
investigation empirique exploratoire, par exemple, comme cela a t fait au sein des
deux derniers exemples cits, pour prciser lobjet une fois quune premire
comprhension du phnomne tudi aura t dveloppe, ou encore attendre davoir
rsolu ses problmes mthodologiques et/ou pistmologiques. Nous conseillons ici
vivement au chercheur rencontrant de telles difficults de sefforcer den discuter avec
ses collgues. Les questions quon lui posera, les efforts de clarification quil devra
faire, seront autant de pistes, brches et sources dinspiration et de structuration qui
laideront laborer plus avant son objet.
Nous avons tent de montrer et dillustrer la diversit des approches et des processus
de construction de lobjet de recherche, tout en soulignant les difficults et piges qui
maillent ce processus. Construire un objet de recherche est un travail long, difficile et
exigeant. Mais cest avant tout trouver ou crer son propre objet de
74
recherche, se donner un projet, sengager, ce qui rend sans doute ce processus la

fois si angoissant et si passionnant.
Lobjet ainsi construit pourra recouvrir diffrents types de questions : quest-ce que
? , comment ? , pourquoi ? , qui ? , o ? , quand ? , est-ce que ? .
Ces questions peuvent recouvrir des ralits trs diffrentes en fonction notamment de
lapproche ou de la sensibilit pistmologique du chercheur. Il convient alors de
prciser, au-del de lobjet que lon sest donn, lorientation gnrale que la recherche
va prendre. Le chapitre suivant se propose de nous y aider.

Alvesson M., Sandberg J., Constructing research questions: doing interesting
research, Londres, Sage Publications, 2013.
Grawitz M., Mthodes des sciences sociales, Paris, Dalloz, 10e d., 1996.
Landry M., A note on the Concept of Problem , Organization Studies, vol. 16,
n 2, 1995, pp. 315-343.
75
Chapitre
Explorer et tester :
3 les deux voies
de la recherche
Sandra Charreire Petit, Florence Durieux
RsuM
Lobjet du prsent chapitre est de rpondre la question Comment je
cherche ? Ce chapitre explicite les deux grands processus de construction
des connaissances : lexploration et le test. Nous appelons exploration, la
dmarche par laquelle le chercheur a pour objectif la proposition de rsultats
thoriques novateurs. Le terme tester se rapporte la mise lpreuve de la
ralit dun objet thorique ou mthodologique.
La premire section prsente les caractristiques des modes de raisonnement
propres chacun de ces processus (dduction et induction). La seconde section
traite spcifiquement de trois voies dexploration possibles (thorique, empi-rique
et hybride). La troisime section propose la dmarche de test classique :
lhypothtico-dduction. En conclusion, nous proposons de voir comment explo-rer
et tester peuvent tre rconcilis dans le cadre gnral dune recherche.
sOMMAIRE
SECTION 1 Les raisonnements types du test et de
lexploration SECTION 2 Les voies de lexploration
SECTION 3 La voie du test
lissue des deux chapitres prcdents, le chercheur a abord les questions relatives
au positionnement pistmologique et a dtermin son objet de recherche. Lobjet du
prsent chapitre est de rpondre la question Comment je cherche ? Ce chapitre
explicite les deux grands processus de
construction des connaissances : lexploration et le test. Nous appelons exploration,
la dmarche par laquelle le chercheur a pour objectif la proposition de rsultats
thoriques novateurs. Le terme tester se rapporte la mise lpreuve de la ralit
dun objet thorique. La rflexion se situe donc une phase charnire du processus
de recherche : en aval de la dfinition de lobjet de recherche et en amont des don-
nes (recueil et traitement) ainsi que des choix finaux concernant le dispositif
mthodologique.
Lexploration et le test coexistent dans les recherches en management et
renvoient des dbats pistmologiques concernant la fois le mode de production
de la connaissance scientifique et le statut de la connaissance ainsi produite (cf.
Allard-Poesi et Perret, chapitre 1). Lorientation vers le test ou vers lexploration
nest pas neutre quant au positionnement pistmologique. Si le processus de test
situe rsolument la recherche dans le paradigme positiviste, le processus
dexploration nest pas attach un paradigme particulier. En effet, le chercheur
explorateur peut se revendiquer de paradigmes aussi diffrents que le
positivisme, le constructivisme, le pragmatisme ou linterprtativisme.
Dans une premire section, nous explicitons les caractristiques des modes de
raisonnement propres chacune de ces deux voies (exploration et test). Plus
prcisment, explorer se rfre une dmarche de type inductive alors que tester
fait appel une dmarche de type dductive. Linduction et la dduction sont deux
modes de raisonnement distincts qui doivent tre compris comme tant plus
complmentaires quantagonistes. Ces raisonnements portent sur les mmes objets
thoriques (concept, hypothse, modle, thorie).
La seconde section traite spcifiquement de trois voies dexploration possibles.
Lexploration thorique a pour objet dtablir un lien conceptuel entre plusieurs
champs thoriques ou disciplines. Lexploration empirique concerne la production
de connaissances sans forcment mobiliser de modles danalyse ou de concepts

pralables. Lexploration hybride consiste procder par aller-retour entre
observations empiriques et connaissances thoriques.
La troisime section propose la dmarche de test classique applique une hypothse :
lhypothtico-dduction. Elle est ensuite applique au test dun modle. Nous abordons
galement la question relative au test de modles et de thories concurrentes.
Finalement, aprs avoir dissoci les deux voies de production de connaissances,
nous les rconcilions au sein de la dmarche globale de recherche. Nous proposons
ainsi de voir comment explorer et tester peuvent se succder et participer,
ensemble la production de connaissances nouvelles.
77
Partie 1 Concevoir
section
1 LEs RAIsOnnEMEnTs TyPEs
Du TEsT ET DE LExPLORATIOn
Explorer et tester sont deux voies ou processus de recherche qui soutiennent

llaboration des connaissances.
Explorer en management consiste dcouvrir ou approfondir une structure ou
un fonctionnement pour servir deux grands objectifs : la recherche de lexplication
(et de la prdiction) et la recherche dune comprhension. Explorer rpond
lintention initiale du chercheur de proposer des rsultats thoriques novateurs,
cest--dire de crer de nouvelles articulations thoriques entre des concepts et/ou
dintgrer de nouveaux concepts dans un champ thorique donn.
Tester est lensemble des oprations par lesquelles le chercheur met lpreuve
de la ralit un ou des objets thoriques ou mthodologiques. Lobjectif est de
produire une explication par lvaluation de la pertinence dune hypothse, dun
modle ou dune thorie.
La dichotomie (exploration et test) propose ici trouve sa justification relativement
aux modes de raisonnement caractristiques de ces deux voies. Pour explorer, le
chercheur adopte une dmarche de type inductive et/ou abductive alors que pour tester,
celui-ci fait appel une dmarche de type dductive ou hypothtico-dductive.
Aprs avoir explicit ces modes de raisonnement, nous prcisons la nature des
objets thoriques tudis et leur manipulation par le chercheur au sein de design
distincts.
1 Des modes de raisonnement distincts

1.1 La dduction
La dduction est avant tout un moyen de dmonstration (Grawitz, 2000). Elle se

caractrise par le fait que, si les hypothses formules initialement (prmisses) sont
vraies, alors la conclusion doit ncessairement tre vraie.
EXEMPLE une dduction classique, le syllogisme de socrate

(1) Tout homme est mortel.
(2) Socrate est un homme.
(3) Socrate est mortel.
Dans ce raisonnement dductif, (1) et (2) sont les prmisses et (3) la conclusion. Il nest
pas possible que (3) soit faux une fois que lon se donne (1) et (2) pour vrai.
Ce schma suit le raisonnement logique suivant : tout A est B, or C est A, donc C est B.
78
Il ne faut pas restreindre la dduction au seul syllogisme voqu dans lexemple ci-
dessus. En effet, les logiciens tablissent une distinction entre la dduction formelle et
la dduction constructive. La dduction formelle est un raisonnement ou une infrence
qui consiste raliser le passage de limplicite lexplicite ; la forme la plus usuelle en
est le syllogisme. On appelle infrence une opration logique par laquelle on tire
dune ou de plusieurs propositions la consquence qui en rsulte (Morfaux, 2011 :
270). Bien que le syllogisme relve dun raisonnement rigoureux, il est toutefois strile
dans la mesure o la conclusion ne permet pas dapprendre un fait nouveau. La
conclusion est dj prsuppose dans les prmisses, par consquent le raisonnement est
tautologique (Vergez et Huisman, 1960). En revanche, selon la dduction constructive,
la conclusion, tout en tant ncessaire comme celle de la dduction formelle, constitue
un apport pour la connaissance. La conclusion est une dmonstration compose non
seulement du contenu des prmisses mais aussi du raisonnement par lequel on
dmontre quune chose est la consquence dune autre.
La dduction est donc le raisonnement qui fonde la dmarche hypothtico-
dductive. Cette dmarche consiste laborer une ou plusieurs hypothses et les
confronter ensuite une ralit. Le but est alors de porter un jugement sur la
pertinence de lhypothse initialement formule. Cette dmarche sera plus
prcisment dcrite section 3, point 1.2.
1.2 Linduction et labduction
Par dfinition, linduction est une infrence conjecturale qui conclut : 1) de la

rgularit observe de certains faits leur constance ; 2) de la constatation de
certains faits lexistence dautres faits non donns mais qui ont t lis
rgulirement aux premiers dans lexprience antrieure (Morfaux, 2011 : 265).
c Focus
est un dlit.
Le principe de linduction
Si un grand nombre de A ont t que tous ceux observs jusqu ce jour
Dunod Toute reproduction non autorise
observs dans des circonstances trs taient noirs, jen conclus : tous les
varies, et si lon observe que tous les A corbeaux sont noirs. Cest une
sans exception possdent la proprit B, infrence inductive parfaitement
alors tous les A ont la proprit B. [] lgitime. Mais la logique noffre aucune
Supposons, par exemple, que jai observ garantie que le prochain corbeau que
un grand nombre de corbeaux dans des jobserverai ne sera pas rose.
circonstances fort varies ; ayant constat (Chalmers, 1987 : 27, 39.)
79
Partie 1 Concevoir
En dautres termes, il sagit dune gnralisation prenant appui sur un

raisonnement par lequel on passe du particulier au gnral, des faits aux lois, des
effets la cause et des consquences aux principes. Au sens propre du terme, il ny
a induction que si, en vrifiant une relation (sans rien dmontrer), sur un certain
nombre dexemples concrets, le chercheur pose que la relation est vraie pour toutes
les observations venir.
L est le principe logique de linduction. Le chercheur en management procde
cependant le plus souvent par abduction ou adduction. En effet, il est frquent que
le chercheur explore un contexte complexe, emprunt dobservations nombreuses,
de diffrentes natures et au premier abord ambigus. Il va tenter alors de structurer
son systme dobservations pour produire du sens. En sciences sociales, lobjectif
nest pas rellement de produire des lois universelles mais plutt de proposer de
nouvelles conceptualisations thoriques valides et robustes, rigoureusement
labores. On dit alors que le chercheur procde par abduction (terme employ
notamment par Eco, 1990) ou par adduction (terme utilis par Blaug, 1982).
c Focus
La dmarche abductive
Labduction est un processus infrentiel glapissent quand on leur marche sur la
(en dautre termes, une hypothse) qui patte), je tente de formuler une rgle
soppose la dduction, car la dduction encore inconnue (i). Si la rgle (i) tait
part dune rgle, considre le cas de cette valable et si (iii) tait le rsultat dun cas
rgle et infre automatiquement un (ii), alors (iii) ne serait plus surprenant.
rsultat ncessaire. Un bon exemple de videmment, mon hypothse devra tre
dduction est : mise lpreuve pour pouvoir tre
(i) Chaque fois que A frappe, alors B transforme en une loi, mais il y a de
bouge la jambe. nombreux cas o je ne cherche pas des
(ii) Mais A a frapp. lois universelles, mais une explication
(iii) Alors B a boug la jambe. capable de dsambiguser un vnement
communicatif isol Labduction est un
Supposons maintenant que jignore tout
procd typique par lintermdiaire duquel
cela et que je vois B bouger la jambe. Je
mtonne de cet trange rsultat (iii). En on est en mesure de prendre des
me fondant sur des expriences dcisions difficiles lorsque lon suit des
prcdentes connues en divers domaines instructions ambigus.
(par exemple jai not que les chiens (Eco, 1990 : 248.)
Ainsi linduction est une infrence logique qui confre la dcouverte une
constance a priori (loi) alors que labduction lui confre un statut explicatif ou
comprhensif qui, pour tendre vers la rgle ou la loi, ncessite dtre test ensuite.
80
Knig (1993), en sappuyant sur la conception de Blaug (1982), pose une dfinition
de labduction qui fait sens directement pour la recherche en gestion :
Labduction est lopration qui, nappartenant pas la logique, permet
dchapper la perception chaotique que lon a du monde rel par un essai de
conjecture sur les relations quentretiennent effectivement les choses [].
Labduction consiste tirer de lobservation des conjectures quil convient ensuite
de tester et de discuter. (Knig, 1993 : 7.)
Dans le cadre dune recherche abductive, le chercheur en management peut
utiliser lanalogie et/ou la mtaphore pour rendre compte, illustrer ou expliquer.
Lobjectif est daider produire du sens laide de la comparaison. Une analogie est
un rapport ou une similitude entre plusieurs lments diffrents. Par consquent,
procder de manire analogique consiste former un raisonnement fond sur des
rapports ou des ressemblances ds lors que ces dernires indiquent des rapports
(Delattre et Thellier, 1979). Le chercheur procde alors par association, par lien de
parent entre les choses. Une mtaphore est une figure de rhtorique par laquelle on
transfre la signification propre dun nom ou dun mot sur une autre signification.
La mtaphore nest ainsi pertinente quen vertu dune comparaison prsente dans
lesprit ; elle peut tre qualifie de comparaison abrge. Les mtaphores sont des
transferts par substitution analogique (Tsoukas, 1991).
En management, le recours aux raisonnements analogiques ou aux mtaphores est
frquent lorsque le processus de production de la connaissance choisi par le
chercheur est lexploration :
Morgan (1999) a t un des prcurseurs de lutilisation des mtaphores en sciences
de gestion. Il voque lart danalyser les organisations laide de la mtaphore vue
comme un outil pour les dcoder et les comprendre. Lanalyse mtaphorique est
apprhende par lauteur comme un moyen efficace de traiter avec la complexit
organisationnelle. Le procd mtaphorique est rig par Morgan au rang de vri-
undli
table dispositif de recherche. Il distingue plusieurs conceptions mtaphoriques de

t.
Lempr unt telle ou telle v is ion mtaphor ique nes t alors pas neutre s ur la p roduc-
lorganisation : une machine, un organisme, un cerveau et une culture notamment.
tion de sens. Ainsi, en comparant lorganisation une machine , on met en vi-

est
autori
se
dence les relations entre structures, rles et technologies. La perspective culture

montre comment les organisations reposent sur une signification partage. La mta-
phore de la prison mentale montre comment les structures et les significations par-
non
tages peuvent se transformer en piges conscients et inconscients. La mtaphore de

reproducti
la perspective politique montre en quoi ces caractristiques sont la rsultante de

on
conflits dintrt et de jeux de pouvoir.

Dans sa recherche, Pentland (1995) tablit un rapport entre les structures et proces-
Toute
sus des modles grammaticaux et les caractristiques structurelles de lenvironne-

ment des organisations lies aux processus susceptibles de sy produire. Il procde
Duno
par analogie pour montrer combien la mtaphore grammaticale peut tre fconde
d
81
Partie 1 Concevoir
pour la comprhension des processus organisationnels. La mtaphore est ici un

transfert par substitution analogique.
1.3 une complmentarit scientifique
Nous avons trait de manire diffrencie les deux logiques (dductive et

inductive) utilises pour respectivement le test et lexploration. Cependant, pour
llaboration des connaissances scientifiques, ces deux logiques sont
complmentaires (cf. figure 3.1).
Lois et thories universelles
Logique inductive Logique dductive
Conceptualisations
(hypothses,
modles, thories)
Dmarche
Dmarche
hypothtico-
abductive
dductive
Faits tablis Explications

par lobservation et prdictions
Figure 3.1 Modes de raisonnement et connaissance scientifique
De faon classique, on considre quun raisonnement dductif va du gnral au

particulier, alors quun raisonnement inductif est marqu par la volont de
progresser du particulier au gnral. Linduction et la dduction se distinguent par
le caractre dmonstratif ou non des infrences faites. Ainsi, le rsultat dun
raisonnement inductif ou abductif nest pas une dmonstration. Il sagit de liens
entre des choses qui, par la rigueur avec laquelle ils auront t tablis, ont le statut
de propositions valides. Ces propositions ne sont pas pour autant certaines comme
peuvent ltre celles labores de manire dductive. Elles sont alors considres
comme des infrences non dmonstratives ou infrences incertaines.
Blaug distingue ainsi la porte de ces deux modes de raisonnement :
Un raisonnement non dmonstratif peut, dans le meilleur des cas, persuader
une personne raisonnable, alors quun raisonnement dmonstratif doit convaincre
une personne, mme entte. (Blaug, 1982 : 15.)
82
Ces deux catgories dinfrences (certaines et incertaines) cohabitent dans la

production de connaissances. Par exemple, le chercheur peut tre amen infrer
partir dobservations, de manire incertaine des lois (induction), ou plus
vraisemblablement des conceptualisations, explications ou conjectures (abduction).
Ces conceptualisations, associes un certain nombre de conditions initiales, sont
susceptibles de servir de prmisses et peuvent faire lobjet dun test. lissue
dinfrences certaines (dduction), le chercheur est en mesure davancer une
conclusion explicative et/ou prdictive.
2 Pour des objets thoriques identiques
Si le rsultat final ou output de lexploration ( laide dune dmarche abductive)

prend la forme dobjets tels que des concepts, des hypothses, des modles ou des
thories, ces objets constituent en revanche le point de dpart du processus de test (
laide dun raisonnement dductif). En effet, la voie de lexploration peut conduire le
chercheur formuler provisoirement une ou plusieurs hypothses de travail, lesquelles
vont constituer une aide la rflexion et la structuration de lensemble des
observations. Laboutissement de sa recherche prendra la forme soit dun ou de
plusieurs concepts nouveaux, soit dun jeu dhypothses, soit dun modle, soit dune
thorie. En revanche, pour le processus de test, chacun de ces objets est susceptible de
constituer le matriau partir duquel le chercheur va tenter dapporter une rponse la
question initiale quil se pose. Cependant, et quelle que soit la voie emprunte
(exploration ou test), au dmarrage dune recherche, il y a le concept.
2.1 Concept
Le terme concept renvoie gnralement en sciences une entit abstraite reprsentant

un objet, une situation, ou encore un phnomne. Lide sous-tendue est quun concept
contient entirement ce quil entend reprsenter, figurer ou faire comprendre. Pour

Morfaux (2011 : 65), un concept est une ide abstraite et gnrale, rsultat de
lopration par laquelle lesprit isole de certaines ralits donnes dans lexprience un
ensemble dominant et stable de caractres communs quon dsigne ordinairement, en
les gnralisant, par le mme mot . Le concept est donc bien davantage que le mot qui
dsigne lobjet puisquil dsigne, au-del, le sens que le chercheur souhaite attribuer
cet objet. Le concept nexiste pas dans la nature. Il est cr par et pour le chercheur et il
relve dun double choix essentiel : 1) travailler avec tel concept plutt quavec tel
autre, mais aussi 2) retenir telle dfinition du concept plutt que telle autre. Aussi,
quelle que soit la voie emprunte par le chercheur (exploration ou test), construire les
concepts (ou conceptualiser) constitue le premier choix fondateur auquel le chercheur
doit faire face. Van
83
Partie 1 Concevoir
Campenhoudt et Quivy (2011 : 122) qualifient la conceptualisation de

construction-slection . Un concept peut tre unidimensionnel ou
multidimensionnel. De la mme manire, ses dimensions peuvent tre apprcies,
values ou mesures laide dindicateurs ou dattributs ou encore de
descripteurs, pour reprendre des termes quivalents que contient la littrature. Ces
termes sont eux-mmes des mesures, des manifestations ou des traces plus ou
moins objectivables et dont le rle est de conduire le chercheur au plus prs de la
ralit laquelle il souhaite accder. Ces oprations relvent de choix successifs
de la part du chercheur et retenir telle ou telle dimension permet de cerner un
mme concept de manire finalement diffrente. Van Campenhoudt et Quivy
(2011 : 123) prennent lexemple de la vieillesse en tant que concept
unidimensionnel (la chronologie) avec un indicateur (lge). Mais on pourrait
imaginer quun autre chercheur retienne une conceptualisation plus complexe avec
plusieurs dimensions du concept de vieillesse : la chronologie, ltat mental, ltat
physique. Ainsi, lindicateur de lge pourrait tre complt par dautres
indicateurs tels que lge peru, quelques donnes relatives ltat de sant, ou
laspect physique tels que les rides, les cheveux blancs, etc.
Indicateur, attribut ou descripteur

pour capturer les ralits tudies
Dimension 1 ..
..
Concept Dimension 2 .
.
.
Dimension 3 .
Figure 3.2 Oprationnalisation du concept
Pour un chercheur, la dlicate oprationnalisation du concept consiste indiquer

prcisment comment il passe dun concept sa capture travers les ralits quil
tudie. Le lecteur pourra utilement se reporter au chapitre 11 dans ce mme
ouvrage ou aux dveloppements de Dumez (2013).
2.2 hypothse
Dans lusage courant, une hypothse est une conjecture sur lapparition ou
lexplication dun vnement. Pour Kerlinger (1999), lhypothse ne doit tre ni trop
gnrale, ni trop restrictive. Elle doit en outre formuler quau moins deux variables
mesurables sont lies, tout en rendant explicite le mode de liaison. Fonde sur une
84
rflexion thorique et sappuyant sur une connaissance antrieure du phnomne

tudi, lhypothse est une prsomption de comportement ou de relation entre des
objets rels tudis. On pose, par hypothse, que tel phnomne est lantcdent, le
consquent ou le concomitant invariable dautres phnomnes donns. En fait, ces
objets sont une mise en relation de concepts thoriques.
Concrtement, llaboration dune hypothse ncessite lexplicitation de la
logique des relations qui unissent les concepts voqus dans la problmatique (cf.
figure 3.2). partir du moment o elle est formule, elle se substitue la question
de dpart et se prsente comme une rponse provisoire. Une hypothse est ainsi
une proposition provisoire, une prsomption, qui demande tre vrifie (Van
Campenhoudt et Quivy, 2011 : 128).
Sens de lhypothse (+ ou )
Concept 1 Concept 2
Figure 3.3 Reprsentation schmatique dune hypothse
Ainsi, si le sens de lhypothse est + (respectivement ), cela signifie que plus le

concept 1 est prsent, plus (respectivement moins) le concept 2 est fort.
Par construction, une hypothse doit possder un certain nombre de proprits.
Premirement, dans sa formulation, une hypothse doit tre exprime sous une
forme observable. En effet, pour connatre la valeur de la rponse la question de
recherche, il est ncessaire de la confronter des donnes dobservation ou
dexprimentation. En consquence, lhypothse doit indiquer le type
dobservations rassembler ainsi que les relations constater entre ces
observations afin de vrifier dans quelle mesure elle est infirme ou non par les
faits. Par exemple, considrons lhypothse suivante : Les lead-users ont une
influence importante sur la diffusion dinnovations . Nous sommes face une
expression qui est difficilement oprationnalisable et qui, donc, ne peut constituer
une hypothse au sens o nous lentendons. En effet, plusieurs des termes utiliss
ne donnent pas lieu une dfinition consensuelle et peuvent donner lieu des
oprationnalisations diffrentes qui ne reflteront quune vision partielle du
phnomne tudi. Le terme important est vague et ne permet pas de donner
une indication de la manire avec laquelle on peut oprationnaliser cette intensit.
En revanche, la proposition les organisations qui possdent des liens
interorganisationnels ont un taux de mortalit plus faible que celles qui nen ont
pas (Miner, Amburgey et Stearns, 1990) indique les observations auxquelles le
chercheur doit accder pour la tester. Ainsi, le chercheur est amen identifier
lexistence ou non de liens interorganisationnels et la cessation ou non de lactivit.
Lhypothse peut tre reprsente par le schma suivant :
+
Existence de liens interorganisationnels Taux de mortalit faible
85
Partie 1 Concevoir
Deuximement, il ne faut pas que les hypothses soient des relations fondes sur
des prjugs ou des strotypes de la socit. Par exemple, lhypothse la crimi-
nalit augmente avec lchec scolaire conduit une comprhension dforme de
la ralit sociale. En rgle gnrale, aucune expression idologique ne peut tre
considre comme une hypothse et le chercheur devra sefforcer dtayer thori-
quement ses propositions : comment sont-elles fondes au plan thorique ? Do
viennent-elles ? En dautres termes, comment sinscrivent-elles dans le modle
danalyse (ou grille interprtative) privilgi par le chercheur ?
c Focus
Comment formule t-on une hypothse de recherche ?
Un doctorant en dbut de thse prsente 3) Plus fondamentalement, telle quelle est
sa directrice de thse la formulation de initialement formule, cet nonc soulve
son hypothse principale de travail : des problmes doprationnalisa-tion : A
HYP : lheure des TIC, il faut quel niveau se situe t-on ici ? Evoque t-on
travailler en rseau pour apprendre la capacit dun individu apprendre et
et tre capable dinnover. innover ou bien celle dun collectif ou
encore dune entreprise ? Comment
La directrice relve demble au moins
apprcie t-on lapprentissage ainsi que la
trois problmes quil va falloir corriger en
capacit innover ? Consid-rons par
reformulant la ou les hypothses conte-
exemple la capacit innover : Telle
nues dans cette premire intention :
quelle est formule, il existe plusieurs
1) A lheure des TIC, il faut : La manires dapprcier cette capacit. Doit-
formulation inscrit ici lhypothse dans on considrer le nombre de brevets
une perspective normative, laquelle dposs sur une priode donne ? Doit-
inclut la rponse dans la question. En on considrer le nombre de nouveaux
outre, la formulation prend appui sur un produits mis par an sur le march ? Doit-
prjug du type ce qui est TIC est on considrer le nombre de projets
synonyme de progrs . Il sagit l dun dinnovation initis par an au sein de
avis qui ne constitue pas une lentreprise ? Doit-on consi-drer les
justification scientifique et quil est, du budgets de R&D allous sur une priode
coup, impossible de discuter. donne ? etc. On comprend ici que la
2) pour apprendre et tre capable din- mesure nest pas stabilise par lnonc
nover : La formulation ne respecte pas initial. Il convient donc de prciser les
lunicit du sens. En effet, on peut choix du chercheur et darti-culer lobjet de
apprendre sans innover et inversement. Il la recherche avec la manire dont on va
convient donc au minimum de gnrer loprationnaliser. Bien entendu, le mme
deux hypothses, lune qui testerait loc- travail est produire pour oprationnaliser
currence ou non dun apprentissage et lapprentissage.
lautre qui testerait la capacit innover.
86
Explorer et tester : les deux voies de la recherche
Chapitre 3

Quelques mois plus tard, le doctorant, dapprentissage.
qui a tudi les travaux antrieurs dans Le doctorant a ainsi prcis les sources
les champs de lapprentissage dobservation recueillir. Le travail en
organisa-tionnel et de la gestion de rseau des entreprises pourra tre tudi
linnovation, et qui a beaucoup rflchi laide doutils de cartographie de
et chang avec dautres chercheurs rseaux et le chercheur pourra
(professeurs et docto-rants), propose le comptabiliser le nombre de brevets
jeu dhypothses suivant : dposs par lentre-prise tudie sur une
H1a : Plus les entreprises travaillent en priode donne. De la mme manire,
rseau, plus elles dposent de brevets. ltudiant a dfini le terme situation
H1b : Plus les entreprises travaillent en dapprentissage et dispose dindicateurs
rseau, plus elles lancent de nouveaux pour reprer et qualifier ces situations.
produits par an sur le march. La directrice de thse considre avec
H2 : Plus les entreprises travaillent en satisfaction les progrs du doctorant et
rseau, plus elles sont en situation linvite continuer !
Il peut tre parfois difficile de saisir la diffrence entre une hypothse et une
proposition thorique, tant entendu quune proposition thorique peut galement
tre testable. Lobjectif premier dune proposition est cependant moins dtre
testable que de suggrer un lien entre deux concepts. On parle alors dhypothses
raisonnables susceptibles de stimuler de nouvelles investigations permettant, le cas
chant ultrieurement, le test des propositions.
Dans la pratique, il est rare de sen tenir une hypothse unique. Le chercheur
est plutt amen laborer un ensemble dhypothses. Celles-ci doivent donc
sarticuler les unes aux autres et sintgrer logiquement dans la problmatique.
Nous sommes alors en prsence dune forme de modle.
2.3 Modle
Il existe de nombreuses dfinitions du terme modle. Daprs Kaplan (1964 :

263), on dit quun systme A est un modle du systme B si ltude de A est utile
la comprhension de B sans quil y ait de lien causal direct ou indirect entre A et
B . En sciences sociales, un modle schmatise des relations de nature physique
ou cognitive entre des lments. De manire plus opratoire, nous dsignons ici par
modle une reprsentation simplifie dun processus ou dun systme, destine
expliquer et/ou simuler la situation relle tudie. Le modle est donc
schmatique en ce sens que le nombre de paramtres quil utilise est suffisamment
restreint pour quon puisse les expliciter et/ou les manipuler.
La relation objet/modle est de nature surjective. En dautres termes, le modle
nambitionne pas de rendre compte de la totalit de lobjet ni mme de la totalit
dune de ses approches possibles (cf. figure 3.4).
87
Partie 1 Concevoir
ralit objet modle
Figure 3.4 Relation entre modle et ralite
2.4 Thorie
Il est possible de retenir une dfinition large du terme thorie : ensemble de

connaissances formant un systme sur un sujet ou dans un domaine dtermin
(Morfaux, 2011 : 502), mais celle-ci na quune faible porte opratoire. Cela dit,
ds que les auteurs formalisent plus prcisment ce quils entendent par thorie, le
nombre de dfinitions du terme saccrot considrablement. Zaltman, Pinson et
Angelmar (1973 : 76) recensent dix dfinitions qui ont un point commun : les
thories sont un ensemble de propositions relies les unes aux autres. Pour Gavard-
Perret et al. (2012 : 74), une thorie est un ensemble de formulations connectes,
non observables et testables empiriquement. Une thorie a pour but daccrotre la
connaissance par des structures systmatises, capables de dcrire, dexpliquer et
de prdire un phnomne . Vorms (2011 : 169) prcise qu une thorie
scientifique na vritablement de contenu quen tant quelle est comprise et utilise
dans des raisonnements . Les thories scientifiques seraient des formes de
reprsentations et dinfrences insparables de lactivit des chercheurs. Le
contenu dune thorie serait donc insparable dune dynamique cognitive et dune
mise en uvre pratique de la science. Dans la littrature, il existe une ambigut et
une confusion parfois entre les termes de thorie et de modle. Lobjet de la
section nest pas de trancher ce dbat. Nous retenons cependant, et des fins
pdagogiques, la dfinition propose par Bunge (1967 : 387) : Une thorie
dsigne un systme dhypothses. Un ensemble dhypothses scientifiques
constitue une thorie scientifique si et seulement si il se rfre des faits donns et
si chacun des lments de lensemble est soit une hypothse premire (axiome) soit
une consquence logique dune ou de plusieurs hypothses premires.
Pour prciser davantage, et en adoptant le vocabulaire de Lakatos (1974), une thorie
est un systme compos dun noyau dur et dune ceinture protectrice (cf. figure
3.5). Le noyau dur comprend des hypothses de base qui sous-tendent la thorie et ne
doivent pas tre, par postulat, ni rejetes, ni modifies. Autrement dit, il est non
modifiable par dcision mthodologique. Il est entour par la ceinture protectrice qui
contient des hypothses auxiliaires explicites compltant le noyau dur, des descriptions
des conditions initiales et des noncs dobservation (Chalmers, 1987).
88
ceinture protectrice noyau dur
Figure 3.5 Reprsentation schmatique dune thorie

En management, le chercheur ne traite pas avec les lois ou thories universelles. Il
labore ou teste des thories qui sont gnralement qualifies de substantives. En effet,
il convient de distinguer les prtentions des thories ayant un caractre universel de
celles qualifies de substantives. Glaser et Strauss (1967) distinguent ainsi les thories
formelles des thories substantives : la thorie substantive est un dveloppement
thorique en relation directe avec un domaine empirique alors que la thorie formelle
concerne un domaine conceptuel. Il existe un rapport dinclusion entre ces deux
niveaux de thories. En effet, une thorie formelle offre gnralement lintgration de
plusieurs thories substantives dveloppes sur des domaines empiriques diffrents et/
ou comparables. La thorie formelle a un caractre plus universel que la thorie
substantive, laquelle est enracine dans un contexte. Llaboration dune thorie
formelle passe gnralement par lintgration successive de plusieurs thories
substantives (Glaser et Strauss, 1967). En oprant, dans le mme esprit, une distinction
au niveau logique entre forme et contenu, Grawitz (2000 : 6) prcise que le contenu
exprimental de la connaissance est particulier, contingent, alors que lexigence
duniversalit rend un certain formalisme ncessaire . Ce faisant, il y a indpendance
entre la logique formelle et le contenu sur lequel elle opre.
Nous avons prsent les deux modes de raisonnement qui sous-tendent les deux
processus dlaboration des connaissances (exploration et test) ainsi que les objets,
supports de ces raisonnements. Les sections suivantes proposent une grille
danalyse de lexploration en trois voies distinctes (section 2) et une explicitation
de la voie du test (section 3).
section
2 LEs VOIEs DE LExPLORATIOn
Dans les recherches en management, les mthodes empiriques (les diffrentes

formes dobservation, les interviews, les enqutes, les simulations ou la quasi-
exprimentation, la combinaison de diffrentes techniques ou multimthodes) sont
plus frquemment utilises pour explorer et laborer de nouveaux objets thoriques
plutt que pour les tester (Snow et Thomas, 1994). En effet, bien que lexploration
89
Partie 1 Concevoir
ne prsuppose pas le choix a priori dun dispositif mthodologique qualitatif ou

quantitatif, les mthodologies qualitatives sont plus courantes pour lexploration
parce que plus efficaces compte tenu de la finalit de la recherche dans ce cas (cf.
Baumard et Ibert, chapitre 4). Le choix dune approche qualitative ne prjuge pas
non plus de la nature du matriau empirique constituant les sources de preuves. En
effet, il peut tre qualitatif (mots), quantitatif (chiffres, statistiques) ou combiner
les deux (Eisenhardt, 1989).
Au-del, lexploration ne limite pas les choix pistmologiques (paradigmes)
soffrant au chercheur. Il peut explorer dans une perspective positiviste ou dans
une perspective constructiviste ou interprtative, par exemple. La question centrale
alors est celle de la cohrence globale du programme de recherche. Charreire et
Huault (2008) relvent des confusions rcurrentes en management entre
lobservation de construits sociaux et lancrage pistmologique constructiviste.
Elles montrent que la cohrence entre la posture revendique et le passage
linstrumentation est fondamental pour garantir la production de connaissances
scientifiques valides et rutilisables.
Lobjet de cette section est dexpliciter les trois voies possibles de lexploration
dont lobjectif est de proposer de nouveaux objets thoriques (hypothse, modle
ou thorie). Des exemples illustrent lexploration thorique, empirique et hybride.
1 Lexploration thorique
Lexploration thorique consiste oprer un lien entre deux champs thoriques

(au minimum) jusqualors non lis dans des travaux antrieurs ou entre deux
disciplines. Ces champs ou disciplines nont pas tre totalement circonscrits par
le chercheur. Il peut nen retenir quune partie, celle qui lui semble tre la plus
pertinente compte tenu de lobjet de sa recherche.
Ainsi, le chercheur va slectionner et retenir un certain nombre dobjets
thoriques dans lun et lautre des champs tudis (ou disciplines). Ceci va
dlimiter le cadre conceptuel de sa recherche. Lexploration se situe au niveau du
lien nouveau opr. Des rsultats sont attendus sur ce point, soit pour parfaire une
explication incomplte, soit pour avancer une autre comprhension des choses.
EXEMPLE Le parallle entre les modles grammaticaux et les processus organisationnels
Brian T. Pentland (1995) explore de manire thorique lutilisation possible de la mta-

phore grammaticale pour dcrire et conceptualiser de manire originale des processus
organisationnels. La revue de littrature emprunte la thorie des organisations mais aussi
la linguistique. Lauteur tablit un parallle entre les processus grammaticaux et des pro-
cessus organisationnels en procdant par analogie entre ces deux disciplines distinctes.
Lauteur montre que les modles grammaticaux reprsentent des opportunits pour la
recherche en management car ils constituent une nouvelle voie pour dcrire les squences
90
dactions caractristiques des processus dans les organisations. En connectant la culture,

les structures institutionnelles, les techniques de coordination avec les actions, les
routines et les processus organisationnels possibles, Pentland montre le pouvoir
explicatif fort des modles grammaticaux pour la recherche en management. Lintrt
principal de tels modles (et de lexploration thorique opre) rside dans la connexion
explicite entre les caractristiques structurelles dun contexte et lensemble des
processus organisationnels qui y sont a priori possibles.
Lexploration thorique ncessite de procder de manire inductive. Cette

dmarche peut conduire le chercheur procder par analogie entre plusieurs
domaines thoriques, comme par exemple la biologie, la physique ou la chimie
(Berger-Douce et Durieux, 2002).
Lexploration thorique doit cependant rester pertinente pour le domaine dans
lequel travaille le chercheur.
2 Lexploration empirique
Cette voie consiste explorer un phnomne en faisant table rase des connaissances
antrieures sur le sujet. Le chercheur travaille alors sans a priori. Cette voie permet
thoriquement dlaborer du nouveau de faon indpendante des connaissances
antrieures. La dmarche logique propre lexploration empirique est linduction pure,
laquelle favorise, en thorie, les infrences de nature nouvelle.
En management, cette voie nest en pratique pas utilise au sens strict de la
tabula rasa. Il existe en effet certaines limites intrinsques. Le chercheur nest pas
aussi indpendant que cela de ses connaissances antrieures. Par consquent, verra-
t-il tout ce quil peut voir ou seulement tout ce quil sait voir compte tenu de sa
formation antrieure, de sa personnalit, de la structure de son esprit ? Nos
observations, mme les plus libres, sont guides par ce que nous sommes capables
de voir et par ce que nous sommes prpars voir. Il est trs difficile, voire
utopique, de faire table rase de nos connaissances et doprer, dans le processus de
recherche, avec les yeux dun nouveau-n nayant aucun a priori sur le monde.
Mme le choix dun ancrage paradigmative peut tre discut en ce sens. Ce choix
est-il rellement dlibr ? Il relve plutt de lexpression de la personnalit du
chercheur et de ses aspirations ou affinits naturelles.
L exploration empirique reste adapte cependant lorsque le chercheur sintresse
des phnomnes mal connus, voire totalement inconnus. Lorsquil ne dispose daucune
base de connaissances potentiellement utilisable, alors les infrences de type inductif
sont appropries car elles permettent de donner du sens des observations dont il ne
sait rien. Ainsi, un ethnologue dcouvrant un peuple inconnu peut, de cette manire,
dcouvrir les rgles de cette socit, essayer de comprendre son langage, ses
croyances. Cependant, ds lors quil va observer un peuple ayant dj fait lobjet
dtudes ou dont on sait quil existe des liens avec des civilisations
91
Partie 1 Concevoir
connues, le chercheur naura que peu dintrt procder de la sorte (table rase).
En effet, il a toutes les chances de rinventer la roue et de passer beaucoup de
temps explorer des phnomnes sur lesquels on sait dj beaucoup. Huberman et
Miles (2003) en management ou, plus gnralement Grawitz (2000) en sciences
sociales, mettent en garde en ce sens les chercheurs dsireux de se dfaire a priori
des savoirs scientifiques leur disposition.
En management, les mthodes ethnographiques (eg. Van Maanen, 2011) permettent
dexplorer des phnomnes mal connus, sans mobiliser initialement de cadre
conceptuel rigide, de manire laisser au chercheur la possibilit de dcouvrir des liens
nouveaux ou des explications diffrentes. Le principe de ces mthodes repose sur
limmersion du chercheur dans un contexte. La recherche de Gioia et Chittipeddi
(1991) constitue un exemple dexploration empirique, rare en management.
EXEMPLE Lexploration empirique de linitiation du changement dans une organisation
Gioia et Chittipeddi (1991) ont ralis une tude ethnographique de deux annes et demie
dans une universit amricaine dans le but de comprendre linitiation du changement alors
labor et mis en uvre dans cette organisation. Le rsultat de cette recherche interprtative
est double : 1) la mise en vidence (par une premire analyse) de quatre phases dans le
processus dinitiation du changement (envisionning, signaling, re-visionning, energizing) ;
2) lexplication de ce processus par deux logiques sous-jacentes (sensemaking et sensegi-
ving) qui interviennent dans llaboration, par les acteurs, de la nouvelle donne organisa-
tionnelle. Le nouveau cadre conceptuel propos par les auteurs pour comprendre le proces-
sus dinitiation du changement (sensemaking et sensegiving) a merg dune seconde ana-
lyse ralise la lumire des quatre phases prcdemment identifies.
Le cadre thorique propos a bien merg des donnes. En effet, les auteurs nont pas
mobilis de cadre thorique initial qui aurait alors guid le recueil des donnes mais
aussi leur analyse. Ils ont procd laide dun dispositif mthodologique trs proche
des mthodes ethnographiques (observation participante et neutre, immersion longue
dans un contexte). La technique de la narration journalistique de ce qui est observ a
permis lmergence du premier rsultat (les quatre phases du processus). Les auteurs
ont volontai-rement privilgi un mode de raisonnement inductif ; ils ont en effet
cherch viter la formulation prmature dhypothses quils auraient t tents de
tester. Le second niveau danalyse a pour objet la conceptualisation, cest--dire un
travail sur lhistoire de ce changement dans une perspective thorique.
En ne ncessitant pas de modle danalyse pralable lenqute, lexploration

empirique apparat donc comme un mode de recherche invers par rapport aux
recherches traditionnelles en management, lesquelles mobilisent un cadre thorique
initial qui guide lexploration mais la conditionne aussi. Ce schma invers explique
sans doute aussi sa raret. En effet, mme pour Glaser et Strauss (1967), pour qui
lintime contact avec le terrain (ralit empirique) garantit llaboration dune thorie
valide compose de dveloppements testables et significatifs, lexploration
92
empirique nimplique par pour autant labsence de rfrentiel thorique. Depuis

plus de vingt ans, Gioia D.A et ses coauteurs ont amlior la dmarche danalyse
qualitative dfendue depuis larticle sminal cocrit avec Chittipeddi (1991). En
particulier, la manire avec laquelle le chercheur fait apparatre de ses donnes des
concepts de premier ordre, puis des thmes de second ordre pour faciliter lanalyse,
rvler les conclusions et convaincre a fait lobjet de dveloppements prcieux
(Corley et Gioia, 2004 ; Gioia, Corley, Hamilton, 2013). La robustesse de la
mthode aujourdhui doit beaucoup aux dbats et au scepticisme de leurs
premiers relecteurs confessent-ils.
3 Lexploration hybride
L exploration hybride consiste procder par allers-retours entre des

observations et des connaissances thoriques tout au long de la recherche. Le
chercheur a initialement mobilis des concepts et intgr la littrature concernant
son objet de recherche. Il va sappuyer sur cette connaissance pour donner du sens
ses observations empiriques en procdant par allers-retours frquents entre le
matriau empirique recueilli et la thorie. La dmarche est abductive dans ce cas.
Lexploration hybride est une voie qui permet denrichir ou dapprofondir des
connaissances antrieures. Ces recherches tendent vers un ralisme fort de la
thorie (Knig, 1993) et vers la production de construits thoriques fortement
enracins (Glaser et Strauss, 1967) dans les faits considrs.
Dune manire gnrale, pour lexploration, se pose le problme de la
contextualisation. En effet, mme si rien noblige le chercheur tester ensuite le
rsultat de son exploration, des auteurs, Eisenhardt (1989) ou Strauss et Corbin
(1998) notamment, invitent les chercheurs formuler le cadre thorique nouveau
de manire ce quil soit testable par la suite sur dautres terrains de recherche que
celui ou ceux qui ont t prcedemment mobiliss. En dautres termes, la
conceptualisation nouvelle produite est certes, propre au terrain, mais elle merge
grce une dmarche systmatique et rigoureuse (dispositif mthodologique) que

le chercheur doit tre en mesure dexpliquer et de justifier. Ceci rend
potentiellement intressant la confrontation de la conceptualisation produite
dautres contextes semblables ou comparables par la suite. Passeron (2006) parle
de contextes parents pour voquer la mise lpreuve dun objet thorique
produit sur dautres contextes que celui qui a permis de le faire merger. Lauteur
cite, dans ce cas, les problmes que pose la ncessaire typologie a priori des
terrains dinvestigation sur lesquels les objets thoriques vont tre transports. Le
chercheur, en dveloppant cette typologie, prcise ce qui est comparable et
explique en fonction de quoi les choses le sont.
93
Partie 1 Concevoir
section
3 LA VOIE Du TEsT
Rappelons que tester consiste confronter un objet thorique la ralit. En

consquence, le chercheur postule lexistence dune ralit. Nous faisons rfrence
lhypothse ontologique du paradigme positiviste (cf. Allard Poesi et Perret, chapitre
1). Pour tester, le chercheur peut recourir des dispositifs mthodologiques tant
qualitatifs que quantitatifs. Cependant, on constate que les outils quantitatifs sont plus
frquemment mis en uvre pour servir la logique de test.
Aprs avoir prsent la dmarche gnrale de test applique lobjet thorique le
plus simple, lhypothse, nous lappliquons un modle, des modles et des
thories concurrentes.
1 Le test dune hypothse
Nous avons dfini la section 1, point 2.1 le terme hypothse et nous en avons
expos quelques proprits gnrales. Lorsquune hypothse est soumise un test,
elle est confronte une ralit qui sert de rfrent. Il est donc indispensable, au
pralable, de prsenter comment le chercheur dtermine lacceptabilit ou non
dune hypothse par rapport cette ralit. Ensuite, la dmarche de test dune
hypothse (hypothtico-dduction) est expose.
1.1 Acceptabilit dune hypothse
aucun moment du test, le chercheur ninvente ; il ne fait que dmontrer.

Toutefois, le rsultat du test ne doit pas tre compris comme vrai ou faux dans
labsolu mais relativement au cadre conceptuel mobilis et aux conditions
spcifiques dexprimentation. Un rsultat favorable lissue de la confrontation
avec la ralit, qui sapparente la confirmation dune hypothse, ne constitue pas
une preuve dcisive en faveur dune hypothse, mais seulement une corroboration
plus ou moins probante temporairement. La force avec laquelle une hypothse est
corrobore par un ensemble donn de faits dpend de diverses caractristiques
propres ces faits (Hempel, 1996).
De ces quatre critres que nous venons de prciser, la simplicit apparat comme
tant le plus subjectif. Face cette situation, Popper (1973) propose que la plus
simple de deux hypothses est celle qui a le plus grand contenu empirique. Pour
lui, lhypothse la plus simple est celle dont il est le plus facile dtablir la fausset.
En effet, sil est faux que lon puisse prouver de manire dcisive une hypothse, il
est vrai, en revanche, que lon peut la falsifier, cest--dire la qualifier de fausse. Il
suffit pour cela quun cas au moins la contredise.
94
c Focus
Les critres de corroboration dune hypothse
Quantit : En labsence de faits dfa- runis, mais aussi de leur diversit : plus
vorables une hypothse, sa confirmation celle-ci est grande, et plus fortement
sera considre comme croissant avec le lhypothse se trouve corrobore. []
nombre des rsultats favorables quon Prcision des faits : Quelquefois, on
obtient quand on la soumet des tests. peut rendre un test plus rigoureux et
[] Laccroissement de la confirmation
donner son rsultat plus de poids, en
par un nouveau cas favorable devient en
accroissant la prcision des procdures
gnral plus faible, mesure que le
dobservation et les mesures auxquelles
nombre des cas favorables
elles donnent lieu. []
prcdemment tablis grandit. Si lon a
dj des milliers de confirmations Simplicit : Un autre caractre influe
particulires, ladjonc-tion dun lment sur lacceptabilit dune hypothse : sa
favorable de plus accrotra la confirmation, simplicit par rapport celle dautres
mais de peu. [] hypothses qui permettraient de rendre
Diversit : Si les cas antrieurs ont tous compte des mmes phnomnes. []
t obtenus par des tests du mme type, Cette considration suggre que si
mais que la nouvelle dcouverte est le deux hypothses sont compatibles avec
rsultat dune espce diffrente de test, la les mmes donnes et ne diffrent pas
confirmation de lhypothse peut tre sur dautres points qui affecteraient leur
notablement accrue. Car la confirmation confirmation, la plus simple sera juge
dune hypothse dpend non seulement la plus acceptable.
du nombre de faits favorables quon a (Hempel, 1996 : 52-65.)
Il est possible de pousser plus loin le raisonnement de la crdibilit dune

hypothse en se demandant sil est possible de quantifier cette crdibilit. Si on
pose une hypothse H avec un ensemble dnoncs K, il est possible de calculer
c(H, K) exprimant le degr de crdibilit que H possde relativement K. Carnap
(1960) a conu une mthode gnrale qui permet de dfinir ce quil appelle le
degr de confirmation dune hypothse par rapport un ensemble dinformations

quelconque, pour autant quhypothse et informations soient exprimes dans un
mme langage formalis. Le concept ainsi dfini satisfait tous les principes de la
thorie des probabilits. Cette tentative de quantification de la corroboration ou
non dune hypothse se rfre lacceptabilit probabiliste (Carnap, 1960).
Dans la suite du dveloppement, nous retiendrons le critre essentiel de
lacceptabilit : la falsifiabilit. Nous allons voir maintenant quelle est la dmarche
quun chercheur doit mettre en uvre lorsquil souhaite tester.
95
Partie 1 Concevoir
c Focus
Les proprits dune hypothse falsifiable
Premire condition : Pour tre falsifiable, Seconde condition : Une hypothse ne peut
une hypothse doit revtir un caractre de tre falsifie que si elle accepte des noncs
gnralit. [] On comprendra aisment contraires qui sont thoriquement suscep-
quune proposition qui ne possde pas ce tibles dtre vrifis. [] Cette seconde
caractre de gnralit ne peut faire lobjet condition permet de comprendre le critre de
vrification dune hypothse que suggre
de tests rpts et, ntant pas falsifiable, ne
Popper : une hypothse peut tre tenue pour
peut tre tenue pour hypothse scientifique
vraie (provisoirement) tant que tous ses
au sens strict. Ainsi, la proposition Lentre-
contraires sont faux. Ce qui implique bien
prise Machin a fait faillite en raison de la entendu que les deux proprits que nous
concurrence trangre est une interprta- avons soulignes soient runies : primo que
tion dun vnement singulier. Peut-tre lhypothse revte un caractre de gnra-
sinspire-t-elle dune hypothse relative la lit et secundo quelle accepte des noncs
restructuration mondiale de la production qui contraires qui sont thoriquement suscep-
possde quant elle un certain degr de tibles dtre vrifis.
gnralit mais elle nen constitue pas une (Van Campenhoudt et Quivy,
en elle-mme. [] 2011 : 135-136.)
1.2 La dmarche hypothtico-dductive
Concrtement, lorsquil entreprend une dmarche de test, le chercheur utilise la

dmarche hypothtico-dductive.
Daprs Anderson (1983), nous pouvons schmatiser cette dmarche permettant
de tester les hypothses de la ceinture protectrice dune thorie (cf. figure 3.6, page
suivante).
Plus prcisment, il est possible de dcomposer cette dmarche en quatre grandes
tapes (Lerbet, 1993).
1) Nous dterminons quels sont les concepts qui permettent de rpondre notre
question de recherche. Nous mettons ainsi en avant, daprs la littrature, les
hypothses, modles ou thories qui correspondent notre sujet.
2) Au cours dune premire phase, nous observons que les hypothses, modles
ou thories mobiliss ne rendent pas parfaitement compte de la ralit.
3) Nous dterminons de nouveaux modles, hypothses ou thories.
4) Nous mettons alors en uvre une phase de test qui va nous permettre de
rfuter, ou non, les hypothses, les modles ou les thories.
96
Chapitre 3
Thories Observation
existantes
Convergence oui
Maintien
temporaire
de la thorie
non
Nouvelle thorie
Conjecture
Hypothse(s) Falsifies
Rfutation
falsifiable(s)
Acceptation temporaire
de la nouvelle thorie
Source : Anderson (1983 : 28).
Figure 3.6 Dmarche hypothtico-dductive applique au test dune thorie
EXEMPLE une illustration de la dmarche hypothtico-dductive

Afin de mieux comprendre la dmarche que nous venons de prsenter, nous proposons
de voir comment Miner, Amburgey et Stearns (1990) ont trait la question de recherche
sui-vante : Quel est le rle des liens interorganisationnels dans les transformations
organisa-tionnelles et le taux de mortalit des organisations ?
Sur la base de la littrature relative ce domaine, les auteurs ont labor cinq
hypothses indpendantes. Dans un souci de simplification du propos, nous ne
prsentons que lune dentre elles.
(H) : Les organisations qui possdent des liens interorganisationnels ont un taux de
morta-lit plus faible que celles qui nen ont pas.
Nous avons vu dans la section 1 que cette hypothse peut se schmatiser de la manire
suivante : +
Existence de liens interorganisationnels Taux de mortalit faible
97
Partie 1 Concevoir
Les auteurs ont propos doprationnaliser ces concepts par la mesure des variables sui-
vantes :
liens interorganisationnels nombre de liens avec les partis politiques
mort date de cessation dfinitive de parution
Les auteurs ont choisi comme terrain dtude la population des journaux finlandais de
1771 1963. Lutilisation dun test statistique de comparaison de moyennes a permis de
diff-rencier les poids relatifs des organisations lies et non lies. Le rsultat de ce test
na pas permis de rfuter lhypothse postule qui est donc corrobore.
Gnralement, il est rare que les recherches portent sur une seule hypothse. Il
est alors ncessaire de savoir comment tester un ensemble dhypothses.
2 Le test dun modle
Nous avons vu quun modle pouvait prendre plusieurs formes. Ici, nous
considrons une forme particulire de modle qui est la concrtisation dun
systme dhypothses logiquement articules entre elles (cf. figure 3.7).
H1
concept 1 concept 2
H2
concept
3 H3 H4
concept 4
Figure 3.7 Reprsentation schmatique dun modle
Prcisons ce stade que, si nous testons une thorie, dfinie au sens de Lakatos
comme un noyau dur entour dune ceinture protectrice, cela revient tester une
hypothse, ou un ensemble dhypothses appartenant la ceinture protectrice.
Nous sommes alors soit dans le cas de figure voqu au dbut de cette mme
section, soit dans le cas du test de ce que nous appelons modle.
Une premire approche du test peut consister dcomposer les relations au sein du
modle en hypothses simples et tester lensemble de ces hypothses, les unes aprs les
autres. Nous aboutissons alors lun des trois cas de figure suivants (Lerbet, 1993) :
1) Aucune des hypothses nest infirme (acceptation du modle, tout au moins
temporairement).
2) Plusieurs hypothses sont infirmes (acceptation en partie du modle, tout au
moins temporairement).
3) Toutes les hypothses sont infirmes (rejet pur et simple du modle).
98
Chapitre 3
EXEMPLE Le test dun modle en tudiant les hypothses prises individuellement
Lobjet de la recherche mene par Boyd (1990) est ltude des liens entre conseils dadmi-
nistration et environnement organisationnel. Pour oprationnaliser le concept denvironne-
ment, lauteur a adopt les trois dimensions de la typologie de Dess et Beard (1984) :
1) la munificence, soit le niveau relatif des ressources disponibles ;
2) le dynamisme, dfini comme le niveau de turbulence et dinstabilit face
lenvironne-ment et
3) la complexit, correspondant lhtrognit dans lenvironnement et la concentra-
tion des ressources. Le chercheur a choisi de se situer dans le cadre de la thorie de la
dpendance des ressources et a retenu cinq hypothses drives de la littrature :
(H1) Le niveau relatif des ressources disponibles est ngativement corrl la taille du
conseil dadministration et au nombre de membres extrieurs lentreprise dans le
conseil dadministration.
(H2) Le dynamisme de lorganisation est positivement corrl la taille du conseil
dadmi-nistration et au nombre de membres extrieurs lentreprise dans le conseil
dadministra-tion.
(H3) La complexit a une relation non linaire avec la taille du conseil dadministration
et le nombre de membres extrieurs lentreprise dans le conseil dadministration.
(H4) La taille de lentreprise est positivement corrle la taille du conseil dadministration
et au nombre de membres extrieurs lentreprise dans le conseil dadministration.
(H5) La taille du conseil dadministration est corrle positivement au nombre de
membres extrieurs lentreprise dans le conseil dadministration.
Chacune de ces hypothses a fait lobjet dun test sur un chantillon compos de 147
entre-prises amricaines. La lecture, entre autres, de la matrice des corrlations des
variables a permis de trancher sur la corroboration ou non de chacune des hypothses
prises spar-ment : (H1) et (H3) ont t corrobores partiellement, (H4) et (H5) ont t
corrobores et (H2) a t rejete.
Toutefois, cette dmarche est insuffisante mme si elle peut savrer utile pour
aborder sommairement un modle complexe. Il ne faut pas confondre test
dhypothses et test de modle. En effet, tester un modle ne revient pas

uniquement tester les hypothses constitutives dun modle, les unes aprs les
autres. Rduire le modle des hypothses juxtaposes ne permet pas toujours de
prendre en compte les interactions synergies, modrations et mdiations qui
interviennent. Des mthodes spcifiques permettent de tester un modle dans sa
globalit comme, par exemple, les quations structurelles. Tout comme pour une
hypothse, le principe de rfutabilit sapplique au modle, qui peut tre rejet ou
non, un moment prcis et dans des circonstances donnes. En dautres termes, le
test dun modle revient juger de la qualit de la simulation de la ralit, cest--
dire de sa reprsentativit. Si celle-ci est faible, le modle est rejet. Dans le cas o
le modle nest pas rejet, il constitue un outil de simulation exploitable pour
prdire le phnomne tudi.
99
Partie 1 Concevoir
EXEMPLE Le test dun modle dans sa globalit
Reprenons lexemple de la recherche mene par Boyd (1990). Le chercheur, aprs avoir
test les hypothses une une, complte son tude par le test du modle dans sa
globalit. Lagencement de lensemble des hypothses lui permet de proposer le modle
structurel suivant :
Taille de lentreprise (H4) +
Taille du conseil
(H1)
dadministration
Munificence
(H5)
(H2) + (H4) +
Dynamisme (H1)
(H2) +
(H3) Nombre de membres
Complexit (H3) extrieurs
Boyd utilise alors une des mthodes classiques destimation du modle. Dans le cas pr-
sent, il a recours Lisrel. Concrtement, le modle pris dans son ensemble a t
confront un modle construit tel quil nexiste aucune relation entre les variables. Le
test a montr quil existait bien des liens entre certaines variables du modle. Certains
liens, par contre, ntaient pas significatifs lorsquon considre les variables
globalement. Ainsi, les rsultats du modle final sont :
Taille de lentreprise (H4) +
Taille du conseil
(H1)
dadministration
Munificence
(H5)
(H2) + (H4) +
Dynamisme (H1)
(H3) Nombre de membres

Complexit extrieurs
3 Le test dobjets thoriques concurrents
Le chercheur peut se retrouver dans un cas o la littrature lui propose plusieurs

modles ou thories concurrentes. Il lui faut alors tester chacun de ces modles ou
thories pour en retenir un plus particulirement ou tout au moins pour voir la
contribution de chacun la connaissance du phnomne tudi. La dmarche
gnrale de test est la mme, dans ses grandes lignes, que lon sintresse des
modles ou des thories.
Face plusieurs thories (ou modles) en concurrence, le chercheur se pose des
questions quant lvaluation des thories (ou modles) et au choix entre thories
(ou modles). Il est au cur du dbat non rsolu entre rationalisme et relativisme.
Ces deux courants sopposent. Le rationalisme extrmiste pose lexistence dun
critre simple, ternel, universel permettant dvaluer les mrites compars de
thories rivales. [] Quelle que soit la formulation dtaille que le rationaliste
100
Chapitre 3
donne au critre, lune de ses caractristiques majeures sera son universalit et son
caractre ahistorique. Le relativiste nie lexistence dune norme de rationalit
universelle, ahistorique, qui permettrait de juger quune thorie est meilleure
quune autre. Ce qui est jug meilleur ou pire du point de vue des thories
scientifiques varie dun individu lautre ou dune communaut lautre.
(Chalmers, 1987 : 168-169.)
Le dbat se situe un niveau pistmologique et fait rfrence au statut de la
science. Il devient alors un postulat pour le chercheur qui explore ou teste. Lobjet
du prsent dveloppement nest pas de prendre position. Nous proposons
simplement que lorsque des thories (ou modles) sont en concurrence, la
prfrence pour une thorie (ou un modle) au dtriment dune ou plusieurs autres
nest le fruit, ni dune justification par lexprience des noncs constituant la
thorie, ni dune rduction logique de la thorie lexprience. Popper (1973)
propose de retenir la thorie (ou le modle) qui se dfend le mieux , cest--dire
celle (ou celui) qui semble tre la (ou le) plus reprsentative de la ralit.
Concrtement, un chercheur peut tre amen proposer diffrents modles
susceptibles de rpondre sa problmatique de recherche. Dodd (1968) propose
une liste hirarchise de vingt-quatre critres dvaluation que lon peut regrouper
en quatre catgories : critres de forme, smantiques, mthodologiques et
pistmologiques. Le chercheur peut alors valuer la qualit de chacun des
modles sur chacun de ces critres afin de comparer les rsultats obtenus.
Plus simplement, une manire de faire pour le chercheur peut tre de procder au
test de chacun des modles pris individuellement, laide de la mme mthode,
puis de comparer la qualit de reprsentation de la ralit par chacun des modles.
En dautres termes, le chercheur compare les carts observs, pour chaque modle,
entre valeurs issues du modle et valeurs relles. Le modle pour lequel les carts
sont les plus faibles est alors qualifi de plus reprsentatif de la ralit que les
autres. En fin de compte, cest ce modle que le chercheur retiendra.
EXEMPLE Le test de modles concurrents

La recherche de Shrivastava et Grant (1985) porte sur ltude empirique de processus de

prise de dcision et de lapprentissage organisationnel au sein de 32 organisations dans
un environnement complexe. Les auteurs recensent quatre modles de processus de
dcision : 1) Managerial Autocracy Model (MAM)
Un dirigeant cl est le principal acteur qui prend la dcision. Le processus se fonde sur
ses prfrences et ses actions.
2) Systemic Bureaucracy Model (SBM)
Les systmes organisationnels et les rgles et rgulations officielles dterminent les
activi-ts, les flux dinformation et les interactions qui composent le processus de prise
de dci-sion.
3) Adaptive Planning Model (APM)
La stratgie long terme sert de guide la prise de dcision.
101
Partie 1 Concevoir
4) Political Expediency Model (PEM)

La dcision est labore et prise par des groupes de dirigeants qui forment des coalitions
afin que les intrts quils reprsentent soient protgs et maximiss.
Au sein de cette recherche, les auteurs montrent que ces modles sont en concurrence
pour expliquer les processus de prise de dcision dans les organisations. En fait, ils
montrent que chacun de ces modles correspond des situations diffrentes. Par
exemple, les auteurs regardent quel modle est employ dans des organisations ayant
diffrentes structures : entrepreneuriale, fonctionnelle, divisionnelle ou conglomrale.
Un des constats, par exemple, est que les organisations dont la structure est
fonctionnelle sont plus enclines utiliser le modle APM que MAM ou SBM. En outre,
les organisations de type conglom-ral ont recours aux modles SBM et APM.
EXEMPLE Le test de thories concurrentes
Lobjet de la recherche mene par Boyd (1990) est ltude des liens entre conseil
dadministration et environnement organisationnel. Lexamen de la littrature montre
que deux courants antagonistes saffrontent : le management control et la dpen-
dance des ressources . Le premier courant considre que le conseil dadministration
na aucune utilit fonctionnelle et quil est incapable de contribuer la gestion de
lentreprise. Le second courant considre que le conseil dadministration participe aux
dcisions stratgiques de lentreprise et quil permet daccder aux ressources rares
comme linformation. Clairement, lopposition entre ces deux thories porte sur le rle
du conseil dadministration. Le noyau dur de chacune de ces thories inclut lhypothse
relative au rle du conseil dadministration. Boyd fait alors un choix idologique en
postulant que la thorie de la dpendance des ressources est plus mme de reprsenter
la ralit de la relation entre conseil dadministration et environnement. Afin de confor-
ter son point de vue, il se propose de tester des hypothses appartenant la thorie.
COnCLusIOn
Ce chapitre dfend lide que les deux grandes voies dlaboration des
connaissances (lexploration et le test) cohabitent davantage quelles ne sopposent
,au sein de la production scientifique en management. Nous avons prcis quels
modes de raisonnement les fondent linduction et la dduction et nous avons
dfini la nature des objets thoriques mobiliss. Si lexploration et le test sont
prsents de manire antinomique, cela ne signifie pas que ces deux processus
soient exclusifs lun de lautre. Un chercheur peut effectivement tre amen
explorer ou tester uniquement. Cela dit, trs frquemment, il est conduit concilier
et rconcilier les deux processus. Il peut, par exemple, partir dune exploration
fonde sur lobservation de faits empiriques, puis proposer une explication
conjecturale quil met ensuite lpreuve de la ralit (test). Cest ce quon appelle
la mthode exprimentale (Vergez et Huisman, 1960).
102
De manire diffrente, le chercheur peut, partir dune thorie, slectionner des

hypothses et les confronter ensuite la ralit. Dans le cas dune ou plusieurs
hypothses non corrobores, il peut proposer de nouvelles hypothses sur la base
des observations ralises. Il peut ensuite, bien entendu, procder un test des
nouvelles hypothses mises. Explorer et tester peuvent ainsi se succder au sein
dune mme recherche et sans antriorit systmatique de lune ou lautre des voies
empruntes pour construire des connaissances. Ces voies peuvent galement se
combiner au sein des programmes de recherche collaboratifs.
EXEMPLE
Un programme de recherche collaboratif entre des chercheurs en management des

Universits de Paris-Est, de Paris-Sud et de Montpellier 3, ayant pour thme le potentiel
rgulatoire de la responsabilit sociale des entreprises (RSE), a t soutenu par lANR
(Agence nationale de la recherche) de 2006 2011.
Ce programme a donn lieu plusieurs investigations, illustrant ainsi le caractre fcond de
la combinaison de lexploration et du test. Certains chercheurs (dont des doctorants) ont
cherch comprendre comment la RSE tait apprhende dans des accords internationaux
caractre social, dans des rapports Nouvelles rgulations conomiques (NRE) ou encore
dans les pratiques de gestion. Pour cela, les auteurs ont pris appui sur des perspectives
dductive puis abductive. En effet, dans un premier temps, ils ont labor des propositions
(hypothses) relatives la RSE daprs la littrature. Ces propositions sont souvent issues de
lexploration thorique de plusieurs littratures distinctes (le management, mais aussi le droit
ou la sociologie) lesquelles font apparatre plusieurs conceptions de la RSE, plus ou moins
instrumentale, plus ou moins ancre dans le champ de la norme ou dans le champ du droit.
Puis, et en adoptant une orientation dductive, ces chercheurs ont confront tout ou partie de
ces propositions, dans une logique de rfutation popprienne, des cas dentre-prise mais
galement des pratiques transversales aux entreprises, comme les chartes thiques par
exemple.
Dautres chercheurs ont explor de manire empirique des cas en prenant appui sur des
mthodes proches de la grounded theory propose par Glaser et Strauss (1967). Ces
recherches ont plus volontiers utilis la dmarche abductive pour faire merger, partir
des donnes des cas, une conceptualisation thorique.
Cet exemple illustre galement la complmentarit des modes dinfrence

inductif et dductif (par lutilisation des dmarches abductive et hypothtico-
dductive) pour la production de connaissances en management, en mobilisant,
successivement ou paralllement, des terrains de recherche diffrents.
Cette complmentarit renvoie la cohrence que tout chercheur dveloppe dans
son travail. La question nest pas tant de revendiquer telle ou telle voie de la
recherche, telle ou telle dmarche mthodologique, tel ou tel ancrage
pistmologique. La question est plutt ladquation entre la problmatique, sa
justification, et le dploiement dun dispositif qui doit rester son service.
103
Partie 1 Concevoir
Quelle que soit la voie envisage, le travail du chercheur commence dans les
articles et les ouvrages (literature search). Il se prolonge par un quasi-travail de
plaidoirie pour convaincre le lecteur de lintrt de la question aborde, mais aussi
de la justesse et de la pertinence du dispositif de recherche mis en uvre. L
encore, le chercheur effectue des choix et opte pour la stratgie de rdaction la plus
mme de servir sa cause. Parmi les stratgies possibles, les thses de Lecocq
(2003), Warnier (2005) ou encore Weppe (2009) en identifient jusqu six qui se
fondent sur la logique historique des travaux, larticulation selon les disciplines ou
le positionnement des revues, lidentification de diffrents courants thoriques, la
succession des thmes abords, la prsentation des questions souleves par la
problmatique de recherche ou encore la prsentation des dbats qui animent le
champ thorique. Il sagit alors de choisir la stratgie qui semble la plus approprie
au processus de cration de connaissances choisi par le chercheur. En dautres
termes, lcriture de la revue de littrature fait partie intgrante du processus de
dmonstration envisag par le chercheur. Certaines de ces stratgies, selon les
situations, seront plus mme de servir la voie de lexploration ou la voie du test.

Blaug M., Des ides reues aux ides de Popper , in La Mthodologie cono-
mique, Paris, conomica, 1982, pp. 4-25.
Grawitz M., Mthodes des sciences sociales, 10e dition, Paris, Prcis Dalloz,
2000.
Hempel C., Phylosophy of Natural Science, Englewood Cliffs, Prentice Hall, 1966.
(Traduction franaise : lments dpistmologie, Paris, Armand Colin, 1996.)
Popper K.R., The logic of Scientific Discovery, Londres, Hutchinson, 1959. Trad.
fr. : La logique de la dcouverte scientifique, Paris, Payot, 1973.
Strauss A., Corbin J., Basics of Qualitative Research, Grounded Theory and
Technics, Newbury Park, CA, Sage, 1998.
104
Chapitre
Quelles approches
4 avec quelles
donnes ?
Philippe Baumard, Jrme Ibert
RsuM
Ce chapitre traite du choix dont dispose le chercheur en matire de donnes empi-
riques et dapproches permettant leur recueil et leur analyse. Le chapitre montre tout
dabord que la donne est une reprsentation. Sa constitution passe par un processus
de dcouverte-invention qui exige un positionnement pistmologique de la part du
chercheur. La donne est galement subjective car soumise la ractivit de sa
source lgard du chercheur. En distinguant leur nature primaire ou secondaire, les
donnes sont ensuite values en termes de validit, daccessibilit et de flexibilit,
ainsi quen perspective de leur recueil et de leur analyse.
Le chapitre value ensuite la distinction entre les approches qualitative et quantita-tive
en fonction de la nature de la donne, de lorientation de la recherche, du carac-tre
objectif ou subjectif des rsultats obtenus et de la flexibilit de la recherche.
Enfin, la complmentarit entre lapproche qualitative et lapproche quantitative
est mise en vidence dans la perspective dun processus squentiel et dune
triangulation.
sOMMAIRE
SECTION 1 Le choix des donnes
SECTION 2 Le choix dune approche : qualitative et/ou quantitative ?
Partie 1 Concevoir
L un des choix essentiels que le chercheur doit oprer est celui dune approche
et de donnes adquates avec sa question de recherche. Il sagit bien entendu
dune question double entre. Dune part, il y a la finalit poursuivie : explorer,
construire, tester, amliorer ce qui est connu, dcouvrir ce qui ne lest pas. Dautre
part, il y a lexistant ; ce qui est disponible et accessible, ce qui est faisable et qui a
dj t fait et ce qui ne lest pas. Cette seconde entre possde deux volets : celui
de la donne et celui de lapproche, qui peut tre qualitative ou quantitative. Cest
donc une triple adquation que le chercheur poursuit entre finalit, approche et
donne. Intervenant trs tt dans le processus de recherche, cet agencement est
coteux, non seulement parce quil va engager le chercheur long terme, mais sur-
tout parce que toutes les dimensions implicites dans un tel choix ne sont pas rver-
sibles. Dans ce chapitre, nous essaierons de donner au lecteur les moyens de choisir,
en lclairant sur les possibles incompatibilits entre certaines approches et certaines
donnes, mais surtout en estimant le cot de chaque dcision en termes de temps,
dimpact sur la recherche et dirrversibilit.
Notre analyse est organise en deux sections.
Dans la premire, nous nous interrogerons sur le statut de la donne . Que
peut-on appeler une donne ? Nous verrons que le statut ontologique que lon
accorde nos donnes dnote une position pistmologique quil sagit de ne pas
trahir par une approche qui supposerait une position contraire. Ce sera surtout
loccasion de distinguer les donnes primaires des donnes secondaires, pour
valuer ce que chacune peut apporter une recherche. Nous explorerons les ides
reues quant ces donnes de natures diffrentes, afin de fournir au lecteur les cls
de larbitrage. Nous examinerons galement les contraintes qui psent sur le recueil
et lanalyse des donnes primaires et secondaires. Nous montrerons enfin en quoi
ces deux types de donnes sont tout fait complmentaires.
Dans la seconde section, nous analyserons les caractristiques censes permettre
la distinction entre lapproche qualitative et lapproche quantitative. Le premier
critre que nous valuerons consiste en la nature de la donne. Il sagira en quelque
sorte de prciser si lon peut donner une acception dterministe de la question :
quelles approches avec quelles donnes ? Nous valuerons galement linfluence
sur le choix dune approche qualitative ou quantitative que peuvent avoir
lorientation de la recherche construction ou test de la thorie , la position
pistmologique du chercheur lgard de lobjectivit ou de la subjectivit des
rsultats quil peut attendre de la recherche et la flexibilit dont il dsire disposer.
Enfin, nous montrerons en quoi ces deux approches sont complmentaires, soit
dun point de vue squentiel, soit dans la perspective dune triangulation.
106
section
1 LE ChOIx DEs DOnnEs
1 Quest-ce quune donne ?
Les donnes sont traditionnellement perues comme les prmisses des

thories. Les chercheurs recherchent et rassemblent des donnes dont le traitement
par une instrumentation mthodique va produire des rsultats et amliorer, ou
renouveler, les thories existantes.
Deux propositions non poses et contestables se cachent derrire cette acception
de bon sens. La premire est que les donnes prcdent les thories. La seconde,
dcoulant de la premire, est que les donnes existent en dehors des chercheurs,
puisquils les trouvent et les rassemblent afin de leur infliger des
traitements. La grammaire de la recherche ne fait que valider de telles suppositions,
puisquon distingue traditionnellement les phases de recueil, de traitement, et
danalyse des donnes, comme si tout naturellement les donnes taient des
objets indpendants de leur recueil, de leur traitement et de leur analyse.
Bien videmment, cette proposition est tout la fois fausse et vraie. Elle est
fausse car les donnes ne prcdent pas les thories, mais en sont la fois le
mdium et la finalit permanente. Le terrain ne parle jamais de lui-mme
(Czarniawska, 2005 : 359). On utilise tout autant que lon produit des donnes, que
lon soit au point de dpart de la rflexion thorique ou proche de son achvement.
Les donnes sont la fois des rceptacles et des sources de thorisation.
Avant toutes choses, la donne est un postulat : une dclaration au sens
mathmatique, ou une supposition accepte. Cette acceptation peut se faire par
voie dclarative, ou implicitement, en prsentant une information de telle faon
quelle prend implicitement le statut de vrit. Il sagit avant tout dune convention
permettant de construire ou de tester une proposition. Le fait que cette convention
soit vraie ou fausse, au sens commun, na rien voir avec sa vrit scientifique.
Comme le soulignait Caroll, sur la question de savoir si une proposition doit, ou

ne doit pas, tre comprise comme affirmant lexistence de son sujet, je soutiens que
tout auteur a le droit dadopter ses rgles propres pourvu, bien sr, que celles-ci
soient cohrentes avec elles-mmes et conformes aux donnes logiques
habituellement reues (Caroll, 1992 : 192). Ainsi, les donnes ont avant tout
un statut dassertion permettant au chercheur de poursuivre son travail sans avoir
lutter avec le statut de vrit des propositions quil met. La donne permet
dviter au chercheur de se rsoudre croire dans chaque proposition quil met.
Elle lui permet dvacuer de son espace de travail la question ontologique, du
moins de la relguer en arrire-plan afin doprationnaliser sa dmarche.
107
Partie 1 Concevoir
1.1 La donne comme reprsentation
Ainsi, les donnes sont des reprsentations acceptes dune ralit que lon
ne peut ni empiriquement (par les sensations), ni thoriquement (par labstraction),
embrasser. La premire raison est que la ralit nest pas rductible une partie
moindre qui peut toute entire lexprimer. Ainsi, dans le courant de ltude du
storytelling et de la narration, Rouleau (2005) plaide pour ltude des micro-
pratiques et des discours dans les organisations. Pour Czarniawska, ltude des
organisations affronte un univers qui est et restera polyphonique, o de multiples
langages slvent, saffrontent et se confrontent (2005 : 370).
Le fait davoir vcu une ralit ne signifie pas que lon est porteur de celle-ci,
mais tout au plus quon en a treint certains aspects, avec une intensit plus ou
moins grande. La mtaphore de laccident de voiture peut permettre ici de mieux
comprendre ce paradoxe. Tout un chacun peut dcrire avec plus ou moins de
pertinence un accident de voiture, mais ceux qui lont vcu possdent une
dimension supplmentaire qui ne peut tre exprime. Deux personnes ayant vcu le
mme accident auront toutefois deux expriences diffrentes de ce mme
vnement, que lon peut considrer comme une ralit partage. Cependant,
lexprimentation commune dun mme vnement a produit deux ensembles de
donnes distincts, mutuellement diffrents, et encore plus diffrents de la
reprsentation de lvnement par une personne ne layant pas vcu.
On pourrait facilement contredire cet exemple en suggrant quil sagit de donnes
qualitatives, cest--dire constitues de rcits, de descriptions, de retranscriptions de
sensations qui rendent cette diffrence vidente. Cependant, le caractre quantitatif ou
qualitatif de la donne ne change pas fondamentalement le problme. Si lon
demandait aux deux accidents dvaluer sur des chelles de 1 5 les diffrentes
sensations de laccident, on aboutirait galement des perceptions diffrentes dune
mme ralit, qui peut vouloir dire (1) que la ralit de laccident tait diffrente pour
les deux acteurs, ou que (2) la traduction dune mme ralit sur une chelle par deux
acteurs peut donner des rsultats diffrents. Dans les deux cas, le chercheur aura runi
des donnes , cest--dire quil aura accept lide que lune ou lautre faon de
reprsenter le phnomne (chelles ou rcit) constitue une mthode acceptable de
constitution de donnes. Ainsi, le statut de donne est partiellement laiss au libre
arbitre du chercheur. Celui-ci pourra considrer quun vnement directement
observable peut constituer une donne, sans lintermdiaire dune instrumentation
transformant les stimuli en codes ou en chiffres (par exemple, via une catgorisation ou
lutilisation dchelles). Dans une seconde modalit, le chercheur fait face des
phnomnes non directement observables, comme des attitudes. Il va avoir recours
une instrumentation lui permettant de transformer ces attitudes en un ensemble de
mesures, par exemple en utilisant des chelles o les acteurs pourront qualifier leur
attitude. Cette instrumentation nanmoins peut
108
galement tre applique des phnomnes observables, comme des comportements. Il

sagit dune troisime modalit de constitution des donnes (cf. figure 4.1).
Donnes
Instrumentation
Instrumentation
OBSERVABLE
Comportements vnements
Attitudes
NON-OBSERVABLE
Figure 4.1 Trois modalits de constitution des donnes
Toutefois, mme la retranscription des discussions dun conseil dadministration

reste un ensemble de reprsentations . En ce sens, une donne peut tre dfinie
comme une reprsentation qui permet de maintenir une correspondance
bidirectionnelle entre une ralit empirique et un systme symbolique (Stablein,
2006 : 353). Par exemple, on peut utiliser des tudes de cas ralises par dautres
chercheurs comme des donnes . Les tudes de cas sont alors utilises comme
des reprsentations qui pourront tre confrontes dautres reprsentations
recenses, assembles ou construites par le chercheur propos de lobjet de
recherche. Les reprsentations issues dtudes de cas appartiennent lensemble
des donnes , tandis que les autres appartiennent au systme symbolique
permettant la thorisation. Ds lors, on comprend que si toutes les donnes sont des
reprsentations, toute reprsentation nest pas systmatiquement une donne
(Stablein, ibid.). Considrer quune reprsentation est ou nest pas une donne tient
plus un positionnement pistmologique qu une mthodologie particulire de la
recherche. De faon traditionnelle, la recherche scientifique considre que le

monde empirique existe en dehors du chercheur, et que celui-ci a pour objet de le
dcouvrir (Lakatos, 1974). Ceci implique que le chercheur croit dans lexistence
dun monde objectif qui existe malgr lui, et possde un statut objectif. Kuhn
(1970), en tudiant la structure des rvolutions scientifiques, a pourtant su montrer
que les paradigmes scientifiques sont des ensembles de croyances partages par
des communauts de chercheurs. Les donnes utilises par les chercheurs, dans le
cadre de la dfense ou de la promotion de leur paradigme, sont autant de
conceptions , cest--dire de reprsentations nes de lintersubjectivit des
chercheurs partageant ces croyances.
109
Partie 1 Concevoir
1.2 Le positionnement pistmologique du chercheur lgard

de la donne
On ne peut donc trancher de manire dfinitive ce qui appartient au positionnement
pistmologique de chaque chercheur. Toutefois, on peut considrer quune donne est
en mme temps une dcouverte et une invention . tablir une dichotomie entre
dcouverte et invention peut introduire un biais dans la construction de la thorie. Si le
chercheur, en voulant absolument sen tenir lobjectivit de sa recherche, dcide de
ne considrer que les dcouvertes , il peut entraver la partie crative de sa recherche
en sautocontraignant, cest--dire en ludant volontairement une partie des donnes
quil considrera trop subjective. A contrario, une position considrant quil nexiste
aucune donne objective, aucune ralit en dehors de linteraction entre le chercheur et
ses sources, cest--dire que la ralit observe nest quinvention, risque de bloquer la
progression de la recherche dans des impasses paradoxales o tout est faux, tout est
vrai .
La constitution des donnes (leur dcouverte-invention) est de fait un travail
dvaluation, de slection, de choix trs impliquants pour le devenir de la recherche, et
au-del, va signer son positionnement pistmologique. Si laccent a t mis dans cet
ouvrage de faon transversale sur les positionnements pistmologiques des
chercheurs, cest que cette question ne peut tre lude. Il ne sagit pas dun choix pris
une seule fois et acquis pour lensemble de la recherche. Le processus de construction
des donnes de la recherche sinscrit dans un aller-retour incessant entre la thorie et
ses fondements empiriques. chaque aller-retour, la question dtablir ce qui
constitue, ou ne constitue pas, une donne va reposer au chercheur la question de son
positionnement pistmologique. Faute de cette interrogation constante, on risque de
retrouver dans le travail final des contradictions pistmologiques : des recherches
saffichant constructivistes, mais traitant les donnes de manire positive ; ou vice
versa, des recherches saffirmant positivistes, mais considrant des reprsentations
intersubjectives comme des ralits objectives.
1.3 La subjectivit de la donne due la ractivit de sa source
Le terme donne est un faux ami. Il sous-entend la prexistence, ou lexistence

objective en dehors du chercheur, dun ensemble dinformations et de connaissances
formelles disponibles et prtes tre exploites. En fait, rien nest moins donn
quune donne ! Les donnes peuvent tre produites au travers dune relation
observateur/observ. Lorsque le sujet est conscient de lobservation de ses
comportements ou des vnements qui limpliquent ou encore de lvaluation de ses
attitudes, il devient une source de donnes ractive dans le processus de
constitution de la base de donnes que nous avons dcrit dans la figure 4.1. Comme la
fort justement crit Girin, la matire tudie en management est non seulement
mouvante mais elle pense . Cest trs embtant, parce que la
110
matire pense notamment nous. Elle nous attribue des intentions qui, peut-tre,
ne sont pas les ntres, mais qui vont conditionner la manire dont elle va nous
parler, ce quelle va choisir de nous montrer ou de nous cacher. (Girin, 1989 : 3).
Si la ractivit de la source peut facilement tre mise en vidence dans le cadre du recueil
de donnes primaires dans les recherches qualitatives, elle ny est pas exclusivement
attache. Le fait que la donne soit de source primaire (cest--dire de premire main )
ou secondaire (cest--dire de seconde main ) ne constitue pas un critre suffisamment
discriminant en termes de ractivit de la source. Le chercheur peut collecter directement
des donnes comportementales par lobservation non participante sans que les sujets
observs soient conscients de cette observation et puissent affecter la donne par leur
ractivit (Bouchard, 1976). A contrario, les acteurs dorganisation donnant accs des
donnes secondaires internes, rapport ou document, peuvent en fait intervenir sur le
processus de construction de la base de donnes, tant par ce quils auront mis en exergue
que par ce quils auront omis ou dissimul. Sil est courant, juste titre, de souligner la
ractivit de la source de donnes primaires, les donnes secondaires ne sont pas exemptes
de ce type de phnomne.
Lapproche mthodologique lgard de la donne, qualitative ou quantitative,
nest pas un lment satisfaisant pour cerner les situations dinteractivit avec les
sources de donnes. Les donnes collectes au travers denqutes par
questionnaires ou grce des entretiens en profondeur peuvent toutes deux tre
affectes par la rtention dinformation ou son orientation dans un sens voulu par
les sujets qui en sont les sources. Quelle que soit lapproche, qualitative ou
quantitative, le chercheur est contraint de qualifier et de matriser sa prsence dans
le dispositif de collecte et de traitement des donnes (cf. chapitre 9).
La question dterminante est plutt la suivante : La donne est-elle affecte par
la ractivit de sa source lgard du chercheur ? En dautres termes, il est utile
de distinguer les donnes obtenues de faon ouverte ( obstrusive , soit
indiscrte dans la terminologie anglo-saxonne), cest--dire au su des sujets-
sources, ou de faon dissimule ( unobstrusive ), cest--dire linsu des
sujets-sources. Les donnes collectes de faon dissimule permettent de
complter, de recouper les donnes collectes de faon ouverte empreintes

dune certaine subjectivit, due la distorsion provoque par les filtres perceptuels
des sujets (Starbuck et Milliken, 1988) ou la slectivit de leur mmoire, ou
encore dinterprter des contradictions dans les donnes issues de sources ractives
(Webb et Weick, 1979).
111
Partie 1 Concevoir
2 Lutilisation des donnes primaires et secondaires

2.1 Quand les privilgier ?
Si les donnes sont des reprsentations, un chercheur doit-il forcment crer son
propre systme de reprsentations ses propres donnes , ou peut-il se contenter des
reprsentations disponibles ? La thorisation qui est issue de donnes uniquement
secondaires a-t-elle un statut scientifique moindre de celle qui est ancre dans le
terrain par le chercheur lui-mme ? dire vrai, beaucoup de chercheurs en sciences
sociales ont tendance rpondre par laffirmative en critiquant vertement leurs
collgues qui thorisent partir des donnes des autres. Ainsi, il est trs souvent
admis quon ne peut pas thoriser partir dtudes de cas que lon na pas soi-mme
conduites sur le terrain. Un tel jugement est avant tout une ide reue. Comme le
souligne Knig (1996 : 63), un chercheur comme K.E. Weick affectionne, en dpit
dune mdiocre rputation, lutilisation de donnes de seconde main. Webb et Weick
observent que cest un principe souvent considr comme allant de soi que les donnes
ne peuvent pas tre utilises en dehors du projet qui en a justifi leur collecte. Ayant
estim quune telle prvention tait tout la fois nave et contre-productive (Webb et
Weick, 1979 : 652), Weick ne sest pas priv dexploiter les possibilits quoffrent des
donnes secondaires. Larticle quil a crit sur lincendie de Mann Gulch (1993)
illustre bien les potentialits de la mthode . Pour sa recherche, K.E. Weick a utilis
comme source secondaire louvrage de MacLean, Young Men and Fire (1993), qui
dcrit force darchives, dentretiens et dobservations, la mort de treize pompiers
dans un incendie dont on avait sous-estim lampleur. La thorisation ralise par
Weick fut une contribution importante dans les sciences de lorganisation, sans que
Weick ait lui-mme assist aux vnements. Il faut bien sr relativiser de telles
expriences. La thorisation que Weick affine dans son article est le fruit dune longue
maturation, et on pourrait considrer que lexploitation de louvrage utilis comme une
source de donnes secondaires constitue une pierre supplmentaire une uvre
beaucoup plus large et progressive. On ne peut conseiller un jeune chercheur de
sengager directement dans ce type de recherche, sans avoir acquis sur le terrain une
maturit importante vis--vis des donnes et de leur constitution. cet gard, le recueil
de donnes primaires offre lopportunit au chercheur de se confronter directement la
ralit quil a choisi dtudier.
En dfinitive, le choix entre donnes primaires ou donnes secondaires doit tre
ramen un ensemble de dimensions simples : leur statut ontologique, leur
possible impact sur la validit interne et externe de la recherche, leur accessibilit
et leur flexibilit.
Quelques ides reues sur les donnes primaires
Lexemple de la thorisation mene par Karl Weick sur lincendie de Mann Gulch, et
laccueil quelle reut lors de sa publication, tmoignent des ides reues quune
112
audience scientifique peut avoir sur le statut dune recherche selon la nature des
donnes sur lesquelles elle se fonde. La tentation est grande de cder lidologie et de
se contraindre produire des donnes mme lorsque celles-ci sont disponibles, par
souci de se conformer aux attentes de son audience. La premire ide reue propos
des donnes primaires concerne leur statut ontologique. On aura tendance accorder
un statut de vrit plus grande une recherche fonde sur des donnes primaires, parce
que son auteur pourra tmoigner de phnomnes quil a vus de ses propres yeux.
Ce syndrome de saint Thomas peut cependant entraner un excs de confiance dans
les dclarations des acteurs et amener le chercheur produire des thories qui ne sont
pas assez abouties parce quelles nont pas su prendre suffisamment de distance avec le
terrain. De mme, les donnes primaires sont gnralement considres comme une
source de validit interne suprieure car le chercheur aura tabli un dispositif adapt au
projet et la ralit empirique tudie. Cette croyance dans une validit interne
suprieure vient du fait que le chercheur, en recueillant ou produisant lui-mme les
donnes, est cens avoir vacu les explications rivales en contrlant dautres causes
possibles. Cependant, la relative libert dont dispose le chercheur pour mener ces
contrles, et la relative opacit quil peut gnrer dans son instrumentation, doivent
relativiser une telle croyance. Lexcs de confiance qui provient de lautonomie dans la
production de la donne peut au contraire pousser le chercheur se contenter
desquisses peu robustes et ignorer des variables explicatives ou intermdiaires.
loppos, il est courant dattribuer un effet ngatif des donnes primaires sur la
validit externe de la recherche poursuivie. Parce que le chercheur sera le seul
avoir interagi avec sa ralit empirique, un travail de recherche uniquement
fond sur des donnes primaires pourra susciter des doutes de laudience. Il sagit
galement dune ide reue qui amnera gnralement le chercheur compenser
ses donnes primaires par un excs de donnes secondaires ad hoc quil aura
introduites pour colmater la validit externe de son travail, ralisant en quelque
sorte un cautre sur une jambe de bois.
Dans le mme ordre dide, les donnes primaires sont souvent considres comme
difficilement accessibles mais trs flexibles. Ce nest pas toujours le cas ! Mais parce
que le chercheur va considrer quil ne peut accder aux donnes primaires dont il a
besoin, il privilgiera des donnes secondaires disponibles alors que le projet poursuivi
aurait mrit une instrumentation et la production de donnes spcifiques.
De mme, lexcs de confiance dans une suppose flexibilit des donnes
primaires peut amener le chercheur sembourber dans un terrain se rvlant
beaucoup moins flexible que ne le suggrait la littrature : les acteurs vont lui
rsister, vont faire de la figuration, lui fournir les rponses dont ils simaginent
quelles pourront lui faire plaisir, et ainsi continuellement, mais de bonne foi,
biaiser sa recherche. Le tableau suivant rsume ces quelques ides reues sur les
donnes primaires, et les implications directes ou indirectes quelles peuvent avoir
sur une recherche quand on sest rsolu y croire (cf. tableau 4.1).
113
Partie 1 Concevoir
Tableau 4.1 Ides reues sur les donnes primaires
Implications
Ides reues
directes et indirectes
Les donnes primaires ont un Excs de confiance dans les dclarations des
Quant leur statut statut de vrit parce quelles acteurs.
ontologique proviennent directement du Thories trop intuitives ou tautologiques.
terrain.
Les donnes de premire Lexcs de confiance dans la validit interne
Quant leur impact main (ex. : interviews) ont une des donnes primaires pousse luder des
sur la validit interne validit interne immdiate. explications rivales ou ignorer des variables
intermdiaires.
Lutilisation de donnes On compense par des donnes secondaires
Quant leur impact
essentiellement primaires diminue qui nont pas de rapport avec la question de
sur la validit externe
la validit externe des rsultats. recherche.
Les donnes primaires sont On privilgie des donnes secondaires
Quant leur difficilement accessibles. accessibles mais incompltes, alors que lobjet
accessibilit de la recherche mriterait le recueil de donnes
primaires (heuristique du disponible).
Les donnes primaires sont trs On sembourbe dans le terrain par le manque
flexibles. de disponibilit des acteurs.
Quant leur flexibilit Travestissement des donnes primaires en les
dtournant de lobjet pour lequel elles ont t
recueillies.
Quelques ides reues sur les donnes secondaires
Les donnes secondaires font galement lobjet dun certain nombre dides
reues quant leur statut ontologique, leur impact sur la validit interne ou externe,
leur accessibilit et leur flexibilit. La plus tenace dentre elles concerne sans doute
leur statut ontologique. Parce quelles sont formalises et publies, les donnes
secondaires se voient attribuer un statut de vrit souvent exagr. Leur
objectivit est prise pour argent comptant, et leur fiabilit est assimile la
rputation de leur support. Ainsi, on accorde une intgrit plus grande une
information institutionnelle qu une information prive de source discrtionnaire,
sans mme sinterroger sur les conditions de production de ces diffrentes donnes.
Ce phnomne est accentu par lutilisation de mdia lectroniques qui fournissent
les donnes dans des formats directement exploitables. La formalisation des
donnes dans un format prt lexploitation peut amener le chercheur considrer
pour acquis le caractre valide des donnes quil manipule.
Il en est de mme pour leur impact sur la validit interne de la recherche.
Lapparente robustesse de lorganisation des donnes disponibles peut faire croire
quil sera plus facile de matriser la validit interne de la recherche ainsi mene.
Cependant, comme le rappelle Stablein (2006), la validit interne de la recherche
doit tre dmontre travers la validit des construits quelle utilise, cest--dire en
clairant et en justifiant les liens qui existent entre le construit et la procdure
oprationnelle qui permet de le manipuler. Selon une tude de Podsakoff et Dalton
114
(1987), seulement 4,48 % des auteurs fournissent des preuves de la validit de leur
construit dans les articles publis examins. Ainsi, la formalisation peut tre tort
assimile une robustesse intrinsque de la donne secondaire. Cette dernire ide
reue amne le chercheur croire que sa recherche sera scurise par le recours
des donnes secondaires, tandis quen fait, il ne fait quexternaliser , confier
dautres, les risques lis la validit interne de ses travaux en attribuant un degr
de confiance a priori aux donnes secondaires quil manipule.
Lutilisation de donnes secondaires pour tendre la validit des rsultats et
produire leur gnralisation est affecte des mmes travers. La validit externe est
aussi conditionne par la validit des travaux lorigine de la donne secondaire.
Une autre ide reue concerne la plus grande accessibilit des donnes
secondaires. Une telle croyance peut donner au chercheur le sentiment de
compltude de sa recherche car il aura limpression davoir eu accs tout ce qui
tait accessible . Lapparente facilit daccs aux donnes secondaires peut
amener le chercheur soit tre vite dbord de donnes en quantit trop
importante, soit croire quil a fait le tour de la question .
Paralllement, un autre ide reue, celle dune croyance positive dans la faible
flexibilit des donnes secondaires (donc peu manipulables) peut amener le
chercheur croire que les donnes secondaires sont plus fiables. Il sagit l dune
croyance nave car le fait que les donnes secondaires soient stabilises et
formalises ne signifie aucunement que les phnomnes quelles dcrivent se
soient figs ou stabiliss linstar des donnes disponibles qui les dcrivent. En
dautres termes, le recours aux donnes secondaires peut entraner une plus grande
exposition un biais de maturation (cf. chapitre 10).
Le tableau 4.2 rsume ces quelques ides reues sur les donnes secondaires.
Tableau 4.2 Ides reues sur les donnes secondaires
Ides reues Implications directes et indirectes
Les donnes secondaires ont un On ne sinterroge pas sur la finalit et les
statut de vrit suprieur aux conditions des recueil et traitement initiaux.
donnes primaires car elles ont On oublie les limitations que les auteurs
Quant leur statut
t formalises et publies. avaient attaches aux donnes quils avaient
ontologique
produites.
On reprend des propositions et on leur attribut
le statut de vrit.
Le statut ontologique de Lintgration de donnes disponibles peut
Quant leur impact vracit des donnes secondaires conduire ngliger la robustesse des construits
sur la validit interne offre une matrise de la validit de la recherche. Le chercheur externalise le
interne. risque de validit interne (excs de confiance).
Ltablissement de la validit Ltablissement de la validit externe peut tre
externe de la recherche est biais par lexcs de confiance dans les donnes
Quant leur impact
facilite par la comparaison avec secondaires.
sur la validit externe
des donnes secondaires. Le chercheur conclut une gnralisation
excessive de ses rsultats.

115
Partie 1 Concevoir

Ides reues Implications directes et indirectes
Les donnes secondaires sont La plus grande accessibilit peut donner au
Quant leur
disponibles et facilement chercheur le sentiment de compltude, tandis
accessibilit
accessibles. que sa base de donnes est incomplte.
Les donnes secondaires sont Croyance nave : la formalisation des donnes
Quant leur peu flexibles, donc plus fiables secondaires ne gage pas de leur prennit. Les
flexibilit car moins manipulables. donnes manquent dactualisation et subissent
un biais de maturation.
Nous avons mis en avant les dangers qui pouvaient rsider dans un choix fond
sur des ides reues sur des qualits que possderaient les donnes primaires et les
donnes secondaires. Il est donc fallacieux de btir un projet de recherche sur des
qualits que possderaient a priori ces deux types de donnes. Lutilisation de
donnes primaires ou secondaires va entraner un certain nombre de contraintes
dans le processus de recherche. Ces contraintes sont pour la plupart dordre
logistique. Le caractre primaire ou secondaire des donnes implique un ensemble
de prcautions spcifiques dans les phases de recueil et danalyse.
2.2 Les contraintes inhrentes leur utilisation

Les contraintes de recueil des donnes
Les donnes primaires posent des difficults de recueil importantes. Dabord, il

faut accder un terrain, puis maintenir ce terrain, cest--dire protger cet accs et
grer linteraction avec les rpondants (que les donnes primaires soient collectes
par questionnaire, par entretiens ou par observation) (cf. chapitre 9). Lutilisation
de donnes primaires ncessite donc de matriser un systme dinteraction
complexe avec le terrain, dont la gestion dfaillante peut avoir des consquences
sur lensemble de la recherche. loppos, le recours des donnes secondaires
permet de limiter linteraction avec le terrain, mais offre moins de latitude au
chercheur pour constituer une base de donnes adapte la finalit de sa recherche.
Ce travail peut tre long et laborieux. Il peut ncessiter la collaboration dacteurs
autorisant laccs certaines bases de donnes externes ou facilitant lorientation
du chercheur dans les archives dorganisation.
Les contraintes danalyse des donnes
De mme, les donnes primaires et secondaires impliquent des difficults danalyse

qui leur sont spcifiques. Les distorsions dans lanalyse vont se situer diffrents
niveaux selon le caractre primaire ou secondaire des donnes. Lutilisation de donnes
primaires pose essentiellement des problmes de contrle des interprtations ralises.
Le chercheur est en effet juge et partie dans la mesure o il recueille lui-mme les
donnes quil va plus tard analyser. Il peut arriver quil poursuive implicitement son
modle ou son construit la fois dans le recueil des
116
donnes (biais dinstrumentation) et dans leur analyse (non-vacuation des autres

causalits possibles, focalisation sur le construit dsir). Lanalyse de donnes
secondaires implique un autre type de contrainte. Si le chercheur est confront des
donnes secondaires partielles, ambigus ou contradictoires, il ne peut que rarement
remonter la source pour les complter ou les clarifier. Le chercheur est en effet
contraint dinterroger des personnes cites dans des archives ou ayant collect les
donnes, cest--dire de recourir des donnes primaires ad hoc. Cette dmarche est
coteuse. Laccs aux individus concerns nest quexceptionnellement possible.
Le tableau 4.3 reprend les contraintes que nous venons dexposer quant
lutilisation des donnes primaires et secondaires.
Tableau 4.3 Les contraintes inhrentes aux donnes primaires et secondaires
Donnes primaires Donnes secondaires
Il est essentiel de matriser un systme Le chercheur dispose dune moins
dinteraction complexe avec le terrain. grande latitude pour constituer sa base
Difficults de recueil de donnes.
Le recueil implique laccs des
bases de donnes existantes.
Le fait dtre juge et partie peut Le chercheur ne peut que rarement
introduire des distorsions dans lanalyse complter ou clarifier des donnes
Difficults danalyse
des donnes produites (poursuite dun partielles, ambigus ou contradictoires.
modle implicite dans lanalyse).
2.3 Leur complmentarit
Les donnes primaires et secondaires sont complmentaires tout au long du processus du

recherche. Lincompltude des donnes primaires peut tre corrige par des donnes
secondaires, par exemple historiques, pour mieux comprendre larrire-plan ou confronter
le terrain avec des informations qui lui sont externes. linverse, une recherche dont le
point de dpart est constitu de donnes secondaires (par exemple, sur une base de donne
statistiques dinvestissements directs ltranger) pourra tre
Suffisantes ?
Non
Oui
Donnes retour Donnes

Analyse
primaires retour secondaires
Oui
Non Suffisantes ?
Figure 4.2 Des allers-retours entre donnes primaires et secondaires
117
Partie 1 Concevoir
utilement appuye par des donnes primaires (par exemple, des entretiens avec des
investisseurs). La difficult rside dans lvaluation de sa propre base dinformation
par le chercheur. Il est fort possible quil saperoive que sa base dinformation tait
insuffisante lors de lanalyse des donnes, ce qui impliquera un retour une phase de
recueil de donnes, soit primaires soit secondaires (cf. figure 4.2).
section
2 LE ChOIx DunE APPROChE : QuALITATIVE
ET/Ou QuAnTITATIVE ?
La question qui se pose au chercheur rside dans le choix de lapproche quil va

mettre en uvre pour collecter et analyser les donnes. En dautres termes,
comment va-t-il aborder la dimension empirique de sa recherche ? Nous
examinerons tout dabord dans cette section ce qui distingue lapproche qualitative
de lapproche quantitative. Nous montrerons ensuite comment ces deux approches
peuvent se rvler complmentaires.
1 Distinction entre approche qualitative et approche quantitative
Il est de tradition en recherche de faire une distinction entre le qualitatif et le

quantitatif (Grawitz, 2000). Nous avons dailleurs observ la distinction entre
recherches qualitatives et recherches quantitatives pour structurer notre propos
consacr la collecte des donnes dans le chapitre 4 du prsent ouvrage. Pourtant cette
distinction est la fois quivoque et ambigu, ce qui conduit Brabet sinterroger :
Faut-il encore parler dapproche qualitative et dapproche quantitative ? (1988).
Comme le montre cet auteur, la distinction est quivoque car elle repose sur une
multiplicit de critres. Lorsquon consulte des ouvrages de mthodologie de recherche
la rubrique portant sur la distinction entre le qualitatif et le quantitatif, on peut y
trouver des rfrences aux donnes qualitatives et quantitatives (Evrard et al., 2009
; Glaser et Strauss, 1967 ; Miles et Huberman, 2003 ; Silverman, 2006), aux
variables qualitatives et quantitatives (Evrard et al., 2009 ; Lambin, 1990), aux
mthodes qualitatives et quantitatives (Grawitz, 2000) et enfin aux tudes
qualitatives (Lambin, 1990 ; Evrard et al., 2009). La distinction entre le qualitatif
et le quantitatif est, de plus, ambigu car aucun de ces critres ne permet une
distinction absolue entre lapproche qualitative et lapproche quantitative. Nous
nous livrerons prsent un examen critique des diffrents critres que sont la
nature de la donne, lorientation de la recherche, le caractre objectif ou subjectif
des rsultats obtenus et la flexibilit de la recherche.
118
1.1 Distinction selon la nature de la donne
La distinction entre qualitatif et quantitatif passe-t-elle par la nature mme de la

donne ?
Il est courant de distinguer les donnes qualitatives et les donnes quantitatives.
Pour Miles et Huberman (2003 : 11), les donnes qualitatives [] se prsentent
sous forme de mots plutt que de chiffres . Toutefois, la nature de la donne ne
dicte pas forcment un mode de traitement identique. Le chercheur peut trs bien
procder, par exemple, un traitement statistique et, par consquent, quantitatif
avec des variables nominales.
Selon Evrard et al. (2009 : 28), les donnes qualitatives correspondent des
variables mesures sur des chelles nominales et ordinales (cest--dire non
mtriques), tandis que les donnes quantitatives sont collectes avec des chelles
dintervalles (ou cardinales faibles) et de proportion (cardinales fortes ou encore
ratio). Ces chelles peuvent tre hirarchises en fonction de la qualit de leurs
proprits mathmatiques. Comme le montre la figure 4.3, cette hirarchie va de
lchelle nominale, la plus pauvre dun point de vue mathmatique, lchelle de
proportion, llite des chelles de mesure.
K catgories Exemples
Non Nominales : Relation didentification secteur

Ordonnes?
ou dappartenance une classe dactivit
Oui
Intervalles ?
Ordinales : Relation dordre entre les objets petite < moyenne
entre
catgories? < grande entreprise
gaux
Y a-t-il Non
Intervalle : Comparaison dintervalles indice de satisfaction
un zro
ou de diffrences des salaris
naturel? de 1 10
Oui
Proportion : Rapport entre deux valeurs indpendantes de lunit chiffre

de mesure, passage dune chelle une autre daffaires

en appliquant une constante multiplicative
approprie (1 $ = n Francs)
Daprs vrard et al. (2009 : 28)
Figure 4.3 La hirarchie des chelles de mesure
119
Partie 1 Concevoir
Comme le montre la figure 4.3, les variables mesures sur des chelles nominales ne
permettent que dtablir des relations didentification ou dappartenance une classe.
Que ces classes soient constitues de nombres ne change rien leur proprit (exemple
: un numro de dpartement ou encore un numro arbitraire pour identifier la classe).
Pour ce type de mesure, aucune des trois proprits des nombres nest rencontre :
lordre est arbitraire, lunit de mesure peut tre variable et lorigine des nombres
utiliss est galement arbitraire (Lambin, 1990 : 128). Le seul calcul statistique
permis est celui de la frquence. Avec les variables mesures sur des chelles
ordinales, on peut obtenir un classement mais lorigine de lchelle reste arbitraire. Les
intervalles entre catgories tant ingaux, les calculs statistiques se limitent des
mesures de position (mdiane, quartiles, dciles). On ne pourra effectuer des
oprations arithmtiques sur ces donnes. Ds lors que les intervalles entre catgories
deviennent gaux, on peut parler dchelles dintervalles. Les variables mesures sur ce
type dchelle peuvent tre soumises plus de calculs statistiques. On passe donc des
donnes dites quantitatives ou des chelles mtriques . On peut ds lors oprer
des comparaisons dintervalles, des rapports de diffrence ou de distance. Les calculs
de moyenne et dcarts types sont autoriss. Toutefois le zro est dfini de faon
arbitraire. Lexemple le plus connu dchelle dintervalles est celui de la mesure des
tempratures. On sait que le zro degr de lchelle Celsius, temprature de
solidification de leau, correspond au 32 degrs de lchelle Farenheit. On peut donc
convertir une donne dune chelle une autre, moyennant une transformation linaire
positive (y = ax + b, avec a > 0). Par contre, en labsence dun zro naturel, on ne peut
effectuer des rapports entre grandeurs absolues. Par exemple, on ne peut dire quhier,
il faisait deux fois plus chaud quaujourdhui , mais que la temprature tait du
double de degr Celsius quhier . Si on convertit les deux tempratures en degrs
Farenheit, on se rend compte que ce deux fois est inappropri. Le rapport entre les
deux mesures nest donc pas indpendant du choix arbitraire du zro de lchelle de
mesure. Avec lexistence dun zro naturel, on passe des chelles de proportion.
Cest le cas des mesures montaires, de longueur ou de poids. Ces donnes sont donc
les plus riches en termes de calcul statistiques puisque le chercheur pourra analyser des
rapports de grandeurs absolues sur des variables telles que lanciennet dans
lentreprise, les salaires Le tableau 4.4 prsente un bref rsum des oprations
mathmatiques permises sur les diffrentes donnes correspondant des variables
mesures sur les diffrents types dchelle.
Les lments que nous venons dexposer sur les donnes qualitatives et sur les
donnes quantitatives montrent bien que la nature de la donne ne dicte pas une
approche de recherche quantitative ou qualitative. Du reste, Evrard et al. (2009)
prcisent bien quil ne faut pas confondre les donnes qualitatives et les donnes
quantitatives avec les tudes portant le mme vocable. Pour distinguer lapproche
qualitative et lapproche quantitative, il nous faut valuer dautres critres.
120
Tableau 4.4 Types doprations et types de donnes collectes

Donnes qualitatives Donnes quantitatives
chelles non mtriques chelles mtriques
Oprations permises Nominales Ordinales Intervalles Proportion
Comparaison de base
Identification, appartenance Oui Oui Oui Oui
Classement ordonn Oui Oui Oui
Rapport de diffrences Oui Oui
Rapport de grandeurs absolues Oui
Tendance centrale
Mode Oui Oui Oui Oui
Mdiane Oui Oui Oui
Moyenne Oui Oui
Dispersion
carts interfractiles Oui Oui Oui
Variance, cart type Oui Oui
Adapt de Peeters in Lambin (1990 : 132).
1.2 Distinction selon lorientation de la recherche
La recherche en science de gestion est caractrise par deux grandes orientations

: la construction ou le test dun objet thorique. Sil soriente vers la vrification, le
chercheur a une ide claire et tablie de ce quil cherche. loppos, si le
chercheur soriente vers une dmarche exploratoire, caractristique de la
construction thorique, le chercheur ignore en grande partie la teneur de ce quil va
mettre jour (cf. chapitre 3). Comme la dit sans fard Coombs, le problme du
psychologue social, pour le dire carrment, consiste se demander sil sait ce quil
cherche ou sil cherche savoir (1974 ; cit par Brabet, 1988).
Il est courant de lier lexploration une approche qualitative et la vrification une
approche quantitative (Brabet, 1988), voire dopposer la dmarche inductive des
recherches qualitatives et la dmarche hypothcodductive des recherches quantitatives
(Hammersley, 1999). Ainsi, Silverman distingue deux coles en science sociale,

lune oriente sur le test quantitatif dhypothses et lautre tourne vers la gnration
qualitative dhypothses (2006). Il sagit pourtant encore une fois dune ide reue,
dune sur-simplification (Hammersley, ibid. :77), dune dmarcation exagre
(Bryman, 1999), car pour construire ou pour tester, le chercheur peut adopter tout aussi
bien une approche quantitative quune approche qualitative (cf. chapitre 3). Il ny a
pas de conflit fondamental entre les buts et les potentialits des mthodes ou des
donnes qualitatives et quantitatives. [] Chacune des formes de donnes est utile
pour la vrification et la gnration de thorie (Glaser et Strauss, 1967 : 17-18).
Lvolution des possibilits de traitement statistique obtenue grce aux progrs de
linformatique a accru les potentialits de lapproche quantitative dans les dmarches
exploratoires (Brabet, 1988). De manire symtrique, rien nempche un chercheur de
121
Partie 1 Concevoir
rfuter une thorie au travers dune approche qualitative, en montrant son insuffisance
expliquer des faits de gestion dorganisation. Cest ainsi que Whyte (1955) a rfut,
au travers dune approche qualitative mene sur un seul site essentiellement par
observation participante, le modle dominant de dsorganisation sociale mis en
avant par lcole sociologique de Chicago pour rendre compte de la vie sociale dans les
quartiers pauvres des grandes villes amricaines. Il faut cependant souligner que les
chercheurs choisissent rarement une approche qualitative avec la seule perspective de
tester une thorie. En gnral, ce choix est accompagn galement dune orientation
encore plus marque vers la construction. Cette tendance sexplique par le cot,
notamment en temps, dune approche qualitative qui ne serait destine qu tester une
thorie. Imaginons que le test savre positif. Le chercheur naura dautre choix que de
reconduire une autre campagne de recueil et danalyse. En effet, lapproche qualitative
enferme le chercheur dans une dmarche de falsification : le seul objectif ne peut tre
que de rfuter la thorie et en aucun cas de la valider. Le rle de lapproche qualitative
nest pas de produire la gnralisation dune thorie existante. Stake souligne propos
de ltude de cas, quil positionne dans lapproche qualitative, que tout au plus par le
contre-exemple, ltude de cas invite la modification dune gnralisation (1995 :
8). Cette modification implique une construction. La limite de lapproche qualitative
rside dans le fait quelle sinscrit dans une dmarche dtude dun contexte particulier.
Bien sr, le recours lanalyse de plusieurs contextes permet daccrotre la validit
externe dune recherche qualitative selon une logique de rplication (cf. chapitre 10).
Cependant, les constats ont toujours un contexte qui peut tre dsign mais non
puis par une analyse finie des variables qui le constituent, et qui permettrait de
raisonner toutes choses gales par ailleurs (Passeron, 1991 : 25). Ces limites de
lapproche qualitative en terme de gnralisation conduisent accorder plus de validit
externe aux approches quantitatives. loppos, lapproche qualitative offre plus de
garantie sur la validit interne des rsultats. Les possibilits dvaluation dexplications
rivales du phnomne tudi sont plus grandes que dans lapproche quantitative car le
chercheur peut mieux procder des recoupements entre les donnes. Lapproche
qualitative accrot laptitude du chercheur dcrire un systme social complexe
(Marshall et Rossman, 1989).
Le choix entre une approche qualitative et une approche quantitative apparat donc
plus dict par des critres defficience par rapport lorientation de la recherche,
construire ou tester. Bien que les garanties de validit interne et de validit externe
doivent tre envisages conjointement quel que soit le type de recherche, le chercheur
doit se dterminer sur la priorit quil accorde la qualit des liens de causalit entre
les variables ou la gnralisation des rsultats pour choisir entre une approche
qualitative et une approche quantitative. Lidal serait videmment de garantir au
mieux la validit des rsultats en menant conjointement les deux approches.
122
1.3 Distinction selon le caractre objectif ou subjectif des rsultats
Il est gnralement reconnu que lapproche quantitative offre une plus grande
garantie dobjectivit. Les impratifs de rigueur et de prcision qui caractrisent les
techniques statistiques plaident en ce sens. Il nest donc pas surprenant que lapproche
quantitative soit ancre dans le paradigme positiviste (Silverman, 1993). Dans la
comparaison entre les mthodes qualitatives et quantitatives, Grawitz pose, de faon
presque caricaturale, une interrogation fondamentale : Vaut-il mieux trouver des
lments intressants dont on nest pas certain, ou tre sr que ce que lon trouve est
vrai, mme si ce nest pas trs intressant ? (1993 : 321.) La question suggre que le
caractre objectif ou subjectif des rsultats constitue une ligne de sparation entre
lapproche qualitative et lapproche quantitative. Cette dichotomie nest pourtant pas
pertinente. Non seulement les chercheurs quantitatifs nont pas tous prn lexistence
dune ralit objective, indpendante de la conception que la connaissance scientifique
peut permettre, mais cest surtout le postulat dune relation de fait entre lapproche
qualitative et une position pistmologique particulire qui peut tre remis en question
(Hammersley, 1999). Il convient donc danalyser plus finement ce critre. Nous
verrons quil existe plusieurs subjectivits des rsultats de la recherche qui peuvent
qualifier diffrentes approches qualitatives. Nous montrerons galement que certains
partisans de lapproche qualitative ont entam une rflexion pour rduire la
subjectivit, historiquement attache cette tradition de recherche.
c Focus
Objectivisme versus subjectivisme
Lobjectivisme isole lobjet de la recherche, conceptions : lobjet nest plus une entit
introduit une sparation entre observateurs isole, il est toujours en interrelation avec
et observs, relgue le chercheur dans une celui qui ltudie ; il ny a pas de coupure
position dextriorit, cette coupure pist- pistmologique, la ncessaire objectiva-
Toute reproduction non autorise est un dlit.
mologique tant juge ncessaire lobjec- tion de la pratique prend en compte les
tivit de lobservation. [] La tradition implications de toute nature du chercheur,
objectiviste se donne des objets de dont la subjectivit est rtablie et analyse
recherche qui acceptent les contraintes des comme appartenant de plein droit au
mthodes dobservation et de production qui champ considr. [] Les mthodes
sont les plus souvent assises sur la quan- employes relvent davantage de
tification, ou tout au moins sur lobsession lanalyse qualitative, lunique pouvant tre
horlogre de la mesure. [] Le subjecti- significatif comme le non mesurable.
visme prend le contre-pied de ces (Coulon, 1987 : 50-51.)
Sur la subjectivit plusieurs positions sont mises en avant. En premier lieu, le

Dunod
dveloppement de lapproche qualitative a t caractris par la prise en compte de

la subjectivit du chercheur. Le Focus suivant montre en quoi lobjectivisme et
123
Partie 1 Concevoir
le subjectivisme sopposent quant la posture et lapproche du chercheur vis--

vis de lobjet de recherche.
Selon Erickson (1986), la caractristique la plus distinctive de lenqute qualitative
rside dans la mise en exergue de linterprtation. Cette interprtation ne doit pas tre
celle du chercheur mais celles des individus qui sont tudis. Ce positionnement de
lapproche qualitative sapparente aux prceptes des tenants de linteractionnisme
symbolique qui considrent que lauthentique connaissance sociologique nous est
livre dans le point de vue des acteurs, quel que soit lobjet de ltude, puisque cest
travers le sens quils assignent aux objets, aux situations, aux symboles qui les
entourent, que les acteurs fabriquent leur monde social (Coulon, 1987 : 11).
Lapproche qualitative ne limite pas linterprtation lidentification de variables, au
dveloppement dinstruments de collecte de donnes et lanalyse pour tablir des
rsultats. Il sagit plutt pour le chercheur de se positionner comme un interprte du
terrain tudi, mme si sa propre interprtation peut tre plus appuye que celle des
sujets (Stake, 1995 : 8). Lapproche qualitative admet tout la fois, la subjectivit du
chercheur et celle des sujets. Elle offre lopportunit dune confrontation avec des
ralits multiples car elle expose plus directement la nature de la transaction entre
linvestigateur et le sujet (ou lobjet), et permet une meilleure valuation de sa posture
dinteraction avec le phnomne dcrit (Lincoln et Guba, 1985 : 40).
Un positionnement constructiviste nimplique pas non plus que le critre dobjectivit
soit lud. Ce critre dobjectivit peut tre envisag comme un agrment intersubjectif .
Si de multiples observateurs sont en mesure dmettre un jugement collectif sur un
phnomne, on peut dire quil est objectif. (Lincoln et Guba, 1985 : 292)
Lapproche qualitative nexclut pas une posture pistmologique dobjectivit de
la recherche par rapport au monde quelle tudie. Certains promoteurs de
lapproche qualitative, Glaser et Strauss (1967) notamment, en ont dvelopp une
conception positiviste. Dans leur ouvrage de rfrence sur lapproche qualitative,
Miles et Huberman postulent que les phnomnes sociaux existent non seulement
dans les esprits mais aussi dans le monde rel et que des relations lgitimes et
raisonnablement stables peuvent y tre dcouvertes (2003 : 16). Les deux auteurs
plaident pour un positivisme amnag et suggrent la construction dune
chane logique dindices et de preuves des fins dobjectivit des rsultats. Le
Focus suivant prcise en quoi consiste et quel est le rle dune chane de preuves.
En dfinitive, la collecte et lanalyse des donnes doivent rester cohrentes avec un
positionnement pistmologique explicite du chercheur. Si lapproche qualitative
permet dintroduire une subjectivit peu compatible avec lapproche quantitative, elle
ne peut cependant tre circonscrite une pistmologie constructiviste.
124
c Focus
La chane de preuves
Le chercheur de terrain construit peu peu aux corroborations structurales , ils
cet enchanement de preuves, identi-fiant en adoptent un mode de travail plus proche de
premier lieu les principaux facteurs, linduction par limination. La logique du
bauchant les relations logiques qui les modus operandi utilis comme outil de
unissent, les confrontant aux informations localisation de problmes dans plusieurs
issues dune nouvelle vague de recueil de professions mdecins lgistes, garagistes,
donnes, les modifiant et les affinant en une cliniciens, officiers de police, enseignants
nouvelle reprsentation explicative qui, son reflte bien ce va-et-vient entre linduction
tour, est teste sur de nouveaux sites ou par numration et linduction par limina-
dans des situations nouvelles. [] Dans sa tion. (Miles et Huberman, 2003 : 468.)
forme la plus acheve, la mthode combine Yin assigne une autre fonction la chane
deux cycles imbriqus. Le premier sintitule de preuves : Le principe (du maintien de
induction par numration qui consiste la chane de preuves) est de permettre
recueillir des exemples nombreux et varis un observateur externe le lecteur de
allant tous dans la mme direc-tion. Le ltude de cas, par exemple de suivre le
second est l induction par limi-nation , chemi-nement de nimporte quelle preuve
o lon teste son hypothse en la confrontant prsente, des questions de recherche
dautres et o lon recherche initiales aux conclusions ultimes du cas.
soigneusement les lments pouvant limiter De plus, cet observateur externe doit tre
la gnralit de sa dmonstration. Quand les capable de retracer les tapes dans nim-
chercheurs qualitatifs voquent la porte quelle direction (des conclusions en
centration progressive , ils parlent en fait arrire vers les questions de recherche
dinduction par numration et lorsquils initiales, ou des questions vers les conclu-
passent aux comparaisons constantes et sions). (Yin, 2014 : 127.)
1.4 Distinction selon la flexibilit de la recherche

La question de la flexibilit dont dispose le chercheur pour mener bien son

projet de recherche est elle aussi un lment crucial dans le choix dune approche
qualitative ou quantitative. Dans le domaine de la recherche sur la gestion et les
organisations, il est clair que les vnements inattendus et dignes dintrt sont
propres bouleverser nimporte quel programme, et que la vraie question nest pas
celle du respect du programme, mais celle de la manire de saisir intelligemment
les possibilits dobservation quoffrent les circonstances (Girin, 1989 : 2).
Avec lapproche qualitative, le chercheur bnficie en gnral dune grande
flexibilit. La question de recherche peut tre modifie mi-parcours afin que les
rsultats soient vraiment issus du terrain (Stake, 1995). Le chercheur peut galement
intgrer des explications alternatives et modifier son recueil de donnes. Il a tout
125
Partie 1 Concevoir
intrt ne pas trop structurer sa stratgie pour conserver une capacit prendre en
compte limprvu et pouvoir changer de direction, le cas chant (Bryman, 1999).
Lapproche quantitative noffre pas cette souplesse car elle implique
gnralement un calendrier plus rigide. Quand il sagit denqutes,
lchantillonnage et la construction du questionnaire sont effectus avant que ne
commence le recueil de donnes. De mme, dans la recherche avec
exprimentation, la dfinition des variables indpendantes et dpendantes, ainsi
que celle des groupes dexprience et de contrle, fait partie dune tape
prparatoire (Bryman, 1999). Il est videmment trs difficile de modifier la
question de recherche dans la dmarche plus structure au pralable de lapproche
quantitative, compte tenu du cot quune telle modification entranerait. Il est le
plus souvent exclu denvisager dvaluer de nouvelles explications rivales, moins
de remettre en chantier le programme de recherche.
2 Les stratgies de complmentarit :

squentialit et triangulation
Le chercheur peut tout dabord avoir intrt utiliser la complmentarit des
approches qualitative et quantitative dans la perspective dun processus squentiel.
Une tude exploratoire, mene au travers dune approche qualitative, constitue
souvent un pralable indispensable toute tude quantitative afin de dlimiter la
question de recherche, de se familiariser avec cette question ou avec les
opportunits et les contraintes empiriques, de clarifier les concepts thoriques ou
dexpliciter des hypothses de recherche (Lambin, 1990). Dans ce cas, lapproche
qualitative constitue une tape ncessaire la conduite dune approche quantitative
dans les meilleures conditions. Rappelons que lapproche quantitative par son
important degr dirrversibilit ncessite des prcautions qui conditionneront le
succs du projet de recherche.
Dans une toute autre perspective, le chercheur peut associer le qualitatif et le
quantitatif par le biais de la triangulation. Il sagit dutiliser simultanment les deux
approches pour leurs qualits respectives. Lachvement de construits utiles et
hypothtiquement ralistes dans une science passe par lutilisation de mthodes
multiples focalises sur le diagnostic dun mme construit partir de points
dobservation indpendants, travers une sorte de triangulation (Campbell et
Fiske, 1959 : 81). Lide est dattaquer un problme formalis selon deux angles
complmentaires dont le jeu diffrentiel sera source dapprentissages pour le
chercheur. La triangulation a donc pour objectif damliorer la fois la prcision
de la mesure et celle de la description (cf. figure 4.4).
126
Objet de la recherche
Mthodes Mthodes
qualitatives quantitatives
Figure 4.4 La triangulation
La triangulation permet de mettre le dispositif de recherche lpreuve en sassurant que

les dcouvertes ne sont pas le seul reflet de la mthodologie (Bouchard, 1976). Il ne sagit
pas pour autant de confondre la nature des donnes et celle des mthodes. Utiliser des
donnes complmentaires ne constitue pas en soi une triangulation, mais un fait naturel
propre la plupart des recherches (Downey et Ireland, 1979). Cest une erreur de croire que
le chercheur qualitatif nutilise pas de donnes quantitatives et quil est en quelque sorte
oppos la mesure (Miles, 1979). Le fait quun chercheur utilise un systme symbolique
numrique pour traduire la ralit observe, ou un systme symbolique verbal, ne dfinit
pas fondamentalement le type dapproche. Dans leur manuel danalyse qualitative, Miles et
Huberman suggrent de procder un comptage des items pour cerner leur rcurrence :
les chiffres [] sont plus conomiques et plus manipulables que les mots ; on voit plus
vite et plus facilement la tendance gnrale des donnes en examinant leur distribution
(2003 : 453).
La conjugaison des approches qualitatives et quantitatives, cest--dire leur
utilisation complmentaire et dialectique permet au chercheur dinstaurer un
dialogue diffrenci entre ce qui est observ (lobjet de la recherche) et les deux
faons de le symboliser. Lobjectif de la triangulation est de tirer partie de ce que
les deux approches peuvent offrir : Les mthodes qualitatives reprsentent un
mlange de rationalit, de srendipit et dintuition dans lequel les expriences
personnelles du chercheur sont souvent des vnements cls tre interprts et

analyss comme des donnes. Les investigateurs qualitatifs tendent dvoiler les
processus sociaux plutt que les structures sociales qui sont souvent les points de
focalisation des chercheurs quantitativistes (Van Maanen, 1979 : 520). Ainsi, la
triangulation permet au chercheur de bnficier des atouts des deux approches en
contrebalanant les dfauts dune approche par les qualits de lautre (Jick, 1979).
127
Partie 1 Concevoir
COnCLusIOn
Larticulation entre donnes, approches et finalits de la recherche est une tape
essentielle du processus de recherche. Les choix du chercheur sont cependant en partie
dtermins par des facteurs extrieurs lobjet de la recherche lui-mme. La limite des
ressources temporelles peut en effet amener le chercheur faire des compromis entre
lexhaustivit ncessaire (en termes de validit interne et externe) et la volont de
produire des rsultats. Le chercheur peut opter pour un opportunisme mthodique .
En se concentrant sur les units danalyse les plus accessibles, il va rviser ses
ambitions et adapter sa question de recherche. Il peut, ce titre, rduire les
chantillons, prfrer des populations exemplaires pour construire une thorie ou
encore tester seulement une partie des thories initialement envisages. loppos, il
peut adopter une dmarche plus systmatique et plus ambitieuse, en recourant une
triangulation la fois des mthodes et des donnes sollicites. Entre ces deux extrmes,
le chercheur dispose dune varit darticulations entre donnes, approches et finalits.
Nous navons pas, cet gard, dcrit toutes les possibilits. Il nous a sembl plus
pertinent de souligner certaines incompatibilits afin dinviter un certain ralisme.
Le chercheur se proccupe le plus souvent de sa contribution la littrature .
Cette formule laisse entendre que lessentiel dun travail de recherche est de
produire de nouveaux rsultats. Il est pourtant une autre contribution la recherche
en management, qui nexclut pas celle que nous venons de dsigner. Il sagit des
innovations que le chercheur peut apporter dans larticulation entre donnes,
approches et finalits. En montrant comment il faut aller lencontre des ides
reues tant sur les diffrents types de donnes, que sur la porte des diffrentes
approches, nous esprons avoir fait un apport utile. Enfin, il nous semble plus
constructif de prendre en compte la complmentarit, plutt que lopposition, entre
les diffrents types de donnes et les diffrentes approches permettant leur recueil
et leur analyse.

Campbell D.T., Fiske D.W., Convergent and Discriminent Validation by the
Multitrait-Multimethod Matrix , Psychological Bulletin, 56, 1959, pp. 81-105.
vrard Y., Pras B., Roux E., Market. Fondements et mthodes de recherches en
marketing, Paris, Dunod, 2009.
Lincoln Y.S., Guba E.G., Naturalistic Inquiry, Beverly Hills, CA, Sage, 1985.
Miles A.M., Huberman A.M., Analysing Qualitative Data : an Expanded Source,
Bervely Hills, CA, Sage, 1984. (Traduction franaise : Analyse des donnes quali-
tatives, Bruxelles, De Boeck, 2003.)
Stablein, R., Data in Organization Studies , in Clegg S., Hardy C., Lawrence T.,
Nord W. (eds.), The SAGE Handbook of Organization Studies, 2nd ed., Londres :
Sage, 2006, p. 347-370.
128
Chapitre Recherches
5 sur le contenu
et recherches
sur le processus
Corinne Grenier, Emmanuel Josserand1
RsuM
Nous considrons dans ce chapitre deux possibilits pour tudier un objet : par
son contenu (recherche sur le contenu) ou par son processus (recherche sur le
processus). Les recherches sur le contenu cherchent mettre en vidence la
composition de lobjet tudi, tandis que les recherches sur le processus visent
mettre en vidence le comportement de lobjet dans le temps.
Les deux premires sections prsentent chacune des deux approches, la troi-
sime section offre au chercheur une vision plus nuance pour positionner sa
recherche. Il existe en effet un enrichissement mutuel entre les deux
approches. Cest davantage le regard du chercheur sur la ralit tudie et
ltat de la litt-rature qui peuvent lorienter vers une recherche sur le contenu,
sur le processus ou encore vers une approche mixte.
sOMMAIRE
SECTION 1 Recherches sur le contenu
SECTION 2 Recherches sur le processus
SECTION 3 Positionnement de la recherche
1. Les deux auteurs remercient Christophe Assens, enseignant-chercheur au centre de recherche DMSP de luni-
versit de Paris-Dauphine pour ses suggestions dans la rdaction de ce chapitre.
Partie 1 Concevoir
L
a connaissance dun objet de recherche ncessite deffectuer un certain nombre
choix. Nous examinons ici deux options pour tudier un mme objet en management : le
de
chercheur peut retenir une approche qui porte soit sur ltude du contenu (recherche sur le
contenu) soit sur ltude du processus (recherche sur le
processus). Il revient Mohr (1982) davoir un des premiers fait une nette distinc-
tion entre respectivement les thories de la variance et les thories des processus.
Les nombreuses dfinitions proposes par la littrature pour dcrire ces deux
approches attirent toutes lattention sur les lments suivants :
les recherches sur le contenu proposent une analyse en terme de stock . Elles
cherchent apprhender la nature de lobjet tudi, savoir de quoi il est
compos ;
les recherches sur le processus analysent, au contraire, le phnomne en terme de
flux . Elles cherchent mettre en vidence le comportement de lobjet tudi
dans le temps, saisir son volution.
Tableau 5.1 Illustration de ltude dun mme objet par les deux approches
Recherche sur le contenu Recherche sur le processus

Comment expliquer le contrle exerc par Comment naissent des accords
certaines entreprises sur dautres au sein interorganisationnels et comment se
dun rseau ? structurent-ils dans le temps ?
La recherche sur le contenu du rseau peut Pour comprendre ce qui anime les membres
consister dcrire les liens qui unissent les dun rseau, on peut focaliser notre attention
Le contrle
entreprises appartenant un mme rseau. sur le processus des changes, en voquant
de rseaux inter-
A partir de cette description, on est ensuite la manire dont laction collective se forme
organisationnels
en mesure de classer les membres en et se transforme au cours du temps. Le travail
fonction de leur position au sein du rseau. de recherche consiste alors reconstituer le
De cette manire, il est possible dexpliquer processus dinteraction entre les units, en
pourquoi certaines units contrlent mieux dcrivant lenchanement des vnements et
que dautres les changes au sein du lvolution de leurs relations.
rseau.
De quoi la mmoire de lorganisation se Comment se forme et se transforme la
compose-t-elle et sur quels supports est-elle mmoire organisationnelle ?
archive ?
Pour comprendre ce quest la mmoire La mmoire dune organisation peut tre
organisationnelle, on peut faire linventaire apprhende comme un flux de
des supports de stockage de la connaissance connaissances qui transitent entre les
La mmoire collective : les documents darchives, les membres qui composent lorganisation. On
organisationnelle banques de donnes, la structure. Lensemble tudie dans ce cas les diffrentes phases de
des savoirs contenus dans les procdures, transformation des savoirs : lacquisition, la
dans les banques de donnes ou dans les rtention et le stockage, la restauration ou
rgles tacites donnent une indication de la loubli. Lacquisition de nouveaux savoirs
mmoire commune issue de lagrgation des seffectue auprs des autres individus par
mmoires individuelles. interaction ou loccasion dun travail en
commun.
Un des objectifs de ce chapitre est de montrer que la plupart des objets de

management peuvent tre apprhends dans leur dimension de contenu ou de
processus. Cest davantage la formulation de la question de recherche ainsi que la
130
Recherches sur le contenu et recherches sur le processus Chapitre 5
mthodologie employe qui marquent la diffrence entre une recherche sur le

contenu et une recherche sur le processus. Le tableau 5.1 illustre la diffrence entre
les deux approches.
La distinction faite entre contenu et processus peut paratre radicale. Elle est
pourtant frquemment utilise pour structurer le champ du management. Ces deux
types de recherche constituent en effet deux grandes traditions. Ces traditions
sopposent sur deux critres essentiels : le temps et la manire dont il est pris
en compte dans la recherche. Au-del de ces critres, les deux traditions de
recherche ne forment cependant pas un ensemble homogne de courants et de
pratiques. La diversit qui fait leur richesse rend leur prsentation difficile. Nous
nessaierons pas de rendre compte de manire exhaustive de cette diversit.
Cependant, nous avons multipli les exemples sur des thmes aussi divers que la
structure de lorganisation, linnovation ou encore le changement pour offrir au
lecteur un large panorama des recherches sur le contenu et sur le processus.
Les deux approches de recherche sont prsentes dans les deux premires
sections, tandis que la troisime section introduit une approche plus nuance du
choix entre recherche sur le contenu et recherche sur le processus pour montrer
comment les deux perspectives senrichissent mutuellement.
section
1 REChERChEs suR LE COnTEnu
Le chercheur mne une recherche sur le contenu pour mettre en vidence de quoi
se compose lobjet quil tudie. Pour autant, cette premire dfinition trs gnrale
dune recherche sur le contenu masque la grande diversit de ces recherches.
1 Pourquoi mener une recherche sur le contenu ?

Pour comprendre le but dune recherche sur le contenu, on peut employer la

mtaphore de la photographie un instant t ou de la coupe transversale de lobjet
que lon veut tudier. Il sagit de dcrire celui-ci de manire statique, tel quil se
prsente un moment donn. Le temps nest pris en compte quimplicitement et
ltude ne sintresse pas lvolution de lobjet. Cest lexistence ou la
coexistence dun certain nombre dlments que les recherches sur le contenu
mettent en vidence et non pas la manire dont lobjet se dveloppe dans le temps.
Comme nous le verrons, cela ne signifie pas que lon nie la dynamique temporelle
de lobjet tudi, celle-ci peut mme servir dexplication lobjet observ ou tre
dcrite comme un lment contextuel. Cependant, elle nentre pas directement dans
le champ des recherches sur le contenu.
131
Partie 1 Concevoir
On peut distinguer deux types de recherche sur le contenu qui diffrent, tant par les
mthodes employes que par les types de questions traites. Le premier consiste
dcrire lobjet de recherche afin de mieux le comprendre. Le second vise montrer et
expliquer les liens de causalit existant entre les variables qui composent lobjet que le
chercheur tudie. Le chercheur tente de rpondre la question suivante : quelles sont
les causes ou les consquences dune situation donne ?
1.1 En vue dune description
Lobjectif de la description est damliorer la comprhension de lobjet tudi. Il

sagit de surmonter la complexit perue de cet objet. Plus prcisment, le chercheur
peut tre confront des problmatiques nouvelles pour lesquelles il existe peu de
matriaux empiriques ou de recherches thoriques. Dans cette situation, il parat
pertinent de sintresser la description de lobjet tudi. Cest le cas, par exemple,
quand de nouvelles pratiques apparaissent ou lorsque le chercheur sintresse un
aspect encore peu tudi empiriquement. Ainsi, Bailyn, Fletcher et Kolb (1997)
dcrivent une technique dintervention qui vise lobtention dun alignement des
besoins individuels et des objectifs de lorganisation.
EXEMPLE Recherche de contenu descriptive sur la mthode de lagenda dual
Bailyn, Fletcher et Kolb (1997) dcrivent une mthode dintervention permettant de sortir de
lopposition entre les buts individuels et ceux de lorganisation. Les auteurs partent du
constat thorique et empirique de la difficult prouve par un grand nombre de salaris
pour concilier leur vie prive et leur implication vis--vis de lentreprise. Ils dcrivent
plusieurs situations dans lesquelles ils ont pu, dans le cadre dune recherche action, prci-ser
le contenu de cette mthode et dfinir ainsi la faon de procder. Ils exposent ensuite leur
mthode. Celle-ci consiste tout dabord effectuer des entretiens de groupe qui ont un
double objectif. Ces entretiens doivent permettre aux membres du groupe de prendre en
considration les implications de lorganisation de leur travail sur leur vie prive. Ceci
entrane une prise de conscience des implications sur la performance des interfrences entre
vie prive et travail. La discussion est ensuite oriente vers lidentification de points de
levier , qui sont susceptibles de permettre de rduire ces interfrences. Les entretiens
doivent dboucher sur des propositions concrtes qui seront ensuite exprimen-tes dans
lentreprise. Les auteurs dfinissent cette dmarche comme celle de lagenda dual . En
dtaillant la faon dont ils sont intervenus dans plusieurs entreprises, les cher-cheurs
contribuent une meilleure comprhension de larticulation entre agenda profes-sionnel et
agenda personnel ainsi qu la connaissance dune nouvelle pratique.
De mme, face un objet de recherche peu connu, sa description va consister le

caractriser travers une grille danalyse qui peut soit tre dduite de la littrature,
soit merger des donnes du terrain. Ce type de recherches sur le contenu descrip-
tives est illustr dans lexemple ci-dessous.
132
EXEMPLE Recherche de contenu descriptive sur les rseaux de sant
Les rseaux de sant ont pour vocation de faciliter la coordination dune diversit
dacteurs professionnels et organisations en vue dvaluer de manire pluridisciplinaire
la situation dun patient et de proposer un plan de prise en charge personnalis. Ils
constituent une innovation organisationnelle majeure, reposant sur une approche
pluridisciplinaire de la sant, dans un champ caractris par un fort cloisonnement
institutionnel, organisationnel et des pratiques professionnelles. Le bnfice attendu est
une valuation rellement pluridisciplinaire de la situation dun patient, permettant la
mise en place dinterventions de soins et sociales plus cohrentes.
tudiant un rseau de sant ddi aux personnes ges, Grenier (2011) a tout dabord
cherch caractriser le degr de diversit des acteurs et organisations qui ont particip,
au fil du temps, la conception et lvolution du rseau. Sappuyant sur une lecture
institutionnaliste, elle a retenu deux axes danalyse : le type dinstitutions concernes
(sanitaire, mdico-social et social) et la ou les connaissances portes par les acteurs et
organisations. Elle a alors identifi trois degrs de diversit :
1. le fort cloisonnement prvalant dans le champ de la sant conduisant ne runir que
des acteurs et organisations dune mme discipline mdicale (en gnral celle de la
thma-tique du rseau, par ex. des grontologues ou griatres pour un rseau ddi
aux per-sonnes ges) ; une telle orientation dans la structuration du rseau traduit
pour lauteur une posture de refus de la diversit ;
2. un largissement du rseau des acteurs et organisations dautres disciplines (bien
sou-vent du champ social, mais aussi dautres disciplines mdicales souvent
convoques pour valuer la situation dune personne ge, telle la neurologie). Cette
plus grande diversit des acteurs et organisations permet un apport de comptences
pour valuer la situation de la personne ge. On constate toutefois davantage une
juxtaposition des comptences que lmergence dune valuation pluridisciplinaire ;
une telle orientation traduit pour lauteur une posture dacceptation de la diversit ;
3. la mise en place de groupes de travail (runion pluridisciplinaire de concertation par
ex.) et doutils (dossier partag par ex.) conduisant les acteurs articuler, voire faire
voluer, leurs pratiques habituelles dvaluation. Une telle orientation traduit pour
Grenier (2011) une posture dexploration de la diversit.
La description peut ainsi permettre une premire approche, une meilleure

comprhension dun objet jusqualors peu connu de la communaut scientifique.
Lobjectif est essentiellement de nature exploratoire. Un enjeu majeur pour le
chercheur est de montrer clairement les apports de sa dmarche. En effet, il ne fait
que dcrire un objet sans pouvoir en indiquer les causes. Il est donc essentiel quil
mette bien laccent sur les apports tant thoriques que managriaux de la
description effectue.
1.2 En vue dune explication
Le travail empirique descriptif est indispensable avant de procder une recherche

sur le contenu de nature explicative. Cest partir de la connaissance fine des
133
Partie 1 Concevoir
lments qui composent un objet que le chercheur pourra tenter de comprendre les
liens causaux qui se nouent entre ces lments et qui expliquent finalement la
forme de lobjet tudi. La mise en vidence de liens de causalit entre variables
est en effet lobjectif des tudes sur le contenu explicatives.
Par exemple, Dougherty et Dunne (2011) sintressent aux causes expliquant
quun cosystme (tel un ple de comptitivit) soit porteur dinnovations.
EXEMPLE Recherche sur le contenu explicatif sur les cologies

favorables linnovation
De nombreux auteurs constatent que plus une innovation est complexe, plus elle est
prometteuse de transformations profondes dans la socit, mais plus elle est difficile faire
merger. Cette complexit rside dans la ncessaire coopration entre un grand nombre
dacteurs de nature trs diffrente (entreprises, start-up, laboratoire de recherche, autorits de
rgulation, usagers) et appartenant des mondes professionnels ou institutionnels
galement varis. Sappuyant sur de nombreux travaux sur lauto-organisation et les
interactions entre acteurs, et sur linnovation complexe qui requiert de dpasser des
frontires organisationnelles, institutionnelles ou disciplinaires, les auteurs proposent un
modle dune cologie favorable linnovation . Une telle cologie est possible ds lors
que trois mcanismes (ou ensemble dactivits) sont dvelopps et interagissent entre eux :
activits permettant le dveloppement de nouvelles connaissances complmentaires pour
supporter linnovation, activits permettant le dveloppement dune vision stratgique
supportant un processus continu dinnovations, ainsi que des activits visant modifier la
rglementation (ou politiques publiques) au vu des rsultats de linnovation. Dougherty et
Dunne (2011) illustrent leur proposition de modle partir dinnovations dveloppes dans
les biotechs et dans les nergies alternatives.
2 Principales questions relatives une recherche sur le contenu
Les questions de recherche ainsi que les mthodes et outils de recherche sont
diffrentes selon que le chercheur entend mener une recherche sur le contenu pour
dcrire (point 2.2) ou pour expliquer (point 2.3) lobjet quil tudie. Cest autour de
cette dichotomie que nous allons prsenter les principales questions relatives ce
type de recherche, aprs une prsentation gnrale des problmes auxquels le
chercheur est confront (point 2.1).
2.1 Problmes auxquels le chercheur est confront
Le chercheur doit mettre en vidence la composition de la variable quil tudie,

soit dans une optique descriptive, soit dans une optique explicative. Les problmes
que le chercheur peut rencontrer sont relatifs aux points principaux suivants.
134
Recherches sur le contenu et recherches sur le processus
Chapitre 5
Le chercheur doit porter une attention particulire la dfinition de lobjet dont il

veut connatre la composition. Par exemple, un chercheur voulant connatre la struc-
ture dune organisation devra prciser sil entend tudier la structure formelle dune
entreprise, telle quelle peut apparatre dans lorganigramme de lentreprise, ou
galement la structure informelle. Dans ce dernier cas, des lments intangibles
composant cette structure informelle pourront tre mis jour par le chercheur. Il doit
en particulier formuler clairement sa question de recherche, pour poursuivre
lexemple ci-dessus, par rapport la structure formelle ou la structure dans sa
dimension formelle et informelle de lorganisation.
Ce premier problme gnral en soulve un second relatif aux modles dits tho-
riques ou empiriques, que le chercheur peut mobiliser pour comprendre lobjet
quil tudie. Sauf dans le cas dune recherche exploratoire sur un objet peu tudi
en management, la littrature est riche en modles thoriques qui dcrivent ou
expliquent des phnomnes. Le chercheur ne formulera pas les mmes questions
de recherche et ne recourra pas aux mmes mthodologies selon quil entend
analyser le contenu dun objet partir de la thorie ou partir de donnes
empiriques collectes.
Le chercheur doit porter une attention particulire dfinir le niveau de son
analyse de lobjet tudi. De ce niveau danalyse peut dcouler le souhait de
rechercher une dcomposition plus ou moins fine, plus ou moins en profondeur
de cet objet tudi. Le chercheur qui souhaite dcrire pour comparer la structure
de diffrentes entre-prises (agencement et fonction des lments structurels par
exemple) doit auparavant dcider jusqu quel niveau il entend mener sa
description : dpartements formant lorganigramme et liaisons interdpartements,
services composant chaque dparte-ment et liaisons interservices, ou encore en
allant jusqu dcrire les individus com-posant et travaillant dans chaque service.
Le choix du niveau de dcomposition et de description dpend avant tout de
lobjectif de la recherche, mais aussi du matriau disponible sur le terrain.
Ces trois points trs gnraux vont tre approfondis travers de nombreux
exemples pour illustrer les principaux problmes relatifs aux recherches sur le
contenu et suggrer des recommandations.
2.2 Principales questions pour dcrire un contenu
Nous prsenterons deux approches parmi celles possibles pour ce type de

recherche. Une premire approche consiste procder par dcomposition de lobjet
tudi en un certain nombre de caractristiques lmentaires. La seconde approche
est plus globale et vise mieux apprhender lobjet tudi dans son ensemble
(identification de forme) plutt quen le dcomposant. Il est clair que, dans la
majorit des cas, le chercheur sera amen mobiliser les deux approches
simultanment sans les diffrencier de manire aussi nette.
135
Partie 1 Concevoir
Comment mener une recherche descriptive en dcomposant ?
Un type de recherche descriptive particulier vise mieux comprendre un objet en

procdant par dcomposition. Dans cette situation, la question de recherche
correspondante est : de quoi se compose lobjet tudier ? Quels en sont les
lments ? Ltude de Mintzberg (1973) sur lactivit des dirigeants illustre ce type
de dmarche.
EXEMPLE La recherche sur lactivit des dirigeants
Un exemple danalyse de contenu descriptive est le travail de Mintzberg (1973) sur

lacti-vit des dirigeants. Lobjectif est de dcrire lactivit relle des dirigeants, la
faon dont ils utilisent leur temps. La mthodologie retenue se dcompose en trois
tapes. Des donnes sont dabord collectes sur les rendez-vous prvus pendant un
mois, lorganisation laquelle le manager appartient et sur le dirigeant lui-mme. Vient
ensuite une phase dob-servation structure. Le chercheur observe les dirigeants en
action. Chaque vnement est ensuite cod selon diffrentes dimensions. Pour viter un
codage trop restrictif, les codes ne sont pas dtermins par lanalyse de la littrature
mais sont tablis pendant et aprs lobservation. Lobservation porte sur cinq prsidents
expriments pendant une priode dune semaine chacun. Cette recherche, en procdant
uniquement par dcomposition, a permis didentifier dix rles cls autour desquels se
structure lactivit des dirigeants (par exemple, le rle de ngociateur, de relais
dinformation ou encore de porte-parole de lorga-nisation). Elle a t loccasion dune
remise en cause de la vision habituelle prne par Fayol dun dirigeant qui est cens
contrler avec prcision les diffrents lments de son organisation.
Lobjet analys peut tre de nature trs varie : la structure dune organisation, la carte
mentale dun individu, la composition dun groupe, voire un processus de dcision. Dans
tous les cas, lobjectif est de trouver les lments qui composent lobjet tudi. Une
structure est dcompose en sous-units, une carte mentale en concepts, un groupe en
individus, un processus en lments le constituant Les liens, les relations entre les
lments font galement partie de ce que lon cherche dcrire. Les mthodologies
employes peuvent tre trs diverses. Il peut, par exemple, sagir de mthodes comme
lanalyse des rseaux (cf. chapitre 15) ou lanalyse des discours et des reprsentations (cf.
chapitre 17). Lanalyse des rseaux sociaux permet effectivement de comprendre une
organisation par dcomposition en descendant jusquau niveau des individus et des liens
existant entre eux. On peut ainsi chercher comprendre les fondements de la cohsion de
lentreprise en tudiant la nature des liens existant entre les individus appartenant aux
units la constituant. De mme, les analyses du discours et des reprsentations permettent
de faire merger des concepts et des liens entre ces concepts en dcomposant lesdits
discours ou reprsentations. On peut, par exemple, chercher dcouvrir par ce moyen les
principales proccupations des dirigeants en analysant des entretiens portant sur la gestion
de leur entreprise. Lanalyse des discours
136
Chapitre 5
et des reprsentations peut, entre autres, permettre de dterminer quels sont les
thmes rcurrents dans les entretiens et faire merger des concepts cls.
Comment effectuer une recherche descriptive en identifiant des formes ?
Un second type de recherches descriptives sur le contenu vise aller au-del de

la dcomposition pour apprhender lobjet tudi dans son ensemble ; au lieu de
dcomposer, le chercheur identifie des formes. Lobjectif du chercheur est alors de
mettre laccent sur linterdpendance des lments qui constituent lobjet tudi.
Le point essentiel de ces thories est ici de montrer que les proprits densemble
dune forme particulire peuvent avoir plus dimportance que les proprits de
chacun des lments la composant. Par exemple, ce nest pas une dcision
stratgique particulire qui est dterminante pour la comptitivit de lentreprise
mais plutt le fait que la stratgie soit cohrente avec la structure et ltat de
lenvironnement. Cest le fait que ces trois lments interdpendants constituent
une forme quilibre qui importe.
Divers courants sinscrivant dans la logique de recherche de formes (ces courants
sont proches de la thorie du gestahlt) sont mobiliss en management. Parmi ces
courants, une place prpondrante est rserve lapproche configurationnelle. Elle
concerne des domaines aussi varis que les groupes stratgiques, les configurations
organisationnelles, les catgories de stratgies ou encore le leadership ou les styles de
management. Le principe gnral est ltude dun objet en regroupant les observations
dans des catgories, des groupes homognes qui permettent une apprhension plus
facile de la ralit. Chaque catgorie est gnralement reprsente dans son ensemble
par ce que lon peut appeler une configuration ou un idal type. Tout lment peut ainsi
tre caractris par sa similitude avec la configuration de la catgorie laquelle il
appartient. Le chercheur, en ayant recours aux configurations, introduit un certain ordre
dans la complexit dobservations discrtes, discontinues et htrognes. Chaque
catgorie lui sert de point de repre. Il peut travailler de manire plus prcise sur leur
contenu. Pour ce faire, il va adopter deux approches distinctes. Sil fait merger
empiriquement les configurations, on parlera de taxonomie, en revanche, sil les
conoit par une approche thorique, on parlera de typologie.

La constitution de taxonomies consiste en une dmarche empirique et inductive
de classification. Elle peut faire appel des techniques statistiques dites de
classification et de structuration (cf. chapitre 14). Par exemple, les recherches
portant sur les groupes stratgiques utilisent gnralement ce type doutil
statistique pour dcrire la situation concurrentielle dans une industrie donne
(Ketchen, Thomas et Snow, 1993). En permettant la constitution de cartes
stratgiques, les taxonomies obtenues amliorent notre comprhension de
lindustrie analyse. Une taxonomie peut galement dcouler dune approche
qualitative. Cest le cas de ltude de Goold et Campbell (1987) dans laquelle
lobjectif est de mettre en vidence des styles de management . Lexemple ci-
aprs prsente ltude de ces deux auteurs sur les styles de management .
137
Partie 1 Concevoir
EXEMPLE La taxonomie des styles de management de goold et Campbell (1987)
Goold et Campbell (1987) sinterrogent sur le rle du sige des grandes entreprises et sur la
faon dont il exerce une influence sur les units priphriques. partir dune revue de la
littrature, ils identifient deux principaux domaines daction pour le sige (le centre) : la
dtermination de la stratgie (ou influence de planification ) et le contrle des perfor-
mances (ou influence de contrle ). La partie empirique de la recherche est compose de
16 tudes de cas. Pour chaque cas, cinq vingt entretiens sont mens avec le manage-ment
central. Ceux-ci sont complts par lobservation directe de certaines runions et la collecte
dinformations sur les lments formels. Les donnes permettent dvaluer pour chacune des
entreprises tudies linfluence de planification et linfluence de contrle exer-ces par le
management central. La combinaison de ces deux influences permet de dfinir un style de
management . Huit styles de management , cest--dire huit configura-tions combinant
diffremment les deux types dinfluence, sont ainsi dtermins. Les auteurs dduisent de
leur recherche des implications normatives puisque, parmi ces huit styles, trois sont
dominants dans la mesure o ils permettent, mieux que les autres, dqui-librer les grandes
tensions organisationnelles. Il sagit des styles dits de contrle financier, de contrle
stratgique et de planification stratgique.
La typologie constitue le second mode de classification. Contrairement aux

taxonomies, les typologies ne sont pas extraites dune recherche empirique. Elles
peuvent dcouler dune analyse de la littrature ou encore de lexprience et de la
connaissance accumules par le chercheur. Mintzberg (1980) distingue, par exemple,
cinq configurations organisationnelles (la structure simple, la bureaucratie mcanique,
la bureaucratie professionnelle, la forme divisionnelle et ladhocratie) obtenues en
combinant les diffrentes composantes dune entreprise. Les recherches sur les
structures organisationnelles font souvent appel cette approche configurationnelle.
c Focus
Le statut des configurations en management
Doty, Glick et Huber (1993) sintressent autant de configurations hybrides. Cest
des configurations regroupant des donc la conception quadopte le cher-
variables stratgiques, environnementales cheur quant aux possibilits
et structurelles. Ils sinterrogent sur le dhybridation qui est essentielle pour lui
statut des configurations prsentes dans permettre de mieux apprhender le
la littrature en management. Ils fondent problme des limites entre les formes
leur rflexion sur le concept didal type. identifies. Il est possible denvisager
La question se pose alors de savoir si les quatre conceptions de lhybridation,
configurations sont des modles dont il celles-ci sont prsentes ici dans le cas
faut sapprocher le plus possible ou bien de configurations stratgie-structure-
plutt des reprsentations qui ne tiennent environnement mais elles peuvent tre
que dans la mesure o lon est conscient utilises pour tout type de configuration.
que la ralit panache les modles en

138
Chapitre 5

Dans la premire conception, il ny a tendre dans un contexte particulier.
pas dhybridation possible entre les La troisime conception est celle du
idaux. La viabilit dune organisation type hybride-contingent, dans lequel
dpend de sa proximit avec un idal chaque combinaison de facteurs
type. Il sagit donc, pour lorganisation, contingents impose une combinaison
de chercher sapprocher le plus particulire des configurations stratgie-
possible dune confi-guration idale. structure. Lhybri-dation est donc
Dans la deuxime conception, celle de possible mais elle est strictement
lidal type contingent, on isole, dune contrainte par les facteurs contingents.
part, les variables environnementales et, La dernire conception est celle du type
dautre part, les variables stratgiques et hybride o une multitude dhybridation est
structurelles. Les variables environnemen- possible dans un contexte donn. Cette
tales peuvent varier de manire continue approche pourrait sembler de prime abord
tandis que des configurations sont dfi- contradictoire avec lapproche
nies de manire discrte sur les dimen- configurationnelle. Si une multitude dhy-
sions stratgiques et structurelles. Les bridation est possible, lide de configura-
variables environnementales sont alors tion na plus de sens. En ralit lide qui
autant de facteurs contingents dont la est ici avance est plutt celle dquifina-
combinaison impose le choix des confi- lit. Il existe une pluralit des formes
gurations structure-stratgie. Ces viables dans un contexte donn. Cela ne
dernires sont donc considres comme signifie pas que toutes les formes soient
des modles discrets vers lesquels il faut viables et lide de configuration demeure.
Le problme essentiel auquel le chercheur est confront lorsquil cherche

identifier des formes est li aux difficults quil prouve dterminer les frontires
entre les formes identifies. Comme nous lavons indiqu, chaque configuration
correspond un idal type. Mme dans le cas o ces idaux types sont dfinis de
manire prcise, la ralit organisationnelle nest jamais en adquation parfaite
avec lun des idaux types. La question se pose alors de savoir quel est le statut que
donne le chercheur aux configurations dfinies en management. Le Focus ci-
dessous propose quatre rponses possibles cette question. Un second problme
concerne plus particulirement les taxonomies pour lesquelles la mthode
employe pour effectuer la classification a un effet dterminant sur les

configurations obtenues. Le chercheur doit donc tre en mesure de justifier de
manire prcise les choix quil est ncessairement amen effectuer.
2.3 Principales questions pour expliquer un contenu
Ce type de recherche suit trs souvent un schma hypothtico-dductif assorti

dune approche quantitative. Aprs avoir prsent rapidement cette approche, nous
nous intresserons aux autres possibilits dont dispose le chercheur pour la mise en
vidence de liens de causalit.
139
Partie 1 Concevoir
Comment expliquer un contenu par une approche hypothtico-dductive ?
Lapproche la plus frquemment utilise en management est la suivante. Un

certain nombre dhypothses sont formules propos de liens de causalit entre des
variables dites explicatives et des variables expliques. Ces liens entre variables
sont ensuite tests et interprts pour tablir lexistence dune causalit (cf. chapitre
13). Il sagit dexpliquer la variance de la variable dpendante, de savoir pourquoi
elle se trouve dans un tat donn. Le courant de la contingence a, par exemple,
inspir un nombre important de recherches de contenu explicatives. Lide de
contingence correspond la ncessit dune adaptation constante de lentreprise
son environnement sous peine de disparition. La recherche de Govindarajan (1988)
sinscrit dans cette logique.
EXEMPLE une approche contingente au niveau de lunit oprationnelle
Govindarajan (1988) sintresse aux mcanismes administratifs rgissant les relations

entre la direction gnrale et les units oprationnelles dans les groupes diversifis. Il
constate que des stratgies diffrentes sont adoptes dans les units oprationnelles en
fonction de leur contexte local. Se pose alors la question de savoir le type de contrle
qui doit tre adopt. partir dune revue de littrature, lauteur formule une srie
dhypothses sur les mcanismes de contrle les mieux adapts une stratgie donne.
Les hypothses sont du type : pour une unit oprationnelle employant une stratgie
de domination par les cots, le fait dinsister sur limportance de latteinte des objectifs
est associ une forte performance . Les donnes sur les mcanismes de contrle et
sur la performance des units oprationnelles sont collectes par questionnaire auprs
de 121 directeurs dunits, dans 24 entreprises. Les hypothses sont ensuite testes en
effectuant une analyse de rgression multiple. La recherche montre la ncessit dadap-
ter les mcanismes de contrle la stratgie adopte par chacune des units opration-
nelles.
Les recherches de contenu explicatives font trs souvent appel aux rsultats des
tudes de contenu descriptives. Celles-ci leur fournissent en effet les concepts ou
configurations ncessaires la formulation des hypothses ainsi qu
loprationnalisation des variables de la recherche. Si lon reprend lexemple de la
recherche de Govindarajan (1988), on constate que pour caractriser la stratgie des
units oprationnelles, ce dernier a eu recours la typologie constitue par les
stratgies gnriques de Porter (1980).
Quelles autres possibilits pour des recherches de contenu explicatives ?
Les recherches hypothtico-dductives quantitatives ont longtemps domin la

recherche en management. Elles visent une bonne validit externe et favorisent
laccumulation de la connaissance. Toutefois, on peut leur reprocher deux types de
limites. Tout dabord, lutilisation de donnes chiffres ncessite frquemment que
140
des variables proxy soient dfinies, ce qui transforme la ralit. Ensuite la dmarche
hypothtico-dductive freine lmergence dides nouvelles car elle est trs encadre.
Il existe dautres possibilits que le chercheur peut exploiter. Il peut utiliser une
dmarche qualitative et retrouver par l mme toute la subtilit de la ralit tudie.
Cela nexclut pas la formulation de propositions qui sont confrontes la ralit au
moyen dtudes de cas. Il peut galement recourir une dmarche inductive ; les
liens de causalit mergeant alors du terrain. La recherche de Tellis et Golder
(1996) illustre la possibilit de mettre en vidence des liens de causalit par une
approche inductive et qualitative.
EXEMPLE une approche inductive et qualitative pour la recherche de causalit
Tellis et Golder (1996) constatent que lavantage pionnier dont bnficient les premiers
entrants ne se traduit que rarement par une situation dominante moyen terme. Ils cherchent
donc dterminer quelles sont les causes du maintien de la position dominante par le
pionnier. Pour cela, ils utilisent une mthode de reconstitution historique qui leur permet
dtudier les positions des firmes sur cinquante catgories de produits. Ils analysent dans un
souci de triangulation des documents datant de la priode tudie (1 500 articles de
priodiques et 275 livres) ainsi que des donnes collectes directement auprs dexperts. Ils
sont ainsi capables de faire merger des dterminants qui ntaient pas perceptibles par les
acteurs du secteur. Ils identifient cinq facteurs qui conditionnent la performance des
premiers entrants : une vision du march de masse existant sur la base dune innovation, la
persvrance des managers, lallocation de ressources financires suffisantes, une innova-
tion permanente et lexploitation de synergies.
section
2 REChERChEs suR LE PROCEssus
Poursuivons la mtaphore de la photographie. Si lanalyse de contenu reprsente un

arrt sur image, le film se droule nouveau dans les recherches sur le processus.
La dimension temps est place au centre des questions managriales tudies. Lobjet
que le chercheur entend dcrire et comprendre (par exemple, la prise de dcision ou le
changement stratgique dans lorganisation) est oprationnalis sous la forme dune
variable dont lvolution, ou encore la transformation, le changement sont tudis. Les
aspects dynamique et temporel sont ici essentiels.
Au-del de cette caractristique gnrale relative lvolution, les recherches sur
le processus ne forment pas un corpus homogne. Elles sont au contraire trs
diverses dun point de vue mthodologique et thorique (Pettigrew, 1992). Nous
avons choisi de prsenter de multiples exemples de recherche pour faire ressortir
les principaux objectifs, tapes, et problmes que le chercheur peut rencontrer.
141
Partie 1 Concevoir
Aprs avoir dfini les objectifs dune recherche sur le processus (point 1), nous
dveloppons quelques exemples de recherche sur un processus en management, qui
nous permettent de mettre en vidence les principales tapes de toute recherche sur
le processus (point 2). Nous essayons ensuite, partir de ces exemples, de rpondre
une question essentielle du chercheur menant une recherche sur le processus :
comment procder ? Chacune des tapes dune telle recherche soulve des
problmes auxquels nous apporterons des lments de rponse (point 3).
Notons, enfin, que le dveloppement de cette section nest en aucun cas
mthodologique et nous invitons le lecteur se reporter tout particulirement au
chapitre 12 sur les tudes longitudinales dans ce mme ouvrage pour complter la
lecture de cette section.
1 Pourquoi faire une recherche sur le processus ?
1.1 Les objectifs
La recherche sur le processus dcrit et analyse comment une variable volue dans
le temps (Van de Ven, 1992). Par exemple, le chercheur peut avoir pour objectif
danalyser comment une dcision stratgique est prise dans lorganisation, de
savoir comment une ide prend corps et devient une innovation stratgique ou
encore de comprendre comment lentreprise apprend.
Pour tudier le comment , le chercheur peut vouloir mettre en vidence le
profil dvolution de la variable quil tudie dans le temps (Monge, 1990). Il peut
ainsi mesurer la dure de la variable (temps durant lequel la variable est prsente),
sa priodicit (la variable observe a-t-elle un comportement rgulier dans le temps
ou non ?) ou encore sa tendance dvolution (la variable dcrot-elle ou augmente-
t-elle dans le temps ?).
Mais ltude dun processus doit aller plus loin. La reconstitution de lvolution
dune variable doit dboucher sur la mise en vidence des diffrents intervalles de
temps qui composent le processus et qui articulent son volution dans le temps
(Pettigrew, 1992). Le processus apparat alors comme toute squence de changement
sur une variable organisationnelle (Miller et Friesen, 1982 : 1014). La recherche sur
le processus conduit ainsi lidentification et larticulation dintervalles tels que
squences, cycles ou encore phases qui dcrivent le comportement dune variable dans
le temps (se reporter au chapitre 15 pour une dfinition des termes de squence, phase
et cycle). Une tche dlicate consiste nommer ces intervalles afin de rendre compte
de manire aussi prcise et illustratrice que possible du processus tudi. Par exemple,
Miller et Friesen (1980) proposent un modle de Momentum-Rvolution pour
expliquer le changement dans les organisations. Les termes de Momentum et de
Rvolution sont explicites. Le premier traduit une longue priode dvolution continue
142
et rgulire dans la vie de lorganisation, tandis que le second traduit une priode
(souvent brve) de changement radical dans lorganisation.
Enfin, les recherches sur le processus peuvent avoir pour objectif de dcrire ou
dexpliquer lvolution dans le temps de lobjet tudi.
1.2 Les recherches pour dcrire ou pour expliquer
Nous allons successivement examiner les deux objectifs dune recherche sur le
processus.
Pour dcrire
La description dun processus conduit porter une attention particulire aux

lments qui composent le processus ainsi qu lordre et lenchanement de ces
lments dans le temps. Cest lobservation des variables qui composent le
processus qui est ici le centre dune analyse processuelle vise descriptive.
Trois objectifs principaux (et complmentaires) peuvent expliquer pourquoi un
chercheur mne une recherche descriptive sur le processus.
Un premier objectif est la description en profondeur de lobjet dtude dans le
temps. La valeur de cette description repose sur la richesse des donnes collectes,
sur lidentification de dimensions ou de sous-variables pertinentes pour rendre
compte du processus. Le chercheur peut alors mettre en vidence des rgularits
(patterns ou configurations) dans le processus et identifier puis nommer les
squences et phases qui composent ce dernier.
EXEMPLE La description en profondeur des diffrentes formes dun processus de

changement de lorganisation (Vandangeon-Derumez, 1998)
Dans son tude sur les processus de changement dans quatre entreprises, Vandangeon-
Derumez (1998) observe le droulement dans le temps du changement de lorganisation
(variable changement de lorganisation ). Elle porte une attention particulire la

des-cription en profondeur des variables qui composent ce processus ainsi que des
phases qui articulent dans le temps ce dernier.
Ainsi, Vandangeon-Derumez met en vidence des incidents critiques qui sont des moments
dactivits significatives de lorganisation qui font avancer (ou au contraire peuvent ralentir,
freiner ou rendre incertain) le changement de lorganisation. Ces activits significatives
peuvent tre la nomination dun acteur, la runion dun groupe de travail, une dcision, etc.
Ces activits sont regroupes en huit activits principales : 1) reconnaissance diagnostic, 2)
initiation du changement, 3) construction du projet de changement, 4) rupture (communi-
cation du projet de changement par exemple et mise en uvre de ce projet), 5) foisonne-
ment (gnration de nouvelles ides, dveloppement dinitiatives), 6) conduite du change-
ment, 7) recentrage (valuation des actions engages) et 8) ancrage du changement.
143
Partie 1 Concevoir
Vandangeon-Derumez sattache ensuite dcrire trs prcisment chacune de ces

activits principales travers un plan de codage tabli partir de la littrature puis
aliment et affin par ses observations sur le terrain. Ce plan de codage porte sur les
concepts dacteurs et de contexte et se prsente comme suit :
la variable contexte se dcompose en : contexte favorable laction de
changement, contexte dfavorable laction de changement ;
la variable acteur se dcompose en : instances de gouverne, meneur du changement,
direction gnrale, acteurs relais du changement, autres acteurs de lorganisation, acteurs
externes.
Les principales activits repres ne se droulent pas de manire linaire mais marquent
au contraire certains points de rupture dans lvolution du changement dans
lorganisation. Vandangeon-Derumez recherche donc les points de rupture au cours du
droulement du changement. Ces points de rupture traduisent le passage dun ensemble
dactivits (ou incidents critiques) un autre ensemble dactivits. Deux points de
rupture dlimitent dans le temps une phase du processus de changement stratgique
dans lorganisation. Chaque phase regroupe certaines des huit activits principales
tudies et est qualifie en fonction de la nature de ces activits principales.
Ainsi, Vandangeon-Derumez aboutit la proposition dun modle de changement
articul autour de trois phases : maturation , dracinement et enracinement :
1. Reconnaissance diagnostic
2. Initiation du changement 1re phase du modle : maturation
3. Construction du projet de changement
Point de rupture dans le droulement du changement dans lorganisation
4. La rupture
5. Le foisonnement 2e phase du modle : dracinement
6. La conduite du changement
Point de rupture dans le droulement du changement dans lorganisation
7. Le recentrage
8. Lancrage du changement 3e phase du modle : enracinement
Ce travail correspond une recherche sur le processus vise descriptive. Vandangeon-

Derumez sattache dcrire en profondeur les diffrentes phases du changement
organisa-tionnel, et les dimensions que les variables acteurs et activits prennent selon
chaque phase du processus.
Un second objectif dune recherche processuelle de nature descriptive peut tre la

description du processus, comme ly invite la littrature sur le changement
organisationnel (Pettigrew, 1985). Des rcits historiques sur le dveloppement de
la structure et de la stratgie des firmes (Chandler, 1962) rpondent galement de
telles proccupations. La prise en compte de lenvironnement na pas vertu
expliquer la survenance dun phnomne mais replacer dans son contexte
linformation recueillie.
Enfin, le chercheur peut vouloir comparer deux ou plusieurs processus observs
et en dduire quelques similarits ou diffrences. Ainsi, dans son travail sur les
processus de dcision dans lorganisation, Nutt (1984) compare 78 processus pour
144
reprer des rgularits et identifier quelques dveloppements temporels diffrents

des processus de dcision. Les travaux de Mintzberg et al. (1976) sur les processus
non structurs de prise de dcision correspondent ce mme objectif de recherche.
Pour expliquer
Lanalyse de processus peut avoir pour objectif dexpliquer le phnomne observ. Il

sagit dexpliquer comment une variable volue dans le temps (lobjet tudi) en
fonction de lvolution dautres variables. Le chercheur tente ici de rpondre la
question suivante : Une volution, une modification sur la variable X serait-elle
relie, impliquerait-elle une volution, une modification sur la variable Y ?
EXEMPLE Comment Edison a russi imposer lclairage

lectronique (hargadon et Douglas, 2001)
Les auteurs analysent lintroduction et la diffusion dune innovation radicale, modifiant
profondment les institutions en place : lclairage lectrique aux tats-Unis la fin du xixe
sicle. Adoptant une lecture institutionnaliste de linnovation, les auteurs questionnent comment
Edison a pu bouleverser des habitudes dusages, des logiques industrielles et des rglementations
fortement ancres pour faire accepter son invention. Ils montrent que son succs nest pas
uniquement explicable par une supriorit technologique ou conomique par rapport lclairage
au gaz, mais est galement d au fait quEdison a su sappuyer sur un design de lobjet proche de
lancienne technologie (donc un faible cart cognitif par rapport lexistant facilitant ladoption
pour des usagers hsitants) tout autant que ce design rendait visible linnovation (donc facilitant
ladoption par des usagers plus prompts innover). Dans leur article, nous suivons alors sur une
priode de huit ans (1878-1886) le processus dadoption de linnovation. Les auteurs ont eu
recours la mthode de ltude de cas historique, en reprant les moments et vnements
importants expliquant la dynamique entre pratiques et structures existantes (institutions) et
activits soutenant linnovation, sur longue priode, des premires ides dEdison la
stabilisation de linnovation et de son usage.
2 Comment conduire une recherche sur le processus ?
Nous allons, travers deux exemples de recherche (lune pour dcrire et lautre
pour expliquer un processus), mettre en vidence les principales tapes dune
recherche sur le processus (point 2.1). Ces exemples illustrent ce que peut tre la
dmarche dun chercheur voulant dcrire ou expliquer le processus de lobjet quil
tudie. Ces exemples ne doivent pas tre considrs comme le modle suivre
et le chercheur peut tre amen adopter un design de recherche diffrent. Pour
autant, ces deux exemples sont une illustration intressante de ce que peut tre une
recherche sur le processus. Ils nous permettent, travers les principales tapes
dune telle dmarche, dnoncer les principaux problmes que le chercheur peut
rencontrer (point 2.2).
145
Partie 1 Concevoir
2.1 Quelques exemples
Un premier exemple, tir des travaux de Van de Ven et de son quipe (Van de Ven,
Angle et Poole, 1989, 1990), illustre une recherche pour dcrire un processus. Un
second exemple, tir du travail dj mentionn de Burgelman (1994) sur la
rorientation stratgique de la compagnie Intel, illustre une recherche pour expliquer
un processus. Dune manire gnrale, nous recommandons au lecteur de se reporter au
chapitre 15 sur le design et la conduite dtudes longitudinales en management.
EXEMPLE Comment les innovations apparaissent et se dveloppent dans

lorganisation ? (Van de Ven et al., 1989, Van de Ven et Poole, 1990)
une recherche pour dcrire un processus
Van de Ven et son quipe souhaitent dcrire trs concrtement lordre temporel et les
tapes squentielles qui surviennent quand des ides innovantes sont transformes et
mises en uvre dans la ralit concrte (Van de Ven et Poole, 1990 : 313). Un
programme de recherche important est lanc sur plusieurs sites. La collecte et lanalyse
des donnes sont articules autour des quatre grandes tapes dcrites ci-dessous.
La premire tape de la recherche consiste prciser la variable processuelle de ltude
(le processus dinnovation, ou encore la naissance, la transformation et la mise en
uvre dides nouvelles).
La deuxime tape permet aux chercheurs de dfinir la priode de temps dobservation
ainsi que lchantillon dobservation.
La troisime tape consiste dfinir les concepts cls (core concepts ou sous-variables)
qui doivent permettre dobserver lvolution de la variable innovation . Ces sous-
variables permettent doprationnaliser le processus tudi et sont au nombre de cinq :
les acteurs, les ides, les transactions, le contexte et les rsultats. Ces sous-variables
rendent compte de la manire selon laquelle les auteurs dfinissent le processus
dinnovation dans les organi-sations. Elles sont importantes car elles vont permettre de
suivre et de caractriser lvolu-tion de la variable innovation dans le temps. Ainsi,
lhistoire tudie dune innovation est dcoupe en incidents critiques, et chaque
incident est dcrit et tudi travers les valeurs que prennent les cinq sous-variables (ou
concepts cls) retenus par les chercheurs. Chaque incident a fait lobjet dune analyse de
type binaire. Chacune des cinq sous-variables est code 0 ou 1 selon quil y a eu
changement dans les personnes, les ides, les transactions, le contexte et les rsultats de
linnovation. Ce dcoupage puis codage de lhistoire dans le temps dune innovation
repose sur les principes dune analyse squentielle dun processus.
Enfin, la quatrime tape consiste regrouper les incidents critiques entre eux et
dtermi-ner les phases qui permettent de suivre le droulement dans le temps des
processus dinno-vation tudis.
lissue de ce programme de recherche, les chercheurs ont pu dcrire comment se
drou-lait un processus dinnovation dans une organisation, en dcoupant cette histoire
longitudi-nale en phases et en dcrivant chaque phase en fonction de lvolution des
variables ides, personnes, transactions, contexte et rsultats.
146
Une recherche de ce type aboutit reconstruire une histoire dans le temps et

permet de dcrire ce qui se passe. Dautres recherches visent expliquer la
survenance et lallure dun processus en management. Lexemple de Burgelman
(1994) illustre cette autre catgorie de recherche.
EXEMPLE Comment Intel a dcid de se replier sur le secteur des microprocesseurs ?

(Burgelman, 1994) une recherche pour expliquer un processus
Burgelman souhaite comprendre le processus de dcision qui a amen la socit Intel

abandonner le secteur de la mmoire informatique pour se concentrer sur le secteur des
microprocesseurs. Plus prcisment, il sagit de comprendre pourquoi Intel a dvelopp
la comptence mmoire de telle sorte que son dveloppement ne colle pas avec
lvolution des attentes technologiques dans le secteur des mmoires, et pourquoi et
comment la direc-tion dIntel a mis de nombreuses annes avant de comprendre que sa
position concurren-tielle sur le secteur de la mmoire informatique ntait plus viable.
Lauteur a men une tude de type longitudinale pour comprendre le progressif
dcalage entre la position stratgique dIntel et lvolution du march de cette socit.
Lauteur sattache tout dabord dcrire le processus de dcision dIntel qui a amen sortir
du secteur de la mmoire informatique. Cette histoire de la socit est articule en six tapes
importantes : 1) le succs initial dIntel sur le secteur de la mmoire informatique ; 2)
lmergence de la concurrence et les rponses dIntel aux attaques ; 3) lmergence de la
concurrence qui cre un dbat interne chez Intel sur lopportunit de continuer dve-lopper
le produit mmoire , do une bataille interne pour laffectation des ressources soit au
dpartement mmoire ou au dpartement microprocesseur ; 4) la monte trs nette de
doutes sur la prennit dIntel dans le secteur de la mmoire informatique ; 5) puis, la
dcision stratgique de la socit de quitter le domaine de la mmoire ; et enfin 6) la mise en
place de la nouvelle stratgie dIntel tourne entirement vers le microprocesseur.
Ensuite, Burgelman identifie quelques questions importantes que la narration de ce pro-
cessus soulve pour davantage expliquer lhistoire raconte. En particulier, lauteur sint-
resse la relation pouvant exister entre lvolution de la stratgie de sortie du secteur de la
mmoire informatique et lvolution de ce secteur. partir de la littrature, lauteur identifie
cinq forces qui peuvent influencer cette relation : 1) les bases de lavantage com-ptitif dans
le secteur de la mmoire informatique ; 2) les comptences distinctives dIn-tel ; 3) la

stratgie officielle dIntel ; 4) le filtre de slection interne dIntel qui mdia-tise le lien
entre la stratgie dIntel et lvolution du secteur de la mmoire informatique ; et enfin 5)
laction stratgique quIntel mne rellement.
Pour expliquer le processus de sortie du secteur de la mmoire, Burgelman documente
et tudie chacune des cinq forces de son modle, en particulier en terme de profil
dvolution et de covolution.
Ainsi, lauteur tablit lvolution chronologique et squentielle du secteur des mmoires des
ordinateurs en terme de capacit de mmoire. Cette volution est mise en relation avec lvo-
lution des parts de march dIntel dans le secteur de la mmoire informatique pour com-prendre
son affaiblissement concurrentiel progressif. Pour expliquer cette sortie progressive, Burgelman
tudie dans le temps comment diffrentes comptences distinctives apparaissent dans le secteur,
en se demandant si Intel les possdait ou pas. La stratgie officielle dIn-
147
Partie 1 Concevoir
tel rend compte de la grande inertie de la socit comprendre limportance des comp-
tences distinctives nouvelles ncessaires sur le nouveau march. Cette inertie explique
pourquoi Intel a continu produire des mmoires informatiques un standard qui devenait
peu peu obsolte. Comme les ventes ralises ne pouvaient atteindre les prvisions, le
processus interne dallocation des ressources a abouti renforcer les difficults concurren-
tielles dIntel sur son march, puisque de moins en moins de ressources taient affectes
lactivit mmoire par rapport dautres activits de la socit. La dcision dIntel de
quitter ce secteur du march de linformatique a t inluctable.
Burgelman nous dcrit lvolution des cinq forces identifies plus haut ainsi que leur
co-volution. Cette explication de type causale, situe dans le temps, permet de
comprendre comment une dcision stratgique importante (la sortie dun secteur
industriel) sest peu peu forme.
Nous allons exposer maintenant les principales tapes dune recherche sur le
processus, autour desquelles les deux exemples ci-dessus ont t btis.
2.2 Principales tapes
Chacune des recherches prsentes ci-dessus repose sur les principales tapes
suivantes :
Le chercheur doit tout dabord dcomposer la variable processuelle quil tudie en
concepts (ou sous-variables). Cette premire tape de dcomposition permet au cher-
cheur de se familiariser avec le processus quil tudie et den suivre lvolution
travers les lments qui le composent. Le chercheur se trouve confront un premier
problme relatif la manire de dcomposer la variable processuelle tudier.
Une fois la variable processuelle dcompose, le chercheur va dcrire et comprendre
lobjet tudi dans le temps, et suivre son volution travers les diffrentes dimen-
sions que peuvent prendre les concepts qui composent le processus. Lors de cette
tape essentielle, le chercheur peut prouver des difficults pour dlimiter le proces-
sus tudi. Cette dlimitation est tout dabord temporelle. Le chercheur est confront
au problme de savoir quand le phnomne quil veut tudier commence et finit. La
question de la dlimitation doit ensuite tre envisage par rapport lobjet tudi. Par
exemple, le chercheur qui dsire observer le processus de prise de dcision en entre-
prise se rend trs rapidement compte que la dcision dont il voulait suivre le
droulement se trouve inextricablement lie dautres dcisions concomitantes
(Langley et al., 1995). Le chercheur se heurte au problme de savoir comment il peut
isoler le phnomne quil doit observer dautres phnomnes, puisque lentreprise vit
et change pendant lobservation. Ainsi, la question de la dlimitation doit tre envi-
sage par rapport au contexte interne et externe dans lequel le processus prend place.
Le chercheur est face au problme dlicat de devoir prendre en compte plusieurs
contextes ( plusieurs niveaux danalyse : acteur, organisation et environnement) et
embrasser une multitude de donnes relatives lacteur, lorganisation et son envi-
ronnement externe.
148
Chapitre 5
Le chercheur doit ensuite identifier les incidents critiques, les analyser et les
regrouper pour faire ressortir les intervalles temporels qui marquent le droulement
du processus. Il se trouve alors confront au dlicat problme de devoir articuler les
intervalles identifis dans le temps, les uns par rapport aux autres. Ces inter-valles
peuvent en effet paratre se superposer au point dtre difficilement isolables les uns
des autres ou encore se succder dans le temps de manires trs diffrentes selon les
organisations tudies. Le processus peut prendre alors la forme dune volution plus
ou moins anarchique, non linaire ou encore complexe.
Une des principales difficults des analyses de processus rside dans la collecte mais
aussi linterprtation des nombreuses donnes que le chercheur doit manier. Il existe
des risques importants de donnes manquantes, de post-rationalisation dans linter-
prtation - quand lanalyse du pass se fonde sur des donnes rtrospectives ou
encore quand lanalyse du futur se base sur les intentions des acteurs. Van de Ven
(1992) suggre dune manire gnrale de combiner des donnes primaires et secon-
daires pour limiter les biais, et de procder des triangulations tout au long du
processus danalyse des donnes. Une suggestion intressante nous est fournie par
Coccia (2001), lors de ses travaux sur les transferts de technologies entre labora-
toires et entreprises. Quand cela est possible, il prconise la mise en place dun
workshop qui runit les principaux acteurs concerns par le phnomne tudi. En
sappuyant sur les matriaux dj collects, le chercheur organise une confrontation
entre les interprtations quil en aura tires et celles des acteurs. Cest un espace de
dialogue interactif plus riche que les interviews, et qui permet daboutir une inter-
prtation qui fasse sens pour tous.
Nous venons de soulever les principaux problmes que le chercheur peut
rencontrer lorsquil conoit ou mne une recherche sur le processus. Nous allons y
apporter des rponses ou mettre des recommandations dans la partie suivante.
3 Les principales questions relatives une

recherche sur le processus
Trois problmes principaux relatifs aux recherches sur le processus vont tre
voqus : 1) le problme de la connaissance et donc de la dcomposition de la
variable processuelle tudier ; 2) le problme de la dlimitation du processus
tudi et enfin ; 3) le problme de lordonnancement des intervalles temporels dans
le temps (cest--dire la reconstitution de la chronologie tudie).
3.1 Comment dcomposer la variable processuelle ?
La variable processuelle reste abstraite si elle nest pas dcompose en autant

dlments (ou sous-variables) qui participent son droulement dans le temps. La
question est de savoir quels lments retenir. Dans le cadre dune dmarche inductive
149
Partie 1 Concevoir
pure (Glaser et Strauss, 1967), le chercheur va devoir faire merger du terrain des sensitive
concepts, savoir des concepts qui donnent du sens aux informations collectes, ainsi que
les diffrentes dimensions quils peuvent prendre. Par exemple, le concept acteur peut
prendre pour dimensions : instances de gouverne, meneur du changement, direction
gnrale, acteurs relais (se reporter lexemple sur la recherche de Vandangeon-
Derumez, 1998). Dans le cadre dautres recherches (inductive modre ou dductive), le
chercheur labore partir de la littrature et du terrain un cadre conceptuel qui runit les
sous-variables qui dcomposent la variable tudier.
EXEMPLE Comment retenir les concepts qui dcomposent la variable

processuelle ? (selon Van de Ven et Poole, 1990)
Dans le cadre du programme de recherche sur linnovation de luniversit du Minnesota,
Van de Ven et ses collgues doivent laborer un cadre conceptuel pour suivre dans le temps
le droulement dinnovations technologiques, produits, ou encore administratives dans des
organisations prives et publiques. Ce cadre conceptuel est labor en fonction de la dfi-
nition du processus dinnovation. Le processus dinnovation apparat comme linvention et
la mise en application de nouvelles ides qui sont dveloppes par les individus, qui sont
engags dans des transactions avec dautres dans la dure, au sein dun contexte institution-
nel et qui jugent les rsultats de leur effort afin dagir en consquence (Van de Ven et
Poole, 1990 : 314). La variable processus dinnovation est ainsi dcompose en : ides,
individus, transactions, contexte et rsultats. Le droulement du processus dinnovation dans
le temps est suivi travers les dimensions que prenait chacune des cinq sous-variables qui
composent le processus dinnovation. En loccurrence (se reporter lexemple prc-dent),
les dimensions sont dordre binaire, 0 ou 1, selon que la sous-variable participe ou non au
droulement du processus dinnovation chaque incident critique repr par les auteurs de
ltude sur linnovation.
La plupart des tudes sur le processus sinspirent de plans de codage

gnralement admis ds lors que lon tudie un phnomne dans le temps. Ces
plans de codage ne sont pas lis au contenu de ltude. Ils dfinissent au contraire
les grands domaines dans lesquels les codes doivent tre empiriquement conus.
Miles et Huberman (1991) proposent quelques plans de codage.
Il est possible que le chercheur ne souhaite pas dcomposer de manire aussi
dtaille la variable processuelle tudie mais prfre adopter un plan de codage plus
gnral. Ainsi, dans leur tude sur le processus de prise de dcision, Mintzberg et al.
(1976) se sont seulement attachs dcomposer les 23 processus tudis travers
diffrentes activits (quils ont appeles des routines) pour analyser les prises de
dcision et mettre en vidence sept modes de prise de dcision.
Trs gnralement le chercheur articule son plan de codage du processus tudi autour
des trois concepts gnriques suivants : les acteurs qui interviennent, les activits menes et
les lments du contexte. Le chercheur peut travailler partir de ce cadre
150
gnral, tout en dcidant bien videmment de dvelopper plus particulirement une de

ces trois catgories selon la particularit de son tude ou lobjectif de sa recherche.
c Focus
Plans de codage pour dcomposer la variable processuelle
selon Miles et huberman (1991)
Miles et Huberman proposent les deux des relations (interrelations entre
plans de codage suivants qui peuvent plusieurs personnes considres
tre repris par un chercheur sur le simultanment) ;
processus pour dcomposer la variable des milieux (lensemble du milieu
processuelle et tudier son volution ltude, conu comme unit danalyse).
dans le temps (1991 : 102-103) : 2) La variable processuelle peut aussi tre
dcompose en fonction (adapte) :
1) La variable processuelle peut tre du milieu-contexte (information gn-
dcompose en fonction : rale sur lenvironnement) ;
des actes (actions dans une situation de de la dfinition de la situation (comment
courte dure, ne prenant que quelques on dfinit le contexte des thmes) ;
secondes, minutes ou heures) ; des perspectives (manires de
des activits (actions dans une penser, orientations) ;
situation de plus longue dure jours, des manires de percevoir les
semaines, mois reprsentant des personnes, les objets (plus dtaill
lments plus significatifs de que les perspectives) ;
lengagement des individus) ; des activits (types de comportement
des significations (productions revenant rgulirement) ;
verbales des participants qui des vnements (activits spcifiques) ;
dfinissent et orientent laction) ; des stratgies (faon daccomplir les
de la participation (implication holis-tique choses) ;
est un dlit.
ou adaptation des individus une des relations et structures sociales

situation ou un milieu de ltude) ; (rseaux officieux).
3.2 Comment dlimiter le processus tudi ?
Le problme de la dlimitation est double et se pose par rapport au temps et par

rapport lobjet et au contexte de ltude.
Dlimitation par rapport au temps
La recherche sur le processus a pour objectif de dcrire et danalyser lvolution

dune variable, cest--dire son volution, qui est l observation empirique de
diffrences dans la forme, la qualit ou ltat dune entit organisationnelle dans le
151
Partie 1 Concevoir
temps (Van de Ven et Poole, 1995 : 51). Ainsi, vise-t-on dcrire ce qui se passe
entre un moment (T) et un moment ultrieur (T + n). Mais il nest pas toujours ais
pour le chercheur dtablir les bornes infrieures et suprieures de la priode
dobservation du phnomne quil souhaite tudier. Lorganisation prend des
dcisions, bouge, hsite, dcide, avance puis remet en cause une ide tout
moment. Ainsi, la dcision de procder un changement structurel peut tre
prcde dune longue priode de maturation dont le dbut est souvent difficile
identifier. Certains acteurs peuvent commencer parler dun changement entre
eux, de manire informelle, avant den saisir, de manire tout aussi informelle la
direction gnrale et avant mme que ne soit crit le moindre mot sur un problme
aussi important. Peut-on prendre en compte les ides mises entre salaris du dbut
du processus de changement de structure, ou na-t-on pas affaire, tout simplement,
au foisonnement habituel de propos et dopinions que tout acteur met sur son lieu
de travail ? Ce problme de dlimitation temporelle est important pour deux
raisons. Dune part, il oblige le chercheur savoir quand commencer la collecte
des donnes sur le terrain. Dautre part, la manire de fixer le dbut dun processus
peut influer linterprtation mme du processus.
EXEMPLE Comment la manire de dlimiter dans le temps un

processus peut influer sur son analyse ?
Dans le cas de ltude dun changement de vision stratgique dans lentreprise, qui aurait t
initi par un nouvel acteur, dfinir le dbut de ce changement avant ou aprs larrive dudit
acteur peut ne pas conduire une analyse similaire. Dans le premier cas (initiation du
changement de vision avant larrive de lacteur), lexplication du processus repose moins
sur des logiques dacteurs mais davantage sur des logiques de systme lies lorganisation
(organisation en tant que systme, compos lui-mme de diffrents systmes). Tandis que
dans le second cas (initiation du changement de vision aprs larrive de lacteur), lexpli-
cation du processus repose sur la capacit de lacteur faire merger dans lorganisation des
reprsentations et une vision nouvelle (Gioia et Chittipeddi, 1991).
Pour rpondre ce problme, Hickson et al. (1986) recommandent de suivre un

processus depuis la premire action dlibre qui entame le mouvement vers la
dcision (quand par exemple le sujet est discut au cours dune runion ou quand
un rapport est demand) jusqu lapprobation (quand la dcision et sa mise en
uvre sont autorises) (ibid., 1986 : 100).
Le chercheur peut galement se faire sa propre opinion en se fondant sur lavis des
acteurs quil rencontre dans lorganisation. Il peut leur demander lors dentretiens de
reconstituer ce qui sest pass. Nous recommandons enfin au chercheur de ne pas
hsiter remonter aussi loin que possible dans le pass de lorganisation et de collecter
des informations mme anciennes. Cest en connaissant le pass de lentreprise que le
chercheur pourra mieux apprcier si une simple annonce
152
Chapitre 5
informelle peut marquer le dbut dun processus ou nest quun propos habituel
dans lentreprise.
La dlimitation de ltude dun processus par rapport au temps pose enfin un autre
problme important. Le temps est un concept relatif. Lchelle de temps dun individu
nest pas a priori la mme que lchelle de temps dune organisation. Or, plus on
regarde les vnements quotidiens et plus il est facile didentifier des changements.
linverse, plus on regarde un processus dans son ensemble, en remontant vers son
origine et plus on a tendance reprer des continuits (Van de Ven et Poole, 1990 :
316). Il nexiste pas de rgles sur le bon niveau dobservation dun processus. Pour
pallier cet effet de perspective dobservations, on recommande souvent dadopter une
perspective dobservation des niveaux multiples danalyse. Ainsi, lvolution dune
organisation dans son environnement peut tre tudie en parallle avec les actions
prises par les acteurs dans lorganisation.
Dlimitation par rapport lobjet et au contexte
Lobjet dont le chercheur tente de reconstituer le processus dvolution est par

dfinition un objet qui bouge, change et se modifie dans le temps. Ainsi, un
processus dinnovation dans lentreprise est bien souvent une succession et une
concomitance de projets dinnovation qui apparaissent et meurent, qui voluent et
se transforment pour aboutir quelques innovations. Tandis que dautres projets
alimentent de nouvelles rflexions ou sont tout simplement abandonns. Il est
souvent difficile au chercheur disoler lhistoire dune innovation en particulier. Il
doit toutefois clarifier son choix. Il sagit dun choix faire en terme de niveau
danalyse. Le chercheur veut-il tudier lvolution dun projet dinnovation parmi
dautres projets (par exemple dans une perspective volutionniste) ou veut-il, au
contraire, tudier lvolution des projets dinnovation au sein dune organisation
(en fonction des caractristiques de cette organisation par exemple) ? Dans le
premier cas, lobjet tudi est le dveloppement de la population dinnovations
prise dans son ensemble. Le contexte est celui de la population. Dans le second
cas, lobjet tudi est un projet dinnovation. Son contexte est constitu des autres
projets mens en parallle. La dfinition de lobjet et du contexte dune tude de

processus doit tre clairement spcifie. Faute de quoi, la recherche risque de
manquer de prcision sur le niveau et le contexte de lanalyse.
Pour autant, cette distinction nest pas toujours aussi vidente faire, en particulier,
lorsque, objet et contexte voluent simultanment dans le temps. Par exemple,
examinons une recherche sur le changement culturel dans une organisation qui a
procd, en mme temps, un changement de structure. Ces deux variables relatives
lorganisation (culture et structure) sont en ralit imbriques. Il peut tre insatisfaisant
de ne pas intgrer au cours de la recherche sur un changement de culture ce que
lorganisation vit dans le mme temps au niveau de sa structure. La question devient :
a-t-on affaire deux processus spars ou un seul processus
153
Partie 1 Concevoir
organisationnel ? En dautres termes, a-t-on affaire au mme objet tudi (le

changement de culture et le changement de structure ne formant quun mme objet
conceptuel, que lon pourrait appeler volution de lorganisation ) ou au contraire a-
t-on affaire deux objets distincts, lun (le changement de la structure) pouvant tre
identifi comme le contexte organisationnel de lautre (le changement de culture) ?
Dans un pareil cas, le chercheur doit se demander sil entend rellement tudier la
culture organisationnelle ou alors, plus gnralement, la vie de lorganisation dans sa
dimension culturelle et structurelle. Il est alors important que le chercheur nisole pas
ltude dun processus de son contexte (Van de Ven, 1992).
Le chercheur peut ainsi faire voluer la dfinition de son objet de recherche au
fur et mesure quil mne une tude de processus, parce quil estime la nouvelle
dfinition plus adquate pour rendre compte de ce quil observe sur le terrain.
3.3 Comment ordonner les intervalles temporels

dvnements dans le temps ?
Nous avons dit plus haut que ltude de lvolution dune variable doit dboucher
sur la mise en vidence dintervalles de temps qui forment le processus.
Avant dordonner logiquement ces intervalles, le chercheur peut prouver quelques
difficults connatre le nombre dintervalles pertinents pour constituer son modle
processuel. Par exemple, le modle cologique de Hannan et Freeman (1977) repose
sur trois phases (variation, slection, rtention) tandis que le modle de changement
organisationnel de Miller et Friesen (1980) sarticule autour de deux phases
(Momentum-Rvolution). Nous avons prsent plus haut le modle de changement
organisationnel de Vandangeon-Derumez (1998) articul autour de trois phases
(maturation-dracinement-enracinement). Dautres modles reposent sur une volution
plus dtaille du processus tudi. Ainsi, Pounds (1969) a articul son modle
processuel dmergence/rsolution de problmes stratgique dans lorganisation autour
de huit phases : 1) choisir un modle de rsolution, 2) le comparer la situation relle,
3) identifier les diffrences, 4) choisir et retenir une diffrence particulire, 5)
considrer des oprateurs (solveurs) alternatifs, 6) valuer les consquences du choix
de ces oprateurs, 7) choisir un oprateur particulier, 8) puis enfin excuter cet
oprateur pour rsoudre le problme stratgique.
Les recherches paraissent osciller entre un nombre faible dintervalles, facilitant
la comprhension ou lassimilation immdiate de lallure du processus et un
nombre plus important dintervalles, permettant den rendre compte dune manire
plus dtaille. Nous ne pouvons cependant apporter de rponses tranches car la
question du nombre de phases devant tre retenues pour btir un modle processuel
reste largement lapprciation du chercheur. Tout dpend en fait du niveau de
dtails que le chercheur entend donner dans la description de lordonnancement
temporel du processus tudi.
154
Une fois les intervalles de temps identifis, le chercheur est confront au

problme de leur articulation dans le temps. Par exemple, le chercheur a-t-il affaire
des intervalles de temps qui apparaissent successivement ou au contraire qui se
chevauchent ; lun apparaissant avant que le prcdant ne soit rellement termin ?
Diffrents modles de droulement dun processus ont t prsents dans la
littrature. Le Focus suivant en propose quelques-uns (Langley et al., 1995).
c Focus
Cinq modles pour dcrire le droulement dun
processus dans le temps
Langley et ses collgues prsentent Au-del de ces trois modles qui
cinq modles de base qui permettent de cherchent dcrire le dveloppement
dcrire comment se droule dans le dun seul objet, les auteurs ont identifi
temps un processus, savoir comment deux autres processus qui rendent
sarti-culent les diffrents intervalles de compte du drou-lement dun ensemble
temps qui le constituent. dobjets pris globalement.
Le premier modle est appel squen- Ainsi, un quatrime modle, par conver-
tiel et repose sur lenchanement de gence , dcrit comment plusieurs objets
phases dans le temps ; chacune tant (par exemple plusieurs dcisions) sarti-
clairement identifie et spare de la culent dans le temps pour converger au
prcdente et de celle venir. Il ny a pas fur et mesure vers un seul objet (cest--
chevauchement de squences. dire une seule dcision). Ce modle par
Le deuxime modle est appel anar- convergence dcrit un processus par
chique sans structure de dveloppement rduction de la varit au fur et mesure
apparente. Les diffrents intervalles de que le temps se droule. Ce processus
temps se succdent, se chevauchent, nest plus guid par un diagnostic clair ou
sopposent, pour finalement aboutir un par une cible claire, mais au contraire par
processus de type carbage can. lide dapproximations successives qui
apparaissent de manire graduelle. Cest
Le troisime modle est appel itratif
donc peu peu que le processus volue
et mle volution squentielle et droule-
vers une solution unique.

ment anarchique. Lvolution du
processus peut tre rgulire, jusquau Au contraire du cinquime modle par
moment o lapparition dvnements inspiration , o la convergence vers une
imprvus, ou encore des conflits internes unique solution apparat par tapes
sur la conduite du processus, introduit une successives (et non plus graduellement).
rupture dans son droulement. Les Lide centrale dans ce modle est que le
acteurs du processus vont avoir tendance droulement nest plus rgulier, mais au
ritrer les mmes oprations, tant contraire cass certains moments cls
quune solution permet-tant dentamer la de son histoire, quand certaines solutions
phase suivante du droulement du sont cartes et que dautres sont claire-
processus na pas t trouve. ment identifies et retenues. (Langley et
al., 1995.)
155
Partie 1 Concevoir
La littrature est fconde sur les modles reprsentant des processus de

management. Elle fournit au chercheur des reprsentations types de lvolution
que peut suivre dans le temps le processus quil entend tudier. La question est de
savoir si le chercheur doit adopter un modle particulier avant de dbuter sa
recherche ou sil peut faire merger de ses donnes un modle dvolution. Cette
question renvoie la position pistmologique que le chercheur adopte pour mener
sa recherche, position inductive ou dductive (se reporter au chapitre 3).
Dans tous les cas, nous invitons le chercheur clarifier (avant ou pendant son
analyse des donnes) le modle ou la reprsentation du processus en dfinissant ses
conceptions quant au moteur du changement, au cycle du processus et lunit
observe.
Afin de nous aider, Van de Ven et son quipe (Van de Ven, 1992 ; Van de Ven et
Poole, 1995) nous invitent clarifier les prsupposs pistmologiques sur le
dveloppement dun processus. Ces auteurs proposent quatre groupes de thories
sur le processus qui exposent comment et pourquoi un processus volue et se
droule dans le temps. Le tableau 5.2 est tir des travaux de Van de Ven et Poole
(1995) et rsume les principales caractristiques de ces quatre groupes de thories.
Tableau 5.2 Quatre groupes de thorie sur le dveloppement dun
processus (Van de Ven et Poole, 1995)
Logiques Progression
de changement des vnements
Le changement est compris comme un Les vnements suivent des squences
phnomne continu ; le changement, dtapes se succdant naturellement au
Cycle de vie
lvolution sont des tats habituels des cours du temps ; lenchanement des phases
systmes vivants. est logique, linaire.
Le changement est dirig en fonction dune Les vnements suivent des squences
vision de ltat final quun systme veut cumulatives, multiples, o des moyens
Tlologie atteindre ; cest un processus volontariste, alternatifs sont mis en uvre afin datteindre
possible parce que le systme est capable de un tat final recherch.
sadapter
Le changement se droule selon une De nombreux vnements contradictoires
dialectique entre thse et antithse, ordre/ entre eux se confrontent, rsistent ou
Dialectique dsordre, stabilit/instabilit ce sont de disparaissent lissue de cette confrontation
telles forces contraires qui expliquent le et convergent finalement vers un nouvel tat
droulement dans le temps du processus du systme tudi.
Le changement est un processus de slection Le systme varie, de nombreux vnements
volution et de rtention dune solution par sont slectionns puis retenus dans une
lenvironnement nouvelle configuration de ce systme.
Ces quatre groupes de thories reposent sur des conceptions trs diffrentes de
pourquoi les choses changent dans le temps . Elles invitent le chercheur intgrer le
fait que les explications du changement (le moteur) et le niveau adquat de
comprhension du changement (unit danalyse) dpendent non seulement de lobjet
tudi et du design de la recherche mais aussi de prsupposs thoriques sur une
156
conception du changement. Nous conseillons la lecture de larticle de Van de Ven

et Poole (1995) pour un plus large dveloppement.
section
3 POsITIOnnEMEnT DE LA REChERChE
Les deux premires sections prsentaient de manire contraste les recherches

sur le contenu et les recherches sur le processus, la troisime section a pour objectif
de permettre au chercheur de mesurer les consquences de ses choix et de
positionner clairement sa recherche. Nous entendons linviter prendre conscience
que les deux approches sur le contenu et sur le processus senrichissent
mutuellement et quelles contribuent toutes deux ltude dun mme objet. Une
premire partie explique cet enrichissement mutuel tandis quune seconde partie
montre leur ncessaire imbrication, chacune de ces approches rvlant les deux
facettes dun mme objet dtude.
1 Enrichissement mutuel entre les deux types de recherche
La limite entre processus et contenu est souvent difficile reprer car les deux
analyses se compltent. Il est souvent tout aussi difficile dtudier un contenu sans
prendre en compte sa structuration dans le temps que dtudier un processus sans
savoir de quoi il est compos. Une illustration de cet enrichissement mutuel entre
contenu et processus nous est donne par la clbre controverse autour de
lexplication de lentre de Honda sur le march amricain des motocyclettes
(Pascale, 1984), cas stratgique qui a depuis t tudi et dbattu par tous les
tudiants des universits et business schools dans le monde ! Le succs de Honda
pouvait-il sexpliquer par un effet dapprentissage (analyse de type BCG) ou par
une succession mergente et erratique dactions de la part de la firme ? Trs

certainement les deux jusquau rcent apport par Rumelt (1996) qui a expliqu le
succs de Honda en mobilisant lapproche par les ressources et les comptences.
1.1 Le processus enrichit la recherche sur le contenu
Lintrt grandissant des chercheurs pour la comprhension de la dynamique de

phnomnes dont le contenu a fait lobjet de recherches conduit sinterroger dans
une vise dynamique sur des sujets comme les diffrences de positionnement
stratgique des firmes, les choix entre stratgie de spcialisation ou stratgie de
diversification ou la concurrence internationale (Rumelt et al., 1994).
157
Partie 1 Concevoir
Lintgration des processus dans lanalyse de contenu descriptive peut prendre deux
formes. Dune part, les configurations reposent sur un certain nombre de dimensions
qui comprennent, dans la majorit des cas, des processus. Dautre part, les approches
qui procdent par dcomposition peuvent mettre en vidence les processus qui sous-
tendent lobjet tudi sans entrer dans le dtail des tapes qui le constituent.
On peut, par exemple, dfinir une configuration organisationnelle en fonction de la
stratgie adopte, des structures de lentreprise et des processus de contrle et de
planification. Pour cela on peut inclure une variable processus de formulation de la
stratgie , ce processus pouvant tre plus ou moins centralis. Quand on dcrit un
processus de formulation de la stratgie comme trs centralis , on utilise le processus
sans se rfrer lenchanement des tapes qui le constituent. Le chercheur se rfre des
recherches antrieures qui lont dj catgoris. Le processus apparat alors, comme
lillustre lexemple ci-dessous, comme une catgorie de concept (Van de Ven, 1992).
EXEMPLE Le processus enrichit les recherches explicatives sur le contenu
Lexemple de Bartlett et Goshal (1989) est explicite cet gard. Les auteurs prsentent une
nouvelle configuration organisationnelle pour des entreprises prsentes sur plusieurs terri-
toires : lentreprise transnationale. Ils construisent lidal type de lorganisation transna-
tionale partir dinnovations organisationnelles quils ont pu observer au moyen dtudes de
cas ralises dans plusieurs entreprises. Le modle de lorganisation transnationale nexiste
pas dans la ralit mais il sinspire du travail empirique ralis par les auteurs. Ce modle
repose sur un certain nombre dinnovations managriales, dont de nouvelles faons de grer
les processus de coordination ou dinnovation. Par exemple, aux processus classiques
dinnovation globale et locale, ils proposent dadjoindre la diffusion systma-tique des
innovations locales ainsi quun processus dinnovation mondiale coordonne qui combine
les efforts des filiales les plus comptentes. La logique de ces processus est dcrite mais non
leur dynamique. Les auteurs font rfrence des catgories de processus, sans toutefois
porter intrt une description dtaille de ces derniers.
De la mme manire, le processus enrichit les recherches sur le contenu de nature

explicative. Des processus peuvent tout dabord tre utiliss et donc oprationnaliss
comme des construits, et mesurs comme des entits fixes (des variables), dont les
attributs peuvent varier le long dchelles numriques allant de faible lev. Par
exemple, quand Govindarajan (1988) tudie ladquation entre processus de prise de
dcision et tat de lenvironnement, le processus lui-mme nest pas tudi. Il est
simplement pris en compte au travers dun certain nombre de variables proxy qui
permettent de dfinir la prise de dcision comme tant plus ou moins centralise.
Les recherches sur le contenu explicatives peuvent galement utiliser les processus
pour expliquer les rsultats auxquels elles conduisent. En effet, il est frquent que les
donnes collectes ne puissent pas dmontrer lexistence de liens de causalit mais
plutt la prsence simultane de deux ou plusieurs phnomnes. Ainsi, dans le schma
158
hypothtico-dductif, cest la formulation de lhypothse qui lve la corrlation au

rang de lien de causalit. Or, la justification de lhypothse relve bien souvent
dune logique processuelle. Le processus est alors intgr comme un lment qui
explique la relation causale entre variables indpendantes et dpendantes (Van de
Ven, 1992). Cette approche est illustre par lexemple ci-dessous.
EXEMPLE La justification processuelle dune relation causale
On peut reprendre lexemple de Govidarajan (1988). Lauteur justifie linfluence

positive de la dcentralisation sur la performance dune unit confronte un
environnement incer-tain grce une explication processuelle. En effet, une entreprise
centralise et confronte un environnement incertain voit son processus de pilotage
paralys par le traitement des nombreuses exceptions qui ne manquent pas de se
prsenter des sous-units qui ne dis-posent pas du pouvoir de dcision. Trs
rapidement, la direction nest plus mme deffec-tuer correctement les arbitrages entre
les sous-units. La faible performance des entreprises qui adoptent des structures
centralises dans un environnement incertain sexplique donc par un processus de
paralysie progressive de la prise de dcision. Lexplication du rsultat est bien de nature
processuelle mais le processus est simplement voqu et non directement tudi.
Plus gnralement, on peut suivre dans le temps lvolution de lobjet ou du

phnomne tudi, qui aura t au pralablement dcrit travers un ensemble de
caractristiques (ou dimensions analytiques), issues de la littrature, ou mergeant
de lanalyse des donnes collectes sur le terrain.
EXEMPLE Lvolution dans le temps dun objet de recherche le cas

dun rseau de sant
Reprenons lexemple prcdemment cit relatif la conception et la mise en place dun
rseau de sant ddi aux personnes ges (Grenier, 2011). Lauteur cherche comprendre
dans quelle mesure les acteurs parviennent (ou non) concevoir un dispositif rellement
pluraliste qui permette une valuation pluridisciplinaire de la situation dun patient. Nous
avons dit quelle avait identifi trois degrs de diversit des acteurs (refus, acceptation et
exploration), les acteurs tant analyss en termes des connaissances quils apportent et des
institutions auxquelles ils appartiennent. tudiant en particulier trois innovations conues par
ce rseau (deux tests dvaluation et la tenue de runions de concertation pluridisciplinaire),
Grenier (2011) montre combien, dans le temps, le rseau a volu dune approche mdicale
trs focalise sur les questions de troubles cognitifs (maladie dAlzheimer, Parkinson)
vers une extension des savoirs mdicaux (mdecine gnrale, autres maladies chroniques)
pour intgrer par la suite dautres savoirs plus sociaux ports par des institutions du monde
social (travailleurs sociaux davantage proccups par le bon maintien domicile ou la
situation des aidants). Elle met alors en vidence que ce processus est sous-tendu par
diffrentes formes de leaderships se succdant dans le pilotage de la conception et la mise en
place du rseau de sant.
159
Partie 1 Concevoir
1.2 Le contenu enrichit les recherches sur le processus
Dans la premire section de ce chapitre nous avions prsent le processus comme

ltude de lvolution dune variable dans le temps (Van de Ven, 1992). Pour suivre
lvolution de cette variable, on la dcompose en lments tels que : acteurs (internes,
externes), moyens daction, support daction. Cette dcomposition correspond une
rflexion sur le contenu. Il est donc ncessaire de connatre, par une recherche sur le
contenu, les catgories qui constituent un processus avant de mener une tude dordre
processuel. Par exemple, Hickson et al. (1986) se sont attachs tout dabord identifier
les diffrentes variables qui composent un processus de prise de dcision (ces variables
tant relatives aux ruptures et droulement du processus, aux acteurs et aux enjeux de
la dcision). Ils ont pu identifier et catgoriser plusieurs types de processus de prise de
dcision en fonction de ltat des diffrentes variables qui les composent.
Le contenu enrichit la connaissance du processus dune autre manire. Lanalyse
processuelle peut consister tudier le dveloppement dans le temps dun objet
entre un tat 1 et un tat 2. Il est donc important de connatre prcisment les tats
1 et 2 pour que le chercheur puisse tablir le cheminement entre lun et lautre. Une
recherche sur le contenu permet de connatre prcisment ces tats. Lexemple
suivant illustre cet enrichissement du processus par le contenu.
EXEMPLE Analyser limpact de nouvelles technologies sur

lorganisation par une recherche mixte (Barley, 1990)
La recherche de Barley porte sur limpact des nouvelles technologies sur la manire de
travailler des organisations. Les recherches sur ce thme sont souvent gnes par la pr-
sence simultane de lancienne technologie qui demeure utilise et de la nouvelle qui
est peu peu mise en place. La juxtaposition de la nouvelle et de lancienne technologie
per-met difficilement de mesurer limpact rel dun changement de technologie sur
lorganisa-tion.
Pour pallier cet inconvnient, Barley a men son tude dans des hpitaux, diviss en
ser-vices relativement autonomes, de telle sorte quil lui tait possible de comprendre
limpact dune nouvelle technologie selon que certains services utilisaient encore
lancienne techno-logie (radiologie) alors que dautres services mettaient en uvre la
nouvelle technologie (RMN).
Ce terrain tait propice pour mener une recherche en profondeur sur comment et en quoi
lintroduction de nouvelles technologies pouvait modifier la manire de travailler.
Barley a tout dabord cherch identifier si les tches, les rles, les relations de travail
ont t modifis suite au changement de technologie. Pour cela, il a compar un
moment donn comment travaillaient les services innovants et ceux travaillant avec
les anciens quipements.
Lauteur a ensuite voulu connatre le processus dimplantation de la nouvelle technologie et
les modifications qui sont peu peu apparues dans la manire de travailler des diffrents
services. Pour cela, il a observ comment ont volu dans le temps les modes de travail, les
tches et les relations entre les mdecins et personnels hospitaliers.
160
Au terme de cette double analyse, Barley a labor un modle riche et complet sur
limpact de nouvelles technologies sur lorganisation du travail.
Il a synthtis les deux types de recherche sur le contenu et le processus : a) lapproche
sur le contenu a permis de comparer les modes de travail. Cette approche qui nie le
temps est appele synchronique ; b) lapproche sur le processus a permis de reconstituer
le processus de mise en uvre de la nouvelle technologie dans les diffrents services de
lhpital. Cette approche qui prend en compte le temps et la dynamique du phnomne
est appele diachro-nique.
2 La stratgie de recherche : processus,

contenu ou approche mixte ?
Au-del de leur enrichissement mutuel, les recherches sur le processus et les
recherches sur le contenu sont lies. Elles permettent conjointement de saisir la
ralit dun mme objet. Le positionnement du chercheur dpend la fois de ltat
de la connaissance sur lobjet tudi et de la nature de celui-ci.
2.1 Choisir : processus ou contenu ?
Comme lillustre le tableau 5.1, dans lintroduction de ce chapitre, ce nest pas

lobjet tudi qui peut permettre au chercheur deffectuer son choix. En ralit les deux
approches sont ncessaires pour amliorer la connaissance dun objet particulier.
Reprenons ici la mtaphore du cinma et de la photographie. Le cinma nest quune
succession dimages fixes. Mais cest prcisment cette succession dimages fixes qui
permet de visualiser lvolution de lobjet tudi dans le temps. Cest une ide
similaire quexprime Weick (1979) lorsquil dit : Le processus organisationnel et les
consquences de ce processus sont en ralit insparables ce sont des notions
interchangeables. Les mmes choses sont concernes et nous pouvons les appeler soit
organisation, soit processus organisationnel en fonction de lamplitude de la priode de
temps que nous observons. Regarder la collectivit pour une priode de temps plus
longue cre limpression que le processus dorganisation est en cours. La regarder sur
des priodes plus courtes suggrera quune organisation existe. (Weick, 1979 : 16.)
Au-del de ses aspirations personnelles ou des contraintes lies aux donnes
disponibles, le chercheur, afin deffectuer son choix, doit prendre en compte ltat
davancement de la connaissance sur lobjet quil entend tudier. Ltat de lart sur un
objet particulier lui permet de retenir une approche qui enrichit la connaissance
existante. Si un objet a dj t largement tudi sous langle du contenu, il peut tre
ncessaire de complter sa connaissance par une recherche de processus (et vice versa).
Par exemple, la notion de cycle de vie appelle spontanment des recherches
processuelles axes sur la mise en vidence des tapes successives qui constituent le
cycle de vie. Mais, une fois que les grandes phases ont t identifies et corrobores
161
Partie 1 Concevoir
par plusieurs recherches convergentes, tout un travail dapprofondissement peut

tre fait sur le contenu de chacune de ces phases. Ce travail dapprofondissement
ralis appellera de nouvelles recherches processuelles qui pourront viser mieux
comprendre lenchanement des phases. Le chercheur doit donc tre capable de
choisir son positionnement entre processus et contenu pour apporter un clairage
nouveau dans une optique daccumulation de connaissances.
Laccumulation de connaissances est trs largement dpendante de lapparition
de pratiques nouvelles au sein des organisations. En suscitant de nouvelles
interrogations, ces pratiques modifient les besoins de recherche tant sur le contenu
que sur le processus. Il est bien vident quil est trs important que le chercheur
sinterroge sur le type de recherche quil a retenu en se posant, par exemple, la
question suivante : Les rsultats de ma recherche sont-ils pertinents au regard des
pratiques qui seront en action lors de leurs publication ?
2.2 Vers des approches mixtes ?
Partant du constat de limbrication des deux approches, certains travaux

cherchent intgrer les recherches sur le processus et sur le contenu (Jauch, 1983 ;
Jemison, 1981). Les chercheurs appartenant des courants dtude sur le contenu
sont amens se poser des questions en termes dynamiques. En effet, si lune des
questions principales en management stratgique est de savoir pourquoi certaines
firmes russissent alors que dautres chouent ? , la manire de laborder volue
et tend intgrer une dimension dynamique et processuelle (Porter, 1991). Certes,
le succs dune firme dpend en partie dun quilibre entre choix stratgique et
environnement ; mais cet quilibre doit pouvoir tre apprci dans le temps, parce
quil se construit dans le temps. linverse, les courants dtude sur les processus
attachent une grande importance la comprhension du contenu des
phnomnes tudis (Itami et Numagami, 1992). Une analyse de processus ne doit
pas tre considre comme incompatible avec une analyse de contenu, puisque
toute dcision prise dans lorganisation, tout systme organisationnel ne sont que
laboutissement dune succession dtats, dtapes et de dynamiques. Le
pourquoi des choix stratgiques, le quoi dune dcision stratgique et le
comment de telles dcisions sont complmentaires (Chakravarthy et Doz, 1992).
Le Focus suivant illustre la ncessit dimaginer, pour comprendre certains
phnomnes de management, une combinaison des deux approches. Pour lanalyse
du cas Honda le choix exclusif dune rflexion sur le processus ou dune
rflexion sur le contenu apparat comme une stratgie de recherche risque. Elle
permet de concentrer les efforts du chercheur mais lui fait courir le risque de ne
saisir quune partie du phnomne tudi.
162
c Focus
Le succs de honda, une explication par le
contenu ou par le processus
Contenu et processus sont au centre retrace dans une analyse longitudinale les
dune controverse clbre pour expliquer actions commerciales des reprsentants
le succs de Honda sur le march amri- de Honda pour crer le march, tout
cain (Laroche, 1997). Lexplication tradi- dabord en Californie, puis dans le reste
tionnellement admise est une explication du pays. Cette controverse parat dsor-
par le contenu : cest la logique BCG de la mais se clturer par un gentlemans
recherche deffets dexprience et agree-ment enrichissant, puisquil milite
dconomies dchelle qui sest impose. claire-ment pour une approche intgrative
Pascale et Athos (1984) proposent quant (Mintzberg, Pascale, Goold, Rumelt
eux une approche par le processus et 1996).
COnCLusIOn
Le chercheur en management peut se positionner sur lun des trois quadrants

synthtiss dans le tableau 5.3. La recherche peut porter sur le contenu. La prise en
compte du temps, lvolution dans le temps sont ici secondaires. Elle permet
seulement au chercheur de mieux comprendre lobjet tudi ou les relations
causales entre les diffrents lments qui le composent. La recherche peut au
contraire sintresser essentiellement au processus. Le cur de la recherche vise
suivre dans le temps lvolution de lobjet tudi. La connaissance du contenu du
phnomne nest utilise quau travers les diffrents lments qui le composent
(acteurs, activits, lments de contexte). Enfin, une approche mixte peut tre
ncessaire ou enrichissante. Le chercheur porte alors une attention aussi forte au

contenu quau processus de lobjet quil tudie.
Tableau 5.3 Les positionnements dune recherche en management
Importance du contenu
dans la recherche
Faible Forte
Importance du temps
dans la recherche
Faible Recherche sur le contenu
Forte Recherche sur le processus Recherche mixte
163
Partie 1 Concevoir
La question centrale est celle de limportance que prend le temps. Elle se pose
indpendamment de lobjet tudi et le chercheur ne peut se positionner
valablement quen ayant compris que tout objet peut tre analys dans son contenu
ou dans son processus. Il doit galement tre conscient de la ncessaire
complmentarit existant entre les deux analyses. Il ny a pas danalyse de contenu
qui ne suscite ou nutilise une rflexion processuelle et vice versa. Tout au plus
peut-il paratre plus judicieux, un moment donn et compte tenu de ltat de la
connaissance, dadopter un type de recherche ou un autre pour un objet particulier.
Il est clair que le got du chercheur, son exprience, son intuition ont galement
un rle important jouer. Le choix peut galement tre contraint par les donnes
disponibles ou par un accs restreint au terrain. Cette dernire rflexion voque
naturellement les contraintes diverses dordre mthodologique (outils, collecte,
traitement de donnes) que pose toute investigation.
164

Hutzschenreuter T., Strategy-Process Research : What Have We Learned and
What Is Still to Be Explored , Journal of Management, octobre 2006, vol. 32, n
5, pp. 673-720.
Langley A., Process Thinking in Strategic Organization , Strategic
Organization, aot 2007, vol. 5, n 3, pp. 271-282.
Meyer A., Tsui A., Hinings C., Configurational Approaches to Organizational
Analysis , Academy of Management Journal, 1993, vol. 36, n 6, pp. 1175-1195.
Miller D., Friesen P., The Longitudinal Analysis of Organizations : a
Methodological Perspective , Management Science, 1982, vol. 28, n 9, pp. 1013-
1034.
Pajunen, K., Source : The Nature of Organizational Mechanisms , Organization
Studies, vol. 29, n 11, pp. 1449-1468.
Sminia, H. S., Process Research in Strategy Formation : Theory, Methodology
and Relevance , International Journal of Management Reviews, mars 2009, vol.
11, n 1, pp. 97-125.
Van De Ven A., Suggestions for Studying Strategy Process : a Research Note ,
Strategic Management Journal, 1992, 13 (summer special issue), pp. 169-188.
165
Partie
2
Le design de la recherche Chapitre 6
Comment lier concepts et donnes ? Chapitre 7
chantillon(s) Chapitre 8
La collecte des donnes et la gestion Chapitre 9
de leurs sources
Validit et fiabilit de la recherche Chapitre 10
Mettre en uvre
D ans cette deuxime partie, nous abordons les aspects plus oprationnels de la
recherche. Une fois les bases et les choix conceptuels faits, objet de la pre-mire
partie, le chercheur doit se poser les questions de savoir quelles sont
les tapes suivre, quoi et comment observer, comment tablir la validit des rsul-
tats. Il sagit ici de prparer la conduite de la recherche dans le concret. Tout dabord, il
lui faut dfinir les diffrentes tapes : revue de la littrature, collecte et analyse de
donnes, prsentation des rsultats. Sans oublier toutefois, que le contenu et
larticulation des tapes ne sont ni arbitraires ni rigides. Le design peut voluer en
fonction des difficults et des mergences qui se manifestent tout au long de son
travail. Une fois le plan de recherche tabli, il est ncessaire de prvoir comment
concrtement le lien entre monde empirique et thorique est fait. Il sagit ici de tra-
duire en pratique les concepts thoriques afin de pouvoir tudier ce qui est observ. La
rponse apporte dpend bien entendu du positionnement adopt prcdemment. Une
fois la traduction accomplie, il est indispensable de dcider sur quels lments
effectuer le recueil de donnes. Nous abordons l le choix et la constitution dchan-
tillons, quils soient composs dun grand nombre dindividus ou bien dun nombre
rduit. Le choix nest pas neutre car des biais nombreux doivent tre matriss. Il ne
sagit plus prsent que de passer la phase de collecte dinformations sur le ter-rain.
Cest une tape cruciale. Les donnes collectes et leur qualit constituent le matriau
de base sur lequel la recherche se fonde. Enfin, lors de la mise en uvre, la question de
la validit et de la fiabilit est traite. Il sagit ici dvaluer si le ph-nomne tudi est
fidlement restitu (validit) et si ce dernier serait reprsent de manire similaire par
dautres observateurs ou dautres moments (fiabilit).
Chapitre
6 Le design
de la recherche
Isabelle Royer et Philippe Zarlowski
RsuM
Ce chapitre traite de llaboration dun design de recherche puis de son volu-
tion durant le droulement de la recherche. laborer le design consiste
mettre en cohrence tous les composants de la recherche afin den guider le
droule-ment et de limiter les erreurs dinadquation. Le design dune
recherche est tou-jours unique car spcifique cette dernire. Toutefois, les
designs de recherche sappuient gnralement sur quelques grandes
dmarches de recherche, comme lexprimentation, lenqute ou
lethnographie. Ces dmarches sont elles-mmes varies mais seul un petit
nombre dentre elles est souvent mobilis en management.
Dans une premire section, nous prsenterons plusieurs des principales
dmarches de recherche utilises en management. Dans une deuxime section,
nous prciserons comment laborer un design de recherche et proposerons une
liste de questions au chercheur afin de limiter les erreurs possibles. Ce design
initial nest toutefois pas fig et pourra voluer en fonction de la dmarche mene,
des problmes rencontrs ou des opportunits apparues.
sOMMAIRE
SECTION 1 Les dmarches empiriques de recherche en
management SECTION 2 Llaboration du design de la recherche

L e design de la recherche1, ou larchitecture de la recherche, est la trame qui permet

darticuler les diffrents lments dune recherche : problmatique, littrature,
donnes, analyse et rsultat. Cest un lment crucial de tout projet
de recherche empirique, quels que soient lobjet de recherche et le point de vue
mthodologique choisis (Grunow, 1995).
Pourtant, il nest pas rare que des designs de recherche savrent dficients. Dans le
cadre de son activit dvaluateur pour Administration Science Quarterly et pour
Academy of Management Journal, Daft (1995) notait avoir rejet 20 % des articles
soumis pour cette raison. Aujourdhui encore, un grand pourcentage de manuscrits
soumis Academy of Management Journal, nentrent pas dans le processus
dvaluation ou sont rapidement rejets pour cette raison (Bono et McNamara, 2011).
Grunow (1995), dans une tude sur plus de 300 recherches empiriques publies et non
publies, a constat que 20 % seulement des recherches ne prsentaient aucun
problme de design. Ce constat peut sexpliquer par labsence de liens stricts et
dterministes entre les diffrents lments dune recherche (Grunow, 1995). En
particulier, ladquation du design la question de recherche, qui relve davantage de
lart que de la science, demeure un des principaux problmes rencontrs (Bono et
McNamara, 2011). Labsence de rgles strictes appliquer ne signifie pas que
nimporte quelle combinaison arbitraire des lments de la recherche puisse tre
utilise (Grunow, 1995). Bien au contraire chaque composant doit tre choisi en
cohrence avec les autres de manire rpondre la question que la recherche propose
de traiter. Par consquent, si lon ne peut pas dire quil existe un seul bon design
pour rpondre une problmatique, si, au contraire, plusieurs designs sont possibles et
si certains peuvent tre plus attractifs ou plus originaux que dautres, il reste que
certains designs peuvent tre considrs comme dficients ou inappropris. Par
exemple, lutilisation de donnes collectes sur une seule priode pour tudier des
changements explicites ou implicites constitue une cause habituelle de rejet de
manuscrits (Bono et McNamara, 2011) car le changement implique intrinsquement
une volution, donc au minimum deux priodes.
Dune manire gnrale, lvaluation de la qualit dun design repose, dune part,
sur la logique de lensemble de la dmarche de recherche et, dautre part, sur la

cohrence de tous les lments qui la constituent.
En dehors de ces deux grands principes, il nexiste pas de rgle prcise. Bartunek et
al (1993) constatent ainsi que des dmarches tant qualitatives que quantitatives peuvent
tre mises en uvre pour rpondre un mme problme. Schwenck (1982) suggre par
exemple dutiliser paralllement exprimentation et tude de cas pour rpondre un
mme problme, chaque dmarche palliant les limites de lautre. Il ny a pas non plus
de relation stricte entre la mthodologie et le niveau de
1. On appelle galement design les squences de stimuli et dobservations dune exprimentation ou quasi-
exprimentation. Dans ce chapitre, le terme design fera toujours rfrence au design de la recherche dans son
ensemble.
169
questionnement ou le type danalyse. Lintrt, loriginalit ou limportance de la

contribution ne dpendent ni du niveau danalyse (individu, groupe, organisation ou
inter-organisations) ni du type de dmarche utilis. Si une dmarche telle que
lexprimentation est plus facile mettre en uvre pour des individus, elle est
galement possible sur des groupes et des organisations. Enfin, aucune mthode
particulire napparat clairement suprieure aux autres dans labsolu. En particulier la
technicit statistique nest pas un gage de contribution scientifique (Daft, 1995). Si des
mthodes sophistiques peuvent parfois clairer certains problmes, elles ne sont pas
toujours ncessaires et ne se substituent pas une contribution thorique. Comme le
prcisent Mc Call et Bobko (1990), le plus important pour choisir une mthode, ce
nest pas la mthode en elle-mme mais ce quelle permet de rvler dun problme
particulier, ou plus gnralement les connaissances quelle permet de produire dune
part, et la manire dont elle est excute, dautre part.
Lincidence du positionnement pistmologique sur le design de recherche fait
lobjet de dbats. Aux extrmes, les tenants de la perspective positiviste ne
reconnaissent que la mthode scientifique hypothtico-dductive quantitative
comme dmarche scientifique alors que pour les chercheurs constructivistes,
ltude des acteurs dans leur contexte requiert des mthodes spcifiques qui ne sont
pas celles hrites des sciences de la nature. De nombreux autres positionnements
pistmologiques sont possibles ct de ces deux postures. Les prsenter et
discuter les questions sous-jacentes dpasse le cadre de ce chapitre. Il convient de
souligner, cependant, que chaque design de recherche sinscrit au moins
implicitement dans une perspective pistmologique. Toutefois, il nexiste pas de
relation simple entre design de recherche et positionnement pistmologique.
Ainsi, des dmarches qualitatives peuvent tre mobilises dans le cadre de projets
de recherche relevant de perspectives positivistes, interprtatives ou
constructivistes. De faon similaire, avoir recours une dmarche quantitative
nimplique pas ncessairement un positionnement positiviste.
Au niveau des mthodes de collecte et de traitement des donnes, les liens entre
perspective pistmologique et choix de mthodes sont encore plus minces. Ackroyd
(1996) considre mme quune fois tablies, les mthodes nappartiennent plus la
discipline ou la perspective o elles sont nes mais deviennent des procdures dont
lutilisation est laisse la libre apprciation du chercheur. Si des mthodes
qualitatives sont dominantes dans les perspectives constructivistes et interprtatives, les
mthodes quantitatives nen sont pas exclues. Linscription dans une perspective
pistmologique relve peu des mthodes utilises mais davantage de la question de
recherche, de la manire dont le chercheur met en uvre les mthodes de collecte de
donnes et danalyse, de la nature des connaissances produites et des critres de
validit ou modes de justification sur lesquels elles reposent.
Dans ce chapitre, nous ne proposons donc pas les rgles pour russir
larchitecture dune recherche mais prsentons des dmarches de recherche
170
frquemment mobilises en management, et suggrerons des questionnements qui

nous semblent utiles pour viter certaines erreurs. Les principales dmarches de
recherche en management seront prsentes dans une premire section en vue
dillustrer leur varit et les multiples usages de chacune. Dans une deuxime
section, nous prciserons pourquoi et comment laborer un design de recherche
afin de limiter les erreurs possibles. Larchitecture dfinie lors de la phase
dlaboration sera gnralement affine durant la recherche et pourra galement
voluer en fonction des difficults ou des opportunits rencontres. Le design de la
recherche telle quelle est publie ne correspond donc pas ncessairement celui
imagin initialement par les chercheurs lorsquils commencent laborer leur
projet. Nanmoins, sil est recommand dlaborer un design relativement tt de
manire rduire les risques derreurs possibles et guider le droulement de la
recherche dans les tapes suivantes, cela ne signifie pas que ce design constitue un
cadre rigide et dfinitivement fig.
section
1 LEs DMARChEs EMPIRIQuEs DE
REChERChE En MAnAgEMEnT
Connatre les principales dmarches ou stratgie de recherche empirique en

management est trs utile pour laborer larchitecture de sa recherche. En effet, il
est toujours plus simple de pouvoir suivre un modle prexistant que dadapter, et
plus encore de construire, un nouveau modle. Au-del des difficults
mthodologiques inhrentes la conception du design, une dmarche prouve est
souvent plus facilement accepte par les communauts scientifiques auxquelles on
sadresse, moins de pouvoir montrer que la nouvelle dmarche propose prsente
des avantages ou permet de rsoudre des difficults dans le cadre particulier o elle
a t mise en uvre. Enfin, connatre les dmarches prototypiques permet plus
aisment de sen carter de manire pertinente.

Les dmarches de recherche en management sont trs diverses et refltent en
partie les emprunts de la gestion dautres disciplines, notamment la
psychologie, la sociologie, lconomie, la biologie et plus rcemment
dautres disciplines encore telles que la littrature ou la smiologie. Ds les
premiers travaux en management, diffrentes dmarches taient utilises telles que
lexprimentation, lenqute ou ltude de cas. Dautres sont venues sajouter pour
offrir une trs grande varit que lon classe aujourdhui en trois catgories :
quantitative, qualitative et mixte (voir par exemple Creswell, 2009).
171
1 Les dmarches quantitatives
Les dmarches quantitatives sont principalement utilises pour tester des thories
dans le cadre dune dmarche hypothtico-dductive (voir Charreire-Petit et Durieux,
chapitre 3 dans ce mme ouvrage). On peut distinguer trois types de dmarches :
lenqute, lexprimentation et la simulation (voir tableau 6.1 et exemples 1, 2 et 3).
Ces dmarches ne sont pas substituables et seront plus ou moins appropries en
fonction de la question de recherche et des caractristiques du terrain dtude. Chacune
prsente par ailleurs des avantages et inconvnients diffrents.
Lenqute est la dmarche la plus frquente en stratgie en raison de la
prfrence gnralement accorde lutilisation de donnes collectes (souvent
appeles donnes relles) par rapport des donnes issues de simulations ou
dexprimentations menes en laboratoire. De plus, sous certaines conditions de
constitution de lchantillon, les rsultats obtenus partir de donnes denqute
peuvent tre gnraliss la population (voir Royer et Zarlowski, chapitre 8 dans
ce mme ouvrage). Les donnes peuvent tre collectes avec un instrument
dvelopp spcifiquement par le chercheur afin daboutir des mesures plus
proches des concepts de la recherche. Les chercheurs utilisent toutefois souvent les
bases de donnes fournissant gnralement des approximations ou proxis des
concepts tudis, ceci pour des raisons de facilit.
Lexprimentation est une dmarche de recherche souvent utilise en management.
Elle peut tre ralise en laboratoire ou en situation relle. Son principal avantage
rside dans la validit interne accrue des rsultats de la recherche. En effet, le principe
mme de lexprimentation est de pouvoir contrler les lments susceptibles
dinfluencer les relations que les chercheurs souhaitent tester.
Enfin, la simulation permet dtudier des questions qui ne peuvent pas ltre par
les mthodes prcdentes. On lutilise par exemple pour tudier des systmes et
leur dynamique, ou des relations entre diffrents niveaux danalyse. On peut y
recourir galement en raison de difficults lies au terrain, par exemple lorsque
lexprimentation nest pas acceptable sur le plan thique, ou lorsque les donnes
sont difficiles collecter sur un grand chantillon.
Bien que ces dmarches quantitatives soient principalement utilises pour tester
des hypothses, on peut concevoir quil soit possible de faire merger des thories
explicatives partir dune tude purement descriptive de corrlations sur des
donnes quantitatives, ou encore partir dobservations effectues dans le cadre
dun design exprimental. Davis, Eisenhardt et Bingham (2007) recommandent
lutilisation de la simulation pour dvelopper des thories car il est ais dexplorer
les consquences de diffrentes valeurs des variables.
172
Tableau 6.1 Principales dmarches quantitatives

Dmarche Enqute Exprimentation Simulation
Objectif principal Dcrire une population, Tester des relations tudier les consquences
de la dmarche Explorer ou tester des causales et des de conditions initiales
relations causales et des contingences
contingences
Conception Constitution de la base laboration du plan laboration du plan
dchantillonnage et dexprience, des stimuli dexprience et
laboration du et mode de recueil de programmation du modle
questionnaire donnes thorique
Collecte des donnes Administration du Constitution des groupes Nombreuses simulations
questionnaire aux comparer par pour chaque condition
individus de lchantillon randomisation ou tudie
appariement
Recueil de donnes
comportementales ou
dclaratives par
questionnaire
Analyse Analyses quantitatives Analyse quantitative Analyse quantitative
multivaries : rgression, notamment analyse de notamment rgression
Logit, PLS, LISREL, variance
HLM en fonction du
modle test
Rfrences Philogne et Moscovici Shadish, Cook et Cartier (Chapitre 16 dans
(2003) Campbell (2002) ce mme ouvrage)
Knoke, Marsden et Moscovici et Prez (2003) Dooley (2002)
Kallenberg (2002) Harrison, Lin, Carroll, et
Carley (2007)
EXEMPLE 1 Enqute (Katia Angu et ulrike Mayrhofer, M@n@gement, 2010)
Le problme : Les recherches sur la coopration internationale en R&D privilgient la

distance culturelle alors que les entreprises sont confrontes plusieurs formes de
distances dans leur choix de partenaires.
Question : Quelle est linfluence des diffrentes formes de distance sur le choix du pays
partenaire ?
Cadre thorique : Le cadre thorique mobilise la littrature en management
international, notamment les travaux de Ghemawat sur la distance, pour formuler cinq
hypothses o chacune des cinq dimensions de la distance a une incidence ngative sur
la formation du partenariat.
Dmarche choisie : Enqute partir dune base de donnes secondaires de partenariats
de R&D.
Choix du terrain : Le secteur des biotechnologies car il est rticulaire : les partenariats
de R&D sont donc nombreux et importants pour les entreprises. Lune des entreprises
est europenne.
Recueil des donnes : La base de donnes est constitue partir de trois catgories de
sources reprsentant chacune un contexte particulier de partenariats de R&D :
173
les partenariats des programmes communautaires PCRD sur le site de lUnion euro-
penne ;
les partenariats tablis dans le cadre des projets Eurka ;
les partenariats hors cadre identifi dans les revues spcialises du secteur, les rapports des
associations nationales de biotechnologie et les sites Internet des entreprises.
Les donnes sont collectes sur la priode 1992-2000 et rassemblent 1 502 accords
internationaux.
18 variables instrumentales sont utilises pour tablir les mesures des 5 distances
Mthodes danalyse : Des indicateurs de distances entre pays sont calculs. Un
indicateur de coparticipation est calcul pour la variable dpendante. Les hypothses
sont testes la fois globalement et pour chaque contexte par une rgression o
lexprience pralable du contexte de partenariat est prise comme variable de contrle.
Rsultats et apport de la recherche : Les hypothses concernant les distances gographique
et technologique sont valides, celles relatives ladministration et lconomie partiellement
et enfin, celle relative la distance culturelle ne lest pas, hormis pour les projets hors cadre.
La recherche contribue aux travaux sur linternationalisation en remettant en cause les
conclusions de certains dentre eux selon lesquelles la distance nest pas dterminante pour
le choix du partenaire. La recherche montre que la distance est un concept complexe qui ne
se rduit pas la seule dimension culturelle.
EXEMPLE 2 Exprimentation (scott Wiltermuth et Francis Flynn,

Academy of Management Journal, 2013)
Le problme : Les principes thiques qui dterminent les comportements au travail sont
souvent implicites ou tacites. Dans ce contexte, il pourrait tre risqu pour les managers,
qui sont en position de pouvoir vis--vis de leurs subordonns, de prendre des sanctions
trs svres lorsque ces derniers ont viol des principes thiques.
Question : Lexprience subjective du pouvoir peut-elle augmenter la svrit des
sanctions en introduisant un sens plus lev de la clart morale ?
Cadre thorique : Trois hypothses sont labores partir des thories de lapproche du
pouvoir et de thories rcentes reliant pouvoir et sens du jugement :
Plus de pouvoir renforce le sens de la clart morale.
Les personnes avec un sens plus lev de la clart morale ont tendance sanctionner avec
plus de svrit les personnes qui, selon leur perception, ont viol des principes thiques.
Le sens de la clart morale est un mdiateur de la relation entre le pouvoir et la
svrit des sanctions.
Dmarche choisie : Les auteurs ont conduit trois exprimentations testant chacune
successivement une hypothse de la recherche, plus une quatrime tude par questionnaire
pour tester la validit du nouveau concept propos, i.e. le sens de la clart morale.
Recueil des donnes : Les quatre tudes sont conduites avec des chantillons de
participants et des plans dexprience spcifiques.
Par exemple, la premire exprimentation est mene avec 48 adultes occupant un emploi au
moment de ltude, recruts au sein dun panel national. Les participants sont affects de
manire alatoire deux groupes : la condition exprimentale de pouvoir et le groupe de
contrle. Dans le premier groupe, les participants sont appels consigner une situation o
174
ils se sont trouvs en position de pouvoir vis--vis dautres personnes. Dans le groupe
de contrle, il leur est demand de dcrire ce quils ont fait le jour prcdent. Les
situations dcrites sont notes en termes dintensit de pouvoir par un codeur
indpendant lissue de lexprience.
Chaque participant des deux groupes value ensuite six scnarios, mettant en jeu des
dilemmes thiques dans un environnement professionnel. Les participants doivent
indiquer sils jugent que le comportement prsent dans le scnario est thique en
cochant oui , non ou cela dpend .
Mthodes danalyse : Dans la premire exprimentation dcrite ci-dessus, la clart
morale est mesure par le nombre de fois o les participants ont rpondu cela dpend
aux questions poses. Le lien entre pouvoir et clart morale est estim par un test de
Mann-Withney.
Les autres tudes mobilisent dautres techniques dont la rgression et lANOVA.
Rsultats et apport de la recherche : Sur la base des quatre tudes ralises, les 3
hypothses de la recherche sont valides, ainsi que la porte prdictive du concept de
clart morale. Les personnes qui se peroivent comme tant en situation de pouvoir ne
construisent pas les problmes thiques de la mme manire que les autres personnes.
Elles manifestent un plus grand sens de clart morale, peroivent moins les dilemmes et
ont tendance pour cela prendre des sanctions plus svres.
En termes de contribution, la recherche enrichit la littrature sur la prise de dcision
thique dans les organisations en introduisant le concept de clart morale et montrant
que la relation entre pouvoir et svrit des sanctions repose sur un mcanisme
psychologique plutt que social.
EXEMPLE 3 simulation (Oliver Baumann et nicolaj siggelkow,

Organization Science, 2013)
Le problme : Les organisations sont confrontes des problmes complexes dans de
nombreux domaines tels que linnovation, larchitecture organisationnelle et le
management stratgique mais la rsolution de ces problmes nest pas facile car on
ne peut pas optimiser chaque composant indpendamment des autres.
Question : Comment rsoudre des problmes complexes : vaut-il mieux aborder le
problme dans son ensemble ou partir des composants et suivre une approche
incrmentale ? Cadre thorique : La recherche sappuie sur les modles

comportementaux de rsolution de problmes suivant lhypothse de rationalit limite.
Deux aspects lis de la littrature sont considrs : la dmarche de rsolution des
problmes, intgre ou non, et lincidence dune contrainte temporelle sur la rsolution.
Dmarche choisie : Simulation de systme complexe. Quatre ensembles de conditions
sont tudis concernant respectivement lincidence de la dmarche de rsolution sur la
performance, puis sa sensibilit au contexte, sa sensibilit lintensit des liens entre
composants ayant diffrentes influences et sa sensibilit la contrainte temporelle.
laboration du modle : Le systme complexe, adapt du modle NK, a de multiples
dimensions (ici les composants) avec des optima locaux et peu de corrlation entre les
combinaisons du systme permettant datteindre un mme niveau de performance. Les
composants tant tous en interactions, la performance de chaque composant dpend des
autres.
175
La rgle de rsolution stipule que si les choix effectus augmentent la performance alors
la rsolution du problme se poursuit, dans le cas contraire un nouveau choix est
effectu. Le processus sarrte lorsque la performance ne peut plus tre amliore.
Trois variables caractrisent le processus de rsolution qui constitue le cur de la
recherche : le nombre de composant pris en compte au dpart, le nombre dtapes du
processus et le nombre de composants pris en compte chaque tape.
Dautres variables, comme le niveau de connaissances dj acquis, sont introduites pour
tester la robustesse du modle de base dans diffrentes conditions et mesurer leffet de
la contrainte temporelle.
10 000 simulations sont effectues.
Mthodes danalyse : Test de diffrence de performance entre les diffrentes conditions
simules.
Rsultats et apports de la recherche : Les rsultats sont nombreux et peuvent tre
rsums en quatre points principaux. La rsolution par parties successives est plus
performante quune rsolution globale. La taille des parties a un impact sur la
performance : augmenter la taille des parties dune tape lautre rduit la performance.
Pour amliorer la performance, il est prfrable de traiter en premier les parties qui ont
le plus dincidence sur les autres. La rsolution par parties successives est plus longue
quune rsolution globale et est donc dconseille lorsque le temps est fortement
contraint. La recherche prsente plusieurs contributions. Elle informe sur les processus
de rsolution de problmes complexes et peut tre applique dans de nombreux
domaines. Elle suggre que revenir plusieurs fois sur une solution dj value nest pas
ncessairement ngative pour rsoudre un problme. Elle suggre de ne pas rduire les
problmes mais de les approcher en commenant par la partie ayant le plus dincidence
sur les autres. La nouvelle dmarche de rsolution propose consiste se focaliser
dabord sur cette partie, puis intgrer successivement les composants restant. Celle-ci
rsonne avec la littrature sur la dynamique de linnovation dans lindustrie.
2 Les dmarches qualitatives
Les dmarches qualitatives servent principalement construire, enrichir ou

dvelopper des thories. La plupart prennent la forme dtudes de cas dfinies au sens
large comme ltude dun systme dlimit incluant les lments du cas et son
contexte, indpendamment de la dmarche utilise pour ltudier (Langley et Royer,
2006). Les cas peuvent ainsi tre des individus, des groupes, des industries, des
phnomnes Au sens strict, les dmarches dites dtudes de cas renvoient des
dmarches diffrentes selon les auteurs. Par exemple, Stake (2000) privilgie le cas
unique ayant un intrt intrinsque. Au contraire, la dmarche dEisenhardt (1989) se
focalise sur llaboration de thorie laide de cas multiples et Yin (2014) ne fait pas
de distinction fondamentale entre le cas unique et multiple. La thorie enracine
(Glaser et Strauss, 1967) est une dmarche essentiellement inductive qui nimplique
pas une tude complte de chaque cas. Elle repose sur la ralisation de multiples
entretiens destins favoriser lmergence, puis la saturation, des concepts, catgories
et relations qui constituent le cadre thorique de la recherche (Charmaz,
176
Le design de la recherche
Chapitre 6
2006). Lethnographie (Van Maanen, 2011) est caractrise par une prsence
longue du chercheur sur le terrain. Les dmarches historiques, elles, reposent
principalement sur des archives (Prost, 1996). Parmi les dmarches qualitatives, les
recherches-actions ont pour particularit de reposer sur la mise en uvre de
dispositifs par lesquels les chercheurs contribuent dlibrment la transformation
de la ralit quils tudient (Allard-Poesi et Perret, 2004). Ces dispositifs ont
souvent une double finalit. Ils doivent contribuer rsoudre certains problmes
concrets des acteurs tout en permettant llaboration de connaissances. Parmi la
trs grande varit de dmarches qualitatives, ltude de cas multiples vise
explicative et ltude dun cas unique longitudinal sont deux dmarches
frquemment rencontres dans les revues acadmiques internationales. Le tableau
6.2 et les exemples 4, 5 et 6 prsentent trois de ces dmarches de recherche.
Tableau 6.2 Quelques dmarches qualitatives
Dmarche tude de cas Ethnographie Recherche-action
multiples
Objectif principal Expliquer un phnomne Dcrire, expliquer ou Transformer la ralit et
de la dmarche dans son environnement comprendre des produire des connaissances
naturel croyances ou pratiques partir de cette transformation
dun groupe
Conception Choix des cas selon des Analyse dun cas en Dfinition de lintervention
critres thoriques issus profondeur avec le commanditaire
de la question de
recherche
Collecte des donnes Entretiens, sources Processus flexible o la Processus programm de
documentaires, problmatique et les collecte de donnes sur le
observations informations collectes changement et son contexte,
peuvent voluer incluant lintervention du
Mthode principale : chercheur.
observation continue du Mthodes varies : entretiens,
phnomne dans son sources documentaires,
contexte observations, questionnaires
Mthodes secondaires :
tout type
Analyse Analyse qualitative Analyse qualitative Analyse qualitative et

essentiellement essentiellement utilisation danalyses
quantitatives de manire
complmentaire
Rfrences Yin (2014) Atkinson et Hammersley Allard-Poesi et Perret (2004)
Eisenhardt (1989) (1994) Reason et Bradbury (2006)
Eisenhardt et Graebner Jorgensen (1989)
(2007) Van Maanen (2011)
Les dmarches qualitatives peuvent toutefois avoir dautres finalits que la

construction de thories. Selon Yin (2014), ltude de cas est une dmarche pertinente
pour tester, affiner ou tendre des thories, y compris lorsquil sagit de ltude dun
seul cas ou cas unique. Par exemple Ross et Staw (1993) ont test leur prototype
descalade de lengagement sur le cas de la centrale nuclaire de Shoreham. Lanalyse
177
du cas a montr que le contenu des phases ntait pas totalement conforme la
littrature et a conduit les chercheurs formuler des propositions susceptibles de
complter la thorie existante. Dautres dmarches spcifiques peuvent tre mises
en uvre, telles que le cas prospectif qui consiste laborer des hypothses sur le
devenir dun phnomne puis, lorsque le terme est arriv, vrifier si elles sont
corrobores ou non (Bitektine, 2008).
Les dmarches qualitatives peuvent tre mobilises selon des perspectives
pistmologiques diffrentes. Les dmarches ethnographiques, par exemple,
peuvent aussi bien conduire rendre compte dune ralit selon une perspective
interprtative, ou permettre de dcrire la ralit, de dcouvrir une thorie
explicative dun phnomne, ou mme de tester une thorie dans une perspective
positiviste (Reeves Sanday, 1983 ; Atkinson et Hammersley, 1994). Ltude de cas
(Yin, 2014), de mme que la thorie enracine (Charmaz, 2006) peuvent tre
utilises dans des perspectives positivistes, interprtatives ou relativistes.
EXEMPLE 4 tude de cas multiples (Benjamin hallen et Kathleen Eisenhardt,

Academy of Management Journal, 2012)
Le problme : Les liens inter-organisationnels sont importants pour la performance des

entreprises, mais on ne sait pas comment construire de nouveaux liens efficacement.
Question : Comment les entreprises construisent-elles efficacement de nouveaux liens
inter-organisationnels ?
Cadre thorique : Le cadre thorique mobilise la thorie des rseaux sociaux. Les
ressources et les liens sociaux favorisent la cration de liens inter-organisationnels et les
actions stratgiques favorisent le succs des liens inter-organisationnels.
Dmarche choisie : tude de cas multiples inductive. Cas enchsss visant tudier
toutes les tentatives de recherche de financement dans chaque entreprise.
Choix du terrain : La recherche porte sur les jeunes entreprises en dveloppement dans
lindustrie du logiciel de scurit, et plus spcifiquement leurs dirigeants cherchant des
financements auprs de nouveaux investisseurs professionnels (i.e., socits de capital-
risque). Les relations dinvestissement sont vitales pour les entreprises dans cette
industrie et doivent se concrtiser rapidement.
Recueil des donnes : Les entreprises sont slectionnes selon un chantillonnage
thorique. Lchantillon comporte 9 entreprises de logiciel de scurit cres en 2002
qui ont toutes russi concrtiser au moins une relation dinvestissement. Il comporte
deux sous-ensembles dentreprises : 4 ayant t cres par des dirigeants de la Silicon
Valley ayant dj cr plusieurs entreprises performantes avec des investisseurs
professionnels, et 5 entreprises en dehors de la Silicon Valley avec des dirigeants ayant
des expriences varies pour augmenter la gnralisation.
Les tentatives de crations de liens sont tudies depuis la cration des entreprises
jusquen 2006.
Les donnes rassembles reposent sur la ralisation par les chercheurs de 51 entretiens
avec des dirigeants et des investisseurs, dautres changes (par courrier lectronique et
tlphone) entre les chercheurs et ces mmes acteurs, et des donnes darchives (presse,
documents internes et base de donnes).
178
Chapitre 6
Les chercheurs ont raliss 8 entretiens pilotes de manire pralable ltude

proprement dite. Ils indiquent tre familiers du secteur puisque lun a cr ce type
dentreprise et lautre est expert en investissement.
Mthodes danalyse : Lhistoire de la formation de liens est retrace pour chaque
entreprise. Lefficacit est mesure par la ralisation, ou non, de linvestissement, la
dure sparant le premier contact entre entreprise et investisseur de loffre formelle
dinvestissement, et la dsirabilit de linvestisseur. Lanalyse est dabord ralise intra-
cas puis inter-cas. Les analyses sont conduites jusqu saturation thorique et font
merger comme nouveaux construits des stratgies effet de catalyse pour la
formation de liens, au nombre de quatre.
Rsultats et apport de la recherche : Deux processus aussi efficaces lun que lautre sont
identifis : utiliser des liens forts prexistants avec linvestisseur ou utiliser les stratgies
effet de catalyse que la recherche a permis de faire merger. La recherche contribue la
thorie des rseaux et la thorie du signal en montrant comment des actions stratgiques
dacteurs sans pouvoir tels que les entrepreneurs peuvent permettre de crer des liens
efficacement, susceptibles daugmenter la performance des entreprises quils dirigent.
EXEMPLE 5 Ethnographie (Valrie Michaud, M@n@gement, 2013)
Le problme : Les tensions et paradoxes dans les organisations sont reconnus mais on
connat peu les pratiques mises en uvre pour les grer. La tension socio-conomique
est un cas particulier mais important, constitutif des entreprises sociales et solidaires.
Question : Comment les entreprises sociales grent la tension socio-conomique dans
leur mission et sur leurs sites web ?
Cadre thorique : Le cadre thorique mobilise trois ensembles de travaux. Le premier
concerne la littrature sur les tensions socio-conomiques dans les entreprises et
organisations sociales. Le deuxime sinscrit dans une perspective danalyse de discours et
sintresse aux textes, notamment en tant quespace o les tensions peuvent sexprimer ou
tre gres. Enfin, le troisime rend compte de la littrature sur les sites web, notamment le
challenge consistant sadresser des publics divers, qui est source de tensions.
Dmarche choisie : tude ethnographique dune entreprise sociale.
Choix du terrain : Lentreprise choisie est connue pour avoir fait lexprience de tensions
socio-conomiques. Cest une cooprative commercialisant un grand nombre de produits.
Recueil des donnes : Il dbute avec la question gnrale du management des tensions, dans
une perspective constructiviste interprtative. Cette approche ouverte a permis lauteure
didentifier limportance des sites web pour la gestion des tensions, alors quelle ne lavait
pas anticip en dfinissant son projet de recherche. En loccurrence lentreprise a deux sites :
un site conomique pour vendre les produits et un site social pour ses membres.
Le recueil des donnes sest droul de 2006 2009. Les donnes ethnographiques
reprsentent 170 heures dobservation sur des vnements, des runions et assembles
gnrales, ainsi que des activits de journes ordinaires. Lauteure a tenu plusieurs postures
durant les trois annes sur le terrain, dobservatrice non-participante volontaire active.
Ces observations sont compltes par des documents collects sur place et des archives
concernant la priode prcdente. Ce premier ensemble de donnes est utilis pour
comprendre le contexte dans lequel les sites web ont t dvelopps.
179
Le second ensemble de donnes correspond au contenu des sites web en date du 9 aot
2010.
Mthodes danalyse : Les donnes de contexte sont analyses suivant une stratgie
narrative dcrivant lmergence des sites. Les donnes des sites font lobjet dune
analyse de discours mettant en vidence les tensions. Les autres donnes concernant la
mission et les sites sont codes. Enfin, un codage de second ordre est effectu mettant
en vidence les micro-stratgies de gestion des tensions entre lconomique et le social,
ainsi que les tensions propres chacun deux.
Rsultats et apport de la recherche : Les sites web apparaissent comme des lieux de
dmonstration des tensions mais aussi de leur acceptation, une manire de grer le
paradoxe socio-conomique. Les deux sites participent activement la gestion en
permettant les oppositions, la sparation et la synthse. La recherche raffirme que les
sites web ne sont pas seulement des lieux de communication mais aussi daction qui
gnrent des ralits organisationnelles.
EXEMPLE 6 Recherche action (Petri Puhakainen et Mikko siponen,

MIS Quarterly, 2010)
Le problme : Pour grer les problmes de confidentialit, des politiques en matire de
scurit des systmes dinformation sont mises en place dans les entreprises, mais leurs
collaborateurs ne sy conforment pas ncessairement, do un problme defficacit de ces
politiques. La mise en uvre de formations sur la question est susceptible de conduire les
collaborateurs un plus grand respect des politiques de scurit, mais les tudes existantes
sont souvent dnues de fondements thoriques et restent purement anecdotiques.
Question : Pourquoi et comment les programmes de formation au respect des politiques
de scurit informatique peuvent-ils tre efficaces ?
Cadre thorique : La recherche sappuie sur deux cadres thoriques. Lun explique les
changements de comportements des acteurs par la motivation et la mise en uvre de
processus cognitifs ; lautre propose une dmarche de conception de formation qui
sappuie notamment sur un diagnostic de la situation des apprenants par rapport
lenjeu de la formation.
Dmarche choisie : Recherche action, avec deux cycles dinterventions. Dans le
premier, les chercheurs sont chargs de concevoir et danimer une formation pour les
collaborateurs dune entreprise. Dans le second, ils mettent en place et animent dans la
mme entreprise des dispositifs de formation et de communication sur le thme de la
scurit informatique. Choix du terrain : La recherche est mene dans une petite
entreprise spcialise dans les technologies de linformation confronte des problmes
rcurrents de non-respect des politiques de scurit informatique, en particulier
concernant le codage/encryptage des informations changes par courrier lectronique.
Recueil des donnes : Pour le premier cycle dinterventions :
Avant la ralisation de la formation : recueil dinformations par questionnaires anonymes
auprs de lensemble des collaborateurs de lentreprise et entretiens individuels avec
chacun des collaborateurs en vue dvaluer la situation et de concevoir la formation.
Aprs la ralisation de la formation : entretiens individuels avec chacun des collabora-
teurs, entretiens de groupe, et observation participante pour valuer lefficacit de la
for-mation et identifier des actions complmentaires mettre en uvre.
180
Pour le second cycle dinterventions : entretiens et observation participante pour valuer

lefficacit de lintervention.
Mthodes danalyse : Analyse qualitative des donnes recueillies afin didentifier les
pro-blmes, les actions mettre en uvre et lefficacit des interventions.
Rsultats et apport de la recherche : La recherche confirme lefficacit de la formation
dlivre et la validit des thories sur la base desquelles elle a t conue et mise en uvre.
Un autre rsultat consiste considrer que la scurit informatique fait partie intgrante des
activits de lensemble des collaborateurs de lentreprise. La formation la scurit infor-
matique doit donc tre intgre aux dispositifs de communication managriale habituels, afin
de renforcer lefficacit des politiques en matire de scurit informatique.
3 Les mthodes mixtes
Les dmarches mixtes consistent combiner des mthodes qualitatives et

quantitatives. On les appelle le plus souvent mthodes mixtes mais elles portent
dautres noms tels que mthodes intgres, mthodologies mixtes, multimthodes
(Bryman, 2006). Le recours des mthodes qualitatives et quantitatives au sein dun
mme design de recherche nest pas nouveau mais il a t promu par plusieurs auteurs
tels que Creswell et fait lobjet dun intrt croissant depuis une dizaine dannes. Les
mthodes peuvent se combiner de manire squentielle ou intgre pour servir des
objectifs diffrents (voir tableau 6.3 et exemple 7). Beaucoup de recherches
squentielles cumulent le test et la construction dans un sens ou dans lautre. La
combinaison de mthodes peut servir dautres objectifs.
Tableau 6.3 Mthodes mixtes daprs Creswell et al. (2003)
Dmarche Relation quali/ Objectif
quanti
Squentielle explicative QUANTI -> quali Lanalyse qualitative fournit une explication ou
interprtation des rsultats quantitatifs, notamment
lorsquils sont inattendus
Squentielle exploratoire QUALI -> quanti Lanalyse quantitative est utilise pour tester certains
rsultats qualitatifs ou gnraliser les rsultats.

Dmarche de dveloppement dchelle, par exemple
Triangulation QUANTI <-> QUALI Les analyses qualitatives et quantitatives sont aussi
importantes lune que lautre. Les conclusions issues
des deux mthodes augmentent la validit de la
recherche
Encastrement QUALI (quanti) Des donnes quantitatives sont collectes pour enrichir
la description ou
des analyses quantitatives sont effectues partir des
donnes qualitatives.
Encastrement QUANTI (quali) La collecte et lanalyse qualitative dcrivent quelque
chose qui ne peut pas tre quantifi, par exemple le
processus qui explique les relations testes.
181
Selon Jick (1983), la triangulation de mthodes qualitatives et quantitatives

permet daugmenter la validit de la recherche. Au-del des mthodes, certains
auteurs proposent une triangulation des dmarches. Schwenck (1982) suggre ainsi
lutilisation conjointe de lexprimentation et des tudes de cas, chaque dmarche
venant pallier les principales limites de lautre.
EXEMPLE 7 Mthodes mixtes (juan Almandoz, Academy of Management Journal, 2012)
Le problme : Larticle sintresse aux projets de cration de banques locales aux tats-Unis.
Ces projets sont traverss par deux logiques institutionnelles : dune part une logique de
communaut reposant sur une volont de participation au dveloppement local et
lengagement long terme et dautre part une logique financire plus individualiste et
oriente vers la recherche de la cration de valeur pour les actionnaires. Runir ces deux
logiques peut permettre aux quipes de fondateurs qui portent les projets de cration davoir
accs lensemble des ressources ncessaires pour la ralisation du projet mais elles peuvent
aussi tre lorigine de tensions entre acteurs et compromettre la russite du projet. Question
: Dans quelles conditions les quipes de fondateurs de projets peuvent-ils intgrer plus
facilement ces deux logiques ? Quels sont les effets possibles, favorables et dfavorables
pour le projet de cration, de lintgration de ces deux logiques et sous quelles conditions
ces effets se produisent-ils ?
Cadre thorique : Thorie no-institutionnelle et plus particulirement les logiques
institutionnelles qui conduisent llaboration de 5 hypothses. Elles indiquent que la
domination dune logique financire au sein de lquipe de fondateurs est dfavorable
la cration surtout en priode de turbulences. La domination dune logique
communautaire est favorable la cration. Les quipes ancres dans les deux logiques
auront plus de chance de russir que les autres en priode de stabilit conomique et
moins en priode de turbulences.
Dmarche choisie : Dmarche combinant mthodes quantitatives et qualitatives. Les
rsultats reposent principalement sur lanalyse dune base de donnes construite par
lauteur. Les analyses qualitatives sont utilises pour nourrir les hypothses et discuter
les rsultats.
Choix du terrain : Le terrain porte sur des projets de cration de banques locales
dposs entre avril 2006 et juin 2008 et sur leurs quipes de fondateurs. La recherche
sintresse au devenir des projets jusquen octobre 2009 de manire tudier limpact
de la crise financire de septembre 2008.
Recueil des donnes : Les donnes quantitatives sont issues des dossiers dposs par les
porteurs de projets de cration de banques auprs du rgulateur nord-amricain. Sur les
431 projets de cration recenss, 309 dossiers ont pu tre collects et analyss. Les
dossiers comportent notamment des informations sur la composition de lquipe de
fondateurs : exprience professionnelle antrieure et responsabilits exerces.
Les donnes qualitatives reposent sur des entretiens par tlphone raliss auprs de 60
directeurs gnraux, futurs directeurs gnraux, consultants, rgulateurs et
administrateurs de banques. Dautres entretiens sont raliss avec des personnes
envisageant de crer une banque, rencontrs loccasion dun sminaire destin aux
futurs crateurs de banques. Ils sont complts de 253 documents rglementaires.
182
Mthodes danalyse : Les cinq hypothses sont testes laide de modles de risques
concurrents (competing risks models) qui distinguent les projets en fonction de leur
rsultat retrait ou survie et estiment, dune part, les projets ayant chou et dautre
part, des survivants. Ces modles sont complts par des modles Logit qui testent le
succs sans tenir compte du temps.
Lencastrement dans une logique est mesur par la proportion de fondateurs sinscrivant
dans cette logique de par leur parcours dans le secteur financier pour la logique financire,
dans des organisations non lucratives locales, pour la logique communautaire.
11 variables de contrle compltent les modles.
Des analyses de contenu incluant des comptages soutiennent qualitativement les
hypothses, permettent de dcrire les idaux types des logiques, sont utilises pour
interprter certains rsultats de ltude quantitative.
Rsultats et apport de la recherche : Toutes les hypothses sont corrobores
lexception de celle concernant un renforcement en priode de turbulences de limpact
ngatif de la logique financire.
Une des contributions de la recherche rside dans la relation propose entre
combinaison de logiques institutionnelles et russite entrepreneuriale.
Toute mthode peut a priori tre associe une autre pour former une dmarche
mixte. Toutefois certaines mthodes sont mixtes par essence. Cest le cas par exemple
de la mthode QCA (Qualitative Comparative Analysis) dveloppe par Ragin (1987).
En effet, les donnes sont collectes et analyses de manire qualitative dans le cadre
dtudes de cas puis les cas sont cods et traits ensemble par une technique dalgbre
boolenne pour identifier les configurations ncessaires ou suffisantes de facteurs qui
dterminent le rsultat (Rihoux, 2006 ; Fiss, 2011).
Par ailleurs, le fait dassocier deux mthodes peut conduire rduire les
exigences de lune dentre elles. Par exemple, dans le cadre dune dmarche
squentielle exploratoire, lorsque la mthode qualitative est riche, issue dtudes de
cas, la mthode quantitative pourra utiliser des chantillons relativement petits
pour gnraliser les rsultats. Au contraire, si la mthode qualitative se limite des
entretiens pour faire merger des variables, les exigences seront leves concernant
la mthode quantitative. Enfin, ces mthodes mixtes peuvent tre mises en uvre
dans le cadre de perspectives pistmologiques varies. Cest alors souvent la

dmarche dominante dans le design de la recherche (tude de cas, exprimentation,
enqute) qui dfinit lancrage pistmologique de la recherche. Ainsi, les
dmarches quantitatives avec une phase qualitative exploratoire lgre ou
complmentaire vise explicative sinscrivent souvent dans la perspective
positiviste classique. De mme, si des mthodes qualitatives sont dominantes dans
les perspectives constructivistes et interprtatives, les mthodes quantitatives nen
sont pas exclues. Elles peuvent notamment permettre dapporter des informations
complmentaires (Guba et Lincoln, 1994 ; Morse, 1994 ; Atkinson et Hammersley,
1994).
183
Les travaux de recherche publis en management sont dune diversit croissante

en termes de dmarches et de designs. Cette acceptation dune grande diversit des
dmarches saccompagne dun niveau dexigence accru quant leur mise en
uvre. Il faut donc que les chercheurs disposent dune bonne connaissance de la
dmarche choisie et de ses variantes afin de pouvoir justifier au mieux les choix
qui sont les leurs. Notamment, le volume de donnes considr comme ncessaire,
quil sagisse de dmarches qualitatives ou quantitatives, tend augmenter. Les
donnes ont de plus en plus souvent un caractre longitudinal, y compris dans les
modles de variance qui ne sintressent pas au processus dvolution proprement
dit. Les donnes longitudinales visent alors simplement augmenter la validit des
rsultats concernant le sens des relations testes. Les mthodes danalyse tendent
tre plus fines ou plus complexes et plus explicites dans leur prsentation. Ces
volutions impliquent quil est important de sinspirer de travaux rcents, en
complment des ouvrages de rfrence qui sont, eux, parfois plus anciens.
section
2 LLABORATIOn Du DEsIgn DE LA REChERChE
Llaboration du design de la recherche constitue une tape importante dans la

mesure o elle conditionne souvent la poursuite de la recherche. En effet, le design
labor apparat habituellement formellement pour la premire fois dans le projet
de recherche. Ce dernier prend la forme dun document qui prsente lintrt de la
question ou objet, le cadre thorique, la dmarche de recherche et choix
mthodologiques effectus (terrain de ltude, mthodes de recueil et danalyse des
donnes). Lensemble de ces choix doit en outre tre justifi par rapport la
problmatique.
Il nest pas toujours ncessaire ce stade prparatoire que le design de la
recherche soit dfini de manire trs prcise. Souvent, le design volue en fonction
des contraintes et des opportunits qui se rvlent durant la ralisation de la
recherche proprement dite. In fine, cest la qualit du design de la recherche telle
quelle a t mene bien qui sera value, sur la base des papiers de recherche
rdigs par les chercheurs. Dans les publications issues de la recherche, il sera
donc ncessaire dexpliciter et de justifier le design de la recherche ralise.
Nanmoins, il est trs vivement conseill de rflchir au design avant de sengager
dans la ralisation du projet de recherche. Cela permet dabord dviter de sengager
dans un projet irraliste. Ensuite, disposer dun design, mme sil est encore sommaire
et provisoire, permet de guider le droulement de la recherche et dviter certains des
cueils susceptibles de se prsenter dans les phases ultrieures. En effet, il arrive
souvent quon ne puisse pas rsoudre facilement les difficults rencontres
184
lors dune tape car elles trouvent leur origine dans les tapes prcdentes de la
recherche (Selltiz et al., 1977). Lorsquelles sont srieuses et apparaissent
tardivement, ces difficults entranent une perte de temps et de nouveaux efforts
qui auraient parfois pu tre vits. Elles peuvent mme se rvler insurmontables et
conduire arrter la recherche en cours. Par exemple, les rsultats dune
exprimentation peuvent savrer inexploitables en raison de lomission dune
variable de contrle. Souvent, la seule solution consiste alors recommencer
lexprimentation. Une connaissance plus approfondie de la littrature ou du
terrain de recherche aurait peut-tre permis dviter un tel oubli. En outre
formaliser les choix envisags dans un document prsente plusieurs avantages.
Tout dabord, la rdaction a souvent un effet bnfique sur lapprofondissement de
sa pense (Huff, 1999). Ensuite, un document facilite lexercice critique du
chercheur lgard de son propre travail. Par exemple, il est frquent didentifier
des limites son travail en le relisant quelque temps aprs. Troisimement, un
document permet dobtenir plus facilement des commentaires et conseils de la part
dautres chercheurs, ce qui contribue en retour affiner le design de la recherche et
en amliorer la qualit. Enfin les financements accords aux activits de
recherche le sont de plus en plus sur des projets, ce qui oblige formaliser un
premier design de recherche relativement tt. Les dcisions de financement
reposent sur lintrt des projets, la qualit des projets et la capacit des chercheurs
les mener bien, telle quelle peut tre value. Pour ces deux derniers points au
moins, le design de la recherche fait partie des lments pris en considration.
Dans cette section, nous indiquerons comment slabore habituellement le design
de la recherche puis proposerons une liste de questionnements.
1 laborer le design de la recherche : un processus itratif
Dun point de vue logique, il parat incontournable de rflchir llaboration du

design de la recherche avant de commencer le recueil des donnes. En effet, le
design a pour objectif de dfinir quels sont les moyens ncessaires pour rpondre
la problmatique afin de former un ensemble cohrent avec la littrature :
mthodes danalyse, types, sources et techniques de recueil des donnes,
composition et taille de lchantillon. Commencer collecter des donnes sans
savoir comment elles seront analyses revient prendre le risque quelles se
rvlent peu adaptes. Ce faisant, un terrain dobservation peut se trouver gcher,
et savrer finalement difficile remplacer sil porte sur des situations ou donnes
sensibles ou peu habituelles. La figure 6.1 (page suivante) propose une
reprsentation de cet ordonnancement logique des activits de la recherche.
Toutefois, en pratique, plusieurs activits sont souvent menes itrativement, voire
conjointement lorsque lon entreprend une recherche et lordre dimportance de
185
Figure 6.1 Llaboration du design dans la dmarche de recherche
chacune delles varie en fonction de la perspective dans laquelle le chercheur sins-

crit. En particulier, la place de llaboration du design par rapport la
problmatique de recherche est diffrente en fonction de la perspective envisage.
Ainsi, dans les dmarches hypothtico-dductives, llaboration du design dcoule
typiquement de la problmatique, elle-mme issue dune analyse approfondie de la
littrature. Au contraire, dans le cadre de perspectives constructivistes,
interprtatives ou encore inductives, la problmatique (ou objet de recherche) peut
ne pas tre spcifie lors de llaboration du design. Dans ce cas, elle se construit
progressivement au fur et mesure du recueil de donnes et des analyses (voir
chapitre 2 dAllard-Poesi et Marchal dans ce mme ouvrage).
Il nen demeure pas moins que pour commencer laborer le design de sa
recherche, il est ncessaire davoir rflchi une problmatique, mme si la formu-
lation en est encore un peu floue, le minimum tant de savoir ce que lon souhaite
tudier empiriquement ou davoir une question empirique.
Quelle que soit la perspective, llaboration du design requiert des lectures pra-
lables et/ou diverses dmarches exploratoires du terrain qui permettent de dfinir
une problmatique ou un problme empirique. Il sagit rarement dune dduction
logique simple mais plutt dun processus dessais/erreurs qui se prolonge jusqu
lobtention dun design complet, cohrent, et jug ralisable. Ces ajustements ou
changements plus importants ncessitent souvent de nouvelles lectures, notamment
sur la (ou les) dmarche(s) gnrale(s) choisie(s) a priori, sur les mthodes dana-
lyse, sur les techniques de recueil de donnes et dchantillonnage. De mme, un
nouveau travail dexploration doit souvent tre entrepris, notamment pour estimer
les possibilits daccs un terrain et la faisabilit du recueil de donnes envisag.
186
Chapitre 6
Dans le cadre dune tude de cas, ces dmarches vers le terrain pourront se
traduire, par exemple, par quelques contacts prliminaires avec un ou plusieurs
responsables de lorganisation choisie, afin non seulement de confirmer que laccs
ce terrain sera possible ce terrain pour les besoins de la recherche, mais aussi de
spcifier quelles sont les sources dinformation disponibles et autorises. cette
occasion, il conviendra galement de sassurer que le mode de recueil de donnes
choisi est a priori acceptable par toutes les personnes concernes.
De plus, laborer le design de sa recherche conduit souvent amliorer la prci-
sion ou la formulation de la problmatique, dune part et la pertinence des
rfrences thoriques, dautre part. En effet, mettre en perspective le droulement
de la recherche permet de mieux en estimer la faisabilit, ce qui peut conduire, par
exemple, rduire la question si elle apparat trop large pour pouvoir tre traite
dans son intgralit. La rflexion sur les choix mthodologiques et sur les types de
rsultats qui en dcoulent conduit aussi parfois identifier des imprcisions, voire
des absences, sur le plan conceptuel, et suscite donc un retour la littrature afin
de complter les rfrences thoriques qui sont apparues insuffisantes.
Par consquent, llaboration du design de recherche constitue un processus
itra-tif (figure 6.1) qui demandera plus ou moins de temps en fonction de la
dmarche choisie, du niveau de connaissances mthodologiques pralables et des
difficults rencontres par le chercheur pour trouver un terrain. Y compris dans des
dmarches hypothtico-dductives, il peut scouler un an entre le premier design
imagin dans le cadre dun projet de thse et celui qui finalement sera utilis.
Selon la rigidit de la dmarche de recherche choisie, ce design initial pourra
prendre une forme plus ou moins prcise et dtaille. Par exemple, le design dune
recherche destine construire une interprtation dun phnomne grce une
tude de cas en profondeur peut se limiter une trame gnrale comportant le
thme de la recherche, la dmarche gnrale, le choix du terrain et des mthodes
gnriques de recueil et danalyse de donnes. En effet, cette dmarche laisse, par
nature, une large place la flexibilit, de manire permettre lmergence
dlments nouveaux et lintgration ultrieure de la littrature. loppos, dans le
cadre dune exprimen-tation o la validit des rsultats est troitement lie la

prcision et au contrle du dispositif, le design devra ncessairement tre dfini de
manire trs dtaille avant de collecter des donnes. Cette prcision implique une
connaissance prcise de la littrature et ltablissement dhypothses de recherche.
2 Comment laborer le design de la

recherche : quelques questions pratiques
Morse (1994) propose dutiliser la tactique qui consiste procder lenvers de

la dmarche, cest--dire commencer par imaginer le type de rsultat que lon
187
souhaite : tester des hypothses alternatives, tester des relations causales, construire
un modle explicatif, dvelopper un modle processuel, apporter un modle
comprhensif Projeter le type de rsultat attendu permet souvent daffiner la
problmatique et de trouver plus facilement les diffrentes dmarches empiriques
qui sont envisageables pour parvenir au type de rsultat imagin. De mme, il est
prfrable de choisir les mthodes danalyse avant de dfinir prcisment le mode
de recueil de donnes car chaque mthode apporte des contraintes tant sur la forme
des donnes ncessaires que sur le mode de collecte appropri. Comme nous
lavons prcis plus haut, nous ne proposerons pas de guide pour laborer un
design de recherche. Le domaine des possibles est en effet immense et
lintroduction dune nouvelle mthode ou une nouvelle articulation de diffrents
lments peuvent constituer en elles-mmes un apport. Nous nous contenterons
donc ici de suggrer quelques questions qui permettent de dceler certaines
incohrences et destimer la faisabilit des choix effectus.
2.1 Questions relatives la mthode danalyse
Il existe une grande varit de mthodes danalyse des donnes tant quantitatives
que qualitatives. Chacune possde une finalit qui lui est propre (comparer,
structurer, classer, dcrire) et qui conduit mettre en lumire certains aspects du
problme tudi. Le choix dune mthode danalyse dpend donc de la question et
du type de rsultat souhait. Comme nous lavons dj indiqu, aucune mthode
nest suprieure une autre dans labsolu. La complexit de lanalyse nest pas un
gage de meilleure qualit de la recherche. En effet, une mthode danalyse
complexe nest pas ncessairement la mieux adapte. Ainsi, Daft (1995) met en
garde les chercheurs en rappelant que les statistiques ne permettent pas lconomie
de la dfinition des concepts, et quun traitement statistique trs sophistiqu peut
provoquer un loignement de la ralit un point tel que les rsultats deviennent
difficiles interprter.
Chaque mthode danalyse repose sur des hypothses qui limitent ses conditions
dutilisation. Chacune comporte un ensemble de contraintes concernant la nature
des donnes, le nombre dobservations ncessaires ou encore la loi de distribution
des observations. Le choix dune mthode danalyse suppose donc que lon
connaisse parfaitement ses conditions dutilisation, de manire pouvoir dceler
lavance les lments susceptibles de la rendre inutilisable dans le cadre de la
recherche envisage. Lexploration de diverses mthodes nest pas indispensable
mais prsente quelques avantages. Comparer diffrentes mthodes permet, en effet,
le cas chant, den identifier dautres qui seraient plus adaptes que celle choisie a
priori. Cest galement un moyen de mieux clairer les conditions dutilisation
dune mthode et den comprendre plus facilement les limites. Dans tous les cas,
procder de la sorte permettra de rassembler les lments ncessaires pour justifier
les choix que lon aura effectus.
188
Identifier au pralable les limites de la mthode permet aussi denvisager ds le

dpart lutilisation dune mthode complmentaire qui viendra combler les
dficiences de la premire et pourra renforcer les rsultats de la recherche. Dans ce
cas, il convient de vrifier labsence dincompatibilit entre les deux et de tenir
compte des contraintes de chacune des mthodes retenues.
c Focus
Les questions sur la mthode
La mthode retenue permet-elle de r- La mthode retenue est-elle meilleure
pondre la problmatique ? que les autres ? Si oui, pourquoi ?
La mthode retenue permet-elle darri- Quelles comptences demande cette
ver au type de rsultat souhait ? mthode ?
Quelles sont les conditions dutilisation Ai-je ces comptences ou puis-je les
de cette mthode ? acqurir ?
Quelles sont les limites ou les faiblesses Lutilisation dune mthode compl-
de cette mthode ? mentaire permettrait-elle damliorer
Quelles sont les autres mthodes pos- lanalyse ?
sibles pour rpondre la problma- Si oui, cette mthode est-elle compa-
tique ? tible avec la premire ?
Choisir une mthode danalyse nimplique pas de se limiter celles utilises

traditionnellement dans le champ dapplication considr. Il est tout fait possible
dutiliser une technique emprunte un autre champ, ou une autre discipline.
Une nouvelle mthode peut permettre de gnrer de nouvelles connaissances, ou
encore dtendre des connaissances un domaine plus vaste. Cependant, importer
une mthode nest pas facile (Bartunek et al., 1993). Il faut pour cela vrifier
quelle est adapte au champ de recherche tudi, ce qui demande une trs bonne
comprhension des limites et des hypothses sous-jacentes la mthode
considre, lesquelles ne sont pas ncessairement dj explicites. En outre, il
faudra convaincre les communauts de chercheurs actives sur le champ dans lequel
on sinscrit de lintrt apport par cette nouvelle mthode.
2.2 Questions relatives au recueil des donnes
Les questions relatives aux donnes se poseront en des termes diffrents selon la
perspective pistmologique adopte pour la recherche envisage. Par exemple, lon
parlera de donnes collectes dans une perspective positiviste, et construites dans une
perspective constructiviste. Dans ce chapitre, nous reprendrons la dfinition de Stablein
(2006) qui prcise que les donnes sont caractrises par un systme de
correspondance dans les deux sens entre la donne et la ralit quelle reprsente.
189
Cette dfinition inclut en plus des donnes traditionnelles sur lobjet tudi, les
comportements du chercheur, ainsi que ses motions ds lors quils sont lis
lobjet dtude et ont t consigns (Langley et Royer, 2006). On peut dcomposer
le recueil de donnes en quatre lments principaux : la nature des donnes
collectes, le mode de collecte de donnes, la nature du terrain dobservation et de
lchantillon et les sources de donnes. Chacun de ces lments doit pouvoir tre
justifi au regard de la problmatique et de la mthode danalyse choisie, de
manire montrer la cohrence de lensemble, en tenant compte, de plus, de la
faisabilit des choix effectus.
Identifier les informations ncessaires pour rpondre la problmatique suppose
que le chercheur connaisse la thorie ou les thories susceptibles dexpliquer le
phnomne tudi. Ceci semble vident pour des recherches qui se proposent de
tester des hypothses grce des donnes recueillies par questionnaires, mais peut
aussi concerner une dmarche inductive destine explorer un phnomne. Yin
(2014) considre ainsi quencourager commencer trs tt la collecte des donnes
dune tude de cas est le plus mauvais conseil quon puisse donner. Mme pour les
recherches exploratoires, la pertinence des donnes recueillies, tout comme le
choix des interlocuteurs ou des sites dobservation, dpend en partie de la
comprhension pralable quaura le chercheur de son objet dtude. Cette
comprhension sappuie notamment sur les thories existantes dans le domaine
tudi. Cependant, il ne sagit pas non plus de tomber dans lexcs inverse qui
consisterait ne pas oser aller sur le terrain sous prtexte que des incertitudes
demeurent. Lintrt majeur dune tude exploratoire tant lapport dlments
nouveaux, cela suppose que tout ne puisse pas tre pralablement expliqu par la
littrature. La nature des donnes collectes dpend sensiblement de la perspective
pistmologique choisie. Par exemple, une perspective constructiviste suppose que
les chercheurs entreprennent de manire formelle une dmarche rflexive, incluant
un retour sur les prconceptions qui sont les leurs. Rassembler des lments sur
soi-mme en tant que chercheur ou chercheuse par rapport au terrain, aux questions
tudies et aux personnes rencontres fait partie intgrante de la dmarche de
recherche. Ceci nest pas le cas si lon se place dans une perspective positiviste.
Toutefois, quelle que soit la perspective adopte, il parat toujours utile de
sinterroger sur la manire dont lon se positionne vis--vis du terrain (Anteby,
2013), des donnes et des enjeux sous-jacents la question tudie, mme sil ny
a pas lieu de faire tat de ces interrogations dans la recherche elle-mme.
Le mode de recueil des donnes doit permettre de runir toutes les informations
pertinentes pour rpondre la problmatique. Tout comme les mthodes danalyse, il
en existe un grand nombre : questionnaire ferm, observation, protocoles verbaux,
entretien ouvert Certains sont mieux adapts que dautres pour collecter un type
donn dinformation et tous comportent des limites. Un mode de recueil inadquat
peut, lui aussi, conduire invalider toute la recherche. Par exemple, un questionnaire
ferm auto-administr sur un chantillon alatoire de managers est inadapt pour
190
Chapitre 6
une recherche qui se propose dtudier un processus de dcision subtil et intangible

(Daft, 1995). Le mode de recueil des donnes nest pas ncessairement unique ;
plusieurs peuvent tre mobiliss simultanment pour augmenter la validit, la
fiabilit ou, plus gnralement, la qualit des donnes. Par exemple, des entretiens
a posteriori risquent de savrer insuffisants pour reconstituer une chronologie
dactions en raison de problmes lis la mmoire des rpondants. Dans ce cas,
lon peut envisager ds le dpart une collecte de documents pour complter les
donnes issues dentretiens ou pour les vrifier selon le principe de la triangulation
des donnes.
Il convient aussi de sassurer que le terrain dobservation ne pose pas de problmes
de validit par rapport la problmatique. Par exemple, les rsultats dune tude
portant sur les diffrences interculturelles dans les styles de management entre la
France et lAllemagne risquent de comporter un biais si le chercheur a inclus dans son
chantillon des entreprises appartenant des multinationales amricaines.
Llaboration du design de la recherche ncessite aussi de dterminer la taille et
la composition de lchantillon. Il est alors intressant de vrifier que la taille de
lchantillon est suffisante pour pouvoir mettre en uvre la mthode danalyse
choisie. Une mthode comme LISREL, par exemple, pose des problmes
dinstabilit des paramtres en de dun certain nombre dobservations et donc
des difficults dinterprtation des rsultats. Par consquent, il est conseill de
vrifier au pralable si lon pourra collecter une base de donnes de taille
suffisante. Il convient galement ce stade de dfinir la structure de lchantillon -
ou des chantillons - qui aura un impact sur la validit de la recherche (voir Royer
et Zarlowski, chapitre 8 dans ce mme ouvrage).
La source des donnes est galement un lment prendre en considration lors de
llaboration du design de la recherche. En effet, lors dune enqute par questionnaire,
certaines caractristiques des rpondants peuvent orienter les rponses obtenues : leur
position hirarchique ou fonctionnelle, par exemple. Ainsi, dans le cadre dune tude
sur les caractristiques des systmes de contrle de gestion, un questionnaire envoy
la direction financire dune grande entreprise renseignera sur les dispositifs formels
mis en place, mais ne permettra pas de savoir comment ces dispositifs sont
effectivement utiliss par les responsables oprationnels, ni sils leur donnent
satisfaction. Il convient donc de sassurer que le rpondant choisi est apte
communiquer les lments que lon souhaite recueillir. De mme, lutilisation de
donnes secondaires telles que des sries statistiques ou des bases de donnes ncessite
de sinterroger sur ladquation des donnes collectes par rapport celles recherches.
En effet, des libells identiques peuvent cacher des ralits diffrentes en fonction de la
dfinition prcise des lments pris en compte dans les indicateurs et de la manire
dont ils ont t recueillis. Dans le cas de sries temporelles, on pourra galement
vrifier que la dfinition retenue et le mode de collecte na pas chang au cours du
temps. Par exemple, une baisse constate dans la srie temporelle des effectifs dune
entreprise peut tre le reflet dune baisse des
191
effectifs, mais elle peut galement provenir dune modification dans la dfinition des
effectifs comptabiliss qui ninclut plus certaines catgories de personnel telles que la
main-duvre temporaire. Il convient galement de souligner que la manire de
considrer les sources de donnes varie selon la perspective pistmologique adopte.
Dans les perspectives positivistes et ralistes, lutilisation de sources multiples est
favorise afin de renforcer lobjectivation des donnes. Des sources multiples ne sont
pas indispensables dans les perspectives interprtatives et relativistes ou servira
dautres objectifs, tels que rendre de compte des diffrences de perspectives entre
acteurs. En revanche, comme indiqu plus haut, les perspectives interprtatives et
constructivistes requirent des donnes sur le chercheur lui-mme.
c Focus
Les questions sur le recueil des donnes
Nature des donnes Si oui, est-il intressant dinterroger
Quelles sont les donnes dont jai be- aussi ces autres interlocuteurs ?
soin pour rpondre la problmatique ? Est-il important de runir des donnes
Le type de donnes est-il adapt la sur moi-mme et si oui, lesquelles et
mthode danalyse retenue ? pourquoi ?
Mode de collecte des donnes Les donnes secondaires corres-
Le mode de collecte des donnes est- pondent-elles celles que je
il adapt la problmatique ? recherche ?
Permet-il de recueillir les donnes Y a-t-il dautres sources possibles et,
dont jaurai besoin pour effectuer les si oui, sont-elles prfrables ?
traite-ments que jenvisage ? Mest-il possible damliorer ces don-
nes avant de les traiter ?
Nature du terrain dobservation et de
lchantillon Faisabilit
Le terrain choisi permet-il de rpondre Le cot et la dure du recueil de don-
la problmatique ? nes est-il acceptable pour moi ?
La taille de lchantillon est-elle suffi- Si le recueil est trop lourd, est-il pos-
sante pour lanalyse que je souhaite sible den sous-traiter une partie ?
mettre en uvre ? Le mode de recueil de donnes nces-
La composition de lchantillon pose-t- site-t-il une formation particulire ?
elle des problmes en termes de Si oui, ai-je ces comptences ou puis-
validi-t de la recherche ? je les acqurir ?
Mon terrain et les personnes que je
Sources de donnes
souhaite interroger sont-ils
Linterlocuteur ou les interlocuteurs
accessibles ? Si oui, pendant
choisis sont-ils aptes me donner
combien de temps le sont-ils ?
toute linformation dont jai besoin ?
Le mode de recueil de donnes choisi
Y a-t-il dautres interlocuteurs possi-
est-il acceptable pour le terrain et les
bles ?
personnes interroges ou observes
Si oui, ceux que jai choisis sont-ils les
(sur le plan thique, ainsi quen
meilleurs ?
termes de forme, de dure) ?
192
Chapitre 6
Contrairement aux autres lments de la recherche, les choix concernant le recueil

des donnes ne sont pas seulement dicts par des considrations de cohrence. En effet,
le recueil des donnes pose souvent des problmes pratiques qui conduisent rviser le
schma idal que lon stait fix. Tout design de recherche est, par consquent, un
compromis intgrant des considrations thoriques et pratiques (Suchman in Miller et
Salkind, 2002). Il est donc recommand ce niveau de tenir compte de la faisabilit du
design en plus de sa cohrence.
Il est ncessaire, par exemple, de sassurer que la dure de la collecte de
linformation est raisonnable, et que lon dispose de moyens financiers suffisants
pour raliser cette collecte. Ainsi, si la ralisation de 40 tudes de cas est ncessaire
pour rpondre la problmatique, le recours des assistants semble utile pour
prserver une dure de recherche acceptable. En cas dimpossibilit, il sera plus
prudent de rviser le design de recherche, voire de rduire la problmatique
envisage en termes de champ dapplication ou dobjectif. De mme, dans le cadre
dune recherche sur les diffrences lies au contexte national, les cots de
traductions ou de dplacements peuvent tre prohibitifs et conduire le chercheur
limiter le nombre de pays pris en compte.
Il existe bien dautres difficults de faisabilit. Par exemple, ladministration dun
questionnaire dans une organisation requiert souvent lobtention dautorisations (Selltiz
et al, 1977). Ltude dun dveloppement de produit en cours ncessitera dans la
plupart des cas la signature dun contrat de confidentialit, plus ou moins contraignant,
avec lentreprise concerne. Il est donc conseill de vrifier si le terrain dobservation
est accessible et destimer les consquences sur la recherche dventuelles contraintes
imposes par le terrain. On peut galement se demander si le dispositif de recueil des
donnes sera tolr par les personnes interroges ou observes dans le cadre de la
recherche. Par exemple, il nest pas facile de faire accepter des dirigeants que le
chercheur va les observer durant la journe entire afin didentifier leurs activits et
enregistrer le temps quils y consacrent (lecture des rapports stratgiques, runions,
conversations tlphoniques). De mme, des dirigeants naccepteront pas
ncessairement de remplir un questionnaire quotidien indiquant toutes les personnes
quils auront rencontres dans lexercice de ses fonctions. De manire gnrale, laccs
au terrain sera dautant plus facile que les membres de lorganisation sont intresss
par les rsultats.
Pour essayer danticiper tous ces problmes de faisabilit, Selltiz et al (1977)
conseillent de ne pas hsiter rencontrer dautres chercheurs ayant travaill sur des
terrains identiques ou proches afin de les interroger sur les problmes quils ont pu
rencontrer ou, au contraire, sur les bonnes surprises quils ont eues. Il est
galement propos dentreprendre une premire exploration du terrain. Celle-ci
permettra souvent didentifier certaines difficults et dy remdier.
Enfin, lthique de la recherche impose de vrifier que le dispositif de recueil des
donnes nest pas prjudiciable aux rpondants (Royer, 2011). Sil nexiste
193
aujourdhui aucune procdure obligatoire en France, dans les pays anglo-saxons,

les recherches en management sont vises par un comit dthique constitu au
sein des institutions acadmiques et les chercheurs peuvent tre tenus de fournir un
agrment sign des participants la recherche.
2.3 Questions relatives au type de rsultats attendus
Le processus dallers et retours pour laborer un design cohrent peut trs

facilement driver. lissue de ce travail, il nest pas rare de constater que les trois
lments (donnes, traitement et rsultat attendu qui en dcoule) sont parfaitement
cohrents entre eux mais que ce rsultat attendu ne rpond plus la problmatique
initialement formule. Il nest donc pas inutile de vrifier une nouvelle fois la
cohrence du type de rsultat que lon va obtenir avec la problmatique originelle.
En cas de divergence, il peut tre plus intressant de reformuler la question et
dajuster la revue de littrature, plutt que de constituer un nouveau design qui
rponde la question initiale. La modification de la problmatique ce stade de la
recherche, cest--dire au moment de llaboration du design, ne remet pas en
cause les principes du test dhypothses des dmarches hypothtico-dductives
puisque le recueil de donnes nest pas encore effectu.
On peut galement vrifier ce stade quel est lapport prvu de la recherche dans
le champ o elle a t situe. Dans les dmarches hypothtico-dductives, la
rponse cette interrogation est connue ds la dfinition de la problmatique.
Nanmoins, llaboration du design pouvant conduire rduire ou modifier la
question, il peut tre utile de sinterroger une nouvelle fois sur la contribution
attendue. Il serait videmment dommage de ne se rendre compte, qu la fin dune
recherche, que les rsultats napportent rien ou presque aux connaissances
existantes dans le champ tudi (Selltiz et al., 1977).
c Focus
Les questions sur les rsultats attendus
Les rsultats prvus rpondent-ils la Quel est lapport de la recherche dans
problmatique ? le champ auquel je souhaite
Ces rsultats se rattachent-ils correcte- contribuer ?
ment la revue de littrature ? Le cas chant, quel est le degr de
gnralisation des rsultats ?
194
COnCLusIOn
Le design labor initialement peut subir dimportantes modifications en

fonction des difficults rencontres ou des opportunits saisies durant la conduite
de la recherche (Royer et Zarlowksi, 2014). Bien que celle-ci soit value sur la
base de ce qui aura t finalement ralis, concevoir un design au dpart nen est
pas moins utile. En effet si le design initial ne garantit pas le rsultat final,
labsence de design augmente les risques de rencontrer des problmes difficiles
rsoudre dans le droulement ultrieur de la recherche.
Llaboration dun design, mme provisoire, procure galement bien dautres
avantages. Sa construction permet gnralement aux chercheurs de clarifier leurs
ides, ce qui constitue dj une progression dans le travail de recherche. Elle
conduit aussi souvent affiner la problmatique.
En proposant une traduction de la recherche en termes dactions concrtes
mener, larchitecture initiale permet de mieux apprhender le travail envisag.
Cette vision gnrale du droulement de la recherche peut aussi rduire lanxit
ressentie parfois lorsque lon entreprend la ralisation de son projet (Morse, 1994).
Un document synthtique formalisant le design initial de la recherche constitue
galement un outil de communication, susceptible de faciliter les changes avec
dautres chercheurs. Ces derniers pourront plus facilement valuer la dmarche
choisie, fournir des opinions plus tayes sur la proposition de recherche et donner
des conseils plus pertinents quen labsence de design formalis.
Enfin, lors du droulement ultrieur de la recherche, le design initial constituera
un guide de travail et permettra ainsi dviter une trop grande dispersion qui peut
tre coteuse, notamment en termes de temps.
195

Charmaz K., Constructing Grounded Theory : A Practical Guide Through
Qualitative Analysis, Londres : Sage, 2006.
Creswell J. W., Research Design : Qualitative, Quantitative and Mixed Methods
Approches, Thousand Oaks : Sage, 2009.
Denzin N. K., Lincoln Y. S., The Sage Handbook of Qualitative Research, Sage,
2011.
Miller D. C., Salkind, N. J., Handbook of Research Design and Social
Measurement, Londres : Sage, 2002.
Shadish W. R., Cook T. D. Campbell D. T,. Experimental and Quasi-Experimental
Designs for Generalized Causal Inference, Boston, MA : Houghton Mifflin, 2002.
Tashakkori A , Teddlie C., Handbook of Mixed Methods in the Social and
Behavioural Sciences, Thousand Oaks, CA : Sage, 2003.
Van Maanen J., Tales of the Field : On Writing Ethnography, 2nd ed., Chicago :
University of Chicago Press, 2011.
Yin R. K., Case Study Research : Design and Methods, 5th ed., Thousand Oaks,
CA : Sage, 2014.
196
Chapitre
Comment lier 7
concepts
etdonnes ?
Jacques Angot, Patricia Milano
RsuM
tablir un lien entre concepts et donnes constitue une tape des plus impor-
tantes et des plus difficiles dans un travail de recherche. Au sein de ce
chapitre nous allons voir quelle consiste oprer une traduction fonde sur
deux dmarches : la mesure et labstraction. La mesure consiste dterminer
les indi-cateurs ou instruments de mesure ncessaires la traduction dun
concept. La mesure reprsente, ce que certains auteurs dsignent sous le
nom dopration-nalisation ou encore dinstrumentation des concepts.
Labstraction permet, au contraire, de traduire des donnes en concepts grce
des procds de codage et de classification.
Ce chapitre souhaite aider le chercheur concevoir sa dmarche de
traduction. Pour ce faire, il lui montre comment il peut sappuyer sur des
mesures existantes ou bien envisager leurs amliorations, lorsquil souhaite
relier les concepts quil tudie ses donnes. Ce chapitre expose galement
les principes de regroupe-ment des donnes qui permettent dtablir des
correspondances plus ou moins formalises avec des concepts, lorsque le
chercheur tente de raliser la traduc-tion en sens inverse.
sOMMAIRE
SECTION 1 Fondement de la dmarche de traduction
SECTION 2 Concevoir la dmarche de traduction

A
u sein des recherches en management, on peut distinguer deux grandes
orientations. Le chercheur peut confronter la thorie la ralit ou bien faire merger
de la ralit des lments thoriques. Lorsquil a dfini son objet de recherche et choisi
le type dorientation, le chercheur est face deux situations pos-sibles. Soit il aborde la
littrature et en extrait les concepts qui lintressent, soit il explore la ralit au travers
dun ou de plusieurs sites dobservation. Il dispose ainsi dun ensemble de concepts ou
dun ensemble de donnes. Le premier cas le conduit sinterroger sur le type de
donnes recueillir pour apprhender ses concepts. Le deuxime cas le conduit
dcouvrir les concepts sous-jacents ses donnes. Quelle que soit la situation, le
chercheur sinterroge sur le lien entre concepts et donnes.
Ce lien sopre selon deux dmarches de traduction : la mesure et labstraction.
La mesure concerne la traduction des concepts en donnes et labstraction la
traduction inverse. Il est noter que, dans ce chapitre, la mesure recouvre la mme
signification que les notions traditionnelles doprationnalisation ou encore
dinstrumentation. Pour saider dans la dmarche de traduction (mesure/abstraction), le
chercheur peut sappuyer soit sur des instruments de mesure, soit sur des procds
dabstraction. Dans le cas de la traduction des concepts vers les donnes, il fait appel
des mesures existantes ou quil cre. Dans le cas de la traduction des donnes vers les
concepts, il va utiliser diffrentes mthodes de regroupement de donnes.
section
1 FOnDEMEnT DE LA DMARChE DE TRADuCTIOn
Au sein de cette section, nous allons tenter de prciser la signification des principales
notions qui caractrisent la dmarche de traduction. Ainsi, nous proposons dans un
premier temps de dfinir les notions de monde thorique et monde empirique. Dans un
deuxime temps, nous nous attachons expliciter ce qui permet au chercheur de passer
dun monde lautre, et que nous appelons traduction.
1 Des concepts et des donnes
1.1 Monde thorique
On appelle monde thorique lensemble des connaissances, concepts, modles et

thories disponibles ou en voie de construction dans la littrature. Toutefois, en
matire de traduction, lattention du chercheur est essentiellement porte sur le
concept. Plus prcisment, nous parlons ici de la dfinition retenue pour chacun
des concepts tudis. Par exemple, si on prend le travail effectu par Venkatraman
et Grant (1986), le concept de stratgie recouvre diffrentes dfinitions au sein des
198
recherches en management. Pour autant, il ne sagit pas de plusieurs concepts mais

plutt dune mme tiquette qui regroupe des perspectives diffrentes. Sur ce
point, nous rejoignons les propositions de Zaltman, Pinson et Angelmar (1973) qui
oprent une distinction entre le concept et le mot (terms) utilis pour le dsigner.
Ds lors, lorsque la littrature constitue le point de dpart du design de la
recherche, les dfinitions conceptuelles retenues conditionnent la dmarche de
traduction ralise par le chercheur. Dans la suite de ce chapitre, il faut comprendre
le terme de concept au sens de dfinition conceptuelle.
1.2 Monde empirique
On appelle monde empirique lensemble des donnes que lon peut recueillir ou
utiliser sur le terrain. Ces dernires peuvent tre des faits (une runion, une date
dvnement), des opinions, des attitudes, des observations (des ractions, des
comportements), des documents (archives, compte-rendu). Dans le domaine de
la recherche en management, le chercheur dlimite, par son intrt et son attention,
un cadre au sein de ce monde empirique. Ce dernier peut notamment porter sur un
secteur dactivit, une population dorganisations, une entreprise, des groupes
dacteurs. De plus, le chercheur peut dlimiter ce cadre dans le temps par sa
prsence effective sur le terrain. Le cadre peut alors tre la dure de vie du
phnomne tudi : par exemple, un projet, une rforme de structures, une conduite
de changement. Ainsi, Mintzberg (1994) dans ses recherches consacres au travail
du manager a dfini, au sein du monde empirique, un cadre dlimit dans lespace
(le manager et ses activits) et dans le temps (le quotidien).
Lorsquil se situe dans le monde empirique, le chercheur dispose dun ensemble
circonscrit (au sens de closed set de De Groot, 1969) de donnes (faits, opinions,
attitudes, observations, documents), dans la mesure o il a effectu un premier
recueil. Les donnes ainsi obtenues, que lon peut dsigner sous le nom dlments
empiriques, sont censes approximer des concepts. Toutefois, il faut noter que ces
lments empiriques ne sont jamais capables ni de reprsenter compltement, ni de
dupliquer la signification des concepts thoriques sous-jacents (Zeller et Carmines,

1980).
2 Passer dun monde lautre
Dans le monde o il se trouve, le chercheur dispose dlments (concepts ou

donnes). Pour aller vers lautre monde, il doit concevoir ces lments dans la langue
du monde vers lequel il souhaite aller (Zeller et Carmines, 1980). Ainsi, le passage du
monde thorique au monde empirique consiste pour le chercheur oprer une
traduction de la dfinition conceptuelle quil a adopte (monde thorique) afin de
199
reprer les lments du monde empirique qui illustrent le plus finement possible
cette dfinition. Lorsque le chercheur doit relier les lments issus du monde
empirique au monde thorique, il tente alors de traduire les donnes dont il dispose
sur le terrain en concepts qui leur sont sous-jacents.
Comme le montre lexemple suivant, une dfinition conceptuelle ne possde pas
de correspondance bijective dans le monde empirique. En effet, pour une dfinition
conceptuelle donne, il nexiste pas de donnes empiriques correspondant
exclusivement ce concept. De mme, un chercheur qui souhaite effectuer le
passage du monde empirique au monde thorique dispose dlments envisageables
comme la manifestation de plusieurs concepts potentiels.
EXEMPLE Des correspondances non exclusives
Dans un travail de recherche qui tudie les business models des logiciels open
source, le chercheur peut apprhender le concept de valeur apporte au client soit par la
rduction de cot dacquisition du produit soit par le rythme denvoi de mises jour du
logiciel. Toutefois, llment empirique rythme denvoi de mises jour du logiciel
peut tre mobilis galement pour apprhender le concept de vitalit de la communaut
de program-meurs impliqus dans la conception du logiciel.
Comme le rsume la figure 7.1, la dmarche de traduction consiste

essentiellement relier un concept un ou plusieurs lments empiriques lorsque
le chercheur est dans le monde thorique, et relier un ou plusieurs lments
empiriques un concept lorsque le chercheur est dans le monde empirique.
Concept 1 lment empirique 1

Traduction
Monde thorique Monde empirique
Figure 7.1 Problmatique de la dmarche de traduction
Le monde thorique et le monde empirique offrent ainsi au chercheur des ressources

mobiliser de natures diffrentes (des dfinitions conceptuelles dune part, des
lments empiriques, dautre part). Nous allons voir que la dmarche de traduction est
troitement lie au monde dans lequel le chercheur se trouve au dpart de sa rflexion
et quelle recouvre deux processus distincts. On appelle mesure le passage du monde
thorique au monde empirique. On dsigne sous le nom dabstraction le processus
inverse qui nous amne du monde empirique vers le monde thorique.
200
2.1 La mesure
La littrature propose plusieurs dfinitions de la mesure. Nous retenons ici, celle de

DiRenzo (1966) selon qui la mesure fait rfrence aux procdures par lesquelles les
observations empiriques sont ordonnes [] pour reprsenter la conceptualisation qui
doit tre explique . Selon Larzarsfeld (1967), la mesure en sciences sociales doit tre
envisage dans un sens plus large que dans des domaines comme la physique ou la
biologie. Ainsi, le chercheur peut effectuer une mesure mme si elle nest pas exprime
par un nombre. Dans ce cas, la dmarche de traduction, appele mesure, comprend
trois, voire quatre, phases majeures comme le souligne le Focus .
c Focus
Les tapes de la mesure
Lazarsfeld (1967) propose trois tapes formulation probable de certains juge-
concernant la mesure des concepts en ments ou opinions. Un indicateur permet
sciences sociales. donc dassocier, plus ou mois directement
Premirement, le chercheur plong une valeur ou un symbole une partie
dans lanalyse dun problme thorique dun concept, cest pourquoi un indica-teur
esquisse une construction abstraite qui constitue un instrument de mesure.
peu peu prend corps et le conduit vers On peut considrer une tape supplmen-
une reprsentation image que lon taire de la mesure dun concept : la dfini-
dsigne sous le nom de concept. tion dindices. Ces derniers sont une
Deuximement, la mesure du concept combinaison de plusieurs indicateurs et
consiste dcouvrir les composantes de peuvent, comme le montre lexemple
ce concept. Ces composantes sont appe- suivant, servir de synthse pour une
les facettes ou dimensions (ou encore dimen-sion donne dun concept donn.
dfiniens par Zaltman et al., 1973).
Prenons lexemple dune recherche qui
Troisimement, la dmarche consiste
tudie lvolution des organisations. ce
dfinir le type de donnes recueillir pour

propos, le chercheur met en vidence le
chacune des dimensions retenues
concept defficacit stratgique (tape 1).
ltape prcdente. Pour ce faire, le cher-
Il dtermine deux dimensions du concept :
cheur peut sappuyer sur des indicateurs.
la performance commerciale et la perfor-
Ces derniers sont des lments que lon
mance financire. Le chercheur envisage
peut recueillir dans le monde empirique et
la dimension de la performance commer-
dont le lien avec le concept est dfini en
termes de probabilit (Lazarsfeld, 1967). ciale travers des indicateurs tels que le
Par l il faut comprendre quun concept chiffre daffaires et les profits de lentit
tudi dans une situation donne implique quil tudie. Il a galement labor un
la manifestation probable de certains indice synthtisant la notion de perfor-
comportements, lapparition probable de mance commerciale et exprim par le
certains faits, et la ratio profits sur chiffre daffaires.

201

fficacit tape 1 : stratgique
(concept)
Performance Performance
tape 2 : commerciale financire
(dimension 1) (dimension 2)
tape 3 :
Chiffre Profits
daffaires
(indicateur 1) (indicateur 2)
tape 4 : (indice 1) = Profits/Chiffre daffaires
2.2 Labstraction
Nous venons denvisager la situation o le chercheur va du monde thorique vers

le monde empirique. Or, les travaux de recherche en management peuvent
galement avoir pour point de dpart le monde empirique, comme le montre
lexemple suivant. Dans ce cas, la problmatique de la dmarche de traduction ne
consiste plus effectuer une mesure, mais raliser une abstraction. Le chercheur
dispose dun ensemble de donnes quil tente de mettre en ordre au sein dun cadre
plus large afin de trouver une conceptualisation sous-jacente.
EXEMPLE Le monde empirique comme point de dpart
Bala et al. (2007) veulent comprendre les caractristiques des communauts mergentes
de citoyens qui sorganisent pour dvelopper des solutions cratives des enjeux de
socits. Le travail sorganise autour dune investigation ancre dans lobservation du
rel, la mise en exergue de cas issus de lempirique. Ensuite, aprs une validation de la
formalisation des cas par dautres chercheurs, le traitement sopre de sorte identifier
les composantes et les dimensions cls dans lmergence de ces communauts, la
manire dont elles se structurent et se dveloppent.
202
Dsigne sous le nom dabstraction, cette dmarche de traduction conduit le

chercheur effectuer des regroupements progressifs parmi les lments empiriques
dont il dispose. Ce travail consiste faire merger partir des faits, observations et
documents des lments plus conceptuels. Le principe de labstraction consiste
coder les donnes, formuler des indices (au sens de Lazarsfeld, 1967), tablir des
catgories, dcouvrir leurs proprits et enfin, tendre vers une dfinition
conceptuelle. Cette dernire comme le souligne le Focus peut avoir une
vocation descriptive ou thorique.
c Focus
Vocation descriptive ou thorique de labstraction
Parmi les travaux de recherche qui oprent erreurs. Ce processus peut aboutir
une abstraction partir dlments empi- plusieurs cadres descriptifs possibles .
riques, Schatzman et Strauss (1973) Labstraction peut galement tre envi-
recensent deux approches : la description et sage dans une perspective dlaboration
la thorisation. Dans la description, le thorique. Les donnes sont alors orches-
chercheur vise simplement classer ses tres en accord avec la reprsentation de la
donnes en catgories. Il peut, dans un ralit qui a servi de base dinvestiga-tion au
premier temps, sappuyer sur le monde chercheur. Le processus dabstrac-tion
thorique pour identifier les catgories consiste, dans ce cas, regrouper des
couramment utilises au sein de la littra- donnes similaires et leur attribuer des
ture. Pour ce faire, il peut utiliser des grilles labels conceptuels (au sens de Strauss et
de lecture. Ces dernires consistent Corbin, 1990). La reprsentation initiale du
dfinir des codes lmentaires par phnomne tudi, lidentification des
rapport au type de phnomnes tudis et concepts et la qualification de leurs rela-tions
croiser ces codes au sein de (cause, effet) permettent lmer-gence
matrices. Dans un deuxime temps, le progressive dune logique tho-rique. Cette
chercheur peut opter pour une descrip- dernire aide le chercheur construire un
tion plus analytique, o il va se laisser sens gnral, confrant ainsi une
guider par les donnes. Ces dernires interprtation aux donnes.

mnent la dcouverte de catgories et
de leurs liens par un processus dessais/
Nous avons vu jusqu prsent que le chercheur peut se trouver soit dans le
monde thorique soit dans le monde empirique. Nous avons vu galement que la
dmarche de traduction consiste sinterroger sur la manire de passer dun monde
lautre. Plus prcisment, elle consiste traduire les lments disposition dans
le langage du monde dans lequel on souhaite aller. Dans le cas de la mesure, la
dmarche de traduction consiste construire, pour un concept donn, les
indicateurs qui lui correspondent. Dans le cas de labstraction, la dmarche de
traduction consiste choisir les procds de catgorisations de ces donnes.
203
3 Les moyens de traduction
Plusieurs moyens sont la disposition du chercheur pour faire le lien entre

concepts et donnes. Nous verrons, tout dabord, les instruments de mesure, puis,
les dmarches dabstraction.
3.1 Instruments de mesure

Apprhender la nature des indicateurs
Pour un concept donn, lobjet de la mesure est de chercher les indicateurs

correspondants. Ces indicateurs permettent dassocier une valeur ou un symbole une
partie du concept. Cest pourquoi on les dsigne sous le nom dinstruments de mesure.
Un indicateur ou un ensemble dindicateurs peut constituer un instrument de mesure
part entire. Ainsi, Boyd (1990) utilise des indicateurs tels que : le taux de
concentration gographique, le nombre de firmes dans lindustrie et la rpartition des
parts de march pour mesurer la complexit de lenvironnement. Dans le mme temps,
il nutilise quun seul indicateur, le taux daccroissement des ventes pour mesurer le
dynamisme de lenvironnement. Ces instruments de mesure aident le chercheur
dterminer le type de donnes recueillir. Ainsi, en mesurant lintensit technologique
des alliances interentreprises par le ratio moyen du budget recherche et dveloppement
sur les ventes, Osborn et Baughn (1990) sont conduits recueillir un type prcis
dinformations. Dans ce dernier cas, il sagit de recenser les budgets moyens de
recherche et dveloppement ainsi que le niveau de ventes des entreprises tudies. Les
instruments de mesure peuvent tre de nature qualitative ou quantitative. Prenons
lexemple de la recherche de Miller et Friesen (1983) consacre la relation entre la
formulation stratgique et lenvironnement. Ces auteurs utilisent une variable
dcompose en sept items pour reprsenter les changements dans lenvironnement
externe de lentreprise. Une chelle de mesure de type Likert en sept points, est
associe chacun de ces items. Par exemple, il est demand de noter de 1 7 (tout
fait daccord pas du tout daccord) la phrase suivante : les gots et les prfrences
de vos clients dans votre principale industrie deviennent plus stables et plus prvisibles
. Les mesures utilises sont mtriques, lindicateur est de nature quantitative comme
ctait le cas dans lexemple dOsborn et Baughn (1990), o linstrument utilis pour
mesurer lintensit technologique des alliances interentreprises tait un ratio de
donnes numriques.
Grer le nombre dindicateurs
Plusieurs indicateurs pour un concept donn peuvent gnralement tre trouvs.

Ainsi, un chercheur travaillant sur le dynamisme de lenvironnement trouve dans la
littrature diffrents types dindicateurs. Dans le travail de Miller et Friesen (1983), par
exemple, ce concept est mesur par la perception des acteurs de la quantit et du
204
caractre imprvisible des changements (concernant les gots des consommateurs,

les techniques de production et les modes de concurrence interfirmes). Chez Boyd
(1990), en revanche, ce concept de dynamisme de lenvironnement est mesur par
le seul taux daccroissement des ventes.
Il existe au sein des recherches, des correspondances prexistantes entre des
concepts et des indicateurs sous la forme de proxy ou variables proxy. Une proxy
est une mesure indirecte dun concept, qui est souvent utilise dans les recherches
pour mesurer ce concept. Ainsi, la performance peut se mesurer par la proxy :
cours de laction. De mme, la turbulence dun secteur dactivit peut se mesurer
par la proxy : nombre dentre et sorties dentreprises au sein du secteur.
Il existe galement des instruments pour lesquels le nombre dindicateurs est
prdfini, comme lillustre le travail de Miller et Friesen (1983). Traditionnellement,
lutilisation de ce type dinstrument conduit le chercheur calculer un indice qui est,
par exemple, la moyenne de notes obtenues sur des items.
Le chercheur peut ainsi, comme le prconise Lazarsfeld (1967), dfinir des
indices avec dautres instruments de mesure que les chelles. Ces indices sont alors
une combinaison particulire dindicateurs pouvant synthtiser une partie du
concept. Lors de cette combinaison, le chercheur doit prendre garde ne pas
dnaturer le lien entre les indicateurs inclus dans lindice et le concept. Par
exemple, en utilisant le chiffre daffaires et le montant des profits comme mesure
de la performance, le chercheur construit un indice exprim par le rapport profits
sur chiffre daffaires. Il doit alors prter attention ce que les variations de cet
indice traduisent avec la mme signification celles des deux indicateurs. Le
chercheur qui peut sattendre lors dun accroissement de la performance une
augmentation du chiffre daffaires et du montant des profits, sattend galement
celle de lindice. Mais, quen est-il ? Une augmentation du numrateur et du
dnominateur se compense, laisse lindice stable et rend la mesure inoprante.
3.2 Procds dabstraction

Lorsque le chercheur dbute son travail de recherche en partant du monde

empirique, il dispose dun ensemble de donnes. La dmarche de traduction le
conduit alors se poser la question du niveau dabstraction auquel il souhaite
arriver partir de cet ensemble dlments empiriques. En effet, le chercheur peut
envisager de proposer soit un concept, soit un ensemble de concepts et leurs
relations, ou bien encore, tablir un modle ou une thorie. Le niveau dabstraction
vis initialement par le chercheur a une influence sur le degr de sophistication des
procds et des mthodes quil utilise pour raliser cette abstraction.
Dans la dmarche dabstraction, le chercheur est confront la problmatique du
codage des lments empiriques. Strauss et Corbin (1990) voquent trois types de
procds : le codage ouvert, le codage axial et le codage slectif.
205
Le codage ouvert
Le codage ouvert consiste essentiellement nommer et catgoriser les

phnomnes grce un examen approfondi des donnes. La mthode se droule en
quatre phases interactives :
Phase 1 : donner un nom aux phnomnes. Cette phase consiste prendre part
une observation, une phrase, un paragraphe et donner un nom chaque
incident, ide ou vnement quil contient.
Phase 2 : dcouvrir les catgories. Cette phase consiste regrouper les concepts
issus de la premire phase afin de rduire leur nombre. Pour effectuer cette
catgo-risation, le chercheur peut alors soit regrouper les concepts les plus
proches, soit regrouper les observations en gardant lesprit les concepts.
Phase 3 : donner un nom aux catgories. Pour ce faire, le chercheur dispose dans
la littrature de dfinitions conceptuelles quil compare avec les dfinitions de
ces catgories. Nanmoins, il lui est conseill de proposer plutt ses propres
appellations tires du terrain et que Glaser (1978) dsigne sous le nom din vivo.
Phase 4 : dvelopper les catgories. Cette phase vise dfinir les proprits et
dimensions de chaque catgorie cre au cours des phases prcdentes. Les
propri-ts font rfrence aux caractristiques ou attributs dune catgorie. Les
dimensions, quant elles, reprsentent la localisation de chaque proprit le long
dun continuum traduisant les diffrentes formes que peut prendre cette proprit
(par exemple lin-tensit dun phnomne). Lexemple suivant donne une
illustration dun codage ouvert comme procd dabstraction.
EXEMPLE Codage ouvert comme procd dabstraction
Dans une recherche qui tudie limpact dun mcnat de comptence sur les employs, le
procd de codage ouvert a permis au chercheur de mettre en vidence un certain nombre de
catgories parmi lesquelles : utilit, plaisir, partage. Concernant la catgorie plaisir , il
avait sa disposition des donnes du type : envie daller aider , redonner un sens ma
vie professionnelle , fier de dire ce que je faisais se sentir engag partir de ces
lments empiriques, il russit mettre en vidence trois caractristiques : intensit (forte
faible), durabilit (de ponctuel durable) et infusion (de personnel collective).
Dans la mme ligne, Miles et Huberman (1991) proposent un certain nombre de

tactiques visant coder les lments empiriques. La premire vise compter, savoir
isoler quelque chose qui apparat de faon rcurrente, soit au cours des entretiens, soit
au cours des observations. Cette tactique revient isoler les concepts (appels aussi par
les auteurs thmes). La deuxime consiste regrouper les lments en une seule ou
plusieurs dimensions, pour crer des catgories. Pour cela, le chercheur peut procder
par association (en regroupant les lments semblables) ou dissociation (en sparant les
lments dissemblables). La troisime vise
206
subdiviser les catgories mises en vidence prcdemment, en se demandant si, en

ralit, cette catgorie ne correspond pas deux, voire plus de catgories.
Toutefois le chercheur qui utilise cette tactique doit faire attention ne pas tomber
dans lexcs dune trop grande atomisation en cherchant subdiviser chaque
catgorie. La quatrime tactique consiste relier le particulier au gnral. Elle
revient se poser les questions suivantes : de quoi cet lment est-il un exemple ?
Appartient-il une classe plus large ? La cinquime et dernire tactique consiste
factoriser. La factorisation se droule en plusieurs tapes. Tout dabord le
chercheur commence par faire linventaire des items apparaissant au cours des
entretiens ou lors dobservations. Ensuite, les items sont regroups selon une rgle
logique pralablement dfinie par le chercheur. Cette rgle peut tre : regrouper les
items qui apparaissent de faon concomitante au cours des entretiens, ou encore
des items qui traduisent un mme vnement. lissue de cette phase, le chercheur
dispose de plusieurs listes ditems. Pour chacune des listes, il qualifie les diffrents
items pour faire merger une liste rduite de noms de code. Il regroupe ensuite ces
noms de code sous un facteur commun, quil qualifie alors.
Les deux mthodes dabstraction exposes ci-dessus permettent de faire merger
partir des observations du terrain les variables puis les concepts dun modle.
Pour lune comme pour lautre, il est recommand au chercheur deffectuer un
aller et retour permanent, au cours du processus de codage, entre les donnes du
terrain et la littrature. Celui-ci doit en effet permettre de prciser et formaliser les
variables (ou concepts) ainsi dfinis.
Le codage axial
Le chercheur peut sophistiquer sa dmarche dabstraction en utilisant un codage

axial. Fond initialement sur le mme principe que le codage ouvert, le codage
axial vise en plus spcifier chaque catgorie (appele aussi phnomne par les
auteurs) selon les sous catgories suivantes :
les conditions lies son occurrence. Ces conditions, qualifies de conditions
causales ou conditions antcdentes par les auteurs, sont identifies laide des
questions suivantes : Parce que ? Alors que ? cause de ? Jusqu ce que ? Pour
un mme phnomne il peut exister plusieurs conditions causales ;
le contexte correspondant lensemble des proprits appartenant au phnomne
: sa localisation gographique, temporelle, etc. Le contexte est identifi en se
posant les questions suivantes : Quand ? Sur quelle dure ? Avec quelle intensit
? Selon quelle localisation ? etc. ;
les stratgies dactions et dinteractions engages pour conduire le phnomne ;
les conditions intervenantes reprsentes par le contexte structurel, qui facilitent
ou contraignent les actions et interactions. Elles incluent le temps, lespace, la
culture, le statut conomique, le statut technique, les carrires, lhistoire, etc. ;
207
les consquences lies ces stratgies. Elles prennent la forme dvnements, de

rponses en termes dactions aux stratgies initiales. Elles sont actuelles ou
poten-tielles et peuvent devenir des conditions causales dautres phnomnes.
Continuons lexemple prcdent o le phnomne tudi est limpact dun
mcnat de comp-tence sur les employs.
EXEMPLE Codage axial comme procd dabstraction
Le chercheur opre un codage axial car il cherche spcifier les catgories obtenues. Ainsi,
il peut mettre profit lensemble des lments empiriques dont il dispose tels que :
augmentation du CA , augmentation des arrts de travail , conflit avec la hirarchie
, accroissement de la motivation frquentes runions de mise au point . En
appliquant le principe de codage axial, le chercheur tente de mettre en vidence les concepts
et leur relation. Ainsi, il met en exergue des lments de contexte (par exemple les conflits
avec la hirarchie) auxquels correspond un lment organisationnel (la relation avec la
hirarchie qui demande rpondre aux objectifs avant tout sans tenir compte du mcnat de
comptence des employs). Cela a des consquences : conflit avec la hirarchie
augmentation des arrts de travail , besoin de runion de mise au point tout en ayant
augmentation du CA et accroissement de la motivation . Les activits lies au
mana-gement sont rendues difficiles par des effets du mcnat de comptence qui
dbride les employs do une performance et une motivation plus grande tout en
occasionnant un rejet des normes managriales classiques.
En poursuivant labstraction de ses donnes, le chercheur fait merger le concept de
empowerment des employs savoir une monte en comptences relationnelles et
techniques des salaris qui viennent en conflit avec des normes devenues dsutes du
mana-gement davant mcnat de comptences.
Le codage slectif
Le principe du codage slectif consiste dpasser le simple cap de la description

pour tendre vers une conceptualisation. On parle alors dintgration ou
dlaboration thorique (Strauss et Corbin, 1990). Le codage slectif vise dfinir
une catgorie centrale partir de laquelle on cherche relier lensemble des
proprits de toutes les autres catgories dcouvertes prcdemment. Une ide
forte et sous-jacente ce type de procd dabstraction consiste identifier ce que
Schatzman et Strauss (1973) dsignent sous le nom de liaison cl . Cette
expression peut qualifier une mtaphore, un modle, un schma gnral, une ligne
directrice qui permet au chercheur doprer des regroupements parmi ces donnes.
Par ailleurs, cette liaison cl sert de base au regroupement non plus des donnes
mais des catgories elles-mmes (similarit de proprits et de dimensions). lissue
de cette abstraction, le chercheur dispose de catgories centrales qui sont lies non
seulement un niveau conceptuel large, mais aussi chaque proprit spcifique des
208
catgories. Poursuivons lexemple prcdent de limpact du mcnat de

comptence sur les employs.
EXEMPLE Codage slectif comme procd dabstraction
Initialement le champ dinvestigation du chercheur concerne les effets du mcnat de

com-ptence sur les employs. Le chercheur utilise comme mtaphore lide que le
mcnat de comptence est un acclrateur de changement culturel. Par consquent, il
utilise comme catgorie centrale les ressentis des employs pratiquant le mcnat de
comptence. Le codage slectif se poursuit par la mise en relation de lensemble des
donnes avec les pro-prits de cette catgorie centrale. Ds lors, les lments
conceptuels mis en vidence doivent se comprendre comme des concepts thoriques (au
sens de Zaltman et al. 1973), cest--dire des concepts qui ne prennent de sens que par
leur contribution au cadre tho-rique dans lequel ils sont envisags. Ainsi, les lments
empiriques conflit avec la hi-rarchie , augmentation des arrts de travail peuvent
tre synthtiss travers le concept d mancipation de la norme . Ce dernier peut
tre ensuite intgr dans une thorie de linnovation managriale.
section
2 COnCEVOIR LA DMARChE DE TRADuCTIOn
Dans la section prcdente, nous avons soulign que le chercheur passe dun
monde lautre, soit en effectuant une mesure (lorsquon passe du monde
thorique au monde empirique), soit en procdant une abstraction (lorsquon
effectue le chemin en sens inverse). Pour chacune de ces situations, le chercheur
est amen suivre un mode de raisonnement particulier.
1 Cas de la mesure
Dans la dmarche de traduction qui consiste faire une mesure, le chercheur se

trouve initialement dans le monde thorique. Ainsi, pour un concept donn, il tente
de trouver le moyen lui permettant de le mesurer, cest--dire didentifier le type de
donnes recueillir. Dans un premier temps, sa dmarche consiste sappuyer sur
lexistant afin dapprhender les traductions du concept effectues dans les travaux
de recherche antrieurs. La consultation de la littrature laide identifier certaines
traductions directement utilisables ou partir desquelles il peut effectuer des
ajustements. Dans un deuxime temps, si les traductions disponibles dans la
littrature lui paraissent insatisfaisantes ou inadaptes sa recherche, il peut en
concevoir de nouvelles en amliorant lexistant ou en innovant.
209
1.1 sappuyer sur lexistant
Afin dutiliser des mesures dj disponibles, le chercheur doit reprer o se trouvent

ces dernires. Il lui faut ensuite effectuer un choix parmi celles-ci et, si ncessaire,
envisager leur ajustement au contexte particulier de sa propre recherche.
O reprer les mesures ?
Partant du monde thorique le chercheur dispose dun ensemble de travaux de

recherche lis plus ou moins directement son propre domaine. Il dispose
darticles, de travaux de doctorat et douvrages sur lesquels il sest appuy pour
formuler lensemble de ses dfinitions conceptuelles et sur lesquels il peut encore
sappuyer pour rechercher les mesures disponibles. Le tableau suivant propose
quelques illustrations de mesures pour apprhender la notion de valeur sociale
(Mulgan, 2010).
Tableau 7.1 Quelques mesures de la notion de valeur sociale
Notion de valeur sociale
Dimensions Indicateurs Commentaires
Centres sur une perspective Analyse du cot/ Dans une tude sur la toxicomanie o les actions
essentiellement conomique efficacit taient le traitement et laccompagnement des
individus, la valeur sociale a t mesure par
lconomie pour le contribuable en termes de cot
demprisonnement.
Intgrent une perspective Retour social sur Reposant sur lestimation du cot direct dune
systmique de la capacit investissement action, la probabilit quelle marche et les impacts
provoquer une transformation (SROI) du changement futur
sociale
centres sur la perception de ce Prfrences rvles On examine les choix que les personnes font pour
que veulent les individus en dduire la valeur relative de diffrentes options
actuellement et prts changer
Comment faire un choix ?
Afin de choisir entre plusieurs mesures disponibles, le chercheur va reprer celles

quil juge les mieux appropries sa recherche. Pour ce faire, il peut sappuyer sur
trois critres de choix : 1) la fiabilit, 2) la validit et 3) la faisabilit
oprationnelle des instruments de mesure sa disposition. Pour la fiabilit et la
validit, nous suggrons au lecteur de se reporter au chapitre 10. Nous ne traitons
ici que de la faisabilit oprationnelle.
La faisabilit oprationnelle dun instrument de mesure est un critre de
choix souvent suggr dans la littrature (De Groot, 1969 ; Black et Champion,
1976). Lapprciation de ce critre se fait partir du vcu des chercheurs et de leur
exprience quant lutilisation dune mesure spcifique. Par exemple, pour une
chelle, la faisabilit oprationnelle se situe au niveau de sa facilit de lecture
210
(nombre ditems) et de comprhension (vocabulaire utilis). La faisabilit

oprationnelle porte galement sur la sensibilit des instruments de mesure utiliss.
Il sagit de se doter dun instrument capable denregistrer des variations assez fines
du concept mesur, comme le montre lexemple suivant.
EXEMPLE sensibilit de linstrument de mesure

Dans le cadre dune tude sur les facteurs explicatifs des processus de co-cration entre une
entreprise prive et un entrepreneur social, un chercheur choisit dutiliser linfluence de la
prsence ou non de tiers extrieur (ONG) sur la cration de valeur. Mais labsence ou la
prsence dun tiers nentrane pas de variations de cration de valeur ; en effet, la prsence
ne suffit pas capter toute linformation ncessaire. Lancrage culturel local du tiers peut
tre galement une caractristique importante. Ainsi le chercheur envisage daffiner la
mesure en recensant les processus de co-cration selon le principe suivant : il associe un
poids de 1 lorsquil y a un ancrage local du tiers et 0 dans le cas contraire.
Bien que les instruments de mesure utiliss puissent rpondre aux exigences de
fiabilit, de validit et de faisabilit oprationnelle, le chercheur peut envisager
quelques ajustements sur les instruments retenus afin quils sinsrent mieux dans
le contexte de sa recherche
Les ajustements ncessaires
La problmatique de la recherche conduit aborder le monde empirique selon

une approche cible. Cest--dire que le chercheur doit tenir compte du fait quil
sintresse un secteur dactivit, un type dentreprise ou encore un type
dacteurs donns. Cette prise en compte, comme le montre lexemple suivant,
permet au chercheur de contextualiser les instruments de mesure quil utilise.
EXEMPLE Des instruments de mesure contextualiss

Dans le cadre dune recherche visant mesurer linfluence du contrat psychologique sur
la dure du premier emploi pour des jeunes diplms, un chercheur labore un
questionnaire destin des entreprises de diffrents pays : la France, lAngleterre,
lAllemagne et la Chine. Il ralise son tude auprs dun chantillon de 400 jeunes
diplms dcoles de commerces et de leur DRH. Plus particulirement il se focalise sur
lide dattentes, de confiance et de dissonances entre perception et promesse. Cette
recherche est intersectorielle et internationale. Le questionnaire doit donc tre adapt au
secteur des entreprises recruteuses. En effet, la nature des premiers postes est diffrente
selon que lon est dans le domaine scientifique ou financier par exemple. De ce fait des
questions doivent tre adaptes en termes de contenu et de sens. De mme la dimension
internationale de ltude exige un ajustement supplmentaire. Le chercheur est amen
traduire les instruments de mesure selon le contexte culturel. Une traduction simpose
de franais en anglais puis en allemand et chinois.
211
Les efforts dajustement effectus par le chercheur pour adapter les instruments
de mesure disponibles dans la littrature son propre travail lamnent souvent,
comme le montre le Focus , effectuer un travail consquent.
c Focus
La traduction dune chelle
Lorsquun chercheur effectue une lchelle en langue amricaine. Ds lors, le
recherche en franais et quil repre, travail du chercheur consiste comparer les
parmi lensemble des travaux de deux chelles afin dapprcier si lori-ginale
recherche sa disposition, une chelle (en langue amricaine) est conforme la
amricaine adapte son concept, il doit version obtenue suite au processus de
prendre un certain nombre de prcautions traduction double sens.
avant dutiliser cet instrument. Pour clore cette opration de traduction, le
Ainsi, dans une premier temps il fait appel chercheur demande des experts de se
un professionnel bilingue pour traduire prononcer sur les difficults de compr-
en langue franaise lchelle en question. hension de lchelle en franais. Enfin, il
Puis, lchelle traduite doit tre traduite lui est ncessaire dtablir nouveau la
nouveau en sens inverse par un autre fiabilit et validit de cette chelle.
professionnel bilingue, de telle sorte que
le chercheur dispose une nouvelle fois de
1.2 Amliorer lexistant ou innover
Lorsque la littrature ne fournit pas dinstruments de mesure satisfaisants pour

mesurer un concept donn, le chercheur fait face deux situations. Soit il envisage
dutiliser des mesures disponibles en leur apportant des modifications importantes
ou, sil nexiste aucune mesure, le chercheur peut innover en les construisant lui-
mme.
Ainsi, dans le cadre dune recherche faisant appel au concept de performance, un
chercheur peut innover en prenant le taux dvolution mensuel de la valeur
boursire qui lui semble plus satisfaisant quune autre mesure utilisant le rapport
profit sur chiffre daffaires.
Dans lhypothse o le chercheur souhaite oprer une mesure partir dune
chelle, il peut procder son amlioration en supprimant, ajoutant ou remplaant
certains items. Il est important de souligner que lamlioration ou linnovation des
instruments fait partie quasi intgrante dune dmarche de traduction, comme le
montre lexemple suivant.
212
EXEMPLE La traduction du concept de groupe stratgique

La recherche effectue par Mbengue (1992), dans le cadre de son travail de doctorat, illustre
plusieurs titres la dmarche de traduction au cours de laquelle le chercheur souhaite,
partir dlments thoriques, tablir des liens lui permettant dapprhender des donnes
de terrain, ou plus simplement deffectuer une mesure.
Ce travail de recherche propose de mettre en vidence linfluence quexerce la
perception des acteurs de la structure concurrentielle de leur industrie sur les dcisions
stratgiques de leurs entreprises. cette fin, lauteur a construit un modle explicatif de
ces dcisions stratgiques, modle fond sur le concept de groupe stratgique.
La dmarche de traduction utilise illustre diffrentes situations de mesure voques prc-
demment. Partant du monde thorique, le chercheur a traduit le concept de groupe strat-
gique afin dapprhender le monde empirique. Pour ce faire, il lui a fallu dfinir les
dimensions du concept. Il a choisi de sappuyer sur celles dj utilises dans les travaux
antrieurs. Il a ainsi eu recours aux ressources dont dispose lentreprise comme pre-
mire dimension du concept de groupe stratgique . Puis, cette dimension ressource a
t traduite en indicateurs parmi lesquels le chiffre daffaires net hors taxe (en kF), le total
des actifs (en kF), leffectif moyen du personnel ainsi que les ressources durables (en kF).
Outre les ressources, le chercheur a pris la dcision de traduire le concept tudi en trois
autres dimensions : la communication, les produits, le march des entreprises. Le chercheur
souligne quil a fait ces choix parce que ces dimensions sont prsentes dans la littrature
comme tant particulirement importantes dans le secteur dactivit tudi. Enfin, chaque
dimension a t traduite en plusieurs indicateurs. Lensemble des informations ncessaires
la traduction du concept de groupe stratgique a t obtenu par questionnaires et
dans divers supports dinformations (Diane, Kompass). Le tableau suivant propose une
synthse de ces principaux lments de la traduction.
Concept Dimensions Indicateurs

Chiffre daffaires net HT (kF)
Total des actifs (en kF)
Ressources
Effectif moyen du personnel
Ressources durables (en kF)
Communication Dpenses de communication en % du CA
Part des produits bas de gamme (%)
Groupe stratgique Part des produits luxe (%)

Produits
Part des produits de beaut (%)

en France
March
dans la CEE (hors la France)
(importance
en Europe de lOuest (hors la CEE)
de la prsence actuelle)

Bien entendu, quel que soit le degr dinnovation introduit par le chercheur, les
instruments de mesure construits doivent rpondre des exigences de fiabilit, de
validit et de faisabilit oprationnelle. Le degr de satisfaction de ces
exigences fixe les limites du travail de recherche et donc la porte des rsultats.
213
2 Cas de labstraction
Contrairement la dmarche de traduction fonde sur la construction dune mesure

et dans laquelle le chercheur soit sappuie sur lexistant, soit procde lamlioration
de mesures disponibles, le processus dabstraction suit un cheminement inverse. En
effet, ayant sa disposition un ensemble de donnes (observation de comportements,
chiffres), le chercheur sinterroge sur la manire dtablir des correspondances plus
ou moins formalises avec des concepts. Il lui faut reprer les concepts qui se cachent
derrire lensemble des donnes dont il dispose. Dans la dmarche dabstraction, le
chercheur ne vise pas tant traiter ses donnes de manire dfinitive mais les
apprhender de la manire la plus rigoureuse possible.
Nous allons voir ci-dessous les principes de classification et de regroupement des
donnes sur lesquels le chercheur sappuie pour procder labstraction. Nous
voquerons, ensuite, le cas particulier des approches ethnographiques qui considrent
le chercheur comme une composante part entire de la dmarche dabstraction.
2.1 Principes de regroupement et de classification des donnes
Le dmarche dabstraction consiste dcouvrir des classes de faits, de personnes,

dvnements ainsi que les proprits qui les caractrisent. Les donnes dont le
chercheur dispose dpendent essentiellement de son champ initial dinvestigation
qui laide laborer des liaisons cls (Schatzman et Strauss, 1973). Ces
dernires lui fournissent des ordres de priorit (ou rgles dattribution) pour oprer
la classification de ces donnes.
La littrature propose au chercheur diffrents principes de classification des donnes
(Lazarsfeld, 1967 ; Glaser et Strauss, 1967 ; Strauss et Corbin, 1990 ; Miles et
Huberman, 1991 ; Schatzman et Strauss, 1973). En effet, par lintermdiaire de
comparaison, le chercheur peut tablir des classes bases sur le principe de similarit
des phnomnes. On les dsigne le plus souvent sous le nom de classifications
thmatiques. Par exemple, dans ltude du quotidien dune unit oprationnelle, le
chercheur recueille diffrents lments empiriques tels que des notes, des mmos, des
changes au sein desquels il repre des mots, phrases ou parties de texte du type :
noubliez pas de rdiger un rapport quotidien de vos activits , nous vous rappelons
que tout retard entranera une sanction , veillez respecter la politique tarifaire .
Le chercheur opre un regroupement de ces lments par la cration dun thme
fdrateur quil nomme rappel des rgles de fonctionnement . Le chercheur peut
aussi laborer des catgories selon un principe chronologique. Dans ce cas, il respecte
lordre temporel des donnes. Par exemple, il peut distinguer des faits se produisant
successivement, de faits se produisant simultanment. Dans ltude consacre
lactivit dun atelier, le chercheur peut ordonner les vnements selon lide des
chanes action/raction. Cela consiste classer les vnements par ordre
214
darrive : 1) dcision daccrotre la productivit, 2) augmentation du taux

dabsentisme. Dans le mme esprit, le chercheur peut oprer une classification
selon lide de simultanit (raction des ouvriers et raction des chefs dquipe
suite lordre de laugmentation des cadences).
Il peut galement laborer des catgories selon le niveau structurel de complexit. Il
effectue alors lordonnancement des donnes en distinguant les diffrents niveaux
danalyse auxquels elles font rfrence. Ainsi, par exemple, un acteur peut tre class
par rapport au dpartement dans lequel il travaille, lentreprise dans laquelle il est
salari, ou encore le secteur dactivit dans lequel se trouve lentreprise.
Une autre possibilit de classification repose sur la notion de gnralits
conceptuelles. Il sagit dordonner les donnes en fonction de leur degr dabstraction.
Par exemple, lide selon laquelle la productivit est troitement lie la satisfaction
des employs peut tre classe comme une croyance individuelle ou en tant que
phnomne plus abstrait tel quune reprsentation collective.
Le regroupement des donnes peut se faire en envisageant toutes les possibilits
de combinaisons en termes de catgories. Ce travail peut tre facilit en utilisant
des indices appropris comme le montre lexemple suivant extrait du travail de
Glaser et Strauss (1967 : 211).
EXEMPLE utilisation dindices dans llaboration

thorique partir de donnes quantitatives
Glaser et Strauss (1967) dveloppent un exemple dlaboration thorique partir de don-
nes quantitatives. Ils tudient le rle de la reconnaissance professionnelle dans la motiva-
tion des scientifiques. Dans ce travail, lide sous-jacente est que la reconnaissance est
induite par la motivation et que la motivation implique une plus grande reconnaissance.
partir des donnes recueillies, les auteurs ralisent des associations afin de mieux com-
prendre leurs relations. Ils oprent alors le regroupement des donnes en crant des groupes
dindividus. Ces regroupements dindividus sappuient sur des caractristiques prcises. Ce
sont des groupes trs performants dans le travail. Les auteurs construisent des indices pour
diffrencier les diffrents groupes. Le cadre initial de recherche les conduit laborer des
indices lis la notion de reconnaissance et de motivation. Pour ce faire, ils utilisent des
indices qui sont le rsultat des combinaisons des diffrentes modalits consi-dres pour les
notions de reconnaissance et de motivation, savoir, niveau fort et niveau faible. Ainsi les
auteurs obtiennent un indice forte motivation/faible reconnaissance ,
forte motivation/forte reconnaissance , faible motivation/faible reconnaissance ,
faible motivation/forte reconnaissance . Lutilisation de ces indices permet de
sparer les groupes dindividus et de les comparer. Plus prcisment, les auteurs
comparent les effectifs (en frquence relative) de ces diffrents groupes avec un groupe
o lon a distin-gu uniquement le niveau de motivation. Le rsultat est le suivant : une
diffrence entre les groupes faible reconnaissance et forte reconnaissance quand le
groupe est trs motiv. La comparaison permet de mettre en vidence que leffet de la
reconnaissance est modifi par le niveau de motivation du groupe.
215
Cet exemple montre comment lutilisation dindices permet de procder labstraction

des donnes. Lassociation niveau de performance, niveau de motivation, niveau de
reconnais-sance conduit laborer des lments conceptuels intressants pour la suite
du travail. Ainsi, dans lexemple prcdent, lindice haute performance/haute
motivation peut tre dsign sous le nom deffet circulaire de leffort , suggr par la
littrature en manage-ment des ressources humaines.
Communiquer avec dautres chercheurs peut tre une aide utile lors de
lutilisation des mthodes de catgorisation. Cet exercice amne le chercheur
prsenter de vive voix ses donnes qui peuvent, alors, prendre un autre sens que
lorsquelles sont crites. Il est clair que cet effort tend objectiver les donnes et
leurs liens qui apparaissent naturellement. Ainsi, comme le soulignent Schatzman
et Strauss (1973), lauditoire sert ici de levier conceptuel (conceptual levering).
La rigueur de ces mthodes de catgorisation sapprcie essentiellement au
travers des essais/erreurs quant aux catgories cres, et la pertinence des
catgories vis--vis des donnes partir desquelles elles ont t cres (Strauss et
Corbin, 1990). Enfin, pour sassurer de la rigueur de sa dmarche dabstraction ou
pour laccompagner, le chercheur peut sappuyer sur des mthodes formalises de
classification (cf. chapitre 14).
2.2 Le chercheur comme composante de labstraction
Le chercheur, enfin, peut tre envisag comme un instrument. Cette notion est
troitement associe aux dmarches ethnographiques. Comme le souligne Sanday
(1979 : 528), les chercheurs apprennent sutiliser comme linstrument le plus
important et le plus fiable de lobservation, de la slection, de la coordination et de
linterprtation . La dmarche de traduction est ainsi influence par les qualits
mmes du chercheur. Toutefois, on sait peu de chose sur la nature de cette influence.
Geertz (1985), dans son ouvrage Ici et l-bas, fait remarquer que le travail
ethnographique prend une dimension particulire du fait du style mme du chercheur
lorsque ce dernier retranscrit ses rsultats. Le titre de son ouvrage voque lambigut
du chercheur instrument. Il y a deux ralits : celle qui est tudie (l-bas) et celle
restitue (ici). Dans ltude du style des chercheurs ethnographiques, il prend dfaut
la retranscription de recherches qui napparaissent pas objectives. Cette dviance
nest cependant pas voulue. Elle est inhrente au style mme dcriture. Par leffort de
conceptualisation, lethnographe tente presque inconsciemment de masquer ou de
mettre en avant ses propres comportements ou attitudes, donnant ainsi certaines
abstractions des lignes directrices peu fidles.
Le travail de type ethnographique seffectue souvent par une immersion importante
du chercheur instrument au sein du monde empirique. Cette immersion est ponctue
par des priodes de plaisirs intenses et de joie, mais galement par dautres sentiments
et tats dme plus sombres. Lvolution naturelle du chercheur au cours
216
de son travail de recherche modifie linstrument quil est. Cela se manifeste notamment
par la perception quont les acteurs du chercheur. Un changement du comportement de
celui-ci peut modifier les rponses ou les comportements qui sont observs par la suite.
Le chercheur a peur doprer ce que Barley (1990) appelle un faux pas . Cette
crainte le conduit sinterroger sur lui-mme, se proccuper de limage quil projette
et, progressivement, le dtourner de lobjet mme de sa recherche. Explicitant sa
propre exprience, Barley (1990) explique quil a cherch, dans son travail sur les
hpitaux, viter toutes discussions abordant des sujets motionnellement forts,
accentuant ou nuanant quelquefois ses comportements et sefforant mesurer la
porte de ses propos et opinions vis--vis de sujets sensibles ( mme si je narrivais
pas rire des blagues sexistes et racistes, je ne cherchais pas la confrontation avec leurs
auteurs , p. 238). Cette inhibition des sentiments ne peut pas tre systmatique. Le
chercheur peut saider en prenant des notes sur son tat motionnel du moment. La
relecture de ses donnes lui permet alors de contextualiser ses observations des
motions ressenties cet instant-l.
COnCLusIOn
Lier concepts et donnes consiste pour le chercheur oprer une traduction des
lments sa disposition. Nous avons vu que deux dmarches existent et quelles
possdent leurs propres principes. Dun ct, la mesure permet, partir dun
concept donn, de dterminer les indicateurs ou instruments de mesure ncessaires
pour lapprhender. Dun autre, labstraction permet, partir dun ensemble de
donnes recueillies, dlaborer des concepts grce des procds de codage et de
classification.
Au cours de son travail de recherche, le chercheur peut mener plusieurs
dmarches de mesure et/ou dabstraction. Il se trouve, en effet, souvent confront
plusieurs concepts, donc plusieurs sries dinstruments de mesure. De mme, il

peut disposer de diverses sries de donnes, ce qui le conduit raliser diffrentes
dmarches dabstraction.
Le recours de multiples instruments et dmarches pose le problme de
cohrence de la traduction. Dans le cas de labstraction, le chercheur, en raison de
diverses traductions, doit vrifier sil demeure toujours dans un mme domaine
dinvestigation. Dans le cas dune mesure, lutilisation associe de plusieurs
instruments fiables et valides nassure pas directement la validit gnrale de la
recherche. Dans les deux cas, le chercheur doit valuer si les mesures ou
abstractions sont cohrentes les unes avec les autres et sassurer que les critres de
fiabilit et de validit gnrale de la recherche sont satisfaits.
217

Beck N., Bruderl J., Woywode M.. Momentum or deceleration ? Theoretical and
methodological reflections on the analysis of organizational change, Academy of
Management Journal, 2008-51 : 413-435.
Becker T. E., Potential problems in the statistical control of variables in organiza-
tional research : A qualitative analysis with recommendations, Organizational
Research Methods, 2005-8 : 274-289.
Conway J. M., Lance C. E., What reviewers should expect from authors regarding
common method bias in organizational research, Journal of Business and
Psychology, 2010-25 : 325-334.
James L. R., The unmeasured variables problem in path analysis, Journal of
Applied Psychology,1980-65 : 415421.
Kumar R. R. Research praxis from design to completion : A review of designing
and managing your research project-core knowledge for social and health resear-
chers, The Qualitative Report, 2011-16(3), 897-901. Retrieved from http://www.
nova.edu/ssss/QR/QR16-3/kumar.pdf
Podsakoff P. M., MacKenzie S. B., Podsakoff N., Common method biases in
behavioral research : A critical review of the literature and recommended remedies,
Journal of Applied Psychology, 2003-25 : 879-903.
Uma D. Jogulu, Jaloni Pansiri, Mixed methods: a research design for management
doctoral dissertations, Management Research Review, 2011, Vol. 34 Iss : 6, pp.
687-701.
218
Chapitre
8 chantillon(s)
Isabelle Royer, Philippe Zarlowski
RsuM
Ce chapitre traite de la constitution dchantillons, quils comprennent un grand
nombre dlments ou un seul comme dans le cadre dun cas unique, quils
soient destins des traitements quantitatifs ou qualitatifs. Il a prcisment
pour objet de prsenter lventail des possibilits en termes de constitution
dun chantillon et dindiquer quels sont les principaux critres prendre en
compte afin de guider le choix du chercheur en la matire.
Il prsente tout dabord les principales mthodes de constitution dun chantil-
lon. Il expose ensuite les facteurs prendre en considration pour dterminer
a priori la taille dun chantillon. Il prsente enfin diffrentes dmarches
possibles pour constituer un chantillon.
sOMMAIRE
SECTION 1 Choisir les lments de lchantillon
SECTION 2 Dterminer la taille de lchantillon
SECTION 3 Dmarches de constitution dun chantillon
Partie 2
Mettre en uvre
L a plupart des manuels de statistique dfinissent un chantillon comme un sous-

ensemble dlments tirs dun ensemble plus vaste appel population. Dans ce chapitre,
lacception retenue pour le terme chantillon est plus large. Un chan-tillon sera dfini
comme lensemble des lments sur lesquels des donnes seront rassembles. Nous
nous intressons donc tout type dchantillons, quels que soient leur taille, leur nature,
la mthode de slection utilise et les objectifs de ltude, depuis lchantillon
comportant un seul lment, slectionn par jugement et destin un traitement
qualitatif, jusqu lchantillon alatoire de grande taille destin tester des hypothses
laide de techniques statistiques avances. Lobjectif de ce chapitre consiste
prcisment prsenter lventail des possibilits pour constituer un chantillon et
indiquer quels sont les principaux critres prendre en compte afin de guider le choix
du chercheur en la matire. Lacception large du terme chan-tillon que nous avons
retenue exclut le recensement qui tend se dvelopper dans les recherches en
management mais qui par dfinition englobe tous les lments de
la population tudie et ne require donc pas de choix des lments (voir Focus).
c Focus
chantillon ou recensement ?
Effectuer un recensement constitue une exacte mais entache dune erreur quil
alternative ltude dun chantillon. est impossible de connatre et une valeur
Nanmoins, de faon gnrale, ltude dun sans doute inexacte mais dont la prci-
chantillon prsente de nombreux avantages sion peut tre apprcie (p. 167-168).
par rapport au recensement, notamment en Certaines thories telles que lcologie
termes de cots, de dlais et de fiabilit. Les des populations imposent la ralisation
deux premiers de ces avantages semblent dun recensement de manire pouvoir
vidents mais tendent se rduire en raison mesurer correctement lvolution de la
de laccessibilit croissante des bases de population tudie (Carroll et Hannan,
donnes. Le fait quune tude mene sur un 2000). Des mthodes telles que la
chantillon puisse conduire une plus mthode QCA (Qualitative Comparative
grande fiabi-lit quun recensement heurte Analyses : Ragin, 1987) recommandent
davantage le sens commun. Mais tout davoir recours au recensement. De
comme les chantillons, les recensements manire plus gnrale, lorsque les popu-
peuvent comporter des biais tels que lations sont de taille trs petite, infrieure
lomission ou le double comptage dun 50 lments, Henry (1990) conseille
lment et les erreurs des rpondants. Ainsi dtre exhaustif pour des raisons de crdi-
selon Giard (2003), en termes de fiabilit, bilit des rsultats. Les chantillons dits
choisir entre ltude de lintgralit de la de taille intermdiaire (15 100 lments
popula-tion et celle dun chantillon environ) se prtent bien la mise en
probabiliste revient choisir entre une uvre de mthodes combinant analyses
valeur rpute qualitative et quantitative.
220
La manire de constituer un chantillon et le statut de cet chantillon dans la

recherche ne sont pas indpendants du positionnement pistmologique adopt. Par
exemple, le principe de reprsentativit, mobilis pour choisir les lments
constitutifs de lchantillon, na de sens que dans le cadre dpistmologies
positivistes ou ralistes. En effet, le principe de reprsentativit suppose que lon
puisse dcrire la population de manire plus ou moins objective laide de critres
ou concepts qui peuvent tre dissocis de la subjectivit du chercheur et de celle
des personnes appeles faire partie de lchantillon, le cas chant. Pour les
mmes raisons, les interrogations autour de la possibilit de gnraliser les rsultats
obtenus, associe au respect du principe de reprsentativit, na pas de sens dans
une dmarche interprtative ou constructiviste qui mettra au contraire laccent sur
le caractre contextuel de la connaissance (co-)produite.
Dans ce chapitre introductif aux mthodes de constitution dchantillon, nous
avons prfr prsenter un panorama des principes et mthodes sans les discuter de
manire systmatique par rapport aux enjeux pistmologiques ou au
positionnement paradigmatique de la recherche. Ces questions sont traites ailleurs
dans cet ouvrage et nous y renvoyons les lecteurs. chaque fois que cela semble
utile leur bonne comprhension, nous nous efforons dillustrer les diffrentes
manires de justifier les choix relatifs la constitution dchantillons et leur
utilisation en fonction de diffrentes perspectives pistmologiques. Cest le cas en
premier lieu pour les concepts de validit, centraux pour structurer les choix de
constitution dchantillons, lexception des pistmologies constructivistes.
La validit externe concerne la possibilit dtendre les rsultats obtenus sur
lchantillon dautres lments, dans des conditions de lieu et de temps diffrentes.
La validit interne consiste sassurer de la pertinence et de la cohrence interne des
rsultats par rapport aux objectifs dclars du chercheur. La validit de ltude peut
tre relie trois caractristiques de lchantillon qui sont la nature (htrogne ou
homogne) des lments qui le composent, la mthode de slection de ces lments et
le nombre dlments slectionns (voir Focus page suivante).

Il convient par ailleurs de prciser que les objectifs poursuivis travers ltude
de lchantillon ne correspondent pas systmatiquement ceux poursuivis par la
recherche. En effet, ltude ralise sur un chantillon peut ne constituer quune
des composantes dune recherche plus large (voir exemple 1). Par ailleurs, lunit
danalyse de lchantillon ne correspond pas ncessairement celui de la recherche
(voir exemple 2). Un chantillon rpond donc des objectifs qui lui sont propres.
Ces objectifs contribuent bien entendu la ralisation des objectifs de la recherche,
mais ne le font pas ncessairement directement.
221
c Focus
Les caractristiques de lchantillon influenant la validit
Le caractre htrogne ou homogne validit interne mais une plus grande
des lments influe sur la validit externe vali-dit externe. Ainsi, des lments
et la validit interne de ltude. Par homo-gnes sont gnralement
exemple dans une exprimentation, slectionns lorsque lobjectif de la
lorsque les individus sont trs diffrents, il recherche privi-lgie la validit interne,
est possible que certains soient plus rac- et des lments htrognes lorsque la
tifs que dautres au traitement du fait de validit externe est recherche.
facteurs externes non contrls agissant Un autre choix concerne le type de mthode
sur la variable tudie. Dautres peuvent de constitution de lchantillon : toutes les
ne pas ragir lexprimentation mais mthodes ne sont pas quiva-lentes en
conduire aux mmes rsultats que les termes de validit de ltude. Par exemple,
autres pour des raisons non identifies. certaines, telles que les mthodes
Lutilisation dun chantillon dlments probabilistes, sont par nature propices une
homognes permet de limiter ces risques gnralisation des rsultats alors que
et damliorer la validit interne mais au dautres, telles que les chantil-lons de
dtriment de la validit externe (Shadish, convenance, ne le sont pas.
Cook et Campbell, 2002). De mme, dans
Le nombre dlments de lchantillon a
les tudes de cas multiples, faute de
une incidence sur la confiance accorde
temps ou de moyens, on effectuera
aux rsultats qui constitue une des
souvent un arbitrage entre un faible
composantes de la validit interne. Cette
nombre de cas tudis en profondeur et
confiance sapprcie de manire subjec-
un plus grand nombre de cas diversifis,
tive pour les tudes qualitatives et sex-
analyss de manire moins approfondie.
prime plutt en termes de prcision ou de
Dans la premire situation, la recherche
seuil de signification lorsque des traite-
prsentera une forte validit interne, dans
ments quantitatifs sont effectus.
la seconde, elle aura une plus faible
EXEMPLE 1 Deux chantillons successifs avec des objectifs diffrents
Une recherche qui vise tester des propositions par questionnaire, peut utiliser deux
chan-tillons successifs. Un premier chantillon vocation exploratoire destin un
traitement qualitatif peut tre tout dabord constitu et tudi pour identifier des
propositions ou vali-der les instruments de collecte. Un second chantillon destin
collecter les donnes ncessaires au test des propositions peut ensuite tre slectionn.
Ainsi, seul le second chantillon est directement li lobjectif de la recherche qui est
de tester les propositions, le premier nayant pour objectif que didentifier ou de
prciser les propositions qui seront testes plus tard.
222
EXEMPLE 2 chantillons de rpondants lintrieur dun chantillon de cas
Dans sa recherche sur les processus dinfluence des directeurs gnraux sur leur conseil
dadministration, Sally Maitlis (2004) a choisi dtudier deux cas : deux directeurs gn-raux
dans deux orchestres symphoniques comparables, sauf par la composition de leur conseil
dadministration. Pour chacun des deux cas, elle a constitu des chantillons de rpondants.
Les rpondants incluent en plus du directeur gnral, des membres du conseil
dadministration (musiciens et non musiciens), des musiciens non membres du conseil
dadministration, des membres du comit dorchestre et le chef dorchestre.
Diffrentes dmarches peuvent tre mises en uvre pour constituer un

chantillon. Elles se distinguent principalement par le mode de slection des
lments et la taille de lchantillon. Les choix oprs sur ces deux questions
prsentent des implications en termes de biais et de gnralisation des rsultats. Par
consquent, il nous semble indispensable de connatre les diffrents modes de
slection des lments et les critres considrer pour dterminer la taille de
lchantillon avant de choisir une dmarche.
Dans une premire section, nous prsenterons les mthodes qui permettent de
choisir les lments pour constituer un chantillon. Nous traiterons des critres qui
permettent de dterminer la taille dun chantillon dans la deuxime section de ce
chapitre. Une troisime section sera consacre la prsentation de diffrentes
dmarches de constitution de lchantillon. La partie relative aux chantillons
destins des traitements quantitatifs prsente des formules statistiques simples qui
ne revtent quun caractre dillustration. Il convient donc de souligner que ces
illustrations ne sauraient se substituer la consultation douvrages spcialiss sur
ces questions.
section
1 ChOIsIR LEs LMEnTs DE LChAnTILLOn
Les mthodes de slection dun chantillon peuvent tre regroupes en deux

grands ensembles lis aux modes dinfrence auxquels ils renvoient : les mthodes
probabilistes et leurs drives, dune part et les mthodes de choix raisonn,
dautre part.
Les mthodes probabilistes et leurs drives consistent, fondamentalement,
slectionner un chantillon au sein dune population en sassurant que tout lment
de la population a une probabilit non nulle et connue dappartenir lchantillon
slectionn. Cette slection sopre par un processus o la subjectivit des
chercheurs doit tre contrle et tout biais susceptible de modifier la probabilit
dappartenance lchantillon doit tre vit. Le respect de ces rgles assure la
223
gnralisation des rsultats obtenus sur lchantillon tudi la population dont il

est issu selon le principe de linfrence statistique qui repose sur des proprits
mathmatiques. Les chantillons ainsi constitus sont ensuite destins faire
lobjet de traitements quantitatifs.
Les chantillons slectionns par choix raisonn relvent dune dmarche de
constitution diffrente qui repose, au contraire, sur la mise en uvre du jugement
des chercheurs. Les chantillons constitus par choix raisonn peuvent donner lieu
des analyses quantitatives. Il sagit, cependant, du mode de slection gnrique
pour les recherches qualitatives. Les lments de lchantillon sont choisis de
manire prcise en respectant les critres fixs par le chercheur. Les rsultats dun
chantillon slectionn par choix raisonn peuvent se prter une gnralisation de
type analytique. Contrairement linfrence statistique o les rsultats sont
automatiquement gnraliss la population, la gnralisation analytique ou
infrence thorique consiste gnraliser des propositions thoriques sur la base
dun raisonnement logique.
Les chantillons apparis utiliss pour la ralisation dexprimentations empruntent
la fois aux logiques probabilistes, par les techniques de randomisation, et aux mthodes
de choix raisonn, les participants tant souvent choisis en raison de leur appartenance
des populations prsentant des caractristiques spcifiques.
Nous prsenterons dans une premire partie les mthodes probabilistes et leurs
drives puis, dans une seconde partie, les mthodes de constitution dchantillons
par choix raisonn, quils soient destins un traitement quantitatif ou un
traitement qualitatif. Les principes relatifs la constitution dchantillons apparis
sont prsents dans chacune de ces deux parties, lorsquils se rapportent la
logique concerne probabiliste pour les techniques de randomisation, dune part,
choix raisonn, dautre part.
Nous ne dvelopperons pas les chantillons de convenance qui dsignent les
chantillons slectionns en fonction des seules opportunits qui se sont prsentes au
chercheur, sans quaucun critre de choix nait t dfini a priori. Ce mode de slection
ne permet en aucun cas une infrence de nature statistique. Il ne garantit pas non plus
la possibilit dune infrence thorique, que seule une analyse a posteriori de la
composition de lchantillon peut parfois autoriser. De ce fait, les chantillons de
convenance seront essentiellement utiliss en phase exploratoire, lobjectif ntant que
de prparer une tape ultrieure et non de tirer des conclusions. Dans ce contexte, un
chantillon de convenance peut tre suffisant et prsente lavantage de faciliter et
dacclrer le recueil des informations souhaites.
224
1 Les dmarches probabilistes et leurs drives
Un chantillon probabiliste repose sur la slection des lments de lchantillon

par une procdure alatoire, cest--dire que le choix dun lment est indpendant
du choix des autres lments. Lorsque lon cherche estimer la valeur dun
paramtre ou dun indicateur, les chantillons probabilistes permettent de calculer
la prcision des estimations effectues. Comme voqu dans le Focus : chantillon
ou recensement, cette possibilit constitue une supriorit des mthodes
probabilistes par rapport lensemble des autres mthodes de constitution dun
chantillon et mme ltude de lintgralit de la population. Cependant,
respecter la logique probabiliste demande de mettre en uvre des procdures trs
strictes de constitution dchantillon. Nous les prsentons dans un premier point ci-
dessous. Les manquements ces procdures gnrent diffrents types de biais,
exposs dans le point suivant de cette section. Enfin, nous prsenterons le cas
particulier de la randomisation utilise en exprimentation. La randomisation dune
population entre des groupes exprimentaux prsente une forme trs diffrente de
la constitution dchantillon destine une enqute mais repose galement sur une
logique probabiliste.
1.1 Les mthodes probabilistes et la mthode des quotas
Nous prsenterons successivement cinq mthodes de slection probabilistes

(chantillon alatoire simple, systmatique, stratifi, plusieurs degrs et par
grappe), puis la mthode des quotas. La mthode des quotas nest pas une mthode
probabiliste mais sen approche de nombreux gards et permet dobtenir un
chantillon dit reprsentatif de la population.
Les mthodes probabilistes se distinguent entre elles en fonction principalement
de deux lments :
les caractristiques de la base de sondage : liste exhaustive ou non de la population,
comportant ou non certaines informations sur chaque lment de la population ;
le degr de prcision des rsultats obtenus pour une taille dchantillon donne.
Ces deux lments ont une incidence sur les cots de collecte des donnes qui
peuvent conduire des arbitrages.
chantillon alatoire simple
Il sagit de la mthode la plus lmentaire : chaque lment de la population

prsente une probabilit identique dappartenir lchantillon. On parle alors de
tirage quiprobable de lchantillon. Le tirage alatoire est effectu partir dune
base de sondage o tous les lments sont numrots. Lchantillonnage alatoire
simple ncessite donc une liste exhaustive et numrote de la population, ce qui
constitue souvent un obstacle son utilisation. En outre, il est susceptible de
225
conduire une forte dispersion gographique des lments slectionns, ce qui

peut entraner des cots levs de collecte des donnes.
chantillon systmatique
Cette mthode est trs proche de celle de lalatoire simple mais ne ncessite pas
de numroter les lments de la population. Le premier lment est choisi de
manire alatoire sur la base de sondage, les lments suivants tant ensuite
slectionns intervalles rguliers. Lintervalle de slection, appel pas, est gal
linverse du taux de sondage. Par exemple, si le taux de sondage (rapport de la
taille de lchantillon sur la taille de la population de rfrence) est gal 1/100, on
slectionnera dans la liste un lment tous les cent lments. En pratique, il est
aussi possible de fixer une rgle simple pour slectionner les lments de
lchantillon, susceptible de respecter approximativement la valeur du pas aprs
avoir vrifi que cette rgle nintroduise pas de biais dans les rsultats.
chantillon stratifi
Le principe consiste, tout dabord, segmenter la population partir dun ou de

plusieurs critres dfinis a priori par exemple, pour un chantillon dentreprises : les
critres de composition de leur actionnariat, leur degr dinternationalisation, leur
taille, etc. La mthode repose sur lhypothse selon laquelle il existe une corrlation
entre le phnomne tudi et les critres retenus pour segmenter la population.
Lobjectif est dobtenir des segments regroupant des lments les plus homognes
possible par rapport au phnomne tudi. Par consquent, afin de pouvoir choisir des
critres de segmentation pertinents, le chercheur devra disposer a priori dune
connaissance relativement bonne tant de la population que du phnomne tudis, en
sappuyant par exemple sur les rsultats de recherches antrieures.
Les lments dun chantillon sont slectionns de manire alatoire dans chacune
des strates, en fonction dun taux de sondage proportionnel ou non leffectif des
strates dans la population. En effet, pour un chantillon stratifi, la prcision des
estimations augmente lorsque les lments sont homognes lintrieur dune mme
strate, et trs htrognes dune strate lautre. Par consquent, taille dchantillon
identique, utiliser un taux de sondage plus lev pour les strates dont la variance est la
plus grande, au dtriment des strates plus homognes, permet de rduire lcart-type de
lchantillon complet, et donc damliorer la prcision des rsultats. On pourra
galement utiliser un taux de sondage plus lev pour un sous-groupe donn de la
population que lon souhaiterait tudier plus particulirement.
chantillon plusieurs degrs
Lchantillonnage plusieurs degrs consiste effectuer des tirages successifs

diffrents niveaux. Le premier degr correspond la slection dlments appels
units primaires. Au deuxime degr on slectionne, de manire alatoire, des sous-
226
ensembles appels units secondaires au sein de chaque unit primaire retenue, et

ainsi de suite jusquau dernier degr. Les lments slectionns au dernier degr
correspondent aux units danalyse. Cette mthode prsente plusieurs avantages.
Notamment, il nest pas ncessaire de disposer dune liste de lensemble des
lments de la population et, lorsque les degrs sont dfinis en fonction de critres
gographiques, la proximit des lments slectionns permettra de rduire les
cots de collecte des donnes. La contrepartie de ces avantages est une moindre
prcision des estimations.
EXEMPLE Constitution dun chantillon trois degrs
Considrons une tude cherchant analyser la motivation des cadres paramdicaux au

sein des hpitaux publics. La population tudie correspond lensemble des cadres
paramdi-caux travaillant dans ces tablissements.
Premier degr : slection de manire alatoire dun chantillon de rgions. Second
degr : slection de manire alatoire dhpitaux au sein de ces rgions.
Troisime degr : slection alatoire dun chantillon de cadres dans chaque hpital
slec-tionn partir de la liste exhaustive des cadres paramdicaux de chaque hpital.
chantillon par grappes
Lchantillon par grappes est un cas particulier dchantillon deux degrs. Les
lments ne sont pas slectionns un un mais par sous-groupes appels grappes,
chaque lment de la population tant rattach une grappe et une seule. Au
premier niveau, on slectionne des grappes de manire alatoire. Au second, on
effectue un recensement des individus.
Dans lexemple qui prcde, chaque hpital constitue une grappe de cadres
paramdicaux. Un chantillonnage par grappes consisterait alors interroger
lensemble des cadres paramdicaux appartenant aux tablissements slectionns.
Cette mthode est peu exigeante en termes de fichiers : seule une liste des
grappes est ncessaire comme base de sondage et permet de rduire les cots de
collecte de linformation, si les grappes sont dfinies selon un critre

gographique. La contrepartie est une moindre prcision des estimations.
Lefficacit dun chantillon par grappes est dautant plus grande que les grappes
sont de petite taille, quelles sont de taille comparable, et que les lments qui
composent une grappe sont htrognes par rapport au phnomne tudi.
Il convient de souligner quil est possible de combiner ces mthodes afin
daugmenter la prcision des estimations en tenant compte des contraintes
matrielles de ltude (existence ou non dune base de sondage exhaustive,
montant des budgets disponibles). Le tableau 8.1 compare les avantages et les
inconvnients de ces diffrentes mthodes dchantillonnage alatoire.
227
Tableau 8.1 Comparaison des mthodes probabilistes dchantillonnage
Prcision Faiblesse des Simplicit de la Facilit

des estimations cots de collecte base de sondage des traitements
chantillon alatoire + +
simple
chantillon + +
systmatique
chantillon stratifi ++
chantillon plusieurs + +
degrs
chantillon par grappes + ++
La mthode des quotas
La mthode des quotas est une mthode dchantillonnage non alatoire qui
permet dobtenir un chantillon ayant une certaine reprsentativit de la population
tudie. Elle peut tre utilise pour diverses raisons, par exemple lorsquon ne
dispose pas de base de sondage, que la base nest pas suffisamment renseigne, ou
encore pour des raisons de cot. En raison de ces avantages pratiques, cette
mthode est plus frquemment utilise dans les travaux de recherche en
management que les mthodes probabilistes, lorsquobtenir un chantillon
reprsentatif figure parmi les objectifs de la recherche.
Comme dans la mthode de lchantillon alatoire stratifi, la population est
segmente en fonction de critres dfinis a priori, de telle sorte que chaque lment
de la population appartienne un segment et un seul. chaque segment de la
population correspond un quota, qui indique le nombre de rponses obtenir. La
diffrence entre ces deux mthodes tient au mode de slection des lments de
lchantillon, qui nest pas alatoire dans le cas de la mthode des quotas. Deux
types de procdures peuvent alors tre utiliss.
Le premier type de procdure consiste remplir les quotas en fonction des
opportunits qui se prsentent. Le risque est alors que lchantillon comporte des
biais de slection, les premiers lments rencontrs pouvant prsenter un profil
particulier, par exemple en raison de la localisation de lenquteur, de la base de
sondage utilise ou de certaines caractristiques des rpondants eux-mmes
Le deuxime type de procdures est dit pseudo-alatoire. Une liste des lments
de la population est alors ncessaire (un annuaire professionnel par exemple).
Contrairement la stratification, il nest pas indispensable de disposer, sur cette
liste, dinformation sur les critres de segmentation. La procdure de slection
consiste choisir au hasard un premier lment de la liste, puis la parcourir de
manire systmatique jusqu ce que le nombre de rponses souhait soit atteint
pour chacun des quotas. Bien que cette mthode ne respecte pas rigoureusement les
rgles de lchantillonnage alatoire (on ne connat pas a priori la probabilit qua
228
un lment dappartenir lchantillon), elle permet de limiter les biais de

slection potentiels, en restreignant la part de subjectivit du chercheur dans la
slection de lchantillon. Des tudes empiriques ont montr que, dans ce cas, les
rsultats ne sont pas significativement diffrents de ceux obtenus par une mthode
de sondage alatoire (Gouriroux, 1989).
1.2 Les biais de lchantillon
Des biais de lchantillon, ou erreurs de diffrentes natures, peuvent affecter la

validit tant interne quexterne de ltude. On distingue trois catgories de biais,
qui sont la variabilit des estimations, les biais dchantillonnage et les biais non
lis lchantillonnage, dont la somme constitue lerreur totale de ltude (figure
8.1). Certaines composantes de lerreur totale (variabilit des estimations et biais
de lestimateur) ne concernent que les chantillons probabilistes.
Variabilit des estimations
Biais lis la mthode de slection

Biais dchantillonnage
Biais de lestimateur
Non-couverture
Non-observation Non-
rponse
Biais non lis lchantillonnage
Erreur du rpondant
Observation Erreur de mesure

Erreur
denregistrement,
de codage
Figure 8.1 Les biais de lchantillon

La variabilit des estimations reprsente les diffrences dans les rsultats obtenus
quil est possible de constater dun chantillon lautre. En effet, partir dune
mme population, les chantillons seront composs dlments diffrents. Ces
diffrences rejaillissent sur les rsultats qui peuvent donc varier dun chantillon
lautre1. La variabilit des estimations diminue lorsque la taille de lchantillon
augmente.
Les biais dchantillonnage sont relatifs au processus de slection des lments de
lchantillon, ou lutilisation dun estimateur biais. Dans le cadre dune mthode
dchantillonnage alatoire, un biais de slection peut se produire chaque fois que
1. Sur toutes les notions statistiques de base, se reporter par exemple Giard (2003) ou, pour aller plus loin,
Saporta (2011).
229
les conditions de tirage alatoire ne sont pas respectes. Cependant, ces biais de
slection sont beaucoup plus frquemment rencontrs dans les mthodes non
alatoires de constitution de lchantillon puisque, par dfinition, il nest pas
possible pour ces mthodes de contrler la probabilit qua un lment dappartenir
lchantillon. Par exemple, comme nous lavons mentionn plus haut, la mthode
des quotas peut conduire des biais de slection importants dans la mesure o les
rpondants sont choisis, au moins en partie, linitiative de lenquteur. Dautres
biais dchantillonnage sont relatifs lestimateur choisi qui ne prsente pas les
proprits mathmatiques attendues et est alors dit biais1.
Les biais non lis lchantillonnage peuvent tre regroups en deux catgories :
les biais lis labsence dobservation et les biais lis lobservation. Les biais lis
labsence dobservation peuvent provenir de problmes didentification de la
population tudie, appels biais de couverture, dune part, et des non-rponses,
dautre part. Ils sont susceptibles daffecter les chantillons destins des
traitements aussi bien qualitatifs que quantitatifs. Les biais lis lobservation
sont, quant eux, associs aux erreurs du rpondant, aux erreurs de mesure,
denregistrement ou de codage des donnes. Les biais lis lobservation ne
rsultant pas de la constitution de lchantillon proprement dite, seuls les biais de
non observation seront dvelopps ci-dessous.
Les biais de couverture
Un chantillon prsente un biais de couverture lorsque la population tudie ne

correspond pas la population de rfrence, cette dernire tant lunivers de
gnralisation des rsultats de ltude. Selon les cas, cet univers concerne des
organisations, des lieux, des phnomnes, des individus La population est
frquemment dfinie de manire gnrique : on dira par exemple que lon tudie les
grandes entreprises, ou encore les situations de crise. Il est donc ncessaire de
dfinir des critres qui permettront didentifier prcisment les lments de la
population de rfrence. Lensemble dlimit par les critres doprationnalisation
retenus constitue la population tudie. Deux types derreurs peuvent conduire une
absence de correspondance parfaite entre la population de rfrence et la population
tudie. Il sagit des erreurs de dfinition de la population et des erreurs de liste.
Les erreurs de dfinition de la population se matrialisent lorsque les critres
doprationnalisation sont spcifis de manire peu pertinente ou insuffisamment
prcise et conduisent dfinir de manire trop large ou, au contraire, trop troite, la
population tudie. Ils peuvent donc amener retenir un ensemble diffrent
dentreprises pour une mme population de rfrence. Toutefois, lcart entre
population de rfrence et population tudie est souvent d des problmes
pratiques daccessibilit ou de disponibilit de linformation quil est difficile de
1. Voir note prcdente.
230
rsoudre. La pertinence de la recherche nest pas ncessairement remise en cause

pour autant. Il convient tout dabord de spcifier au mieux a posteriori la dfinition
de la population tudie, dvaluer limpact potentiel de cet cart pour la validit
interne comme externe de la recherche, et den rendre compte dans la discussion
des rsultats.
Les erreurs de liste constituent un biais potentiel des chantillons probabilistes,
pour lesquels la population tudie est matrialise par la base de sondage. Elles
proviennent souvent derreurs denregistrement ou plus encore de linstabilit de la
population tudie : les disparitions, fusions, ou cration dentreprises, par
exemple, sont souvent enregistres avec retard dans les bases de donnes. Le
chercheur devra donc veiller ce que tous les lments de la population de
rfrence figurent sur la liste, et que ceux nappartenant pas la population en
soient exclus. Ceci implique souvent de croiser plusieurs fichiers puis procder
un nettoyage scrupuleux pour retirer les doublons.
Les biais dus aux non-rponses
Les biais dus aux non-rponses peuvent avoir deux origines : le refus, de la part dun
lment contact, de participer ltude, ou limpossibilit de contacter un lment
initialement slectionn pour appartenir lchantillon. Si les non-rponses ne sont pas
distribues de manire alatoire, les rsultats peuvent tre entachs de biais. Tel est le
cas lorsque les non-rpondants prsentent des caractristiques lis au phnomne
tudi. titre dillustration, dans une recherche tudiant linfluence des systmes
dincitation sur le comportement des dirigeants, les non-rponses pourraient tre
corrles avec certains types de comportements (par exemple, les comportements non
conformes aux intrts des actionnaires) ou avec certaines catgories de systmes
dincitation (par exemple, les systmes de stock-options). Une distribution non
alatoire des non-rponses peut motiver le recours la mthode des quotas lorsque lon
souhaite une structure prdfinie dchantillon.
Plus le nombre de non-rponses est lev, plus les biais peuvent tre importants et
remettre en cause la validit de la recherche. Il convient donc tout dabord dessayer de
limiter le nombre de ces nonrponses. Plusieurs techniques sont utilisables cet effet.
Elles concernent notamment la manire dapprocher les rpondants puis de les relancer
ou, plus gnralement, de maintenir le contact (pour de plus amples dveloppements,
voir Baumard, Donada, Ibert et Xuereb, chapitre 9). Ces efforts, sils conduisent une
rduction du nombre de nonrponses, permettent rarement lobtention de rponses
pour lensemble des lments slectionns. Diffrentes techniques peuvent tre mises
en uvre pour analyser les nonrponses et ventuellement redresser les rsultats
biaiss dchantillons probabilistes. Elles seront prsentes la fin de ce chapitre dans
le traitement ex post de lchantillon.
En raison des biais de lchantillon, ladquation entre la population de rfrence et
la population observe nest jamais parfaite et parfois lche, ce qui nempche pas
231
le chercheur dessayer de se rapprocher de cet objectif. Ces biais peuvent menacer

la validit de la recherche mais le plus souvent, la rduisent, sans compromettre
lintgralit du projet. Il convient alors simplement den faire tat et de les discuter
en prsentant les limites de la recherche.
1.3 Techniques de randomisation pour lappariement dchantillons
Les recherches qui reposent sur la ralisation dexprimentations utilisent

souvent des chantillons apparis. Ces chantillons prsentent des caractristiques
similaires sur certains critres jugs pertinents, de manire sassurer que leffet
mesur provient de la (ou des) variable(s) tudie(s) et non de la diffrence de
composition des chantillons.
Il existe deux mthodes principales pour constituer ces chantillons. La plus
frquemment utilise est la randomisation, qui consiste rpartir de manire
systmatique des individus entre diffrents groupes. Elle consiste scinder un
chantillon initial en plusieurs groupes. Le nombre de groupes est gal au nombre
de conditions dobservation diffrentes, et la rpartition des lments entre les
groupes seffectue de manire alatoire. Pour ce faire, la mthode
dchantillonnage systmatique est souvent utilise. Par exemple, si lon veut
disposer de deux groupes dindividus, la premire personne qui se prsente sera
affecte au premier groupe, la deuxime au second, la troisime au premier, etc.
Lorsque les lments sont htrognes, cette technique de randomisation ne permet
pas de garantir totalement que les groupes constitus soient similaires, en raison
mme de laffectation alatoire des lments. Ce problme est une des raisons pour
lesquelles les populations homognes sont favorises (voir le point suivant
concernant le choix raisonn).
La seconde mthode consiste contrler la structure des chantillons a priori. On
effectue une stratification de la population en fonction des critres susceptibles dagir
sur la variable tudie. Chaque chantillon est alors constitu de manire obtenir des
structures identiques. Si les chantillons sont suffisamment grands, cette mthode
prsente lavantage de pouvoir effectuer des traitements par strate pour mettre en
vidence des diffrences de comportements ventuels entre les strates.
Selon Shadish, Cook & Campbell (2002), apparier les lments avant deffectuer une
randomisation est certainement le meilleur moyen de rduire les erreurs dues aux
diffrences de composition des groupes. La procdure consiste effectuer un pr-test
sur lchantillon initial, classer les lments par ordre croissant ou dcroissant des
observations effectues, et partitionner lchantillon en groupes de taille identique au
nombre de conditions exprimentales. Par exemple, sil y a quatre conditions
dexprimentation, les quatre lments avec les scores les plus levs forment une
premire partie, les quatre suivants, la deuxime partie, etc. Les lments de chaque
partie sont ensuite affects aux conditions dexprimentation de
232
manire alatoire. En reprenant lexemple prcdent, les quatre lments de la

premire partie sont affects de manire alatoire aux quatre conditions
exprimentales, de mme pour les quatre lments de la deuxime partie, et ainsi
de suite.
2 Le choix raisonn dans les recherches

quantitatives et qualitatives
Dans les recherches en management, les chantillons slectionns par choix raisonn,
quils soient destins des traitements quantitatifs ou qualitatifs, sont beaucoup plus
frquemment rencontrs que les chantillons probabilistes. Les mthodes par choix
raisonn reposent fondamentalement sur le jugement, et se distinguent en cela des
mthodes probabilistes dont lobjectif consiste prcisment liminer cette
subjectivit. Contrairement aux mthodes dchantillonnage probabiliste, la
constitution dun chantillon par choix raisonn ne ncessite pas de base de sondage.
Ceci constitue un avantage car il existe rarement une base de sondage prtablie
concernant les phnomnes organisationnels tels que les crises ou les reprises
dentreprises familiales. Mme sil tait possible den constituer une, la difficult ou le
cot seraient souvent rdhibitoires. De plus, le recours une mthode
dchantillonnage probabiliste nest pas indispensable, car les recherches sattachent
souvent davantage tablir ou tester des propositions thoriques qu gnraliser des
rsultats une population particulire. Par ailleurs, pour les petits chantillons, une
mthode par choix raisonn donne daussi bons rsultats quune mthode probabiliste.
En effet, le recours au jugement pour slectionner les lments est lorigine de biais
mais, dans un petit chantillon alatoire (dune quinzaine par exemple), la variabilit
des estimations est tellement leve quelle occasionne des biais au moins aussi
importants (Kalton, 1983). Par ailleurs, un dispositif de recueil des donnes lourd
entrane des taux de refus tellement levs que la slection alatoire des lments na
plus de sens. Le taux de refus lev se pose galement pour des sujets de recherche
dlicats tels que les conduites dviantes ou les phnomnes rares. Dans ce cas, la
technique de la boule de neige peut apporter une solution (voir Focus). Les chantillons
constitus par choix raisonn permettent en outre de choisir de manire trs prcise les
lments de lchantillon et, ainsi, de garantir plus facilement le respect de critres les
slections choisis par le chercheur.
La constitution dun chantillon par choix raisonn, quil soit destin un
traitement quantitatif ou qualitatif, seffectue selon des critres thoriques. Pour ce
faire, le chercheur doit donc disposer dune bonne connaissance thorique de la
population tudie. Deux critres sont rcurrents dans les recherches aussi bien
quantitatives que qualitatives : le caractre typique ou non de llment et sa
similarit ou non aux autres lments de lchantillon.
233
c Focus
La technique de la boule de neige
La technique de la boule de neige est une les caractristiques requises, et ainsi de
procdure utilise pour les populations suite. On procde alors pas pas la
difficiles identifier. Elle consiste trouver constitution de la base de sondage ou
un premier rpondant qui vrifie les critres directement de lchantillon. Cette tech-
de slection dfinis par le chercheur. On nique repose sur une auto-dsignation
demande ce premier interlocuteur den successive des lments, et comporte
dsigner dautres, qui seront, eux aussi, de ce fait un biais de slection potentiel.
susceptibles de prsenter
2.1 Le caractre typique ou atypique des lments
Les lments typiques correspondent des lments de la population que le

chercheur considre comme tant particulirement normaux ou frquents (Henry,
1990). Ils sont choisis pour leur facilit de gnralisation des rsultats lensemble des
individus dont ils sont typiques. Cette logique sapplique des chantillons destins
des traitements quantitatifs aussi bien que qualitatifs, incluant le cas unique. Il est alors
ncessaire de montrer le caractre typique des lments. Yin (2004) considre comme
exemplaire ltude de Middletown de Lynd et Lynd (1929) qui montrent que la ville
quils tudient peut tre caractrise de moyenne sur un grand nombre de critres, ce
qui en fait une ville typique amricaine.
Au contraire, le caractre atypique des lments de lchantillon peut soulever des
interrogations quant la pertinence par rapport la discipline de recherche et la
possibilit de gnralisation des rsultats issus dun contexte qui peut paratre trop
particulier (Bamberger et Pratt, 2010). Toutefois, les terrains de recherche non
conventionnels sont aussi ceux qui ont parfois le plus dimpact (Bamberger et Pratt,
2010). Par exemple, la recherche de Bartunek (1984) sur les shmes interprtatifs et les
changements organisationnels repose sur ltude dune communaut religieuse. Par leur
caractre extrme, les terrains atypiques peuvent permettre de dcouvrir des
phnomnes ou relations qui sont plus difficilement identifiables ailleurs et nanmoins
importants pour la thorie et la pratique du management (Pettigrew, 1990). En plus de
ces approches destines engendrer des thories, ils peuvent aussi tre utiliss pour
enrichir ou amliorer les thories existantes (Bamberger et Pratt, 2010). Par exemple,
les cas dits critiques (Patton, 2002) sont des cas particuliers qui par leurs
caractristiques ont un pouvoir de gnralisation intrinsque selon la logique suivante :
si ce phnomne existe mme dans ce cas particulier (o lon sattend ne pas le
trouver), alors il existe partout. Ces terrains peu tudis sont
234
parfois plus faciles daccs car les personnes concernes, moins frquemment
sollicites, sont de ce fait plus ouvertes laccueil dun travail de recherche ; en
outre, ces terrains peuvent permettre dtudier des sujets plus sensibles (Bamberger
et Pratt, 2010).
2.2 La similitude ou le caractre dissemblable de certains

lments entre eux
Le critre de similitude est frquemment utilis dans le but de constituer un
chantillon homogne. Un chantillon homogne favorisera la mise en vidence de
relations et la construction dune thorie. Pour le constituer, on veillera
slectionner des lments similaires et exclure tout lment atypique. Lorsque
des recherches prsentant une forte validit interne ont permis dtablir une thorie,
on peut souhaiter tendre les rsultats. Pour ce faire, lchantillon sera htrogne,
constitu en slectionnant des lments dissemblables dans lobjectif daugmenter
la validit externe. Par exemple, dans une exprimentation, lorsquil est difficile de
constituer des chantillons alatoires suffisamment grands pour obtenir une grande
validit externe, une solution peut consister utiliser des chantillons composs
dlments volontairement trs diffrents (Shadish, Cook et Campbell, 2002). Le
principe dinfrence est le suivant : lhtrognit exerant une influence ngative
sur la significativit de leffet, si la relation apparat significative malgr cet
inconvnient, alors les rsultats peuvent faire lobjet dune gnralisation. Selon la
mme logique, dans les recherches qualitatives, Glaser et Strauss (1967)
recommandent de faire varier le champ de la recherche en termes dorganisations,
de rgions, de pays pour augmenter le caractre gnral de la thorie.
Le choix raisonn est utilis en exprimentations. Les exprimentations sont
souvent effectues sur une population dtudiants, dune promotion dune
discipline particulire, ce qui rpond au critre dhomognit. Les lments de
cette population homogne seront ensuite affects de manire alatoire aux groupes
exprimentaux. Cette randomisation augmente la validit interne et la
significativit statistique des rsultats de la recherche (voir plus haut dans ce

chapitre les dveloppements sur les chantillons apparis). La forte homognit
des participants limitant la validit externe de la recherche, les rsultats obtenus sur
les tudiants peuvent tre reproduits sur une population de managers afin de mettre
en vidence la validit externe des rsultats. Par exemple Bolton et collgues
(2012) testent le problme classique en logistique de constitution de stocks dun
produit prissable, dit problme du vendeur de journaux, sur trois populations : des
tudiants sans formation en management oprationnel, des tudiants ayant suivi
cette formation et des managers. Les rsultats montrent que les trois populations
ont le mme type de biais mais avec une amplitude diffrente pour les managers.
235
Le choix raisonn est utilis pour les tudes de cas multiples. Chaque cas est
slectionn selon des critres thoriques incluant la similitude ou au contraire le
caractre dissimilaire (Glaser et Strauss, 1967 ; Eisenhardt, 1989 ; Yin, 2014 ;
Eisenhardt et Graebner, 2007). Yin (2014) appelle ainsi rplication littrale les
dmarches reposant sur la slection de cas similaires et rplication thorique celles
qui sappuient sur des cas non similaires et pour lesquels lapplication de la thorie
tudie devrait aboutir des rsultats diffrents. Parmi les cas, certains pourront
tre retenus pour rejeter des explications alternatives (Eisenhardt et Graebner,
2007) et donc amliorer la validit interne. Dautres pourront tre retenus en raison
de leur diffrence de contexte pour augmenter la gnralisation des rsultats
(Glaser et Strauss, 1967 ; Eisenhardt et Graebner, 2007).
Il est galement possible de choisir de manire raisonne des lments dissemblables
pour constituer un chantillon de rpondants. La dmarche consiste interroger des
personnes ayant a priori des points de vue ou comportements diffrents (Miles et
Huberman, 1994). Ces chantillons de rpondants dissimilaires sont trs frquemment
utiliss en management avec des objectifs divers. Ils sont par exemple utiliss dans les
dmarches positivistes exploratoires destines identifier des facteurs qui seront
ensuite tests. Dans cette dmarche, la non-similarit augmente les chances de
recueillir la plus grande varit dexplications ou facteurs possible.
Ils sont aussi utiliss dans les tudes de cas conduites selon une perspective
positiviste dans un objectif de triangulation des donnes. La logique est la suivante. Si
les donnes recueillies sur le cas auprs de ces sources potentiellement divergentes
convergent alors on peut accorder une plus grande confiance ces informations.
Ils sont aussi mobiliss dans le cadre de perspectives interprtatives pour montrer
la multiplicit des points de vue. Par exemple, dans leur tude dune tentative de
changement stratgique de retour en arrire, Mantere et ses collgues (2012 : 178)
ont interview tous les dirigeants, des cadres intermdiaires et des employs de
chaque dpartement afin dobtenir une description complte de la situation incluant
diffrents points de vue.
section
2 DTERMInER LA TAILLE DE LChAnTILLOn
Dterminer la taille de lchantillon revient en fait estimer la taille minimale
requise pour obtenir des rsultats avec un degr de confiance satisfaisant. Cest donc la
taille qui permet datteindre la prcision ou le seuil de signification souhaits pour les
chantillons destins des traitements quantitatifs, ou une crdibilit juge suffisante
pour des recherches qualitatives. Dune manire gnrale, toutes choses gales par
ailleurs, plus lchantillon est grand, plus la confiance accorde aux
236
rsultats est importante, quel que soit le type de traitement effectu. Ceci explique
en partie que la taille des chantillons des recherches publies en management a
sensiblement augment. De 300 en moyenne en 1987 et 1988, la taille moyenne
des chantillons des articles publis dans Academy of Management Journal a
dpass 3000 en 2007 et 2008 (Combs, 2010). Cependant, les grands chantillons
posent des difficults dordre pratique, notamment en termes de cots et de dlais.
Au-del dune certaine taille, ils peuvent aussi poser des problmes de fiabilit et
validit. En effet, lorsque lchantillon devient grand, le chercheur doit souvent
sous-traiter la collecte des donnes. Le recours la sous-traitance peut accrotre les
erreurs au niveau de la collecte, du codage ou de lenregistrement des donnes, et
ncessite la mise en place de procdures de contrle parfois lourdes. Une
alternative consiste utiliser des bases de donnes prexistantes mais qui peuvent
poser des problmes de validit des construits du fait que les donnes de la base
sont trop loignes du concept quelles sont censes reprsenter (Combs, 2010).
Enfin, un grand chantillon peut se rvler inutilement coteux. Par exemple,
lorsque lon souhaite tester linfluence dune variable dans un design exprimental,
un chantillon de petite taille comprenant une trentaine dindividus par cellule ou
groupe exprimental est souvent suffisant pour obtenir des rsultats significatifs.
Dterminer la taille ncessaire dun chantillon avant deffectuer le recueil des
donnes est essentiel pour viter que lchantillon ne se rvle trop petit aprs le
traitement des donnes. Cela permet dvaluer le caractre ralisable des objectifs
que lon sest fixs et, le cas chant, de modifier le design de la recherche en
consquence.
Cette partie prsente les diffrents critres qui permettent de dterminer la taille
dun chantillon. Ces critres et la manire de les mettre en uvre diffrent selon
le type de traitement des donnes. Une premire partie sera donc consacre aux
chantillons destins des traitements quantitatifs, les chantillons utiliss dans
des recherches qualitatives faisant lobjet de la seconde partie. La taille
dchantillons destins des tests non paramtriques ne sera pas spcifiquement
aborde dans ce chapitre, ces tests ayant prcisment pour proprit dtre
utilisables sur de trs petits chantillons.
1 Taille dun chantillon destin un traitement quantitatif

avec tests paramtriques
Le mode de calcul de la taille dun chantillon destin un traitement quantitatif
diffre pour chaque mthode statistique utilise. De manire gnrale, les techniques
utilisant le maximum de vraisemblance requirent des tailles dchantillon plus leves
que les tests traditionnels. Lobjet nest pas ici de fournir des formules mais
simplement de prsenter les facteurs, communs la plupart des mthodes, qui
237
influent sur la taille ncessaire de lchantillon. Ces facteurs sont nombreux. Quel
que soit lobjectif vis par ltude, il convient de prendre en considration les
facteurs qui augmentent la prcision des estimations. Lorsque lobjectif est de
tester des hypothses et non de dcrire une population seulement, trois autres
facteurs interviennent : limportance de leffet tudi, la puissance du test souhaite
et le nombre de paramtres estimer.
1.1 Facteurs gnraux lis la prcision
La prcision est souvent le principal critre dvaluation dune recherche

descriptive et est galement importante pour les tests dhypothses. La prcision
dpend de plusieurs facteurs qui sont : le seuil de signification souhait, la variance
de la population, la technique dchantillonnage utilise et la taille de la
population. Pour illustrer lincidence de ces facteurs sur la taille dun chantillon,
nous avons retenu une statistique familire : la moyenne (voir exemple). Cet
exemple sera repris tout au long de cette partie avec chacun des facteurs.
EXEMPLE Calcul de la taille de lchantillon pour lestimation de la moyenne
Dans le cas dun chantillon de plus de 30 lments avec tirage alatoire simple effectu
avec remise ou sans remise mais avec un taux de sondage infrieur 10 %, lintervalle
de confiance de la moyenne calcule dans lchantillon est donn par :
s s
y z------ m y + z------
n n
o y et s dsignent respectivement la moyenne et lcart type de la variable tudie dans
lchantillon, n la taille de lchantillon et z la valeur de la loi normale pour le seuil de
signification a.
Si lon souhaite se fixer a priori une prcision appele l de part et dautre de la moyenne,
on a alors : s
= z------
n
La taille minimale de lchantillon pour atteindre la prcision souhaite est alors :

z2n
= --s
Supposons que lon veuille connatre la dure moyenne de dveloppement dun nouveau
produit de grande consommation. Supposons en outre que lon connaisse une estimation s de
lcart type de la dure de dveloppement (8 mois), que lon souhaite avoir une prcision
gale 2 mois de chaque ct de la moyenne et que le seuil de signification souhait soit de
5 %, ce qui entrane une valeur de z gale 1,96, la taille de lchantillon est alors :
1,96 2
n= --------- 8 = 62
238
Il convient de souligner que cette formule est spcifique la moyenne dans les
conditions de taille de la population et de tirage spcifies plus haut. Elle ne peut en
aucun cas tre transpose directement dautres conditions et dautres statistiques.
Variance de la population et taille de lchantillon
La variance est un indicateur de dispersion des observations. Cest la moyenne

des carrs des carts la moyenne. Plus les observations de la variable tudie
scartent de la moyenne et plus sa valeur est leve. Plus cette variance est grande,
plus grande devra tre la taille de lchantillon. Lindicateur de dispersion le plus
frquemment rencontr est lcart type qui est la racine carre de la variance. En
reprenant lexemple initial, supposons que lcart type ne soit plus de 8 mais de 10.
Avec un cart type de 8, on a :
= 62
n= 1,96--------- 8 2
2
Avec un cart type de 10, on a :
= 97
n= 1,96--------- 1 0 2
2
Malheureusement, dans de nombreuses recherches, la variance de la population
tudie nest pas connue. Il faut donc lestimer pour pouvoir lintgrer dans le calcul de
la taille de lchantillon. Pour ce faire, plusieurs possibilits sont envisageables.
La premire consiste utiliser les rsultats dtudes prcdentes ayant propos
une estimation de la variance, comme nous lavons fait pour construire cet exemple
en nous fondant sur Urban et Hauser (1993).
Une autre solution consiste raliser une enqute pilote sur un petit chantillon.
La variance calcule dans lchantillon fournit alors une estimation de la variance
de la population.
Une troisime possibilit consiste utiliser la proprit de la loi normale selon
laquelle ltendue de cette distribution (valeur maximum moins valeur minimum)

est environ six fois plus grande que son cart type. Par exemple, en considrant que
la dure minimum de dveloppement dun nouveau produit de grande
consommation est de 1 mois, et que la dure maximum dpasse rarement 10 ans
(soit 120 mois), ltendue est donc de 119 mois, soit un cart type de 19,8 mois.
Cependant, cette troisime possibilit repose sur lhypothse que la variable
tudie suit une loi normale, ce qui constitue une hypothse forte pour de
nombreux phnomnes organisationnels.
Enfin, lorsque la variable est mesure laide dune chelle, on peut se rfrer au
guide propos dans le Focus .
239
c Focus
guide destimation de la variance pour les donnes
recueillies avec des chelles (Churchill et Iacoubci, 2009)
La variance dpend du nombre de points de lchelle et de la distribution des
rponses. Plus le nombre de points de lchelle est faible et plus les valeurs des
rponses tendent se concentrer autour dun point de lchelle comme dans une loi
normale, plus la variance est faible. Le tableau prsente des estimations probables
de la variance selon le nombre de points de lchelle et diffrentes lois de
distribution. Les valeurs les plus faibles ont t calcules pour des distributions
normales et les plus fortes pour des rponses uniformment rparties. Il est bien
sr possible de rencontrer des variances encore plus fortes notamment dans le cas
de distributions avec un mode chaque extrmit de lchelle.
Nombre de points Ordre de grandeur

de lchelle de la variance
4 0,7 1,3
5 1,2 2,0
6 2,0 3,0
7 2,5 4,0
10 3,0 7,0
Pour plus de prcaution, Churchill et Iacoubci (2009) conseille de prendre les valeurs les
plus fortes pour calculer la taille de lchantillon, les donnes recueillies par chelle tant
plus souvent rparties de manire uniforme que suivant une loi normale.
Seuil de signification et taille de lchantillon
Le seuil de signification () est le pourcentage de chances de se tromper. Plus il

est faible, meilleur est le rsultat. Par convention, dans les recherches en
management, on considre gnralement les seuils de 1 % et 5 %, voire 10 %,
selon le type de recherche mene. Le seuil de 1 % est habituel pour les
exprimentations en laboratoire ; pour des donnes recueillies en entreprise, un
seuil de 10 % est gnralement accept. Au-del de 10 %, cest--dire lorsquil
existe plus de 10 % de chance de se tromper, les rsultats ne sont pas jugs valides
sur le plan statistique. Le seuil de signification exerce une influence directe sur la
taille de lchantillon : plus on souhaite un faible pourcentage derreur, plus
lchantillon doit tre grand. En reprenant lexemple prcdent, on a :
Au seuil de signification = 5 %, z = 1,96, donc n = = 62 Au
seuil de signification = 1 %, z = 2,576, donc n = = 107
240
Prcision et taille dchantillon
La prcision dune estimation est donne par lintervalle de confiance. Par

exemple, au seuil de signification de 5 %, si la moyenne calcule dans lchantillon
est de 27 mois et que la prcision est de 2 mois de part et dautre de la moyenne,
alors on peut dire que la moyenne dans la population est comprise entre 25 et 29
mois avec 5 % de chances de se tromper. Plus on souhaite un rsultat prcis et plus
lchantillon doit tre grand. La prcision est coteuse. Pour doubler celle dune
moyenne, il est ncessaire de multiplier la taille de lchantillon par quatre.
En reprenant lexemple prcdent, supposons que lon souhaite doubler la
prcision de lestimation de la moyenne. La prcision sera alors de 1 mois au lieu
de 2.
Pour une prcision de 2 mois de part et dautre de la moyenne,
= 62
n= 1,96--------- 8 2
2
Pour une prcision de 1 mois de part et dautre de la moyenne,
= 246
n= 1,96--------- 8 2
Technique dchantillonnage et taille de lchantillon
La mthode dchantillonnage utilise modifie la variance de lchantillon.

chacune correspond un mode de calcul spcifique de la moyenne et de lcart type
(cf., par exemple, Kalton, 1983). Par consquent, la taille de lchantillon ne peut
plus tre calcule partir de la formule simple prsente dans lexemple p. 203,
utilisable uniquement pour un chantillon alatoire simple.
Quelle que soit la mthode dchantillonnage choisie, il est possible destimer la
taille de lchantillon sans passer par les formules complexes de calcul. On peut
utiliser cet effet des approximations. Par exemple, Henry (1990) prsente
quelques coefficients dajustement appels deff (design effect, cf. tableau 8.2).
Tableau 8.2 Coefficients dajustement de la variance en fonction des mthodes
dchantillonnage pour le calcul de la taille de lchantillon (henry, 1990)
Mthode Remarques
Deff
dchantillonnage sur le coefficient deff
chantillons stratifis 0,5 0,95 Le ratio dpend du nombre de strates et de la corrlation
entre les variables utilises pour la stratification et la
variable tudie.
chantillons plusieurs 1,25 1,5 Leffet de la mthode peut tre partiellement rduit par
degrs lutilisation simultane de la stratification.
chantillons par grappes 1,5 3,0 Le ratio dpend du nombre de grappes, de lhomognit
des individus appartenant chaque grappe et de
lutilisation ou non de la stratification.
241
Grce ces coefficients, lestimation de la taille de lchantillon peut tre

calcule de manire simple partir de la formule de base. Il suffit de multiplier la
variance par le coefficient correspondant la mthode utilise (s2 = s2 deff).
En reprenant lexemple prcdent, avec un chantillon alatoire simple on obtient :
= 62
n= 1,96--------- 8 2
2
Avec un chantillon plusieurs degrs, le coefficient deff maximum indiqu est
de 1,5, do :
n = 1,96 2
--------- 8 1,5 = 93
2
On peut observer que certaines mthodes sont plus efficientes que dautres,
comme nous lavions not dans la premire section.
Taille de la population et taille de lchantillon
La taille de la population est uniquement prise en considration lorsque le tirage

des lments de lchantillon est effectu sans remise et que le taux de sondage est
lev (par convention suprieur 1/10), le taux de sondage tant le rapport (n/N)
entre la taille de lchantillon n et la taille de la population N. Dans ce cas
particulier, lindpendance des lments de lchantillon nest plus garantie et la
variance doit tre corrige dun facteur dexhaustivit K qui sexprime de manire
approche en fonction du taux de sondage, soit K = 1 n/N. La taille n de
lchantillon corrige du coefficient dexhaustivit sobtient alors par :
n = -------------nN
N+n
En reprenant lexemple prcdent, n = 62. Si la taille de la population est N =

500, alors le taux de sondage est suprieur 1/10 et n = 56.
La prise en compte de la taille de la population entrane donc une diminution de
la variance et, par suite, de la taille de lchantillon ncessaire.
1.2 Facteurs additionnels pour les chantillons destins

tester des hypothses
Pour les chantillons destins tester des hypothses, ce qui correspond au cas le
plus frquemment rencontr dans la recherche, dautres critres doivent galement tre
pris en compte afin de dterminer la taille de lchantillon. Il sagit notamment de
limportance de leffet mesur, de la puissance du test et du nombre de paramtres
estimer. Ces critres sont destins assurer la significativit des rsultats obtenus.
242
Importance de leffet mesur et taille de lchantillon
Limportance dun effet dcrit lamplitude ou la force de la relation entre deux ou

plusieurs variables dans la population. Les indicateurs de taille de leffet varient en
fonction de la statistique utilise.
Si on prend, par exemple, le test de diffrence de moyenne, et si lon suppose que
lcart type est identique pour les deux chantillons, la taille de leffet est donne
par le ratio d :
y y d = ------
-----------12-
s
Supposons, par exemple, que la moyenne y1 de la variable tudie sur le premier

chantillon est de 33, que la moyenne y2 sur le second est de 28, et que lcart type
s est de 10 pour chaque chantillon, la taille de leffet est alors de 50 % (d = (33
28)/10 = 0,5).
On classe gnralement limportance des effets en trois catgories : petit, moyen et
grand. Un effet de 20 % est considr comme petit, un effet de 50 % comme moyen et
un effet de 80 % comme grand (Cohen, 1988). En termes de proportion de variance
explique, ces trois catgories correspondent aux valeurs 1 %, 6 % et 14 %.
Plus leffet est petit et plus la taille de lchantillon doit tre importante pour
quil puisse tre mis en vidence de manire significative. Par exemple, dans un
test de diffrence de moyenne avec deux chantillons de taille identique, si la taille
ncessaire de chaque chantillon est de 20 pour un grand effet, elle sera de 50 pour
un effet moyen et de 310 pour un petit effet, toutes choses gales par ailleurs.
Estimer la taille dun effet nest pas facile. Comme pour la variance, on peut
utiliser des estimations de recherches prcdentes ou raliser une tude sur un petit
chantillon. En labsence destimations disponibles, on peut galement retenir
leffet minimal que lon souhaite mettre en vidence. Par exemple, si on estime
quun effet infrieur 1 % exprim en proportion de variance explique nest pas
intressant, alors on prendra 1 % comme importance de leffet pour calculer la
taille de lchantillon. Dans les recherches en organisation, on peut cependant

sattendre ce que leffet soit faible comme dans lensemble des sciences sociales.
Ainsi, en analysant 102 tudes sur la personnalit, Sarason et al. (1975) constatent
que le pourcentage moyen de variance explique varie de 1 % 4,5 % selon la
nature de la variable (dmographie, personnalit ou situation).
Puissance du test et taille de lchantillon
La puissance du test correspond en quelque sorte la probabilit de pouvoir mettre

en vidence leffet tudi. La puissance du test est exprime par le coefficient (1- ).
Elle correspond la probabilit de rejeter avec raison Ho. Le coefficient reprsente,
243
quant lui, le risque de deuxime espce ou erreur de type II, cest--dire la

probabilit daccepter Ho tort (voir tableau 8.3).
Par exemple, une puissance de test de 25 % (1-) signifie quon a seulement 25
% de chances de rejeter lhypothse nulle Ho, cest--dire 75 % de chances de ne
pas pouvoir conclure.
Lorsque la puissance est faible, on ne peut pas savoir sil ny a pas de lien entre
les variables dans la population (ou un lien ngligeable) ou si ce lien existe mais
na pu tre mis en vidence en raison dun manque de sensibilit de la recherche,
cest--dire une puissance trop faible. De nombreuses recherches ne sont pas
publies en raison dun problme de puissance qui conduit cette impossibilit de
pouvoir conclure : les a sont trop levs pour affirmer une relation et les sont
trop levs pour affirmer quil ny en a pas.
Tableau 8.3 Rappel sur les types derreur dans les tests hypothses
Ralit
Rsultat du test H0 vraie H0 fausse
H0 accept Dcision correcte avec une probabilit Erreur de deuxime espce ou de type II
(1 a) Cest la probabilit daccepter H0 alors
quelle est fausse
(1 a) est appel est appel risque de deuxime espce

seuil de confiance
H0 rejete Erreur de premire espce ou de type I Dcision correcte avec une probabilit
Cest la probabilit a de rejeter H0 alors (1 ) de rejeter H0 alors que H0 est
quelle est vraie fausse
a est appel risque de premire espce (1 ) est appel

puissance du test
La puissance du test est un indicateur statistique rarement mentionn dans la

prsentation des rsultats et peu pris en considration de manire gnrale mme
lorsque cela est ncessaire (Cashen et Geiger, 2004). Ainsi, dans une tude faite
auprs de chercheurs en marketing, Sawyer et Ball (1981) constatent que 50 % des
rpondants dclarent ne pratiquement jamais lutiliser de quelque manire que ce
soit. Les recherches prsentent la plupart du temps des effets qui ont t mis en
vidence, cest--dire pour lesquels lhypothse nulle Ho a pu tre rejete. Dans ce
cas, le risque li la dcision est le risque a de premire espce et le fait quil soit
suffisamment faible pour conclure indique que la puissance tait suffisante.
La puissance du test, ou le risque associ , doit tre mentionn lorsque le
chercheur conclut une absence de relation non ngligeable (Shadish, Cook et
Campbell, 2002), mme si cette pratique nest pas communment suivie (Cashen et
Geiger, 2004). Si elle ne lest pas, il est intressant de lestimer si on souhaite
poursuivre des recherches prcisment sur le mme sujet de manire viter de
244
reproduire des erreurs similaires (Sawyer et Ball, 1981). Cohen (1988) propose
dutiliser des seuils de 20 % et 10 % pour le risque qui sont donc moins stricts
que ceux de 5 % et 1 % gnralement admis pour le risque a. Cashen et Geiger
(2004) recommandent, quant eux, un seuil de 5 % pour .
La puissance du test dpend du seuil de signification. La relation entre a et est
complexe mais, toutes choses gales par ailleurs, plus le risque de premire espce
a est faible et plus le risque de deuxime espce est lev. Toutefois, il est
dconseill de rduire le risque de deuxime espce en augmentant le risque de
premire espce, tant donn le poids des conventions concernant le risque a. Il
existe dautres moyens damliorer la puissance : la rduction de la variance avec
un chantillon homogne et laugmentation de la taille de lchantillon.
Toutes choses gales par ailleurs, plus on souhaite que le test effectu soit
puissant, plus la taille de lchantillon doit tre grande. Considrons, par exemple,
un test de diffrence de moyennes entre deux chantillons de mme taille afin de
vrifier si la moyenne obtenue dans le premier chantillon est suprieure celle
obtenue dans le second. Si lon suppose que lcart type est identique dans les deux
chantillons, la taille de chacun des deux chantillons est donne par :
s2
-----------
--------
n = 2 - y1 y2 2 (z + z)2
En reprenant lexemple prcdent, supposons que lcart type s soit gal 10 et

que la diffrence entre les deux moyennes soit gale 5. On est donc dans le cas
dun effet de taille moyenne gale 50 % (d = y1 y2 /s = 0,5). Au seuil de
signification a = 5 %, la taille de chaque chantillon ncessaire sera alors :
pour une puissance de 80 % ( = 20 %) :
10 2
n=2 52 (1,645 + 0,84)2 = 50
pour une puissance de 90 % ( = 10 %) :
10 2
n=2 52 (1,645 + 1,28)2 = 69
Dans les recherches qui comparent deux chantillons, augmenter la taille de lun
dentre eux (lchantillon de contrle) permet galement daugmenter la puissance
du test (cf. Focus page suivante).
Combs (2010) attire toutefois lattention sur lutilisation de trs grands
chantillons qui permettent de trouver significatifs des effets extrmement faibles.
Il sinterroge par exemple sur la pertinence de corrlations significatives mais
gales 0,0043 obtenues sur un chantillon de plus de 200 000 observations.
245
c Focus
Taille relative de deux chantillons
Lorsquon utilise deux chantillons, on soumis au stimulus sera vraisemblable-
les choisit gnralement de taille ment petite. Il est alors intressant daug-
identique car cette configuration donne menter la taille n2 de lchantillon de
la plus grande puissance de test. contrle constitu de managers nayant
Toutefois, il arrive que lon soit limit par pas suivi la formation. Plus lchantillon de
le nombre dlments dun des deux contrle est grand par rapport lautre et
chantillons. Dans ce cas, il peut tre plus la puissance est grande. Nan-
intressant daug-menter la taille de moins, lamlioration de la puissance
lautre chantillon car cela permet devient de plus en plus faible au fur et
daugmenter la puissance du test. mesure que le dsquilibre augmente. En
Par exemple, si lon souhaite tudier reprenant lexemple prcdent dune taille
limpact dune formation de longue dure deffet de 50 %, tripler la taille de
sur la prise de dcision de managers, le lchantillon de contrle permet de gagner
stimulus (ici, la formation) tant coteux, 11 points de puissance et la dcu-pler
la taille n1 de lchantillon de sujets permet de gagner seulement 14 points de
puissance (cf. tableau).
Puissance du test en fonction de la taille de lchantillon de
contrle (Laplanche et al., 1987)
Puissance du test
n2 en fonction de n1 Nombre dlments n2 de la moyenne
n2 = n1 52 0,817
n 2 = 3 n1 156 0,930
n2 = 10 n1 520 0,963
n2 = 100 n1 5 200 0,974
Taille de lchantillon et nombre de paramtres estimer
La taille de lchantillon dpend galement du nombre de paramtres estimer,

cest--dire du nombre de variables et deffets dinteraction que lon souhaite
tudier. Pour une mthode statistique donne, plus le nombre de paramtres
estimer est grand et plus la taille de lchantillon doit tre grande. Rappelons que
chaque modalit dune variable qualitative constitue une variable estimer. De ce
fait, lintroduction de variables qualitatives plus de deux modalits demande des
chantillons plus grands.
Lorsque les mthodes statistiques utilises sont plus sophistiques, dterminer la
taille de lchantillon ncessaire pour obtenir la significativit souhaite devient
complexe. Pour les moyennes et frquences, il existe des formules de calcul simples
246
que lon trouve dans tous les manuels de statistique (voir par exemple Giard, 2003).
Par contre, ds que les mthodes sont un peu plus complexes, telles que la rgression
par exemple, il nexiste pas de formule de calcul simple et qui ne soit pas partielle. De
ce fait, on procde souvent par imitation des recherches prcdentes. Pour la plupart
des mthodes, cependant, il existe des formules de calculs ou des tables qui, pour un ou
quelques critres, permettent deffectuer une estimation de la taille de lchantillon. Il
existe galement souvent des rgles empiriques. Celles-ci nont bien sr pas la rigueur
dune formule ou dune table mais, faute de mieux, elles permettent dviter de grosses
erreurs destimation de la taille de lchantillon.
c Focus
Quelques rfrences pour dterminer la taille dun chantillon
destin des traitements statistiques avancs
Cohen (1988) fournit des tables pour structurelles dfinissant la taille
plusieurs statistiques, dont la rgression dchan-tillon ncessaire pour obtenir
multiple et lanalyse de variance, qui un ajuste-ment global souhait.
donnent la taille de lchantillon nces- Bentler et Chou (1987), pour les modles
saire en fonction de la taille de leffet, du dquations structurelles, indiquent que le
seuil de signification et de la puissance ratio entre la taille de lchantillon et le
souhaits, et du nombre de degrs de nombre de paramtres estimer peut
libert. descendre cinq pour un dans le cas
Milton (1986) propose une formule de dune distribution normale et dix pour un
calcul et des tables pour les deux seuils dans les autres cas. Ces ratios doivent
de signification les plus courants (1 % et tre encore augments pour obtenir des
5 %) du coefficient de rgression global tests crdibles sur la significativit des
F pour dterminer la taille de paramtres.
lchantillon ncessaire lutilisation de Fernandes (2012) recommande un ratio de
la rgression multiple. dix pour un pour le plus grand bloc de
MacCallum et al. (1996) proposent des
variables estimer dans les modles PLS.

tables pour les modles dquations
1.3 Taille de lchantillon contacter et taille de lchantillon utile

Les indications prsentes plus haut pour dterminer la taille dun chantillon ne
concernent que la taille de lchantillon utile, cest--dire lchantillon des lments
retenus dans lanalyse statistique. Dans une technique dchantillonnage alatoire,
chaque lment de lchantillon slectionn de faon alatoire est cens faire partie de
lchantillon utile. Dans le cas contraire, comme nous lavons mentionn dans la
premire partie, il existe un biais. Toutefois, dans une discipline telle que le
management, il est rare dobtenir les informations souhaites de la part de tous les
247
lments slectionns de manire alatoire. Les causes en sont multiples mais on

peut les regrouper en quatre catgories principales : limpossibilit de parvenir
contacter linterlocuteur, le refus de collaboration, linligibilit, cest--dire que
llment slectionn se rvle ne pas appartenir la population de rfrence, et les
rponses inutilisables dues par exemple au manque de certaines informations
indispensables. La proportion dlments exploitables de lchantillon de dpart est
appele taux de rponse. Ce taux de rponse peut varier trs fortement en fonction
de nombreux aspects lis la mthode de recueil de donnes (mthode
dchantillonnage, mode dadministration du questionnaire, manire de contacter le
rpondant), la nature des informations demandes, ou encore la dure
ncessaire au rpondant pour les fournir. Le taux de rponse peut tre trs faible,
notamment dans le cas de recueil de donnes par questionnaires autoadministrs.
Certaines caractristiques de lorganisation influencent galement le taux de
rponse. Lhabilitation, la capacit et la motivation rpondre de linterlocuteur
dpendent de processus organisationnels (Tomaskovic-Devey, Leiter et Thompson,
1994). Par exemple, lorsque le questionnaire est adress une filiale et que la prise
de dcision est centralise au niveau de la maison mre, la probabilit de rponse
est plus faible.
Pour dterminer la taille de lchantillon contacter, il faut tenir compte des non-
rponses probables. La taille de lchantillon utile devra donc tre corrige du taux
de rponse estim. Pour estimer ce taux, on a principalement recours lexpertise
de personnes ayant pratiqu des collectes de donnes similaires dans le mme
domaine. Par exemple, dans le cas dun questionnaire postal administr aux
directeurs des ressources humaines, si la taille de lchantillon utile doit tre de 150
et que le taux de rponse estim est de 20 %, la taille de lchantillon de directeurs
des ressources humaines slectionner pour envoyer le questionnaire est de 750,
soit :
Taille de lchantillon = chantillon utile/taux de rponse = 150/0,2 = 750
Les chantillons utiliss dans des tudes longitudinales posent un problme

supplmentaire : lattrition ou mortalit de lchantillon, cest--dire la disparition de
certains lments. Dans ce type dtude, on effectue plusieurs recueils de donnes
successifs auprs dun mme chantillon. Il nest pas rare que certains lments
disparaissent avant que lensemble des vagues successives de recueil des donnes nait
t ralis. Par exemple, lorsquon sintresse des entreprises, certaines peuvent
disparatre du fait dune faillite, dautres refuser de collaborer aux vagues suivantes en
raison dune changement de direction. Dans une recherche concernant des tudes
longitudinales publies dans des revues en comportement des organisations et
psychologie industrielle, Goodman et Blum (1996) constatent que le taux dattrition
varie de 0 88 % avec une mdiane de 27 %. On observe gnralement que plus la
priode totale de recueil de donnes est longue et plus lattrition est leve. De mme
que lon corrige lchantillon utile par le taux de rponse pour les enqutes ponctuelles,
248
dans les tudes longitudinales, on augmente lchantillon des rpondants de la

premire vague de recueil pour tenir compte du taux dattrition selon la formule :
chantillon des rpondants de la premire vague =
chantillon utile final/1 taux dattrition
1.4 Arbitrage entre taille dchantillon et architecture de la recherche
Comme il a t not prcdemment, la taille dun chantillon dpend de la variance

de la variable tudie. Plus les lments de lchantillon sont htrognes, plus il y a de
risque que la variance soit leve et plus la taille de lchantillon doit tre grande. Or il
nest pas toujours possible, voire souhaitable pour des raisons de fiabilit des rponses,
dutiliser un trs grand chantillon. Une possibilit consiste rduire la variance en
slectionnant des lments homognes dans un sous-ensemble de la population. Cela
permet dobtenir des rsultats significatifs un plus faible cot. Linconvnient de
cette solution est une perte de validit externe. Toutefois, cette limite en termes de
validit externe nest pas ncessairement un problme. En effet, dans de nombreuses
recherches, cest la validit interne qui est prioritaire, la validit externe ntant que
secondaire, lobjectif tant dabord dtablir des rsultats fiables sur lchantillon
tudi avant dessayer de les gnraliser.
Dans les dmarches dexprimentation, une alternative lutilisation dun grand
chantillon htrogne consiste tudier plusieurs petits chantillons homognes
(Shadish, Cook et Campbell, 2002). Dans ce cas, la dmarche suit une logique de
rplication. Il sagit de tester une hypothse sur un petit chantillon puis de rpliquer la
mme analyse sur dautres petits chantillons tous diffrents, la composition de chaque
chantillon tant dfinie de manire varier les diffrentes dimensions ncessaires
lobtention de la validit externe souhaite, par exemple les populations, les lieux
lissue du processus, on obtient une grande validit externe des rsultats, qui ne rsulte
pas du principe de gnralisation une population de rfrence par infrence
statistique, mais dune logique dextension des rsultats diverses populations suivant
un principe de gnralisation analytique. Dans le cadre de cette logique, la constitution

de chaque chantillon peut tre faite au hasard sans tenir compte des mthodes
rigoureuses dchantillonnage alatoire ncessaires pour un grand chantillon
reprsentatif dans la mesure o les individus sont ensuite affects aux groupes suivant
le principe de randomisation.
Cette dmarche prsente galement lavantage dtre moins risque pour le
chercheur. En effet, les moyens mis en uvre au dpart sont beaucoup plus faibles
puisque ltude se limite dans un premier temps un petit chantillon homogne.
En cas dabsence de rsultats significatifs, le test pourra tre effectu sur un nouvel
chantillon avec un nouveau design pour amliorer lefficacit du test. Si cela nest
pas possible, la recherche pourra tre abandonne et aura occasionn moins de
labeur et moins de dpenses quun test sur un grand chantillon htrogne.
249
Une dmarche similaire avec plusieurs petits chantillons est galement possible
si lon souhaite non plus tudier une relation gnralisable lensemble de la
population mais de nombreuses relations limites un sous-ensemble de la
population. Ainsi, au lieu de tester leffet de lensemble des variables laide dun
grand chantillon, on peut tudier isolment leffet dune ou de quelques variables
sur de petits chantillons. Cette solution prsente nanmoins linconvnient de ne
pas permettre le test deffets dinteraction entre les variables.
2 Taille dun chantillon destin un traitement qualitatif
Comme pour les chantillons destins des traitements quantitatifs, la taille dun
chantillon pour un traitement qualitatif dpend de lobjectif fix et des
caractristiques des cas (Royer, 2009). Dans le cadre des tudes qualitatives, on
distingue gnralement les chantillons de taille un des chantillons qui comportent
plusieurs lments. Ltude dun cas unique constitue en effet une particularit des
recherches qualitatives.
2.1 Le cas unique
Le statut du cas unique fait lobjet de controverses mais on trouve plusieurs

exemples de publications de cas unique dans les grandes revues en management
chaque anne, en particulier des tudes longitudinales et des cas encastrs prsentant
donc une grande richesse de donnes. Certains considrent que les connaissances
produites par ltude dun cas unique sont idiosyncratiques et donc sans valeur car
impropres la gnralisation. Dautres estiment, au contraire, que la construction dune
thorie partir dun seul cas est tout fait sense et que le cas unique peut tre source
de gnralisation scientifique sur les organisations (e.g., Pondy et Mitroff, 1979). Ces
dbats existent principalement au sein de la perspective positiviste. En effet, le cas
unique ne pose pas question et est souvent dusage dans les perspectives interprtatives
et surtout constructivistes o la connaissance est contextualise. Il en est de mme pour
les recherches-actions o le chercheur produit laction en plus de ltudier en raison
dune forte prsence sur le terrain. Au sein du paradigme positiviste, Yin (2014) estime
que le cas unique peut tre assimil une exprimentation et se justifie principalement
dans cinq situations. La premire est celle o on souhaite tester une thorie existante,
voire plusieurs, sur un cas critique, que ce soit pour la confirmer, la remettre en
question ou la complter (voir aussi Bitektine, 2008). Par exemple, Ross et Staw
(1993) testent un modle descalade de lengagement labor antrieurement, laide
de ltude dun cas, celui de la centrale nuclaire de Shoreham. La deuxime est
ltude dun cas inhabituel caractre extrme ou unique (voir aussi Siggelkow, 2007).
Lunicit du cas rsulte alors de la raret du phnomne tudi. Cest le cas, par
exemple, lorsque Vaughan
250
(1990) tudie la catastrophe de la navette Challenger. La troisime est au contraire le

choix dun cas ordinaire ou typique dont lobjectif est didentifier les circonstances et
conditions dune situation commune. La quatrime raison est le choix dun cas qui
permet de rvler un phnomne qui nest pas rare mais qui tait jusqualors
inaccessible la communaut scientifique. Par exemple, Dutton et Dukerich (1991) ont
mis en vidence lincidence de limage et lidentit de lorganisation sur ladaptation
organisationnelle en tudiant lautorit portuaire du port de New York (New York Port
Authority). Enfin, un cas unique peut tre suffisant sil est longitudinal. Lobjectif est
alors dtudier comment certaines conditions ou phnomnes voluent au cours du
temps, dune tape ou phase la suivante.
2.2 Les cas multiples
De mme que pour les chantillons destins des traitements quantitatifs, la

confiance accorde aux rsultats augmente avec la taille de lchantillon,
linconvnient tant souvent une augmentation parallle de la dure et du cot du
recueil des donnes. Par consquent, la question de la taille dun chantillon
qualitatif se pose dans les mmes termes que pour un chantillon quantitatif. Il
sagit de dterminer la taille minimale qui permet dobtenir une confiance
satisfaisante des rsultats. On peut distinguer deux principes qui dfinissent la taille
dun chantillon de plus dun lment : la saturation et la rplication. Ces
principes, prsents gnralement pour dterminer un nombre de cas tudier,
peuvent galement tre appliqus des chantillons de rpondants.
Le principe de rplication
Le principe de rplication est utilis dans les recherches qualitatives aussi bien
pour tester des thories (Yin, 2014) que pour en construire (Eisenhardt, 1989,
Eisenhardt et Graebner, 2007). Le principe de rplication dans les recherches
qualitatives est analogue celui qui prvaut dans les exprimentations multiples,
chaque cas correspondant une exprimentation.
Selon Yin (2014), le nombre de cas dune recherche dpend de deux critres qui
sont proches de ceux existant pour les chantillons quantitatifs destins des tests
dhypothses. Il sagit du degr de certitude souhait et de lampleur des effets.
Chaque cas est slectionn soit parce quon suppose trouver des rsultats similaires
(cas de rplication littrale) soit parce que, selon la thorie, il devrait conduire
des rsultats diffrents (cas de rplication thorique).
Deux ou trois cas de rplication littrale sont suffisants lorsque la thorie est
simple et que lenjeu ne require pas un degr de certitude important. Dans la
situation contraire, lorsque la thorie est subtile ou si lon souhaite un degr de
certitude plus important, cinq six cas de rplication constituent un minimum
(Yin, 2014).
251
Le nombre de cas de rplication thorique dpend, quant lui, des conditions

supposes exercer une influence sur le phnomne. Ainsi, plus il existe un grand
nombre de conditions diffrentes susceptibles dinfluencer le phnomne ou de
thories alternatives, plus le nombre de cas de rplication thorique pourra tre
important. Pour faire un parallle avec lexprimentation, ces conditions de
rplication thorique dans les tudes de cas multiples occupent la mme fonction
que les diffrentes conditions dobservation du plan dexprience.
Eisenhardt (1989) recommande dtudier quatre dix cas selon le principe
dchantillonnage thorique de Glaser et Strauss (1967). Chaque cas est slectionn
selon des raisons thoriques de rplication, dextension de thorie, de contradiction ou
dlimination dexplication alternative (Eisenhardt et Graebner, 2007). Les contrastes
(en termes de performance par exemple) sont recommands pour faciliter lanalyse. Par
exemple Davis et Eisenhardt (2011) ont tudi 8 collaborations technologiques dans
lindustrie informatique et les tlcommunications. 4 ont des performances leves en
innovation collaborative et 4 des performances moyennes ou faibles. Les
collaborations varient par ailleurs en termes de localisation du sige (aux tats-Unis ou
pas), en termes de partenaires identiques ou non, et en termes de secteur dactivits et
dinnovation. Les analyses montrent que la rotation du leadership favorise la
performance de linnovation collaborative.
Le principe de saturation
Contrairement Yin (2014), Glaser et Strauss (1967) ne fournissent pas dordre

de grandeur du nombre dunits dobservation que doit comporter lchantillon.
Selon ces auteurs, la taille adquate dun chantillon est celle qui permet
datteindre la saturation thorique des catgories. Cette saturation thorique est
atteinte lorsquon ne trouve plus de donnes supplmentaires gnrant de nouveaux
clairages thoriques, ni de nouvelles proprits aux principales catgories
(Charmaz, 2006). Par consquent, il est impossible de savoir a priori quel sera le
nombre dunits dobservation ncessaire mais ce nombre est li lambition de la
contribution (Charmaz, 2006). Une affirmation limite et peu innovante require
un chantillon plus petit quune affirmation qui remet en cause des travaux
existants ou se positionne comme gnralisable.
Ce principe est difficile mettre en uvre de manire parfaitement rigoureuse car on
ne peut jamais avoir la certitude quil nexiste plus dinformation supplmentaire
capable denrichir la thorie. Il revient donc au chercheur destimer sil est parvenu au
stade de saturation. Gnralement la collecte des donnes sarrte lorsque les dernires
units dobservations analyses nont pas apport dlments nouveaux. Ce principe
repose sur le fait que chaque unit dinformation supplmentaire apporte un peu moins
dinformation nouvelle que la prcdente jusqu ne plus rien apporter. Ce principe est
observ empiriquement (voir exemple).
252
EXEMPLE Lapport marginal dinformation des rpondants supplmentaires
Dans une tude qualitative visant identifier les besoins des clients concernant les
paniers provisions et autres contenants destins transporter de la nourriture, Griffin
et Hauser (1993) ont interrog 30 personnes et obtenu une liste de 220 besoins
diffrents. Ils montrent que le nombre de nouveaux besoins identifis dcrot avec le
nombre de personnes interro-ges selon une loi Bta-binomiale. Ainsi, 20 personnes
permettent didentifier plus de 90 % des 220 besoins obtenus avec lensemble des 30
personnes. laide dun modle, les auteurs estiment que les 30 personnes interroges
ont permis didentifier prs de 90 % des besoins existants.
Au-del de ces deux principes essentiels, qui visent accrotre la validit interne,
il est galement possible daugmenter le nombre de cas afin damliorer la validit
externe. Ces nouveaux cas seront alors slectionns de manire faire varier le
contexte dobservation (par exemple, localisation gographique, type
dorganisation). Par ailleurs, le nombre dlments dun chantillon destin un
traitement qualitatif pourra tenir compte des critres de crdibilit habituels dans la
communaut laquelle le chercheur appartient.
section
3 DMARChEs DE COnsTITuTIOn
Dun ChAnTILLOn
La constitution dun chantillon peut obir diffrentes dmarches. Nombre

dentre elles peuvent tre rattaches deux dmarches gnriques, qui seront
prsentes dans un premier temps : la dmarche traditionnelle, caractristique dun
chantillonnage probabiliste, et la dmarche itrative, telle que celle de la thorie
enracine (Glaser et Strauss, 1967). Quelques dmarches particulires seront
ensuite voques. La constitution dun chantillon inclut galement les traitements
effectus aprs le recueil des donnes. Ces traitements ex post de lchantillon

seront prsents dans la dernire partie de cette section.
1 Deux dmarches gnriques
La dmarche traditionnelle (figure 8.2) est caractristique de la constitution

dchantillons probabilistes, mais est galement frquemment rencontre dans la
mthode des quotas. Elle commence par la dfinition de la population de rfrence
sur laquelle les rsultats pourront tre gnraliss par infrence statistique.
Loprationnalisation de cette population de rfrence permettra ensuite de
253
dterminer les lments inclus ou exclus de la population tudie. La deuxime tape

consiste choisir une procdure dchantillonnage. Toutes ces informations tant
connues, il est alors possible de dterminer la taille de lchantillon susceptible de
rpondre aux objectifs fixs. Si la mthode dchantillonnage utilise est une mthode
alatoire, il sera ncessaire de choisir ou dlaborer une base de sondage afin
deffectuer les tirages alatoires. Reste ensuite slectionner les lments de
lchantillon, puis obtenir les informations souhaites. Les lments pour lesquels
toutes les informations attendues ont pu tre effectivement collectes constituent
lchantillon utile de ltude. Cette dmarche se termine par une tude des biais et, si
cela est ncessaire, par un redressement de lchantillon destin les corriger.
Dmarche traditionnelle Dmarche itrative

Dfinition de la population Dfinition de lunit danalyse
Choix dune mthode

Choix dune unit dobservation
de constitution de lchantillon
Dtermination de la taille
Collecte et analyse des donnes
de lchantillon
Choix dune nouvelle unit

Constitution de la base de sondage
dobservation
Slection des lments

Collecte et analyse des donnes
de lchantillon
Collecte des donnes chantillon
Dfinition de lunivers
chantillon utile de gnralisation des rsultats
Identification des biais

et redressements de lchantillon
Figure 8.2 Deux dmarches de constitution dun chantillon
Tous les lments de ce processus (mthode dchantillonnage, taille de lchantillon

et techniques de slection des lments) tant interdpendants, les rsultats dune tape
peuvent amener reconsidrer des choix antrieurs (Henry, 1990). Par exemple, si la
taille de lchantillon ncessaire apparat trop importante compte tenu des cots de
collecte de donnes, on pourra parfois redfinir la population de manire plus
restrictive de sorte quelle soit plus homogne et permette datteindre la significativit
ncessaire la validit interne. Si la constitution de la base de sondage savre
254
matriellement difficile raliser, on pourra choisir une mthode de constitution

dchantillon qui allge ce travail. Par consquent les choix relatifs la slection
dun chantillon suivent gnralement un processus non linaire (Henry, 1990).
La dmarche itrative suit une approche radicalement oppose la prcdente (figure
8.3). Contrairement la dmarche classique, la dfinition du domaine de gnralisation
des rsultats nest pas effectue ds la premire tape mais lissue du processus. Une
autre diffrence majeure entre les deux dmarches rside dans la constitution
progressive de lchantillon par itrations successives. Chaque lment de lchantillon
est slectionn par choix raisonn. Les donnes sont ensuite collectes et analyses
avant que llment suivant ne soit choisi. Au cours des slections successives, Glaser
et Strauss (1967) recommandent dtudier tout dabord des units similaires, de
manire faire merger une thorie substantive avant dtendre la collecte des units
prsentant dautres caractristiques. Le processus sachve lorsque lon est parvenu la
saturation thorique. Contrairement la dmarche classique, la taille et la composition
de lchantillon ne sont pas prdtermines mais au contraire rsultent du processus
itratif de choix successifs dlments. Ces choix sont guids par lobservation et la
thorie en construction. Lunivers de gnralisation des rsultats slabore
progressivement au cours de la dmarche et est dfini de manire thorique lissue du
processus.
Rle du prtest
En pratique, la conduite dune recherche comporte souvent une phase de prtest. Ce

prtest ne concerne pas spcifiquement lchantillon mais fournit des informations qui
permettent de mieux dfinir la taille et la composition de lchantillon final ncessaire.
Dans les tudes quantitatives, lchantillon utilis pour le prtest peut notamment
fournir une premire estimation de la variance et permettre didentifier les critres de
segmentation dun chantillon stratifi. De mme, dans les recherches qualitatives, le
cas pilote (Yin, 2014) permet de dterminer la composition et la taille de lchantillon
de cas qui dpendent des conditions de rplications littrales et thoriques, et de
lampleur des diffrences entre la thorie et lobservation.
2 Quelques dmarches particulires
Constitution progressive de lchantillon dans une dmarche classique
La dmarche traditionnelle de constitution dun chantillon revient en dterminer la

taille avant de collecter les donnes. Une autre approche consiste collecter des
donnes jusqu ce quon ait atteint le degr de prcision ou le seuil de signification
souhaits. On procde alors par vagues successives de recueil de donnes (Droesbeke
et al., 1987). Selon Adlfinger (1981), cette procdure permet daboutir un chantillon
prs de deux fois moins grand que lorsquil est dtermin a priori. En
255
effet, dterminer une taille minimale a priori conduit gnralement des

chantillons plus grands que ce qui est ncessaire. Souvent, par mesure de
prcaution, le chercheur retient les estimations les plus pessimistes pour calculer la
taille de lchantillon, ce qui conduit frquemment le surdimensionner.
Cette dmarche, qui permet de rduire les cots de collecte de donnes, nest
malheureusement pas toujours utilisable. Considrons, titre dillustration, une tude
cherchant analyser limpact dun vnement non reproductible, tel que la fusion de
deux entreprises, sur une variable par exemple, la motivation des cadres. Dans une
tude de ce type, qui repose sur la collecte de donnes avant et aprs lvnement
considr, il nest pas possible daugmenter progressivement le nombre dlments de
lchantillon. Par consquent, il est indispensable de recourir la dmarche classique,
qui conduit dterminer a priori la taille de lchantillon.
De plus, mme sil est possible de constituer progressivement un chantillon, il
demeure intressant den estimer la taille a priori. Sans estimation pralable, le
risque encouru est que lchantillon ne puisse tre tendu, par exemple pour des
contraintes budgtaires, et quil se rvle trop petit pour atteindre la prcision ou le
seuil de signification souhaits.
Dans tous les cas, dterminer la taille de lchantillon a priori permet dvaluer
le caractre ralisable des objectifs que le chercheur souhaite atteindre. Procder de
la sorte permet ainsi dviter des efforts qui auraient abouti des rsultats peu
satisfaisants et denvisager suffisamment tt un autre design de recherche, qui soit
davantage susceptible de conduire des rsultats significatifs.
Constitution dun chantillon appari a posteriori
Lorsquon tudie des phnomnes en situation relle, que les phnomnes sont rares,
difficilement identifiables ou accessibles, ou que la population tudie est mal connue,
la structure de lchantillon peut tre difficile matriser avant la collecte des donnes.
Imaginons une recherche portant sur lincidence du mode de management sur
lapparition dune crise. tant donn la faible occurrence des crises et la difficult
daccs aux donnes, la constitution de lchantillon dentreprises ayant connu des
crises sera constitu en fonction des opportunits qui se prsentent. Pour pouvoir
effectuer un test, lchantillon de contrle est alors construit a posteriori
(Schlesselman, 1981). cet effet, un groupe tmoin est prlev dans la population de
rfrence en respectant une procdure dchantillonnage alatoire, de telle sorte que la
structure du groupe de contrle reproduise celle du groupe observ. En reprenant
lexemple prcdent, lchantillon de contrle sera form dentreprises similaires
celles de lchantillon dentreprises ayant connu des crises, par exemple en termes de
secteur, de taille, de priode Cette procdure appele case-control design (Shadish,
Cook et Campbell, 2002) requiert quelques prcautions, notamment de ne pas choisir
comme critres dappariement des variables explicatives (Forgues, 2012).
256
3 Traitement ex post de lchantillon

3.1 Procdures de contrle et de redressement de lchantillon
Il est souvent possible de corriger a posteriori des biais non lis

lchantillonnage tels que les non-rponses et les erreurs de rponse. Rappelons,
cependant, que le redressement des donnes ne constitue quune solution de repli,
et quil est prfrable de chercher viter les biais.
Les non-rponses
Les non-rponses peuvent engendrer des biais de reprsentativit de

lchantillon. Afin de dtecter ce type de biais, on peut comparer la structure de
lchantillon de rpondants avec celle de la population dont il est issu, partir de
variables susceptibles dinfluencer le phnomne tudi. Si un cart apparat, il est
probable quun biais de reprsentativit existe. Il conviendra alors, dans la mesure
du possible, de le corriger. Trois procdures de redressement des non-rponses
peuvent tre mises en uvre cet effet.
Linterrogation dun sous-chantillon de non-rpondants
Parmi les non-rpondants de lchantillon, un sous-chantillon est dsign par

tirage alatoire, le chercheur devant alors sefforcer dobtenir une rponse de
lintgralit des lments appartenant ce sous-chantillon (Droesbeke et al.,
1987). Les rponses obtenues seront ensuite comptes plusieurs fois, de manire
retrouver leffectif de lchantillon initial de non-rpondants. Malheureusement,
mme en dployant beaucoup defforts, il est souvent difficile dobtenir des
rponses du sous-chantillon de non-rpondants slectionn.
La ralisation dune stratification a posteriori
Une stratification a posteriori permet de redresser les non-rponses lorsque lon
souhaite limiter les biais de reprsentativit. Contrairement une stratification a priori,
il nest pas ncessaire de connatre les valeurs que prennent les critres de stratification
(taille, effectifs, secteur dactivit pour une population dentreprises, par exemple) pour
chacun des lments de la population. Il suffit, en effet, de connatre la distribution
globale de ces caractres sur la population. Les rponses des lments de lchantillon
sont alors affectes de coefficients de telle sorte que lon retrouve la structure de la
population. Par exemple, si la proportion dentreprises appartenant un secteur
dactivit donn est de 20 % dans la population, et que lon constate a posteriori
quelle est de 15 % dans lchantillon observ, il conviendra, lors du traitement des
donnes, de pondrer les rponses des entreprises appartenant ce secteur par un
coefficient gal 0,20/0,15. La stratification a posteriori est la mthode la plus utilise
pour le redressement des non-rponses (Droesbeke et al., 1987). En outre, elle peut tre
mise en uvre dans deux autres situations : lorsquune
257
stratification a priori na pu tre ralise pour des raisons techniques (base de sondage
non disponible ou insuffisamment renseigne), ou encore lorsque lon ne dcouvre que
tardivement, durant la phase dexploitation des donnes, une nouvelle variable de
stratification. Dans tous les cas, effectuer une stratification a posteriori permet
daugmenter la prcision des estimations effectues sur lchantillon observ.
Le remplacement des individus dfaillants
Si lon ne dispose pas dinformations sur lensemble de la population, il reste
possible de remplacer les lments dfaillants. Pour ce faire, il faut tout dabord
essayer didentifier certaines caractristiques observables des non-rpondants. Par
exemple, si une entreprise a refus de rpondre une enqute, on pourra essayer de
connatre certaines de ses caractristiques partir dinformations publiques (secteur
dactivit, chiffre daffaires). Deux solutions sont ensuite possibles. La premire
consiste identifier, parmi les rpondants, des lments qui prsentent des
caractristiques identiques celles des dfaillants, et leur affecter un coefficient de
pondration pour compenser les non-rponses. Une autre solution conduit, pour chaque
non-rpondant, inclure dans lchantillon un rpondant supplmentaire, aussi
semblable que possible au non-rpondant. Cette mthode peut galement tre utilise
pour redresser les rponses manquantes lorsque les individus nont que partiellement
rpondu aux questions poses (Droesbeke et al., 1987).
Si, lissue de ces procdures de redressement, il na pas t possible dobtenir
des donnes sur certains sous-groupes bien identifis de lchantillon, il conviendra
de redfinir la population de rfrence ou, du moins, dindiquer cette limite de
ltude.
Les erreurs de rponses
Les erreurs de rponses peuvent tre contrles en effectuant une contre-enqute
auprs dun sous-chantillon de rpondants (Gouriroux, 1989). Cette procdure
permet didentifier certains types derreurs, celles qui seraient dues, par exemple, un
enquteur ou une mauvaise comprhension de la question. Par contre, cette mthode
est inefficace si le rpondant fournit volontairement une rponse errone. Il est alors
trs difficile de dtecter le biais correspondant et, a fortiori, de le corriger.
3.2 Traitement pour un chantillon trop petit
Malgr toutes les prcautions prises, il arrive que la taille de lchantillon se rvle
insuffisante aprs traitement pour obtenir la prcision ou le seuil de signification
souhaits. Dans ce cas, la meilleure solution consiste faire une nouvelle vague de
recueil de donnes qui viendra grossir lchantillon. Toutefois, cette solution nest pas
toujours possible. Cest le cas, par exemple, lorsquon travaille sur des fichiers de
donnes secondaires, lorsque le fichier a t entirement exploit ou lorsque les
donnes dpendent dun contexte particulier qui a chang.
258
Quand laugmentation de la taille de lchantillon nest pas possible, on peut

utiliser des mthodes qui consistent gnrer plusieurs chantillons partir de
lchantillon de dpart et effectuer les analyses sur ces nouveaux chantillons. Il
existe deux mthodes principales : la mthode du jackknife et le bootstrap
(Droesbeke et al., 1987). Ces mthodes permettent dtablir des rsultats plus
robustes que ceux obtenus par des techniques habituelles. La mthode du jackknife
consiste gnralement former les nouveaux chantillons en retirant chaque fois
un lment de lchantillon de dpart de taille n. Cela permet dobtenir n
chantillons de taille n 1. Le traitement statistique est alors effectu sur chacun
des n chantillons. Ces rsultats sont ensuite agrgs et compars ceux de
lchantillon initial. Lorsquil y a convergence, les rsultats peuvent alors tre
considrs avec davantage de confiance.
Le bootstrap fonctionne selon un principe relativement proche mais la constitution
des chantillons est diffrente. Les chantillons sont obtenus par un tirage alatoire
avec remise dans lchantillon de dpart et comportent le mme nombre dlments
(n) que lchantillon de dpart. Le nombre dchantillons tirs de lchantillon
initial par bootstrap peut tre trs lev. Il ne dpend pas de la taille de
lchantillon de dpart.
Les mthodes jackknife et bootstrap sont applicables aussi bien sur des
statistiques de base telles que la moyenne ou la variance que sur des mthodes plus
complexes telles que LISREL ou PLS (cf. exemple dutilisation).
EXEMPLE utilisation de la mthode du jackknife
Dans une recherche concernant les relations entre la stratgie de lentreprise, la structure du
march, et la rentabilit et le risque, Cool, Dierickx et Jemison (1989) testent leur modle
sur un petit chantillon de 21 banques commerciales avec une mthode PLS. En plus des
rsultats fournis par PLS, ils utilisent galement le jackknife pour valuer les rsultats sta-
tistiques. Vingt chantillons sont extraits de lchantillon initial. Les analyses sont prati-
ques sur ces nouveaux chantillons. Le test de diffrence entre les rsultats de PLS et ceux
obtenus avec le jackknife conduisent les auteurs rejeter une de leur hypothse et confor-
ter les rsultats obtenus sur les autres relations.
COnCLusIOn
Ce chapitre a prsent une large palette de possibilits pour la constitution dun

chantillon concernant tant les mthodes de slection des lments de lchantillon que
les dmarches gnrales quil est possible de mettre en uvre. Chacune des mthodes
prsente des avantages et des inconvnients, qui sexpriment notamment en
259
termes de validits interne et externe. Cependant, le choix dune mthode se trouve

souvent contraint par des critres de faisabilit. Il convient nanmoins de sassurer que
la mthode retenue permet datteindre les objectifs de validit souhaits. Souvent, il
convient darbitrer entre ces deux types de validit. En effet, les chantillons qui
conjuguent la fois une grande validit interne et une grande validit externe sont
gnralement coteux. Dans ce contexte, il incombe au chercheur didentifier son
objectif prioritaire et de veiller ce que lchantillon permette de latteindre. Si tel est
le cas, les objectifs secondaires pourront leur tour tre considrs.

Charmaz K. ; Constructing Grounded Theory : A Practical Guide Through
Qualitative Analysis. London : Sage, 2006.
Droesbeke J.J., Ficher B., Tassi P. (d.), Les sondages, Paris, Economica, 1987.
Henry G. T., Practical Sampling, Newbury Park, CA, Sage, 1990.
Saporta, G., Probabilits, analyse des donnes et statistique, 3e d, Paris, Technip,
2011.
Shadish W.R., Cook T.D., Campbell D.T. Experimental and Quasi-Experimental
Designs for Generalized Causal Inference, Boston, MA : Houghton Mifflin, 2002.
Yin R.K. Case Study Research : Design and Methods, 4e d., Thousand Oaks, CA :
Sage, 2014.
260
Chapitre La collecte
9 des donnes
et la gestion
de leurs sources
Philippe Baumard, Carole Donada, Jrme Ibert, Jean-Marc Xuereb
RsuM
Ce chapitre prsente dabord la collecte des donnes primaires. ce titre, il dcrit
les techniques utilisables en recherche quantitative : questionnaire, observation et
mthode exprimentale. Il expose ensuite les outils de collecte de la recherche
qualitative : entretien individuel, entretien de groupe, observation participante et
non participante. Il analyse alors la gestion des sources de donnes, en termes
daccs, de flexibilit du chercheur, de risques de contamination et de perte du
chantier de recherche. Le chapitre recense quelques stratgies dapproche et de
gestion des sources fondes sur le formalisme de la relation entre le chercheur et
les individus-sources de donnes, sur le caractre dissimul ou ouvert de linvesti-
gation et sur le degr dintimit adopter lgard des sujets-sources.
Le chapitre montre ensuite lintrt et les limites de la collecte des donnes
secondaires internes et externes aux organisations. Enfin, il indique les
condi-tions de prservation de la confidentialit de la recherche, et ses
consquences sur la validation des rsultats par les sujets-sources et sur la
publication de la recherche.
sOMMAIRE
SECTION 1 La collecte des donnes primaires dans les recherches
quantitatives SECTION 2 La collecte des donnes primaires dans les
recherches qualitatives SECTION 3 La collecte des donnes secondaires
SECTION 4 La confidentialit de la recherche et les sources de donnes
L a collecte des donnes est un lment crucial du processus de recherche en

management. Elle permet au chercheur de rassembler le matriel empirique sur lequel il va
fonder sa recherche. Pour constituer une base empirique, le cher-cheur doit tout dabord
vrifier lexistence de donnes disponibles. Lutilisation de donnes secondaires (donnes de
seconde main) prsente de rels avantages car elle vite au chercheur de recueillir lui-mme
les donnes sur le terrain. En revanche, le chercheur na en gnral quune information
imparfaite sur lexistence et la qualit
de ces donnes qui, de plus, sont souvent difficilement accessibles.
dfaut ou en complment de donnes secondaires, le chercheur peut collecter
lui-mme ses propres donnes qui sont alors qualifies de donnes primaires. Il
doit alors dterminer la nature exacte des donnes ncessaires la validation de
son modle thorique puis considrer les instruments potentiellement disponibles
pour collecter ces donnes. Ces instruments sont diffrents selon lapproche
quantitative ou qualitative adopte par le chercheur.
La section 1 est consacre la collecte des donnes primaires en recherche quan-
titative. Laccent est port sur les principes dlaboration et dadministration dun
questionnaire. Cette section traite notamment de la rdaction des questions, du
choix des chelles de mesure, de la structuration du formulaire et des diffrents
modes dadministration. Les spcificits des modes de collecte par observation ou
par mthodes exprimentales pour des recherches quantitatives sont galement
prsen-tes.
La section 2 porte sur le recueil de donnes primaires en recherche qualitative.
Elle prsente les principaux modes de collecte possibles : entretien individuel,
entre-tien de groupe, observation participante ou non participante. Cette section
aborde galement le phnomne de ractivit des sujets-sources, cueil majeur des
recherches qualitatives ainsi que les techniques de gestion de ce risque par la col-
lecte de donnes discrte . La relation du chercheur avec les sujets-sources et les
implications de cette relation en termes daccs aux sources de donnes, de flexibi-
lit du chercheur, de prise en compte des risques de contamination des sources de
donnes et de perte de chantier de recherche sont exposes. lissue de cette sec-
tion, les diffrentes stratgies dapproche et de gestion des sources de donnes
ayant trait au formalisme de la relation entre le chercheur et les sujets-sources, au
carac-tre dissimul ou ouvert de linvestigation et au degr dintimit adopter
lgard des sujets-sources sont discutes.
La section 3 prsente les modes de collecte des donnes secondaires. Ltude de
lorigine interne ou externe de ces donnes permet dtudier leurs intrts et leurs
limites pour chaque type de recherche.
Enfin, la section 4 porte sur la confidentialit de la recherche. Parce que tout
cher-cheur doit savoir apprhender et grer la confidentialit, il importe de savoir
la prserver, de la prendre en compte lors de la validation des rsultats par les
sujets-sources et dobserver certaines restrictions en matire de publication.
262
La collecte des donnes et la gestion de leurs sources Chapitre 9
section
1 LA COLLECTE DEs DOnnEs PRIMAIREs
DAns LEs REChERChEs QuAnTITATIVEs
La premire partie de cette section est consacre au questionnaire, mode de collecte

de donnes primaires frquemment utilis dans les recherches quantitatives en
management. cet gard, les principes dlaboration, les avantages et les
inconvnients des questionnaires autoadministrs (questionnaires postaux ou
lectroniques) et ceux des questionnaires administration assiste font lobjet dun
approfondissement particulier. La deuxime partie de cette section prsente les autres
modes de collecte de donnes primaires que sont lobservation et lexprimentation.
1 La collecte par questionnaire
Le questionnaire est loutil de collecte de donnes primaires le mieux adapt

pour raliser des enqutes et des sondages partir dinformations quantitatives
et/ou qualitatives. Il permet de recueillir dun trs grand nombre dinformations sur
de larges chantillons de rpondants. la diffrence dune retranscription
dentretiens libres, le questionnaire permet denregistrer des rponses dont les
modalits ont t dfinies pralablement. Cest donc un outil trs puissant dont
lefficacit et la fiabilit dpendent de la justesse de sa mise en uvre, savoir, de
son laboration et de son administration.
1.1 Llaboration du questionnaire
Llaboration dun questionnaire est un travail trs complexe que nombre de

jeunes chercheurs sous-estiment. Ce travail porte la fois sur la rdaction des
questions, le choix des chelles de mesure et la structuration du formulaire.
La rdaction des questions
Lexprience du chercheur joue normment dans la phase de rdaction des

questions. Cette phase est importante ; elle conditionne entirement le succs de
lenqute. De mauvaises questions ne donneront jamais de bonnes rponses ! Si
ceci semble vident, lexprience montre que le chercheur ralise toujours trop tard
les faiblesses des questions quil a poses. Outre le fait que le chercheur ne puisse
pas atteindre ses objectifs, il subit un cot irrcouvrable (cot financier mais
surtout cot en temps de travail).
Le difficile exercice de rdaction consiste donc trouver le meilleur compromis
entre trois impratifs difficilement rconciliables : limpratif du chercheur qui doit
263
suivre un modle thorique et respecter le sens de ses concepts, limpratif du

rpondant qui doit tre laise pour rpondre des questions quil doit comprendre
immdiatement et enfin, limpratif des mthodes danalyse des donnes impos par
les outils statistiques. Face ces contraintes, il est recommand dlaborer un
questionnaire partir dhypothses claires et traduites sous forme de questions
prcises. Le chercheur doit aussi oublier son jargon thorique, faire preuve dempathie
et tenir compte des spcificits des personnes interroges (langue, statut social ou
professionnel, ge etc.) pour affiner ses questions. Il faut enfin anticiper les limites
mthodologiques et se demander si les donnes seront exploitables ; si elles auront
suffisamment de variance ; si elles suivront une loi de distribution normale etc.
Le choix des chelles de mesure
Construire un questionnaire, cest construire un instrument de mesure.

Linstrument est ouvert si les rponses aux questions poses sont libres et
retranscrites telles quelles. Le questionnaire est semi-ouvert lorsque les
rponses sont libres mais quelles sont retranscrites par lenquteur dans une grille
de rponses aux modalits pr codifies. Enfin, le questionnaire est dit ferm
lorsque les rponses sinscrivent dans une grille aux modalits de rponses pr
codifies. Dans ce dernier cadre, le chercheur doit choisir entre les diffrents types
dchelles de mesure quantitatives (nominales, ordinales, dintervalle ou de
proportion) (cf. chapitre 4). Il doit aussi choisir entre utiliser des chelles
prexistantes ou crer ses propres chelles.
Les chelles prexistantes ont dj t construites par dautres chercheurs. Elles sont
gnralement publies en annexe de larticle ou de louvrage qui a vu leur premire
utilisation. Elles peuvent tre galement obtenues en les demandant directement au
chercheur qui les a crs. Des ouvrages regroupent des chelles prexistantes (Bearden
et al., 2011 ; Bruner et al., 2013 ; Schffer, 2008). Le principal avantage utiliser des
chelles prexistantes est quelles ont dj t valides et publies. Elles ont t
reconnues comme tant scientifiquement solides et vitent au chercheur tout le travail
de validation li leur cration. La principale limite de ces chelles est que celles-ci
dpendent entirement du contexte pour lesquelles elles ont t cres. Le chercheur
doit donc toujours tre prudent et ne pas ngliger limportance de ce contexte. Une
chelle conue pour mesurer le degr de radicalit dune innovation dans lindustrie
des biotechnologies peut ne pas tre transposable lidentique dans une tude sur le
secteur de ldition littraire. En outre, les chelles publies dans les grandes revues
internationales de management ont, dans la majorit des cas, t dveloppes aux
tats-Unis et testes auprs dentreprises amricaines ou dtudiants des programmes
MBA. Leur utilisation dans dautres contextes ne saurait dispenser le chercheur de la
vrification de leur validit dans le cadre de sa recherche et, si ncessaire, une
adaptation. Nyeck et al. (1996) ont valu ladaptabilit inter pays dune chelle de
mesure initialement dveloppe aux tats-Unis sur le degr dinnovation des
consommateurs. Ayant
264
collect des donnes dans trois pays (Canada, France et Isral), les auteurs ont
dmontr que la validit interne de lchelle diminuait au fur et mesure que lon
sloignait tant gographiquement que culturellement des tats-Unis.
dfaut dchelles existantes adaptes, le chercheur doit construire ses propres
instruments de mesure. Il est alors conseill de commencer par un travail
exploratoire permettant de cerner les comportements rels des personnes
(organisations) qui seront interroges. Cette phase facilite la rdaction de questions
comprhensibles par les rpondants. Elle permet aussi de choisir des modalits de
rponses cohrentes. La construction dchelles suppose enfin de porter un soin
tout particulier leurs tests de validit et de fiabilit.
La structuration du questionnaire
La structure et la forme du questionnaire conditionnent autant la nature et le sens

de linformation recueillie que les possibilits de traitement et danalyse des
rponses. Un questionnaire bien structur et bien prsent permet dobtenir le
maximum de donnes pertinentes et exploitables1. De nombreux ouvrages et
revues dtaillent longuement ces rgles et les procdures respecter (Coolican,
2009 ; Dillman et al., 2009). Le propos de cette partie est dclairer le chercheur
sur quelques points fondamentaux.
Il faut toujours faciliter le travail du rpondant en prcisant lunit danalyse
(secteur industriel, entreprise, ligne de produits, dpartements,) et en facilitant
ses points de repre. Lorsque le questionnaire inclut des questions portant sur
diffrents thmes, il est utile dintroduire chaque thme par une courte phrase
sparant les groupes de questions.
Lagencement des questions et le format des modalits de rponses doivent tre
trs srieusement rflchis : commencer par des questions simples et fermes et
rserver les questions impliquantes, complexes et ouvertes la fin pour ne pas
dcourager le rpondant. Les questions doivent tre agences dans un ordre logique
privilgiant les regroupements thmatiques et facilitant le passage dun thme
lautre. Dans ce cadre, deux cueils sont viter : leffet de halo et leffet de
contamination. Leffet de halo rside dans lassociation entre une srie de
questions successives trop similaires. Il peut se produire quand on procde, par
exemple, une longue batterie de questions comportant une mme chelle pour
toute modalit de rponses2. Pour viter cet effet, le chercheur peut changer la
forme des questions ou proposer une question ouverte. Leffet de contamination
consiste en linfluence dune question sur la (ou les) question(s) suivante(s). Pour
parer ce biais, il est ncessaire de veiller scrupuleusement lordre des questions.
1. Selon Baruch et Holtom (2008), le taux de rponse moyen est denviron 50 % lorsque le questionnaire
sadresse des individus, et de 35 % lorsquil sadresse des organisations.
2. Des exemples deffet de Halo et deffet de contamination sont prsents dans louvrage de Evrard et al., (2009).
265
1.2 Ladministration du questionnaire
Les modes dadministration dun questionnaire diffrent selon que les rpondants
ragissent directement un document crit quils lisent eux-mmes (questionnaire
autoadministr) ou selon que les rpondants ragissent partir dun texte nonc
par un tiers (questionnaire en administration assiste)1. Les quatre modes
dadministration les plus rpandus dans les recherches en management sont : le
questionnaire lectronique, le questionnaire postal, le questionnaire tlphonique et
le questionnaire en face face. Les techniques pour administrer au mieux un
questionnaire sont nombreuses (Dillman et al., 2009 ; Fowler, 2002 ; Singleton et
Straits, 2009). Adaptes au contexte socioculturel de la recherche et aux moyens
dont dispose le chercheur, ces techniques permettent de maximiser des taux de
rponse. Les parties suivantes et les Focus insistent sur quelques points des
diffrentes recommandations en vertu de notre propre exprience.
Le prtest
Il ne faut jamais lancer un questionnaire sans lavoir prtest. Le prtest permet

de mettre lpreuve la forme des questions, leur ordonnancement et leur
comprhension ainsi que la pertinence des modalits de rponse proposes. Dans
lidal, un premier questionnaire pilote doit tre administr en face face sur un
nombre limit de rpondants. Le vritable prtest doit tre ensuite ralis selon le
mode dadministration retenu par le chercheur. Cette tape permet de dcouvrir si
le protocole dtude est raliste, si les chelles de mesure sont valides2, si les
rponses obtenues sont exploitables au regard des hypothses de la recherche et des
outils danalyse statistique disponibles.
Lautoadministration dun questionnaire
Le questionnaire autoadministr prsente plusieurs avantages par rapport un

entretien en face--face. Premirement, il ncessite de mobiliser moins de ressources
car il est plus rapide et moins coteux. Deuximement, les questionnaires
autoadministrs permettent de couvrir une plus grande zone gographique sans induire
de cots additionnels, autant financiers quen termes de temps. Enfin, ce mode
dadministration assure un plus grand anonymat des rpondants, ce qui peut augmenter
le taux de rponse, notamment si le sujet de lenqute est personnel ou dlicat.
Nanmoins, lautoadministration dun questionnaire comporte certains inconvnients.
Ntant pas prsent au moment o les rpondants remplissent le questionnaire, le
chercheur ne peut pas clarifier leurs ventuelles incomprhensions
1. Lors des questionnaires administration assiste, ou CAI (Computer Assisted Interviews), le rpondant dicte
ses rponses lenquteur, qui les saisit lui-mme dans la base de donnes. Les questionnaires administration
assiste peuvent tre raliss par tlphone (Computer Assisted Telephone Interview), en face--face (Computer
Assisted Personal Interview) ou autoadministrs (Computer Assisted Self Administered Interview).
2. Les mesures de validit sont prsentes dans le chapitre 10 de cet ouvrage.
266
face aux questions. En outre, les rpondants sont souvent moins disposs
rpondre de longs questionnaires lorsque ceux-ci sont autoadministrs plutt que
lorsquils sont conduits en face--face ou par tlphone. Il convient donc de porter
une attention particulire la longueur des questionnaires ainsi que de cibler les
questions les plus pertinentes. Enfin, il est plus difficile pour le chercheur, lors de
lautoadministration dun questionnaire, de garantir son chantillon. En effet, il
nest pas possible de contrler qui rpond effectivement au questionnaire envoy,
si bien que le chercheur ne peut pas tre sr que le questionnaire a t
effectivement rempli par la personne vise. Il est galement plus difficile de savoir
qui na pas rpondu au questionnaire et comment ces non-rponses peuvent
affecter les rsultats1. Dillman et al. (2009) donnent des conseils prcis sur la faon
de construire un questionnaire, et notamment sur les variations entre les diffrents
modes dadministration (Toepoel, Das et van Soest, 2009).
Enfin, tous les auteurs recommandent de joindre une lettre daccompagnement au
questionnaire. Cette lettre peut tre attache ou spare du livret dans le cas des
questionnaires postaux, ou insre dans le mail ou au dbut du fichier de questions
dans le cas des questionnaires lectroniques. Lencadr Focus qui suit en rsume
les points importants.
Il convient de dire quelques mots sur les questionnaires lectroniques. Un
questionnaire autoadministr peut tre lectronique ou envoy par courrier postal.
Aujourdhui, les questionnaires postaux tendent dcrotre au profit des
questionnaires lectroniques, plus rapides, pratiques et moins coteux. Ces derniers
regroupent autant les questionnaires envoys par email que ceux administrs par le
biais de logiciels denqute via Internet, qui gagnent en popularit. Ils consistent
envoyer un lien vers une page web contenant le questionnaire (par exemple,
Qualtrics et Survey Monkey sont des logiciels denqute en ligne frquemment
utiliss).
Le mode dadministration lectronique prsente de nombreux avantages. Tout
dabord, il permet de diminuer les biais qui peuvent sinsrer dans la conduite dun
questionnaire (notamment parce quun ordinateur pose toujours les questions de la
mme faon). Il permet galement dinclure dans le questionnaire des images, des
infographies et des animations. Un avantage significatif du questionnaire en ligne est
quil peut tre construit en arborescence, cest--dire que le droul des questions
dpend des rponses aux questions prcdentes (par exemple, le chercheur peut
paramtrer le questionnaire de telle manire que la rponse Oui la question 15
renvoie directement la question 30). Les questionnaires web peuvent galement
permettre la randomisation des questions. Enfin, le principal avantage du questionnaire
en ligne est que, tant reli des logiciels de traitement et danalyse de donnes (autant
quantitatives que qualitatives) du style dExcel ou de Sphynx, la base de
1. e-source: Phellas, C.N., Bloch, A., Seale, C. (2011). Structured methods: interviews, questionnaires and
observation. Disponible : http://www.sagepub.com/upm-data/47370_Seale_Chapter_11.pdf
267
donnes est constitue automatiquement sans que le chercheur ait besoin de saisir
lui-mme les donnes. Outre un considrable gain de temps, un tel dispositif
permet de rduire les sources derreur ainsi que davoir un suivi continu et en
temps rel de lvolution de la base de donne.
Toutefois, les questionnaires lectroniques engendrent leurs propres problmes :
les rpondants peuvent rpondre plusieurs fois au questionnaire si celui-ci nest pas
verrouill, et ils peuvent le transmettre dautres, ce qui peut fausser lchantillon.
En outre, beaucoup de gens naiment pas recevoir des mails non sollicits, ce qui
peut diminuer le taux de rponse. Enfin, le questionnaire ou lien vers lenqute en
ligne tant envoy par mail, il exclut demble toute personne ne disposant pas
dInternet. Aussi, ses rsultats ne refltent pas la population entire (les personnes
ges ou de faible revenu, notamment, ne possdent souvent pas daccs
Internet). Il convient donc de ne pas oublier ce biais lors de lchantillonnage et de
la construction de la mthode de recherche.
c Focus
La lettre daccompagnement du questionnaire
Pourquoi raliser une telle tude ? sagit de valoriser le rpondant en justi-
Il sagit de mettre laccent sur les fiant sa slection dans lchantillon et en
objectifs et les thmes abords dans le mettant en avant ses qualits spcifiques.
questionnaire. Faut-il donner une
sous quels auspices chance prcise ?
envoyer le questionnaire ? Le recours la notification dune date
Il sagit de prciser les organismes et buttoir est frquemment recommand par
personnes lorigine de la recherche ainsi les spcialistes pour accrotre la remonte
que ses parrains. Le prestige et limage dun questionnaire autoadministr. Il sagit
associs une institution de parrainage toutefois dune technique double
peut jouer un rle important. Si le ques- tranchant car certains rpondants nosent
tionnaire est envoy ltranger, il ne faut plus retourner le questionnaire lorsque la
pas oublier de traduire les sigles des orga- date buttoir est dpasse. Enfin, si le
nismes et parrains ou de citer le nom de temps estim pour remplir le question-
leurs quivalents locaux. naire est infrieur quinze minutes, le
chercheur peut le prciser. Cette informa-
Pourquoi prendre la peine de tion permet au rpondant dvaluer le cot
rpondre au questionnaire ? de sa participation.
La contribution de ltude la progres- Faut-il personnaliser
sion de la connaissance sur le domaine
le questionnaire ?
concern doit tre clairement prsente. Il
faut galement expliquer au rpondant Le rle de lanonymat des rpondants
que sa participation est importante. Il sur le taux et la qualit des rponses
un questionnaire autoadministr oppose

268

dun cot les dfenseurs dun anonymat personnalisation des questionnaires lec-
total et, de lautre les dfenseurs de la troniques facilite les envois groups. Ces
personnalisation de la relation avec les envois sont faciles raliser et peu
rpondants. Les premiers travaux de coteux en temps. Si Heerwegh et al.
Dillman recommandaient le respect de (2005) montrent que la personnalisation
lanonymat des rponses tout en lais-sant des emails accompagnant les question-
au rpondant la possibilit de contacter le naires lectroniques (ou les question-
chercheur sil le dsire. En 2009, Dillman naires eux-mmes) aide louverture des
change de position. Il admet que la fichiers, elle naugmente pour autant le
personnalisation augmente le taux de temps de rponse et la compltude du
rponses. Toutefois, la non formulaire.
Le questionnaire est le seul lien entre le chercheur et le rpondant. Deux

impratifs dcoulent de cette situation. Premirement, le document doit tre
parfaitement lisible et comprhensible sans aide. Il faut veiller la taille des
caractres et, dans le cadre dun questionnaire lectronique envoy en pice jointe,
il faut faciliter son ouverture (cest dire en lenregistrant dans un format universel
inscriptible du type RTF voire, PDF). La principale limite dun fichier joint est sa
difficult douverture ou de tlchargement. Deuximement, la grande difficult
des questionnaires autoadministrs rside dans le fait que le rpondant ne peut pas
(ou difficilement) contacter le chercheur et que ce dernier na aucun recours pour
vrifier le sens ou traduire les nuances des rponses formules. Certaines
techniques limitent cette difficult. Le Focus suivant prsente quelques pistes pour
optimiser lautoadminis-tration des questionnaires postaux ou e-mail.
c Focus
Optimiser lautoadministration des questionnaires
dlit.
Comment entrer en contact Lemail est le moyen le plus facile et le

Dunod Toute reproduction non autorise est un
avec le sujet sollicit ? moins coteux condition de disposer

Le chercheur peut contacter pralable- dun carnet dadresses lectroniques. Les
ment les rpondants pour leur prsenter rseaux sociaux (comme LinkedIn, Twitter
les objectifs de ltude et solliciter leur ou Facebook) sont aussi un moyen facile
coopration, en gardant lesprit que le et rapide dentrer en contact avec les
taux de rponse tend tre plus important rpondants. La prise de contact par tl-
phone est de loin la plus efficace mais elle
si les rpondants portent un intrt parti-
est coteuse en temps. Elle permet une
culier au sujet du questionnaire. Diff-
personnalisation de la relation avec les
rentes modalits de contact peuvent tre
rpondants tout en garantissant par la
envisages : par rencontre, par courrier,
suite une rponse anonyme sur un ques-
par email, par SMS ou par tlphone.
tionnaire postal, email ou en ligne.

269

Comment faciliter les Comment grer le phnomne de
rponses en retour ? non-rponse au questionnaire ?
Les rponses aux questionnaires lectro- Dillman et al. (2009) prconisent une
niques peuvent se faire par simple retour prise de contact en cinq temps :
de mail, ou mme automatiquement dans 1. Une courte lettre de notification peut
le cas des questionnaires en ligne. La tre envoye quelques jours avant le
gnralisation des questionnaires email questionnaire.
ou en ligne facilite donc considrable-
2. Le questionnaire est joint une lettre
ment les moyens de rponse, par rapport
daccompagnement prsentant en
aux questionnaires postaux qui nces-
dtail lobjectif de lenqute, limpor-
sitent un renvoi de courrier. Les tudes
tance de la rponse et les incitations
sur les questionnaires lectroniques
ventuelles.
adminis-trs via un site internet valuent
le possible taux de rponse partir du 3. Un message de remerciements est
nombre de clics que linternaute doit faire envoy quelques jours aprs le ques-
pour parcourir tout le document (ou tionnaire. Il exprime la reconnaissance
chacune de ses pages). du chercheur pour la rponse, et
rappelle limportance de renvoyer le
Courantes et efficaces aux tats-Unis,
questionnaire complt si cela na pas
les rcompenses financires directes
t fait. En effet, plusieurs tudes
sont peu utilises en Europe et trs
montrent que presque la moiti des
difficile-ment ralisables dans le cadre
questionnaires sont renvoys deux
de recherches universitaires franaises.
trois jours aprs avoir t reus par les
Le design du questionnaire est rpondants.
galement important. Ainsi, Deutskens
4. Un rappel, incluant une copie du ques-
et al. (2004) ont test le taux et le temps
tionnaire, est envoy deux quatre
de rponse pour diffrents designs de
semaines aprs le premier envoi.
questionnaires. Ils trouvent un temps de
rponse moyen de 6,6 jours et un taux 5. Enfin, un dernier contact est pris par
de rponse plus important pour des diffrents moyens de communication
questionnaires courts, visuels, dont deux quatre semaines aprs le rappel.
lincitation se prsente sous la forme Roose et al. (2007) ont constat que les
dune loterie et incluant un rappel tardif, procdures de relance augmentent de
par rapport des question-naires longs, douze points le taux de rponse : celui-
textuels, dont lincitation de prsente ci passe de 70 % pour les rpondants
sous la forme dune donation une nayant pas reu de relance, 82 %
association et incluent un rappel rapide. pour ceux ayant reu un message de
Quel que soit le design du questionnaire, le remerciements, 83 % pour ceux ayant
chercheur doit toujours sengager faire reu les remercie-ments et le rappel, et
parvenir, la demande du rpondant (ou enfin 89 % pour ceux ayant reu les
systmatiquement selon les contextes), un remerciements et deux rappels.
rsum des rsultats de sa recherche.
270
1.3 Les avantages et les limites de la collecte de donnes par questionnaire
Cette premire section a prsent le questionnaire comme un mode trs efficient

de collecte de donnes primaires. Il facilite effectivement la standardisation, la
comparabilit de la mesure et les traitements statistiques. Le dveloppement des
modes dadministration assiste par ordinateur ne change pas fondamentalement le
travail du chercheur sur la phase dlaboration du questionnaire. Ces modes
facilitent la saisie des rponses en vitant les possibles erreurs de retranscription et
offrent des temps de rponse plus rapides procurent des donnes de meilleure
qualit : 69,4 % des rpondants remplissent 95 % dun questionnaire lectronique
contre seulement 56,6 % pour un questionnaire postal.
Les plus grands reproches adresss aux enqutes par questionnaire sont : les gens
rpondent nimporte quoi, ils remplissent nimporte comment, les questions ne
veulent rien dire. Le chercheur peut limiter les effets du premier reproche en
personnalisant son questionnaire, en soignant sa lettre daccompagnement
(particulirement dans le cas dun questionnaire postal ou email), en adaptant son
discours dintroduction (notamment dans le cas dun questionnaire tlphonique)
ou en incitant le rpondant. Les deux autres reproches sont lis car les rpondants
remplissent nimporte comment un questionnaire lorsquil est mal fait et que les
questions ne veulent rien dire. Contrairement un entretien ouvert, un
questionnaire nest pas un instrument flexible. Lorsque la phase dadministration
est engage, il nest plus possible de revenir en arrire. Le chercheur ne peut plus
pallier une insuffisance de la donne collecte ou une erreur de la mesure. Il faut
donc accorder beaucoup dattention la prparation du questionnaire et surtout, ne
pas ngliger son prtest. Cette tape est dautant plus importante que ce mode de
collecte des donnes expose fortement le chercheur au biais du dclaratif. Seul un
prtest correctement effectu et une trs bonne connaissance des contextes de la
recherche permettent de comprendre et de corriger les possibles carts entre les
mesures dclaratives et les mesures comportementales.
Le tableau 9.1 (page suivante) compare les diffrents modes dadministration des
questionnaires sur les cots, le contrle de lchantillon et le temps de leur

ralisation.
2 Les autres modes de collecte de donnes
Les autres modes de collecte de donnes primaires destines une utilisation

quantitative sont principalement les cadres dobservation et les mthodes
exprimentales (y compris les mthodes des protocoles, les tables dinformations
ainsi que les mesures des indices physiologiques ou psychophysiques).
271
Tableau 9.1 Quelques comparaisons entre les diffrents

modes dadministration dun questionnaire
Modes dadministration
Postal email En ligne Tlphonique Face face
Cot Moyen lev Trs faible Trs faible Moyen lev lev
selon les tarifs
postaux et les
dpenses de
reproduction
Contrle Faible car le Faible lorsque le Faible quand le lev Trs lev
de chercheur na questionnaire est lien vers lenqute
lchantillon pas les envoy en fichier en ligne est
moyens de joint car le chercheur envoy par mail
savoir qui a na pas les moyens car le chercheur
rpondu de savoir qui a ne peut pas
rpondu. contrler qui
La qualit des rpond ni ne peut
rponses est plus empcher le lien
impliquante car pas dtre diffus
danonymat dautres.
Temps Assez court, Plus court que pour Trs court Trs dpendant Trs dpendant
de mais il faut le postal mais il faut de la taille de de la taille de
ralisation compter le aussi compter le lchantillon et lchantillon et
temps de la temps de la relance de la de la
relance disponibilit des disponibilit
rpondants des rpondants
2.1 Les cadres dobservation
Un cadre dobservation est construit comme un questionnaire : il sappuie sur le

modle conceptuel de la recherche, il dpend du choix du chercheur sur la mthode
danalyse des donnes, il permet des traitements statistiques. Silverman (2006)
note que lobservation nest pas une mthode de collecte trs courante dans les
recherches quantitatives car il est difficile de mener des observations sur de larges
chantillons. Le chercheur peut pallier cette difficult en mobilisant plusieurs
observateurs. Au-del de son cot, la multiplication des observateurs pose un
problme de fiabilit car les diffrentes observations peuvent de ne pas tre
homognes. Dans tous les cas, le recours un cadre dobservation systmatique
pour dcrire identiquement des comportements observs est indispensable. Par
exemple, le chronomtrage systmatique dune tche permet ainsi de comparer des
entreprises et dtablir, le cas chant, des corrlations avec leurs performances. De
mme, le degr dinternationalisation des entreprises peut tre valu partir du
pourcentage dappels internationaux dans leurs communications tlphoniques.
272
2.2 Les mthodes exprimentales
Certaines mthodes exprimentales permettent de faire des prlvements

quantitatifs et dexploiter statistiquement les donnes recueillies. La qualit dune
exprimentation repose avant tout sur la mise en condition des participants
(comportement, volont, condition denvironnement, etc.). En aucun cas, les
participants ne doivent se sentir obligs dadopter un comportement induit par la
situation dexprimentation. Le travail du chercheur est donc de crer les
conditions qui encouragent les participants se comporter le plus naturellement
possible. Diffrentes mthodes peuvent tre mobilises pour mener des
exprimentations (Davis et Holtz, 1993). Le chercheur peut avoir recours la
mthode des protocoles : le sujet est alors invit reconstituer et dcrire haute
voix les processus internes de traitement de linformation qui sous-tendent ses
dcisions. Dautres mthodes dexprimentation consistent en la participation des
sujets un jeu de rle ou en des jeux de simulation (Davis et al., 2007).
Ces mthodes dexprimentation sont riches dinformations pour le chercheur.
Les variables sont mesurables et matrisables. Il est tout fait possible dtablir des
comparaisons et de tester des rapports de causalit entre des vnements. En
revanche, ces mthodes sont parfois trop simplificatrices et peuvent tre limites en
termes de validit externe. Les rsultats quelles permettent dobtenir doivent tre
analyss avec prcaution car leur gnralisation est limite.
section
2 LA COLLECTE DEs DOnnEs PRIMAIREs
DAns LEs REChERChEs QuALITATIVEs
Cette section prsente les principaux modes de collecte de donnes primaires dans
les recherches qualitatives. La collecte de ces donnes nest pas une simple tape
discrte dun programme de recherche. Elle require une investigation prolonge sur le
terrain. Ds lors, la gestion de la situation dinteraction entre le chercheur et les sujets-
sources de donnes prend une dimension essentielle. Toute la difficult dune
recherche qualitative consiste non faire abstraction du chercheur (de soi-mme), mais
qualifier et matriser la prsence du chercheur dans le dispositif de collecte.
Cette section traite de cette difficult et des implications des choix de gestion des
sources de donnes. Elle prsente enfin quelques stratgies dapproches et de
gestion des sources de donnes primaires dans les recherches qualitatives.
273
1 Les principaux modes de collecte
Les principaux modes de collecte de donnes primaires en recherche qualitative

sont lentretien individuel, lentretien de groupe, ainsi que lobservation
participante ou non participante.
1.1 Lentretien
Lentretien est une technique destine collecter, dans la perspective de leur

analyse, des donnes discursives refltant notamment lunivers mental conscient ou
inconscient des individus. Il sagit damener les sujets vaincre ou oublier les
mcanismes de dfense quils mettent en place vis--vis du regard extrieur sur
leur comportement ou leur pense.
Lentretien individuel
L entretien individuel est une situation de face face entre un investigateur et un

sujet. La notion dentretien est fonde sur la pratique dun questionnement du sujet
avec une attitude plus ou moins marque de non-directivit de linvestigateur vis--
vis du sujet. Un questionnement directif ne relve pas de lentretien mais du
questionnaire. Comme le soulignent Evrard et al. (2009 : 91), le principe de la non-
directivit repose sur une attention positive inconditionnelle de linvestigateur :
le sujet peut tout dire et chaque lment de son discours a une certaine valeur car il
renvoie de faon directe ou indirecte des lments analytiques de lobjet de
recherche. La non-directivit implique galement une attitude dempathie de
linvestigateur, cest--dire lacceptation du cadre de rfrence du sujet, en termes
dmotion ou de signification, comme si linvestigateur tait la place du sujet
interrog.
partir de ce principe de non-directivit, on distingue traditionnellement deux types
dentretien : lentretien non directif et lentretien semi-directif. Dans lentretien non
directif, linvestigateur dfinit un thme gnral sans intervenir sur lorientation du
propos du sujet. Ses interventions se limitent une facilitation du discours de lautre,
la manifestation dune attitude de comprhension, une relance fonde sur les
lments dj exprims par le sujet ou un approfondissement des lments discursifs
dj noncs. Avec lentretien semi-directif, appel aussi entretien centr , le
chercheur applique les mmes principes, la diffrence quil utilise un guide structur
pour aborder une srie de thmes pralablement dfinis. Ce guide est complter en
cours dentretien laide dautres questions (cf. Focus suivant).
274
c Focus
Les diffrents types de questions dans lentretien semi-directif
Rubin et Rubin (1995) dfinissent trois dimplication qui font suite aux rponses
types de questions, les questions princi- aux questions principales ou visent
pales qui servent dintroduction ou de laborer avec prcision une ide ou un
guide dans lentretien, les questions concept. Les questions dinvestigation et
dinvestigation destines complter dimplication ne peuvent tre prpares
ou clarifier une rponse incomplte ou lavance. Elles doivent tre amnages
floue, ou demander dautres exem-ples par le chercheur au fur et mesure de
ou preuves , et les questions lentretien.
Le guide des questions principales peut tre modifi si, dans la dynamique de
lentretien, le sujet aborde de lui-mme des thmes prvus. Enfin, certaines questions
peuvent tre abandonnes si le sujet se montre rticent sur certains thmes et que le
chercheur veut viter un blocage dans la situation de face face. Un entretien se
droule rarement comme prvu. Le pire comme le meilleur peuvent merger tout
instant. Lentretien exige sagacit et vivacit de la part du chercheur. Dans la pratique,
si celui-ci est accapar par la prise de note, il risque de ne pas disposer dune attention
suffisante pour tirer totalement partie des opportunits qui se dgagent de la dynamique
de lentretien. Il est donc fortement conseill denregistrer lentretien laide dun
dictaphone malgr les rticences et la prudence dans les propos que la situation
denregistrement peut faire natre chez le sujet interview. Autre avantage, les donnes
discursives seront ainsi plus exhaustives et plus fiables. Elles permettront des analyses
plus fines, notamment une analyse de contenu.
Dans la recherche en management, le chercheur nest pas toujours contraint de sen
tenir un mode exclusif dentretien. En effet, il faut distinguer deux dmarches en
matire dentretien. Soit le chercheur mne une srie dentretiens de faon
systmatique et dlibre avec diffrents sujets des fins de comparaison, soit il utilise
les entretiens de faon heuristique et mergente des fins daccumulation de la
connaissance sur un domaine. Dans la premire dmarche, le chercheur utilisera de
manire rigoureuse un mme guide pour lensemble des entretiens qui seront semi-
directifs. Dans la seconde dmarche, le chercheur visera une progression par rapport
sa question de recherche. Il peut alors recourir des entretiens dabord peu structurs
avec une remise en cause permanente de sa problmatique permettant aux sujets de
participer lorientation de la recherche, puis pratiquer par la suite des entretiens semi-
directifs sur des thmes plus prcis. Le passage de lentretien cratif lentretien
actif peut illustrer cette dmarche (cf. Focus suivant).
275
c Focus
Le passage de lentretien cratif lentretien actif
Lors des premires rencontres, le mode entretien unique avec le sujet. Elle
de la conversation est utile pour produire demande la ritration de la situation
de la profondeur. Cette mthode dentre- dentretien pour tre possible. Le sujet
tien relve de lentretien cratif du fait apprend dautant plus connatre le
quelle procde de la rvlation mutuelle cher-cheur. Cette connaissance lui
entre le chercheur et le sujet, et de la servira ensuite dappui pour se rvler
gnration dmotion (Douglas, 1985). lui-mme. Il est ensuite possible pour le
Se rvler est un gage dauthenti-cit du chercheur de sorienter vers lentretien
chercheur pour les sujets qui auront eux- actif en introduisant de la rationalit
mmes ensuite tendance se rvler. pour compenser lmotion (Holstein et
videment, la gnration dmo-tion Gubrium, 1995).
ne peut se faire dans le cadre dun
Par ailleurs, dans les recherches impliquant plusieurs acteurs au sein dune
organisation ou au sein dun secteur, lattitude de ces derniers lgard du
chercheur peut ne pas tre consensuelle ou encore leur vision de la question tudie
peut ne pas tre partage. Le chercheur peut aussi tre contraint de sadapter
lattitude de chacun des sujets. Comme le souligne Stake (1995), chaque individu
interrog doit tre considr comme ayant des expriences personnelles, des
histoires spcifiques voquer. Le questionnement des individus peut donc tre
ajust aux connaissances quils sont le plus mme de fournir. La flexibilit du
chercheur est donc un lment clef du succs de la collecte de donnes par
entretien. Il peut tre utile damnager des entretiens de faon mixte avec une part
de non-directivit, laissant libre cours la suggestion des sujets, et une part de
semi-directivit, o le chercheur prcise ses besoins en termes de donnes. En
dfinitive, la formulation des questions et lanticipation des approfondissements
qui suscitent de bonnes rponses relvent dun art particulier (Stake, 1995 : 65).
Lentretien de groupe
Lentretien de groupe consiste runir diffrents sujets autour dun ou de

plusieurs animateurs. Sa particularit est de placer les sujets dans une situation
dinteraction. Le rle du (ou des) animateur(s) est dlicat car il consiste faciliter
lexpression des diffrents individus et grer la dynamique du groupe. Lentretien
de groupe demande donc une prparation prcise car les objectifs et les rgles
dintervention des sujets, prise de parole et thmes aborder, doivent tre
clairement dfinis au dbut de lentretien.
Les avis des spcialistes de la recherche qualitative sont divergents propos de
lefficacit des entretiens de groupe collecter des donnes pertinentes. Pour
276
certains, lentretien de groupe permet dexplorer une problmatique ou didentifier

des informateurs clefs (Fontana et Frey, 2005). Linteraction entre les membres du
groupe permettrait de stimuler leur rflexion sur le problme pos. Pour dautres,
lentretien de groupe peut entraner une rticence des sujets se rvler face aux
autres participants (Rubin et Rubin, 1995). Dans le domaine de la recherche en
management, les biais et les freins inhrents lentretien de groupe sont encore
plus patents. Lauthenticit des discours est sujette caution, tant les jeux de
pouvoir et les enjeux du devenir des sujets au sein de lorganisation peuvent
intervenir. Toutefois, si la recherche porte justement sur ces jeux de pouvoir,
lentretien de groupe est susceptible de rvler au chercheur des lments quil
pourra ensuite valuer par dautres mthodes de collecte. loppos, lentretien de
groupe peut avoir galement pour objet de confirmer des conflits et des tensions
latentes rvls par dautres modes de collecte au sein dune organisation.
Comme dans lentretien individuel, linvestigateur qui anime un entretien de
groupe doit faire preuve de flexibilit, dempathie et de sagacit. Toutefois, la
matrise de lentretien de groupe exige certaines aptitudes spcifiques de la part de
linvestigateur afin de ne pas altrer la dynamique de lentretien et fausser les
donnes recueillies (cf. Focus suivant).
c Focus
La matrise de lentretien de groupe
Selon Merton et al. (1990), linvestigateur Fontana et Frey (2005) suggrent une
qui anime un entretien de groupe doit : autre aptitude : savoir quilibrer entre un
empcher un individu ou une petite rle directif et un rle modrateur afin de
coalition de dominer le groupe ; prter attention la fois au guide dentre-
tien et la dynamique de groupe.
encourager les sujets rcalcitrants
participer ; Enfin la constitution du groupe doit limiter
la redondance et viser lexhaustivit de la

obtenir du groupe une analyse la plus
reprsentation des acteurs concerns par
complte possible du thme abord.
la question de recherche.
Compte tenu des lments que nous venons dexposer, lentretien de groupe, de
rares exceptions prs, ne peut tre envisag comme une technique de collecte
exclusive et doit tre complt par un autre mode de collecte.
1.2 Lobservation
Lobservation est un mode de collecte des donnes par lequel le chercheur observe
de lui-mme, de visu, des processus ou des comportements se droulant dans une
organisation, pendant une priode de temps dlimite. Lobservation constitue un
277
mode de recueil alternatif de lentretien dans le sens o le chercheur peut analyser

des donnes factuelles dont les occurrences sont certaines, plutt que des donnes
verbales dont linfrence factuelle est sujette caution.
Deux formes dobservation peuvent tre distingues en fonction du point de vue
du chercheur par rapport aux sujets observs (Jorgensen, 1989). Soit le chercheur
adopte un point de vue interne et son approche relve de lobservation participante,
soit il conserve un point de vue externe et il sagit dune observation non
participante. Entre ces deux extrmes, le chercheur peut adopter des solutions
intermdiaires. linstar de Junker (1960), on peut donc dfinir quatre postures du
chercheur sur le terrain : le participant complet, le participant-observateur,
lobservateur-participateur et lobservateur complet.
Lobservation participante
Nous analyserons dans le Focus suivant les trois degrs de participation que
peut adopter le chercheur sur le terrain.
c Focus
Les trois degrs de participation du chercheur sur le terrain
Le chercheur peut dabord tre un parti- utiliser des mthodes sophistiques
cipant complet . Dans ce cas, il ne notifie denregistrement des donnes pour viter
pas aux sujets observs son rle de toute dtection. Il ne contrle que trs peu
chercheur. Lobservation est alors dissi- lchantillonnage des sources de
mule . La participation complte donnes. Sa position par rapport au
prsente la fois des avantages et des terrain est rigide. Elle ne peut tre modi-
inconvnients. Les donnes collectes ne fie ce qui peut entraner un srieux cot
sont pas biaises par la ractivit des dopportunit (Jorgensen, 1989). Enfin,
sujets (Lee, 1993). Selon Douglas (1976), lobservation dissimule pose de
lun des rares tenants de lobservation redoutables problmes thiques (Bulmer,
dissimule , via une participation 1999 ; Punch, 1986). Elle ne peut tre
complte, cette technique de collecte de justifie que par des circonstances
donnes se justifie par la nature conflic- exceptionnelles et le chercheur ne peut
tuelle de la vie sociale et la dfiance vis-- sappuyer, pour une telle position lgard
vis de toute investigation, mme scien- des sujets-sources, sur le simple
tifique, qui en dcoule. Toutefois, en argument de la collecte de donnes
adoptant une observation dissimule , relles (Lincoln et Guba, 1985).
le chercheur peut difficilement appro- Le chercheur peut opter pour un moindre
fondir ou recouper ses observations par degr de participation, il sera un partici-
dautres techniques comme lentretien. Le pant-observateur . Cette position prsente
chercheur court galement le risque un compromis. Le chercheur dispose dun
rdhibitoire dtre dcouvert. Il est amen plus grand degr de libert pour mener

278

ses investigations. Il peut complter ses la vie de lorganisation tudie reste
observations par des entretiens. Il sex- marginale et son rle de chercheur est
pose nanmoins la ractivit des sujets clairement dfini auprs des sujets-sources.
car il est mandat au sein de lorganisa- Le chercheur risque alors de rencontrer des
tion. Il nest pas dans une position neutre rsistances chez les acteurs observs au
vis--vis des sujets-sources de donnes dbut de sa recherche. Toutefois, ces
primaires qui peuvent activer des mca- rsistances peuvent se rduire avec le
nismes de dfense lgard de temps et le chercheur peut tre en mesure
linvestiga-tion. Ce peut tre le cas dun daccrotre sa capa-cit dobservation. Cest
salari dune organisation qui dcide de le comporte-ment du chercheur qui sera ici
sengager dans un travail de recherche. dtermi-nant. Pour peu quil russisse
Son statut de membre de lorganisation crer une relation de confiance avec les
prdomine sur son rle de chercheur. Le sujets-sources, il dispose dune plus grande
conflit de rles qui en dcoule peut rendre latitude pour complter lobservation par des
difficile le maintien de sa position de entretiens et pour matriser lchantil-
chercheur sur le terrain. lonnage de ses sources de donnes. Ll-
Enfin, le chercheur peut tre un obser- ment clef rside ici dans le maintien dune
vateur qui participe . Sa participation neutralit lgard des sujets.
Afin de mieux cerner les enjeux des diffrents degrs de participation, le lecteur
pourra se reporter la partie de ce chapitre consacr aux diffrentes stratgies
dapproche et de gestion des sources de donnes.
Lobservation non participante
On peut distinguer deux formes dobservation non participante : lobservation non

systmatique ou encore flottante (Evrard et al., 2009) et lobservation focalise et
standardise. Lobservation flottante peut tre une tape lmentaire de
linvestigation sur le terrain destine collecter des donnes prliminaires sur le site.
Elle peut tre galement apprhende comme une source complmentaire de donnes.
Ainsi, Yin (2014) note que, lors de visites sur le terrain pour y conduire des entretiens,
le chercheur peut observer, de faon non systmatique, des indicateurs, par exemple
sur le climat social ou sur lappauvrissement de lorganisation, quil inclura dans sa
base de donnes. Lobservation flottante concerne aussi le recueil dindicateurs non
verbaux mis par les sujets-sources lors de la conduite dentretiens (gestes, relation
spatiale, ton).
Lobservation focalise et standardise consiste mener des observations en
adoptant, tout au long du recueil de donnes, un mme dispositif de collecte et
danalyse. Les lments observs doivent tre dfinis au pralable de manire
troite. Ce mode de collecte impose donc de dvelopper et de valider un cadre
standard dobservation avant de recueillir les donnes qui vont servir de base
empirique la recherche (cf. Focus suivant).
279
c Focus
Les lments dune grille dobservation
Selon Evrard et al., 2009, une grille dob- des units de dcoupage et denregis-
servation systmatique doit comporter : trement ;
un systme de catgories respectant des un plan dchantillonnage ;
rgles dattribution exclusive, dexhausti- un plan danalyse des donnes.
vit, dhomognit et de pertinence ;
Compte tenu de la rigidit dun tel dispositif, le chercheur devra prendre garde
aux possibles erreurs de contenu (issue dune simplification de lobservation), de
contexte (inhrent au lien entre des donnes et des situations) et aux biais
instrumentaux (due au jugement et aux affects du chercheur) (Weick, 1968).
1.3 Les mesures discrtes
Il y a enfin une autre forme de collecte de donnes primaires, transversale la

classification des diffrents modes de collecte des donnes que nous avons adopte. Il
sagit des mesures discrtes (unobstrusives dans la terminologie anglo-saxonne).
Ces mesures rsident dans la collecte de donnes qui ne sont pas affectes par la
ractivit des sujets-sources de donnes primaires car elles sont recueillies
c Focus
Les lments susceptibles de mesures discrtes
Les lments offrant lopportunit de les donnes ponctuelles et prives telles
mesures discrtes sont : que les niveaux de vente, lvolution des
les traces physiques telles que le type parts de march, les statistiques
de revtement de sol (gnralement sectorielles ou encore les archives den-
plus rsistant quand les lieux sont trs treprise (dcisions, correspondance) ;
frquents), lusure des quipements les simples observations sur le
collectifs ou individuels ; compor-tement des individus, la
les donnes courantes et publiques gestion des distances et de lespace
ayant trait la dmographie, aux acti- dans les diff-rentes pices, la gestion
vits politiques, aux dcisions judi- du temps et plus gnralement les
ciaires ou encore mises par les mass mesures non verbales ;
mdia ; lenregistrement lectronique des
comportements, par vido et encore
par pointage
280
leur insu. Comme nous lavons soulign dans le chapitre 4, les donnes obtenues de
cette faon permettent de complter ou de recouper les donnes collectes de faon
indiscrte . Webb et al. (1966) ont propos une classification des diffrents
lments dont dispose le chercheur pour effectuer des mesures discrtes (cf.
Focus page ci-contre).
2 Les implications de la gestion des

sources de donnes primaires
Une des difficults majeures laquelle doit faire face le chercheur qui envisage de
mener une recherche qualitative en management rside dans laccs des organisations
et plus particulirement des acteurs observer ou interviewer. Nous traiterons donc,
tout dabord, de laccs des acteurs, car il intervient largement sur lorientation du
projet de recherche. Nous verrons ensuite que la situation dinteraction avec les sujets-
sources de donnes primaires implique une flexibilit de la part du chercheur. Nous
montrerons aprs que, parce que les sources de primaires sont ractives, le chercheur
est expos au risque de contamination des sujets-sources. Nous envisagerons les
prcautions prendre face ce phnomne. Enfin, nous valuerons quelles sont les
consquences du risque de perte du chantier de recherche.
2.1 Laccs aux sources

Lautorisation des responsables dorganisations
Il est crucial de dterminer si la recherche ncessite un accs autoris au terrain

que lon dsire tudier. Lautorisation daccs nest pas systmatique. Nombre
dorganisations, cultivant une tradition de relation avec la communaut de
recherche, ou tout au moins sabandonnant cette curiosit rciproque entre
chercheurs et acteurs, permettent laccs leurs employs et leurs sites (bureaux,
sites de production, etc.). Dautres organisations cultivent une culture du secret et

sont plus enclines sopposer linvestigation des chercheurs. Il est donc utile de
samnager un accs aux sources de donnes primaires. Cest ce point que nous
dvelopperons prsent.
Lamnagement dun accs aux sources de donnes
La ngociation dun accs au terrain requiert du temps, de la patience et de la

sensibilit aux rythmes et aux normes dun groupe (Marshall et Rossman, 1989). Une
approche progressive peut simposer pour minimiser la menace potentielle que le
chercheur reprsente et ne pas bloquer laccs au terrain (Lee, 1993). Des mthodes de
collecte telles que lobservation participante et linterview en profondeur
281
permettent de se familiariser avec le contexte et dviter ou de retarder certains faux

pas rdhibitoires. Elles offrent lopportunit de construire une relation de confiance qui
constituera la clef daccs aux donnes. Si la confiance des sujets lgard du
chercheur ne constitue pas une garantie quant la qualit des donnes collectes,
labsence de confiance entrane un biais considrable (Lincoln et Guba, 1985). La
cration dune relation de confiance avec les sources de donnes peut ncessiter le
parrainage dun acteur du terrain. La technique du parrainage permet un gain de
temps considrable. Comme le souligne Lee (1993), la rfrence la plus connue et la
plus exemplaire en matire de parrainage par un acteur est celle de Doc, le leader
du gang des Norton tudi par Whyte dans Street Corner Society (1955). Nous la
citons en exemple car elle illustre la caractristique fondamentale du parrain, que lon
peut galement qualifier dalli ou de sponsor : la dtention dune autorit
susceptible dimposer le chercheur aux autres sujets de ltude.
EXEMPLE Accs au terrain par parrainage : street Corner society (Whyte, 1955)
Dans la postface de son ouvrage, Whyte raconte comment ses premires tentatives de
sintroduire dans la socit de Cornerville se traduisent par des checs. Un jour,
lducatrice en chef du foyer socioculturel du quartier lui suggre une rencontre avec
Doc pour laider dans son investigation.
En arrivant Cornerville ce soir-l, javais le sentiment que ctait ma meilleure
chance de dmarrer. Je devais me dbrouiller pour que Doc maccepte et quil veuille
travailler avec moi.
En un sens, ma recherche a commenc le soir du 4 fvrier 1937, quand lducatrice ma
fait entrer pour voir Doc. [] Jai commenc par lui demander si lducatrice lui avait
expliqu mes motivations. [] Je me suis ensuite lanc dans une longue explication.
[] Quand jai eu termin, il me demanda :
Vous voulez voir la grande vie ou la vie de tous les jours ?
Je voudrais voir tout ce quil est possible de voir. Je voudrais avoir une image aussi
com-plte que possible de la communaut.
Bon, si un de ces soirs vous avez envie de voir quelque chose, je vous emmne. Je peux
vous montrez les botes les botes de jeu , je peux vous emmener voir les bandes de
la rue. Souvenez-vous simplement que vous tes mon ami. Cest tout ce quils ont
besoin de savoir. Je connais tous ces endroits et si je leur dis que vous tes mon ami,
personne ne vous cherchera des ennuis. Dites-moi seulement ce que vous voulez voir et
on vous arrangera a (Whyte, 1955, 1996 : 317-318).
Si le parrainage du chercheur par un acteur du terrain est parfois trs utile, il peut
nanmoins induire de srieux inconvnients quant la collecte de donnes. cet
gard, le rle du parrain peut tre de trois ordres (Lee, 1993). Le parrain peut jouer le
rle de passerelle avec un univers non familier. Il peut galement tre un guide
suggrant des orientations et surtout alertant le chercheur dun possible faux-pas
lgard des sujets. Il peut enfin tre une sorte de patron qui investit le
282
chercheur de la confiance des autres par son propre contrle sur le processus de
recherche. Laccs au terrain est produit de faon indirecte par la passerelle et
par le guide , et de faon directe par le patron . Lee (1993) a mis en vidence
le revers de la mdaille que reprsente laccs au terrain par un parrain. En
introduisant le chercheur sur le (ou les) site(s) tudi(s), le patron exerce une
influence inhrente sa rputation avec tous les biais que cela comporte. Le
chercheur doit donc veiller ne pas recourir de faon systmatique un mme
parrain, sinon il prend le risque dintroduire un biais instrumental lourd . Pour
viter ce type de phnomne, le chercheur peut mettre profit la familiarit avec
son terrain et solliciter le parrainage dautres acteurs.
Les possibilits daccs aux sources de donnes peuvent ainsi influencer les
ambitions valuer ou construire la thorie. Une recherche fonde sur une
approche qualitative exige de la part du chercheur une grande flexibilit. Cest ce
point que nous dvelopperons prsent.
2.2 La ncessaire flexibilit du chercheur
Comme nous lavons soulign dans le chapitre 4, la gestion dun programme de

recherche participe dun opportunisme mthodique (Girin, 1989).
La flexibilit, voire lopportunisme, du chercheur, dj inhrents lutilisation de
donnes secondaires (e.g. la disponibilit de la donne), se rvlent encore plus
ncessaires dans la gestion des sources de donnes primaires car celles-ci sont le plus
souvent ractives. Il est donc vain denvisager un projet de recherche ne prenant pas en
compte linteraction entre le chercheur et les sources de donnes primaires. Le
chercheur est confront une part dimprvu car ce qui sera appris sur un site est
toujours dpendant de linteraction entre linvestigateur et le contexte [], et parce
que la nature des mises au point mutuelles (entre le chercheur et les sujets) ne peut tre
connue avant quelles ne se produisent (Lincoln et Guba, 1985 : 208).
Limpratif de flexibilit est galement soulign par Girin, pour qui le chercheur
en gestion est confront une matire vivante qui suppute en quoi ce que
nous faisons peut lui tre utile, ou nuisible, ou plus ou moins utile ou nuisible
suivant les orientations quelle parviendra nous faire prendre. La matire nous
manipule, et risque de nous rouler dans la farine. Elle nous embobinera dailleurs
dautant mieux que nous serons persuads de pouvoir tenir un plan fix lavance
(1989 : 3). Cet auteur rvle ainsi, quau-del de la flexibilit du chercheur, il
faut galement prendre en compte les ractions des sujets-sources. Deux
phnomnes nous semblent essentiels cet gard : la contamination des donnes et
le risque de perte du chantier de recherche.
283
2.3 Le problme de la contamination des sources
Un des problmes critiques de la gestion des sources de donnes primaires rside

dans les multiples phnomnes de contamination auxquels doit faire face le chercheur.
Il ne sagit pas de considrer que le chercheur doit rester neutre dans le dispositif, mais
plutt quil doit tre conscient et grer de faon attentive et attentionne les multiples
risques de contamination quengendrent ses relations avec les sources.
Ces contaminations sont de trois ordres : la contamination intragroupe, la
contamination entre le chercheur et la population interviewe, ainsi que la
contamination entre sources des donnes primaires et sources de donnes secondaires.
On peut dfinir la contamination comme toute influence exerce par un acteur sur un
autre, que cette influence soit directe (persuasion, sduction, impression, humeur,
attitude, comportement, etc.) ou indirecte (mission de message par un tiers, diffusion
non contrle de signaux aux acteurs, diffusion dun document influenant la
population tudie, choix des termes dans un guide dentretien, etc.).
La contamination intragroupe nat de linteraction entre les acteurs interviews.
Lorsquun chercheur conduit une investigation de longue haleine sur un terrain, les
acteurs parlent entre eux, discutent des intentions du chercheur, valuent la
motivation de ses investigations. Si le chercheur a t introduit par un parrain, les
acteurs auront tendance faire lamalgame entre les motivations du parrain et
celles du chercheur. Le chercheur pourra apparatre comme une tte chercheuse
du parrain. Les sujets-sources de donnes primaires auront alors tendance se
contaminer en schangeant des ides fausses propos du rle du chercheur. Ceci
aura pour effet de produire une attitude collective envers le chercheur qui peut
fortement influencer les rponses des interviews. Lorsquun chercheur travaille
sur un terrain sensible, lenjeu collectif associ la sensibilit du terrain a tendance
accentuer la contamination intragroupe (Mitchell, 1993). Le rle du parrain
devient alors essentiel comme temporisateur et conciliateur pour maintenir le
niveau dacceptation du chercheur. Cependant, en voulant bien faire, le parrain
sil nest pas suffisamment inform par le chercheur peut faire plus de mal que de
bien en biaisant les objectifs de la recherche auprs du groupe afin de mieux faire
accepter son protg (cf. figure 9.1).
Le parrain peut galement contaminer le chercheur. Ce cas est assez frquent, car
le parrain, en fournissant laccs aux acteurs, va modeler la fois la population
des interviews et la squentialit des interviews. Cette premire forme dinfluence
serait bnigne si le parrain nintervenait pas auprs du chercheur pour lui donner
son avis personnel son valuation sur le vrai rle de lacteur dans
lorganisation . Il est trs important de prvoir une gestion spcifique de la
relation avec le parrain, aussi bien vis--vis de cet acteur clef pour limiter son
influence sur le processus de recherche, quauprs des acteurs pour ne pas perdre la
confiance quils ont dans la recherche et le chercheur.
284
Les acteurs contaminent

les medias (rapports, interviews, etc.)
Sources secondaires Sources primaires

Contamination Contamination intragroupe
mdiatique
Des donnes Parrain

secondaires Le parrain
induisent autovalide
une autovalidation les prsupposs
des hypothses du chercheur Le chercheur
du chercheur contamine
la population
des interviews
Autovalidation
par les interviews
la suite
Chercheur de contaminations
par le chercheur
Figure 9.1 Contamination et autovalidation
Enfin, les sources secondaires peuvent tre la fois contamines et contaminantes.

Lorsquil sagit de documents internes, le chercheur doit veiller clairement identifier
les metteurs et les auteurs des sources secondaires utilises. Les acteurs peuvent
influencer, ou avoir influenc, ces sources. Par exemple, les acteurs ont tendance
produire des garde-fous et des systmes de contre-feu dans larchivage et
lenregistrement des donnes internes afin de masquer leurs erreurs en accentuant les
zones dincertitude de larchivage. Dans les grands groupes industriels, ces contre-feux
sont raliss au moyen de doubles systmes darchivage sparant dun ct les archives
de direction gnrale, et dun autre, les archives dites de collection gnrale ou
collection historique . Un filtre est ainsi exerc afin de protger les motivations, ou les
conditions relles, des dcisions de lorganisation. Ceci est dautant plus vrai en
priode de crise, o larchivage est lobjet de mesures durgence (destruction de

documents clefs, versions pures et archives). Les donnes disponibles pour le
chercheur vont ainsi le contaminer en lui dcrivant une situation telle quelle a t
dessine par les acteurs.
Ce problme de la contamination tant incontournable, une solution consiste
confronter systmatiquement les acteurs avec les possibilits de contamination que
le chercheur peut dcouvrir lors de sa recherche. Le chercheur peut recourir la
double source, cest--dire recouper une information fournie par une source auprs
dune seconde source, ou voquer auprs des acteurs la possibilit de
contamination en demandant leur soutien pour interprter les sources
secondaires disponibles. Une autre solution consiste renouveler les sources, voire
supprimer des sources trop fortement contamines.
285
2.4 Le risque de perte du chantier de recherche
Le risque de perte du chantier de recherche est un lment crucial dans la gestion

des sources de donnes primaires. Il doit dautant plus tre pris en compte que le
nombre de chantiers, cest--dire de sites, est rduit. La perte dun chantier est
coteuse pour le chercheur car elle entrane une recherche dun site de substitution
ou la rduction de la base empirique de la recherche. Dans le cadre dune tude de
cas unique, le risque de perte du chantier devient la proccupation premire du
chercheur et dicte tant les modalits daccs aux donnes que la gestion des
sources primaires jusqu lissue du travail de recherche. Le caractre unique du
cas ne permet pas son abandon sans remettre en cause la recherche engage.
Si la rticence initiale des sujets linvestigation sefface grce la pugnacit du
chercheur, un blocage peut surgir ensuite limproviste (Douglas, 1976). Le chantier
peut alors ne pas tre totalement perdu mais le chercheur est nanmoins confront au
tarissement de la source de donnes primaires. Compte tenu de ce risque, il faut mettre
en avant la ncessit de battre le fer pendant quil est chaud . Dautant que le
tarissement de la source de donnes primaires peut galement provenir de linstabilit
du terrain de recherche. Linvestissement dans la relation avec les sujets peut tout
moment tre rduit nant par des changements dans la structure de lorganisation.
Les interlocuteurs changent de place, de fonctions, de proccupations, posent au
chercheur de nouvelles questions, remettent en cause la possibilit de la recherche
(Girin, 1989 : 2). Dans cette perspective, il peut tre indiqu dadministrer des sries
dentretiens auprs dun nombre limit de sujets-sources sur une mme priode plutt
que de se disperser en voulant rencontrer trop de sujets-sources.
3 Quelques stratgies dapproche et de

gestion des sources de donnes
Nous avons choisi de prsenter de faon thmatique quelques stratgies

dapproches et de gestion des sources de donnes. Cette prsentation permet de
caractriser les dmarches qui soffrent au chercheur sous la forme doptions quil
lui appartient de choisir en fonction de son objet de recherche, du contexte de son
recueil de donnes et de ses affinits personnelles. Les thmes prsents ne sont
pas exclusifs et le chercheur peut oprer les combinaisons de son choix.
3.1 Les approches contractuelles ou oblatives
Afin dviter tout malentendu et de protger chercheurs et entreprises, on peut

envisager dencadrer le travail de recherche par un contrat. Lexistence dun contrat
peut tre une condition daccs lensemble des sources de donnes, primaires et
secondaires, dune organisation. Elle peut permettre de rassurer lorganisation sur la
286
finalit de la prsence du chercheur dans ses murs. Si le chercheur a besoin de

financer son travail, il pourra opter pour un contrat Cifre (convention par laquelle
une organisation finance un projet de recherche). Dans ce cas, lencadrement
contractuel est spcifique et norm. La partie la plus cruciale dun contrat de
recherche avec une organisation concerne la confidentialit des rsultats et les
droits de publication. Il est lgitime que lorganisation protge la confidentialit de
ses savoir-faire, plans, mthodes, codes, procdures et documents. Il est dusage de
soumettre ses travaux lentreprise avant leur publication dfinitive. Il est utile de
rappeler que le chercheur conserve la proprit intellectuelle de ses travaux, sans
limites gographiques ou temporelles. Les ngociations sur la proprit
intellectuelle peuvent tre trs rapidement pres, notamment si la recherche porte
sur le dveloppement dinstruments de gestion. Lencadrement contractuel peut
donc exercer une influence sur le travail de recherche.
loppos de cette approche contractuelle, le chercheur peut privilgier une
approche nettement plus informelle que nous qualifierons doblative car fonde sur
lesprit du don. En effet, aux antipodes de lchange formel, peut sinstaurer un
change relevant du don. Selon Godbout et Caill, alors que les relations dchange
formel relvent de liens abstraits ou secondaires qui rendent, au moins en thorie,
les individus interchangeables et anonymes , lesprit du don renvoie ces liens
sociaux primaires dans lesquels les personnes affirment et crent leur unicit
(1992 : 32). Ces deux auteurs qualifient de don , toute prestation de bien ou de
service effectue, sans garantie de retour, en vue de crer, nourrir ou rcrer le lien
social entre les personnes (ibid. : 32). Cet esprit du don requiert limplicite et le
non-dit (ibid. : 11). Bien quil puisse paratre anachronique de faire rfrence au
don en matire de recherche en management, ce type dapproche peut se rvler
hautement productif de donnes rares et pertinentes. Pour peu que le chercheur
sattache faire participer les sujets la construction de lobjet de recherche et
instaure une relation interpersonnelle, chaque fois spcifique, fonde sur une
confiance rciproque patiemment construite, les sujets peuvent devenir des sources
de donnes inestimables. Le choix dune approche oblative peut se justifier si le
chercheur dsire conserver une grande flexibilit dans sa relation avec les sources
de donnes primaires.
3.2 Les approches dissimules ou ouvertes
Dans lapproche des sources de donnes, le chercheur est confront au dilemme

suivant : doit-il emprunter une approche dissimule (covert dans la
terminologie anglo-saxonne), par laquelle il conservera la matrise absolue de la
gestion avec les sources de donnes primaires et qui le conduira adopter une
investigation masquant ses objectifs de recherche, ou doit-il au contraire opter pour
une approche ouverte , ne cachant pas ses objectifs aux sujets-sources mais leur
offrant de fait un plus grand contrle sur le processus dinvestigation? Chacune de
ces options prsente des avantages et des inconvnients.
287
Le choix dune investigation dissimule limite fortement la mobilit du chercheur

sur le terrain car les acteurs peuvent nourrir des soupons sur ses intentions (Lee,
1993). Le fait dopter pour la dissimulation place le chercheur dans une posture la
fois rigide et non neutre qui ne lui permet pas dapprhender la subtilit et la
complexit de la structure sociale tudie (Erikson, 1967). De plus, parce que ne
laissant pas de latitude au sujet, ce type de gestion des sources de donnes soulve des
problmes quant la moralit de la dmarche qui la sous-tend. Le chercheur ne peut
sarroger le droit de tromper, dexploiter, ou de manipuler les gens (Warwick, 1982
: 55). Sil est amen se comporter dune faon quil a appris considrer comme
immorale, il risque fort de commencer se poser toutes sortes de questions sur lui-
mme. Et sil ne possde pas une image trs structure de lui-mme, il va au-devant de
grande difficults (Whyte, 1996 : 339). Linvestigation dissimule est malaise et
risque pour de jeunes chercheurs inexpriments et, plus largement, elle peut porter
atteinte la rputation de la communaut scientifique, occultant ainsi lavenir de la
recherche (Erikson, 1967).
Pour les tenants de lapproche dissimule (Douglas, 1976), elle offre
cependant lavantage de ne pas permettre aux sujets-sources de cacher ou de
dformer les informations cruciales vis--vis du chercheur extrieur.
Le choix dune approche ouverte , par laquelle le chercheur ne cache pas les
objectifs de sa recherche, le confronte au phnomne de ractivit des sujets. Le
fait dexposer toutes ses intentions dans le but dobtenir un accs au terrain peut
gner ltude (Marshall et Rossman, 1989 : 156). Le chercheur court galement
le risque de se voir refuser laccs au terrain. Une approche ouverte doit tre
parcimonieuse et tenir compte de la spcificit de linteraction avec chaque sujet,
du degr de maturation de la relation chercheur/sujet et de ses limites. Le choix du
chercheur dpasse donc le registre strictement technique et fait appel des qualits
telles lempathie, la sensibilit, lhumour et la sincrit qui sont des outils
importants pour la recherche (Rubin et Rubin, 1995 : 12).
En dfinitive, nous pensons que la gestion de sources de donnes primaires
implique une certaine transparence ds lors que les donnes sont collectes de
faon ouverte , cest--dire au su des sujets. A contrario, lapproche
dissimule ne nous semble compatible quavec des techniques discrtes de
recueil, cest--dire linsu des sujets. Une telle approche doit se justifier dun
point de vue thique, par le fait que la ractivit des sujets constituerait un biais
instrumental et par linnocuit des rsultats de la recherche lgard de ces mmes
sujets. Lthique de la dissimulation doit tre value selon les situations, au
cas-par-cas, en fonction du contexte et des objectifs de la recherche.
3.3 La distance ou lintimit lgard de la source de donnes
Notre rflexion a trait ici la faon dont le chercheur conduit ses entretiens ou ses
observations sur le terrain. Faut-il dvelopper une relation dintimit ou maintenir
288
une certaine distance avec les sujets ? cet gard, il est ncessaire de prendre en
compte le paradoxe de lintimit (Mitchell, 1993). Plus le chercheur dveloppe une
intimit avec les acteurs interrogs, plus ceux-ci auront tendance se dvoiler et
dvoiler des informations. Toutefois, une telle attitude du chercheur peut avoir un
impact extrmement ngatif sur la recherche, en termes de validit interne. Plus le
chercheur entre dans le jeu de la dsinhibition du sujet tudi, plus il aura tendance
abonder dans le sens de lacteur en offrant un degr dintimit rciproque. Comme le
souligne Mitchell, le chercheur sexpose galement au retournement des sujets
quand son travail sera publi. Ayant publi un travail sur les alpinistes, cet auteur fut
accus par ceux-ci de les avoir espionns pour obtenir son information, alors que
les donnes provenaient dun fort degr dintimit avec certains sujets-sources.
Lintimit avec les sources peut poser de trs srieux problmes de constance dans la
relation lissue du travail de recherche.
La gestion du dilemme entre la distance et lintimit pose galement des
problmes en liaison avec le degr dinformation quacquiert le chercheur sur le
terrain et limplication affective quil entretient avec les acteurs qui y agissent.
Mitchell recommande une rflexion sur le rle du chercheur en fonction de deux
dimensions : la connaissance du terrain acquise par le chercheur et son implication
affective lgard des sujets (cf. figure 9.2 et son commentaire).
Implication affective du chercheur
Faible leve
leve Peu compatissant Compatissant

Espion : avis mais peu compatissant Alli : avis et compatissant
erc
+ Gain de temps dans laccs aux donnes + Facilite la solidarit intragroupe

he
ch
ur
Avis Mena ce la s olida rit in tra gro upe Probl me du par adox e de lintimit
+ Chercheur dissoci des enjeux (expert) + Protge laccs au terrain (parrain)

+ Indpendance vis--vis des acteurs + Permet des interviews longues
du
Croyance dans la transparence dguise Risque de contamination des sources

aissan
Conn
Risque dobservation dpassionne Jeu politique (donnant-donnant)

ce
Ingnu + Le c herc heur nes t pas une menac e + Es prit du don (gratui t de lacte)
Outsider : ingnu et peu compatissant Novice : ingnu et compatissant

+ Facilite la solidarit intragroupe + Chercheur socialis
+ Peu impliquant pour la source + La source devient confiante
Difficile de saisir le thtral Le chercheur devient une proie

Langue de bois des sources Sensation ex-post de trahison
Faible Figuration des acteurs Chercheur exploit (moyen politique)
Inspir de Mitchell (1993 : 14)
Figure 9.2 Perception du rle du chercheur en fonction de sa connaissance

du terrain et de son implication affective avec les sujets
Le chercheur peut tout dabord tre ingnu, cest--dire ne disposer que dune faible connaissance du
terrain, en sefforant dentretenir une relation affective avec les sujets. Il sagit l de la situation
classique dun chercheur commenant son investigation sur le terrain et entretenant un rle de
novice : ingnu et compatissant . Le chercheur va chercher susciter une relation de confiance avec
les sujets-sources. Il est donc dans une qute de socialisation, socialisation que les sujets-sources
vont de toute faon lui imposer pour lui accorder leur confiance. La source de donnes peut
289
alors agir avec lesprit du don, sans demander de contrepartie formelle. Toutefois, en
entretenant une telle relation, le chercheur peut devenir la proie des sujets. Ceux-ci peuvent
lexploiter au profit de leurs objectifs politiques. Dans une toute autre perspective, une attitude
de bienveillance peut entraner par la suite un sentiment de trahison chez les sujets-sources
concerns, si le chercheur agit sans leur aval. Il est clair que de telles consquences
proviennent dune dynamique insuffisante du chercheur qui, par confort ou inconscience, se
complat dans un rle qui ne peut tre durable. Il lui faut passer dans le rle dalli : avis et
compatissant . Cest donc le degr de connaissance du terrain par le chercheur qui demeure
trop faible ou qui nest pas suffisamment exploit pour signifier aux sujets-sources son
changement de statut, du novice ingnu lalli avis. La difficult de lopration rside dans le
maintien dune relation sympathique, tout en modifiant le type de transaction avec les sujets-
sources. Elle demande la fois de laplomb et de la subtilit.
Il nest pas toujours possible pour le chercheur de dvelopper une relation de compassion avec les
sujets-sources. Ceux-ci peuvent observer une constante froideur qui mettra mal les capacits du
chercheur introduire de laffectivit dans la relation. La solidarit entre les sujets-sources est
maintenue. La relation reste peu impliquante pour la source, qui vite ainsi toute menace. Pour le
chercheur, la situation est une impasse. Il reste dans lincapacit de saisir le thtral , cest--dire
le jeu de rle qui conditionne une vritable interaction. Les sources se cantonnent dans la langue de
bois car le chercheur ne parvient pas briser la figuration des acteurs par le biais de laffectif et/ou
de la connaissance. Le chercheur reste donc un extrieur .
Le chercheur peut se trouver dans la position dun espion : avis mais peu compatissant . Cest le
cas classique du chercheur recommand par la hirarchie dune organisation. Il gagne du temps dans
laccs aux donnes car il a t expressment notifi aux sujets-sources de lui faciliter le travail de
recueil. Dans son souci de productivit, le chercheur ne cherche pas contrebalancer la situation en
rassurant les acteurs par une implication affective. Labsence de socialisation, puisquen quelque
sorte le chercheur a brl les tapes , le place dans une situation dexpert extrieur, dissoci des
enjeux de la situation de gestion. Lavantage rside dans lindpendance du chercheur. Il ne doit rien
aux sujets-sources quil rencontre, puisque son rle est rgi par un contrat formel auquel les sujets-
sources ne se sont pas associs de leur plein gr. Dans ce rle, le chercheur constitue une menace
pour la solidarit au sein du groupe. Pour les sujets-sources, le chercheur est par dune
transparence dguise . Sa mission semble claire mais il est tlguid par la hirarchie. Le
chercheur court le risque de se cantonner dans une observation dpassionne, o les sujets-sources
manqueront dauthenticit.
La combinaison dune connaissance du terrain et dune implication affective leves apparat
comme constitutive dun rle idal : lalli avis et compatissant . Si laccs au terrain est d
un parrain , celui-ci est support par le groupe. Les sujets-sources acceptent de longs
entretiens sans crainte de se rvler. Toutefois, une telle situation nest pas sans inconvnient.
Le chercheur doit grer le paradoxe de lintimit que nous avons expos (cf. supra). Il court
galement le risque de contaminer les sources de donnes dautant quil est en quelque sorte
tenu par son rle daccepter une certaine rciprocit (cest--dire donnant-donnant).
section
3 LA COLLECTE DEs DOnnEs sECOnDAIREs
Les donnes secondaires sont des donnes qui existent dj. Il est conseill de
commencer systmatiquement une recherche en sinterrogeant sur lexistence des
donnes secondaires disponibles. Lutilisation de ces donnes prsente de nombreux
avantages. Elles sont gnralement peu chres et rapides obtenir. Elles sont dj
assembles et ne ncessitent pas forcment un accs aux personnes qui les ont
290
fournies. Elles ont une valeur historique et sont utiles pour tablir des
comparaisons et valuer des donnes primaires. Cependant, ces donnes peuvent
tre difficiles obtenir, obsoltes, plus ou moins approches et exhaustives. Il se
peut aussi que le format des donnes ne corresponde pas tout fait celui souhait
par le chercheur. Ce dernier doit alors les convertir en changeant leur forme
originelle. Le chercheur doit donc toujours comprendre pour quel objet les donnes
ont t construites avant de les utiliser.
1 Les donnes secondaires internes
Les donnes secondaires internes sont des informations dj produites par des
organisations ou des personnes prives. Elles nont pas t recueillies pour rpondre
aux besoins spcifiques du chercheur, mais elles constituent de vritables sources de
donnes secondaires pour celui qui les consulte. Archives, notes, rapports, documents,
rgles et procdures crites, modes demploi, revues de presse etc., voici une liste non
exhaustive de donnes internes que le chercheur peut utiliser.
Les avantages de ces donnes sont multiples. Tout dabord, leur analyse permet
de reconstituer des actions passes transcrites dans les crits qui ont influenc les
vnements, constat les dcisions et engag les individus. Indispensable dans le
cadre dune dmarche historique et longitudinale (monographie, analyse dun
processus sur une longue priode), le recours aux donnes internes gnre des
informations dont les acteurs ne parlent pas spontanment lors des entretiens en
face face. Cest galement un excellent support pour se familiariser avec un
terrain dtude. Il est donc normal quau commencement de nombreuses
recherches, le chercheur se documente et sinforme sur son sujet en collectant des
donnes internes. Enfin, lanalyse de donnes internes est souvent ncessaire pour
construire une triangulation des donnes et valider leur fiabilit.
Pour collecter ces donnes, le chercheur doit entrer en contact avec les personnes se
trouvant sur le terrain tudi. Dans le cas de donnes semi-prives, laccs peut tre
relativement ais. Cest le cas par exemple, des rapports dactivits des entreprises cotes
en bourse, des recherches universitaires ou des tudes publiques. On peut galement
consulter certaines archives des chambres de commerce, des organismes syndicaux et
politiques, de lINSEE, de la Banque de France Toutefois, ces documents ne sont pas
aussi toujours facilement accessibles. Leur consultation peut tre limite par des raisons de
confidentialit. De plus, certaines informations sont difficilement reprables. Laccs aux
donnes secondaires internes nest donc ni automatique ni facile.
Le traitement des informations collectes dpend du type de donnes. Lorsquelles se
prsentent sous une forme purement littraire, le chercheur pratique gnralement des
analyses de contenu des documents. Lorsquelles sont chiffres, il pratique alors des
analyses statistiques ou comptables. Que la recherche soit qualitative ou
291
quantitative, ce qui importe avant tout cest la pertinence, la qualit et le format des
donnes collectes.
Les piges de lanalyse des archives et documents internes sont nombreux. Tout
dabord, les sources documentaires peuvent tre difficilement utilises seules. Leur
contenu souffre dun problme de validation ; il faut alors identifier les possibles biais
des rdacteurs ou des donneurs dordres. Nous avons vu dans la section 2 que la
contamination des donnes primaires peut stendre aux donnes secondaires. Nous
avons galement soulign le biais qui rside dans lignorance dun systme de double
archivage. Puisque le chercheur ne dispose pas toujours dlments suffisants pour
retrouver le contexte dans lequel certains documents ont t labors, il doit les
interprter en toute subjectivit. Il nest donc pas rare qu partir dune mme base de
donnes organisationnelles, on puisse crer de multiples reprsentations de la ralit
compltement contradictoires, do lintrt de rflchir lavance aux problmes
ventuels de validit que le recours ce type de source peut poser. Le recoupement des
donnes internes cest--dire le contrle des donnes recueillies avec dautres types de
sources est donc indispensable si lobjectif du chercheur est de retrouver une certaine
ralit. ce titre, on utilise frquemment le tmoignage dacteurs impliqus dans les
vnements analyss en gardant lesprit quun document sapprhende, non pas par
rapport aux vnements, mais dans sa relation dautres documents et dans la
confrontation aux concepts explicatifs.
Au total, le principal avantage de la collecte de donnes internes est dans le faible
cot daccs linformation. Les prises de contact et les autorisations dexploitation
peuvent parfois tre longues obtenir mais leur cot financier est faible.
2 Les donnes secondaires externes
Les modes de collecte des donnes secondaires externes ont radicalement chang
avec la mise en ligne sur internet de la quasi-totalit des textes de presse, des
rfrences acadmiques, des tudes publiques et prives. Une bonne utilisation des
moteurs et mta moteurs de recherche permet de rpertorier des informations
auparavant impossibles dcouvrir. De mme, les donnes financires et
commerciales des entreprises sont aujourdhui trs accessibles par des bases de
donnes lectroniques comme Diane, Thomson Financial, Compustat, Dafsalien,
Euromonitor, Xerfi etc. Si le temps de collecte des donnes secondaires externes
est aujourdhui trs court, il faut tenir compte du temps dapprentissage des
diffrentes bases : contenu des donnes, modes de calcul, couverture, transposition
des tableaux dans des feuilles de calcul etc. Plusieurs mois peuvent tre ncessaires
pour comprendre et sapproprier une base de donnes comptables et financires.
Un outil, tel quAmazon Mechanical Turk (http://aws.amazon.com/fr/mturk/),
place de march mobilisant la demande, une main-duvre varie dans le monde
292
Construire un modle Chapitre 11
externes sont alors directement contrls. On voit immdiatement les limites de

cette approche : il est pour ainsi dire impossible de contrler toutes les variables
non manipules. En rgle gnrale, le chercheur se contentera de contrler
certaines variables estimes importantes. Notons que les facteurs contrls sont
appels facteurs secondaires et les facteurs libres facteurs principaux. La
deuxime tactique est celle de laffectation alatoire ou randomisation. Celle-ci
consiste rpartir de manire alatoire les units exprimentales parmi les
diffrents traitements, de sorte que pour chaque traitement on obtienne des groupes
quivalents. Ici, paradoxalement, les groupes dunits exprimentales deviennent
quivalents en moyenne non parce quon a cherch les rendre gaux selon
certains critres (i.e. variables) mais parce que les units exprimentales ont t
rparties de manire alatoire. Le contrle des effets externes est donc indirect. La
randomisation fournit alors un moyen de comparer les effets de diffrents
traitements dune manire qui permette dcarter la plupart des explications
alternatives (Cook et Campbell, 1979). Elle peut se faire par tirage au sort, par
lusage de tables de nombres de hasard ou par toute autre mthode analogue.
Toute exprimentation comporte des units exprimentales, un traitement, un effet et
dune base de comparaison (ou groupe de contrle) partir de laquelle des variations
peuvent tre infres et attribues au traitement (Cook et Campbell, 1979). Ces
diffrents lments sont regroups dans le plan dexprience qui permet :
de slectionner et dterminer le mode dallocation des units exprimentales aux
diffrents traitements ;
de slectionner les variables externes contrles ;
de choisir les traitements, les comparaisons ralises ainsi que les moments des
observations (i.e. lchelonnement des mesures).
Deux critres qui peuvent se croiser permettent de classer les plans dexprience : le
nombre de facteurs principaux et celui des facteurs secondaires (i.e. directement
contrls) tudis dans lexprimentation. Selon le premier critre, on parle de plan
factoriel lorsque lon souhaite tudier deux ou plusieurs facteurs principaux et,
ventuellement, leurs interactions. Un plan factoriel peut tre complet (i.e. tous les
traitements sont tests) ou, au contraire, fractionnaire ou fractionnel (i.e. certains des
facteurs ou traitements sont contrls). Selon le second critre, le plan en
randomisation totale dsigne celui dans lequel il nexiste aucun facteur secondaire (i.e.
aucun facteur nest contrl). Les units exprimentales sont affectes de manire
alatoire aux diffrents traitements relatifs aux facteurs principaux tudis (par
exemple, sil existe un seul facteur principal qui comprend trois modalits, cela fait
trois traitements et sil existe trois facteurs principaux deux, trois et quatre modalits,
cela fait 2 3 4, soit vingt-quatre traitements). Lorsquil existe un facteur
secondaire, on parle de plan en bloc alatoire. Le plan en bloc alatoire peut de mme
tre complet (i.e. tous les traitements sont tests lintrieur de chaque bloc) ou, au
contraire, incomplet. Le dispositif exprimental est le mme que pour le plan en
randomisation totale, la diffrence que les units exprimentales sont
343
Partie 3 Analyser
dabord rparties en sous-groupes selon les modalits de la variable contrle avant

dtre affectes de faon alatoire aux diffrents traitements au sein de chaque sous
groupe. On parle de plan en carr latin lorsquil existe deux facteurs secondaires, de
plan en carr grco-latin lorsquil existe trois facteurs secondaires et de plan en carr
hyper-grco-latin lorsquil existe quatre ou davantage de facteurs secondaires. Les
diffrents plans en carr ncessitent que le nombre de traitements et celui des modalits
ou niveaux de chacun des facteurs secondaires soient identiques.
EXEMPLE Plan factoriel complet en randomisation totale (Bateman et

Zeithaml, 1989) et plan en carr latin.
Bateman et Zeithaml (1989) ont utilis un plan factoriel complet pour tester un modle
reliant le contexte psychologique la dcision stratgique. Les hypothses et lide de
base du modle taient que les perceptions du pass, du prsent et du futur constituent
un contexte psychologique qui influence le comportement des dcideurs. En
consquence, le contexte psychologique a t oprationnalis au moyen de trois
variables deux modalits chacune qui ont constitu les facteurs principaux de
lexprimentation : 1) les vnements passs (i.e. succs ou chec dune dcision prise
antrieurement) ; 2) les conditions actuelles (i.e. perception dun fort ou dun faible
niveau dexcdents de ressources) et 3) les perspectives futures prsentes de manire
positive ou ngative (i.e. en termes de chances ou de risques). Le comportement des
dcideurs (variable dpendante ou effet) a t opra-tionnalis au moyen dune variable
unique : la somme dargent que lquipe dirigeante dcide dinvestir.
Cette exprience contenait huit (2 2 2) traitements. La variable dpendante (effet) tait la
somme dargent que dcidait dallouer chaque quipe de direction (constitue de partici-
pants lexprience) une division qui avait dj reu dans le pass un financement de la
part de lquipe de direction. 193 tudiants de premier cycle (80 hommes et 113 femmes)
ont t rpartis en 48 groupes mixtes composs de 3 5 tudiants. Ces groupes dtudiants
taient constitus pour simuler les conditions des dcisions stratgiques en entreprise. Les 48
groupes ont alors t allous de manire alatoire aux huit traitements (randomisation). Cela
aboutissait 6 groupes par traitement, ce qui permettait de satisfaire au principe de
rptition. Chaque groupe devait jouer le rle dune Direction de la Planification. On a alors
prsent chaque groupe le mme cas Adams et Smith qui dcrivait lhistorique des
deux divisions de lentreprise. Toutes deux dclinaient (profits et chiffre daffaires) dans des
termes quivalents. Daprs le scnario, la Direction de la Planification disposait de 10 mil-
lions de dollars qui devaient tre investis dans lune des deux divisions. La dcision tait
collectivement assume. Ensuite, en fonction des attributions des groupes aux traitements,
lexprimentateur donnait un feed-back positif ou ngatif sur le rsultat de la premire
dcision dinvestissement du groupe (i.e. si la division sest redresse ou non). Il tait
conseill aux membres des groupes de lire et danalyser le feed-back individuellement.
Ensuite, trois dcisions devaient tre prises relativement au fait dinvestir nouveau dans la
mme division ayant dj reu les 10 millions de dollars de financement. Premirement,
chaque membre du groupe indiquait personnellement le niveau de risque acceptable pour un
rinvestissement dans la mme division. Les niveaux de risque sexprimaient en termes de
probabilit de succs et schelonnaient de 0/10 10/10. Deuximement, chaque groupe
344
discutait et dcidait du niveau de risque acceptable. Enfin, troisimement, le Conseil

dAdministration (i.e. lexprimentateur) approuvait systmatiquement le niveau de
risque acceptable arrt par chaque Direction de la Planification et demandait alors
cette dernire quelle part dune somme disponible de 15 millions de dollars elle dcidait
de rinvestir dans la division. Les sommes non rinvesties devaient tre reverses dans
un pot commun de lentreprise.
Les donnes ont t traites au moyen dune analyse de la variance. La variable
dpendante (effet) tait la somme dargent rinvestie par chacun des 48 groupes. Les
trois facteurs principaux constituaient les variables indpendantes. Lanalyse intgrait
galement lva-luation deffets dinteraction entre les trois variables indpendantes.
Les rsultats obtenus taient conformes aux hypothses tablissant une relation causale
entre le contexte psycho-logique de la dcision et les choix des dcideurs.
Un inconvnient majeur des plans factoriels est quils ncessitent beaucoup dunits
exp-rimentales. Dans lexemple prcdent il fallait au moins 8 quipes, sans tenir
compte du principe de rptition. Un plan en carr latin aurait permis de rduire de
moiti le nombre de traitements tester. Par contre, on ne pourrait plus mesurer deffets
dinteraction entre les facteurs. On serait en prsence dun carr latin 2 2. En notant
respectivement P1, P2, A1, A2, F1, F2 les deux niveaux des 3 facteurs principaux Pass
(i.e. vnements pas-ss : succs ou chec dune dcision prise antrieurement),
Actuel (i.e. conditions actuelles : perception dun fort ou dun faible niveau
dexcdents de ressources) et Futur (i.e. perspectives futures : prsentes de manire
positive ou ngative), on obtient lun des deux carrs latins possibles correspondant aux
quatre traitements tests : P1A1F2, P1A2F1, P2A1F1, P2A2F2 :
A1 A2
P1 F2 F1
P2 F1 F2
Le deuxime carr latin possible correspond aux quatre traitements : P1A1F1, P1A2F2,
P2A1F2, P2A2F1.
Dans les plans dexprience qui ont t prcdemment passs en revue, les units
exprimentales sont affectes de faon alatoire aux traitements. Or, il est plus
facile de procder la randomisation de parcelles agricoles que dindividus, de
groupes sociaux ou dorganisations. Il est galement plus facile de procder la

randomisation en laboratoire que sur le terrain. Sur le terrain, le chercheur est
souvent un invit, alors quen laboratoire, il peut se considrer comme chez lui et
dispose souvent dune matrise presque totale de son dispositif de recherche. En
consquence, la randomisation est plus frquente pour les objets que pour les
personnes, les groupes ou les organisations et plus frquente en laboratoire que
pour les tudes sur le terrain.
Lexprimentation souffre de trois ides reues principales quil nous faut
exposer afin de les remettre en cause (Weber, 2013). La premire ide reue rside
dans le fait que les exprimentations sont inadaptes saisir des phnomnes lis
au management. Ces attaques visent en particulier remettre en cause laspect
345
Partie 3 Analyser
a-contextuel des expriences ou les sujets sur lesquelles elles sont traites. Or, la
pertinence du travail dpend avant tout de la cohrence entre la question de recherche,
les acteurs sur lesquels porte lexprience et du degr de contextualisation ou da-
contextualisation pour la question de recherche pose. Ce nest donc pas le design
exprimental qui est inappropri mais lincohrence potentielle entre la question de
recherche, les sujets et le contexte qui peut tre remis en cause dans des tudes
spcifiques. Aussi, on peut penser que le design exprimental est inutile car dautres
mthodes permettent didentifier sur des donnes relles les mmes lments que les
mthodes exprimentales. cela, Weber rtorque que : les mthodes exprimentales
permettent de gnrer des donnes qui ne se trouvent pas ncessairement dans le mode
rel et donc dtudier des phnomnes futurs ou possibles ; il est possible au travers
dtudes exprimentales de mettre laccent sur des mcanismes sous-jacents au
phnomne tudi en lisolant au travers de la variation des scenarii ; les mthodes
exprimentales permettent une mesure prcise de la variation dun phnomne dans un
contexte contrl ; enfin, ce design permet disoler les relations de corrlation de celles
de causalit en ayant la possibilit de contrler la squence des vnements. Enfin, une
troisime ide reue consiste croire que le design exprimental est plus facile mettre
en uvre que dautres designs de recherche. Or, il existe de nombreux dfis relever
pour la mise en place dun design exprimental. Dun point de vue thorique, ce design
ncessite la construction de scnarii qui doivent ne faire varier quune composante la
fois. La construction des scenarii est donc une activit qui ncessite une finesse
dcriture (dans le cas de scenarii crits) ou un contrle parfait des situations (cas
dexprimentations en laboratoire). Ces trois ides reues sur le design exprimental
peuvent donc tre remises en cause. Elles constituent toutefois des interrogations qui
doivent guider la mise en uvre du design exprimental. Face ces questionnements
lgitimes, une forme module du design exprimental tend se rpandre : la quasi-
exprimentation.
Le chercheur en management, qui tudie essentiellement les personnes, les

groupes ou les organisations et procde le plus souvent des tudes de terrain, est
rarement en situation dexprimentation. En fait, dans la plupart des cas, il naura
quun contrle partiel de son dispositif de recherche. En dautres termes, il pourra
choisir le quand et le qui de la mesure mais sans pouvoir matriser
lchelonnement des stimuli, cest--dire le quand et le qui des
traitements, ni leur randomisation, ce qui seul rend une vritable exprimentation
possible (Campbell et Stanley, 1966). Ce cas de figure correspond une situation
de quasi-exprimentation .
Cook et Campbell (1979) ont identifi deux raisons importantes qui leur paraissent
favoriser le recours la dmarche exprimentale dans les recherches sur le terrain. La
premire raison est la rticence croissante se contenter dtudes exprimentales en
contexte contrl (i.e. en laboratoire) qui se sont souvent rvles dune pertinence
thorique et pratique limite. La deuxime raison provient dune
346
insatisfaction des chercheurs concernant les mthodes non exprimentales lorsquil

sagit de procder des infrences causales. La quasi-exprimentation constitue
alors une rponse ces deux frustrations. Ou encore, dit plus positivement, elle
constitue une sorte de point de convergence pour ces deux aspirations. De ce point
de vue, la quasi-exprimentation est certainement appele connatre un grand
dveloppement dans le domaine du management.
section
2 LABORER un MODLE AVEC
DEs MThODEs QuALITATIVEs
Dans cette section, nous prsentons diverses manires de procder afin de mettre en
vidence des relations entre les concepts dans llaboration dun modle partir de
donnes qualitatives. Nous soulignons les difficults et questionnements majeurs
auxquels sont confronts les chercheurs lors de la ralisation de ces modles. Enfin,
nous prsentons les impratifs de la prsentation du modle dans une recherche.
1 Construire le modle
Il existe diffrentes faons dlaborer un modle dans le cadre dtudes

qualitatives. La spcification des relations qualitatives consiste dterminer les
lments caractristiques de la relation et non valuer mathmatiquement ou
statistiquement cette relation. Toutefois rien nempche le chercheur, par une
procdure danalyse permettant de quantifier les donnes, de procder
lvaluation quantitative de cette relation.
Nous prenons ici appui sur quatre approches diffrentes de recherche pour
montrer comment chacune propose de spcifier le lien entre les variables du

modle. Nous navanons pas que ces approches soient les seules possibles, ni les
plus appropries. Elles permettent uniquement dapprhender les diffrentes
philosophies possibles dans la modlisation par une approche qualitative. Aussi, il
nest pas du ressort de ce chapitre dexpliciter en dtail chacune des mthodes
proposes mais plutt dexpliquer comment chacune permet de mettre en vidence
les relations entre des concepts.
1.1 Modliser un processus sur un cas unique : lapproche la gioia
La mthode Gioia (Gioia et al., 2013; Corley et Gioia, 2004) est aujourdhui
lune des formes de mthodologie gnrale les plus utilises dans les recherches
347
Partie 3 Analyser
qualitatives au niveau international visant modliser un processus (Langley et

Abdallah, 2011). Cette approche est trs structurante tout au long de la dmarche
de recherche, du questionnement initial au schma de restitution en passant par la
collecte et lanalyse des donnes, ce qui explique en partie son succs. Adaptation
moderne de la thorie enracine (Glaser et Strauss, 1967; Strauss et Corbin, 1998)
aux exigences de publication actuelles, lapproche la Gioia insiste sur la rigueur
danalyse et donne voir les donnes afin que le lecteur puisse sen imprgner au
maximum.
Cette approche consiste en une tude dun processus. Elle ncessite une collecte
de donnes riches et denses (observations, entretiens, emails, etc.) afin de pouvoir
les analyser. Le processus conjoint danalyse et de collecte des donnes est proche
de celui de la thorie enracine (Glaser et Strauss, 1967; Strauss et Corbin, 1998),
fond sur une logique de codage des donnes. Une analyse en profondeur est
ncessaire afin de gnrer les concepts du modle (Cf. chapitre Des donnes aux
concepts ). La mthode Gioia propose de gnrer une data structure prsentant les
concepts qui seront mis en perspective par la suite.
Une fois la data structure tablie, le modle se construit en reliant les
concepts de deuxime ordre entre eux. Cela donne une dynamique la data
structure , ce qui la transforme dune reprsentation statique des concepts tudis
un modle enracin dynamique.
Ltablissement des relations entre les concepts de deuxime ordre se ralise par
une concordance dindices. Dans une vision interprtative telle que dveloppe
principalement par Gioia, ce sont les propos des individus interviews qui
permettent de gnrer ces relations. Les relations peuvent alors tre considres
comme lgitimes si des extraits dentretiens mettent en vidence de faon explicite
les relations entre les diffrents lments. Dans ce cadre, les logiciels tels que
Nvivo permettent de coder les relations entre les concepts (ces codes sont appels
des nuds-relations). Ainsi, les occurrences de la relation entre les diffrents
concepts peuvent saccumuler au cours du processus danalyse des donnes afin de
pouvoir lgitimer la relation. Reste alors dfinir la nature de cette relation
(causalit, co-occurrence, facilite, etc.). Pour faire cela, Gioia et al. (2013)
proposent, dans une logique abductive, de consulter la littrature afin de
comprendre quelle peut tre la nature des relations entre les concepts et de juger de
la pertinence des analyses ce sujet.
EXEMPLE Data structure

Corley et Gioia (2004) proposent dans leur article sur le changement identitaire en situation de
spinoff une data structure qui montre le processus dabstraction des donnes au concept. Ils
prsentent ainsi gauche les concepts de premier ordre dcrivant les donnes au plus prs, au
centre, les concepts de deuxime ordre qui reprsentent une relle conceptualisation,
348
et droite les dimensions agrges qui reprsentent le niveau le plus lev en termes
dabstraction. Les flches matrialisent un lien dappartenance dans une catgorie de
niveau dabstraction suprieur.
Source : Traduit de Corley K.G., Gioia D.A. (2004). Identity ambiguity and change in the
wake of a corporate spin-off , Administrative Science Quarterly, vol.49, n2, p.173-208
(figure p. 184). Avec la permission de SAGE Publications.
EXEMPLE Modlisation partir des concepts de la data structure
Nous poursuivons lexemple prcdent (Corley et Gioia, 2004) afin de montrer que le
modle propos par les auteurs sappuie sur les concepts de deuxime ordre. Ds lors,
une fois les concepts exposs, ils sont relis au sein dun modle global o lensemble
des concepts sont inter-relis. Le lecteur comprend alors la logique du modle, au sein
dun enchanement de concepts.
349
Partie 3 Analyser
Source : Traduit de Corley K.G., Gioia D.A. (2004). Identity ambiguity and change in the
wake of a corporate spin-off , Administrative Science Quarterly, vol.49, n2, p.173-208
(figure p. 185). Avec la permission de SAGE Publications.
Cette approche prsente les dfauts de sa force de conviction : elle ncessite un

grand nombre de donnes qui doivent pouvoir tre systmatiquement opposes au
lecteur. La rigueur ncessaire pour justifier des relations oblige le chercheur
poursuivre son enqute de terrain tant quun faisceau de preuve suffisant na pas
t atteint pour pouvoir justifier de la relation.1
1.2 Lanalyse causale chez Miles et huberman
Cette section sappuie sur lapproche de Miles et Huberman (2003) pour mettre en
vidence des relations de causalit dans une tude de cas2. Cette approche a t utilise
par beaucoup de recherches en sciences de gestion au cours des annes 1990 et au
dbut des annes 2000 en France. Elle peut se dcliner en une tude de cas unique o le
chercheur se focalise sur une unit danalyse plus restreinte (diffrents processus
identifis dans un cas) ou en une tude de cas multiple. Dans les deux cas, lide est de
percevoir une variation dun phnomne afin de comprendre les mcanismes
(endognes ou exognes) luvre dans sa ralisation.
Cette approche sappuie sur la reconstruction dune suite causale logique. Les
auteurs proposent la squence danalyse suivante :
transformer les concepts en variables avec une certaine intensit (nulle, basse,
moyenne, haute) (cf. Chapitre Des donnes aux concepts ) ;
valuer lintensit de la variable dans le cas tudi ;
1. Attention, cela ne doit pas gnrer un protocole de recueil et ou danalyse de donnes forant lapparition
des liens. Voir ci aprs Justifier la relation .
2. Miles et Huberman (2003) nabordent pas que la relation causale dans leur ouvrage. Ils prsentent un
ensemble de mthodes et nous navanons pas que la logique causale ici expose est la seule option danalyse
existante chez Miles et Huberman (2003).
350
tablir un lien entre deux variables qui co-varient (par exemple, lorsque lune
augmente, lautre baisse) ;
tablir le sens de la relation entre les deux variables qui co-varient (un
mcanisme logique est luvre)
si la relation entre deux variables semble modre, complter avec une autre relation
avec une autre variable qui permet de mieux rendre compte de la consquence.
EXEMPLE Proposer une explication des phnomnes
Dans leur tude sur le rle des motions lors de la tenue de comits de direction, Haag
et Laroche (2009) ralisent un test dintelligence motionnelle (IE) sur un chantillon de
dirigeants. Puis, partir de la littrature ils identifient six catgories leur permettant de
comprendre la propagation motionnelle lors de runions de comit de direction : la
ncessit de ragir verbalement face un vnement majeur, la ncessit dutiliser ses
motions dans la raction, la nature de la raction verbale (dcompose en valence
motionnelle et dimension analytique), le type dmotions exprimes ce moment par
le dirigeant, le niveau de conscience de lutilisation et de lefficacit de lIE par le
dirigeant ce moment et leffet attendu par le dirigeant sur son comit de direction.
En tablissant lintensit de ces six catgories pour chaque cas (ici, un cas
correspond un dirigeant), et en discriminant les dirigeants selon leur score
dintelligence motionnelle, les auteurs peuvent analyser comment les variables co-
varient. Ds lors, ils peuvent avancer deux propositions issues de ltude de la variation
des variables : (P1) En raction un vnement affectif majeur, la valence
motionnelle de la communication verbale des dirigeants motionnellement intelligents
tend tre positive. et (P2) Les motions contenues dans la communication verbale
des dirigeants vont tre transmises aux membres du codir.
Miles et Huberman (2003) conseillent de se focaliser dans un premier temps sur

quelques variables, comme lont fait les auteurs dans lexemple prcdent au
travers de leurs deux propositions. Une fois ceci fait, il est possible dtendre la
procdure sur dautres variables afin danalyser lensemble des variables dans les
co-variations deux deux. La rptition de cette procdure sur un ensemble lev
de concepts permet ainsi de construire pas pas un modle causal gnral qui sera
avanc en rsultat de la recherche. Ici, le fait de reconstruire une suite causale
logique nest pas ncessairement fond sur des verbatims lgitimant chaque
relation mais sur une analyse plus globale o le chercheur apprcie lintensit des
variables et les relie selon son apprciation de la relation entre les concepts. Cette
approche tend rapprocher la logique qualitative dune logique quantitative o des
variables vont co-varier au sein un modle gnral. Cela permet de dvelopper des
modles relativement complexes o un ensemble de variables vont pouvoir tre
analyses afin de rendre compte de situations sociales o des nombreuses variables
doivent tre prises en considration. Lexemple suivant correspond un modle
thorique global o de multiples relations sont mises en vidence (chacune pouvant
avoir le statut de proposition thorique).
351
Partie 3 Analyser
EXEMPLE Construction dun modle global partir de la mthode Miles et huberman
Dans une tude sur le leadership, Cha et Edmondson (2006) proposent un modle
expliquant les mcanismes au travers desquels une quipe peut passer du stade o
lensemble des individus est dans de bonnes dispositions une situation o le
dsenchantement rgne. Une analyse de la littrature permet de comprendre les
mcanismes et dynamiques de leadership au sein dquipes. Toutefois les auteurs ne
fondent pas dhypothses de travail. Ils utilisent une tude de cas un sein dune petite
agence de publicit pour analyser le phnomne quils ont identifi dans cette
organisation. Aprs avoir fait merger les variables du modle, ils relient les variables
entre elles afin de rendre compte du phnomne. Ils proposent ainsi le modle suivant.
Source : Traduit de Cha S.E.; Edmondson A.C. (2006). When values backfire:
Leadership, attribution, and disenchantment in values-driven organization , The
Leadership Quarterly, vol.17, n1, p.5778. (Figure p.73). Avec la permission dElsevier.
Nous voyons ici que les auteurs spcifient un modle au travers duquel, partir de
lobservation du comportement, les suiveurs vont aboutir une situation de
dsenchantement. Ici, le modle ne prsente pas de signe (+ ou -) entre les variables, comme
on peut le voir par ailleurs, mais intgre les variations dans les intituls de variables. Ceci se
comprend principalement du fait que le modle soit la fois causal (dans les relations
verticales) et processuel (dans les relations horizontales). Dans cette recherche, de nombreux
verbatims viennent lappui de chacune des relations ici prsentes afin de les lgitimer.
Lapproche de Miles et Huberman (2003) prsente selon nous plusieurs risques quil
est important de souligner. Premirement, cette approche se fonde sur la relation
logique lors de la co-variation entre deux variables. Ds lors, laccent nest pas mis sur
la lgitimation empirique du lien entre les concepts. On peut se demander si deux
variables qui co-varient ont ncessairement un lien empirique autre que logique.
Ltude prsente dans lexemple de construction dun modle global partir de la
mthode Miles et Huberman, tout comme beaucoup dautres, couplent
352
logique et empirie afin de pallier ce problme de lgitimation du lien entre deux

variables. Deuximement, lvaluation de lintensit des variables peut tre source
dinterrogation pour un valuateur. Si labsence ou la prsence dune variable peut
tre assez facilement argumente, lchelle selon laquelle la variable a t
identifie comme faible, forte ou modre est plus difficile tablir. Ds lors,
certaines tudes adoptent une mthode de quantification quil convient dexposer
afin dobtenir ladhsion des valuateurs des revues acadmiques et du lecteur in
fine (voir par exemple Vlaar et al., 2008, p.243). Troisimement, la construction
dune suite causale logique ne permet pas ncessairement dtablir la nature du lien
entre deux variables. Les relations ne sont-elles que des relations cause-
consquence ? Comment sen assurer ? Existe-t-il dautres types de relations qui
pourraient complter ou affiner le modle ? Enfin, au travers de cette approche, il
est tentant de viser tablir des liens entre un nombre relativement lev de
variables, au risque de perdre de vue les mcanismes majeurs sous-jacents au
phnomne tudi. Toutes les variables peuvent sembler jouer un rle sur les
processus luvre. Il peut alors savrer difficile de savoir o poser les frontires
du modle afin dtre parcimonieux et assez complet la fois.
1.3 Lapproche nomothtique de ltude de cas1

Lapproche nomothtique de ltude de cas (Eisenhardt, 1989) se fonde assez
largement sur le processus danalyse de Miles et Huberman que nous venons dexposer
(Langley et Abdallah, 2011). Toutefois, cette approche comble certains risques de
lapproche prcdente, permettant ainsi dobtenir un design de recherche robuste qui en
fait un des modles majeurs des recherches en management (Langley et Abdallah,
2011). Cette approche, fonde sur une perspective post-positiviste, se fonde sur une
analyse inter-cas afin dtudier les variations dun phnomne en fonction de diverses
variables. Ltude des variations du phnomne entre les diffrents cas permet ainsi de
gnrer des propositions thoriques qui seront affines et dont la robustesse est value
chaque rplication de lanalyse. Si cette approche vise construire des thories
(lide nest pas uniquement de tester des hypothses afin de voir si la relation est
valide mais plutt de comprendre les mcanismes sous-jacents une relation), elle se
fonde toutefois sur un design de recherche trs cadr o des relations spcifiques entre
variables sont ltude.
EXEMPLE laboration des relations analyser
Martin et Eisenhardt (2010) proposent une recherche sur la collaboration entre diffrentes
business units dune mme entreprise en vue damliorer la performance de celle-ci. Le
design de recherche est une tude de cas enchsss (Musca, 2006) non longitudinale ralise
sur six entreprises du secteur du dveloppement logiciel. La recherche commence
1. Nous reprenons ici la dsignation de Langley et Abdallah (2011) pour dsigner ce courant de littrature fond
sur lapproche la Eisenhardt car elle souligne la volont de gnralisation de lapproche.
353
Partie 3 Analyser
par une identification des diffrents mcanismes dj mis en vidence par la littrature,
do trois propositions mergent en fin de partie thorique :
Dans lensemble, la littrature existante traitant de la collaboration inter business unit
avance que (1) un processus pilot au niveau corporate, (2) gnralis et proposant des
incitations faibles au directeurs de business unit et (3) complt par des rseaux sociaux
inter business unit, devrait gnrer des collaborations inter business units performantes
(p. 268).
Ces trois propositions (relation entre chacun des lments et la performance de la
collaboration entre business units) structurent le protocole de recueil de donnes ainsi que
les analyses ralises. Les rsultats de la recherche sont directement issus de ltude de ces
trois propositions mergeant de la littrature existante : certaines affinent ces propositions en
mettant en vidence les mcanismes gnrant cette relation, dautres les contredisent.
Lanalyse des relations entre variables dans le cadre des tudes multi-cas la
Eisenhardt est fonde en grande partie sur les mmes pratiques que celles dcrites
par Miles et Huberman (Langley et Abdallah, 2011). Il sagit ici aussi dvaluer
lintensit dune variable, de voir la co-variation entre deux variables, et dtablir
le sens de la relation entre ces variables. Toutefois, Eisenhardt propose une
approche en deux temps qui permet damliorer la lgitimit des rsultats proposs
si toutefois le chercheur souhaite dvelopper une approche post-positiviste.
Il sagit tout dabord de raliser une analyse intra-cas, afin de comprendre
comment les vnements se sont drouls. Lide ici est de bien comprendre
chacun des cas afin de ne pas se prcipiter sur une analyse des variations sans avoir
compris de faon fine le droul des faits dans chacune des situations tudies.
Dans un second temps, les comparaisons inter-cas systmatisent ltude des
mcanismes qui permettent dexpliquer pourquoi le rsultat du processus diffre ou
converge entre les diffrents cas. Ainsi, la diffrence dans la modlisation tient
selon nous au fait que, dans cette approche, le lien entre deux variables nest pas
uniquement un lien logique. Eisenhardt et Graebner (2007) mettent laccent sur le
fait de donner voir les lments du modle et invitent le chercheur expliquer,
pour chaque proposition, pourquoi le mcanisme fonctionne de telle faon et
comment il gnre tel ou tel rsultat. Ainsi, de faon systmatique, lapproche
nomothtique avance non seulement la logique du phnomne tudi mais aussi la
preuve de lexistence des mcanismes faisant varier le phnomne.
EXEMPLE Propositions conceptuelles

Nous poursuivons lexemple prcdent traitant de la collaboration inter business units.
Martin et Eisenhardt (2010) identifient les variables sur lesquelles elles souhaitent
dvelopper leurs propositions thoriques. Ces variables peuvent diffrer en totalit ou en
partie pour chaque proposition. Pour la proposition 1, la variable explicative est lorigine de
la collaboration (business unit ou initi par le sige) et la variable explique la performance
de cette collaboration. Pour la proposition 2, les auteurs utilisent lexprience
354
dapprentissage formel comme variable explicative et la performance de la

collaboration comme variable explique. Lanalyse de ces variables deux deux (1) en
valuant lintensit de chacune des variables et (2) en analysant leur co-variation,
permet de gnrer les propositions thoriques qui fondent les rsultats de la recherche.
Cependant, les mthodes qualitatives sont peu souvent mobilises dans une
logique de la preuve (ou de test). En effet un grand nombre dauteurs arguent de
limpuissance de ces mthodes, et en particulier des tudes de cas, gnraliser les
rsultats ou constituer un chantillon reprsentatif au sens statistique (Yin, 2014).
On prfrera alors faire appel des mthodes quantitatives pour raliser le test du
modle. Pourtant, comme le souligne Le Goff (2002 : 201), ces objections
deviennent totalement inoprantes (insense, mme) face aux limites du
vrificationnisme . Ainsi, si ltude de cas permet llaboration de modles
qualitatifs, les rsultats de cette modlisation sont testables par nature (Eisenhart,
1989) au moyen dune seconde tude de cas. Cette seconde exprience peut
sinspirer de la premire sans tre identique, partir de linstant o elle constitue
une rplique thorique (i.e. elle est similaire la premire sur le plan de la
mthode) (Le Goff, 2002 : 202). De mme, selon G. Knig, sous certaines
conditions la rfutation peut tre obtenue au moyen dune tude de cas critique .
Lauteur va mme plus loin en montrant quune telle tude de cas peut excder la
rfutation dune proposition identifie ex ante (Knig, 2009 : 1) et avoir des
vises exploratoires.
Si lapproche nomothtique comble certains risques ou certaines faiblesses de
lapproche selon Miles et Huberman (2003), elle nest toutefois pas non plus exempte
de tout cueil. Nous en soulignons trois. Tout dabord, notre premier point a trait au
degr de nouveaut gnr par lapproche nomothtique. Alors quEisenshardt la
positionne comme une approche permettant de gnrer des thories (Eisenhardt et
Graebner, 2007; Eisenhardt, 1989), plusieurs analyses avancent quelle permet plutt
daffiner des relations dj existantes dans la littrature que den gnrer de nouvelles
(Lee et al., 1999; Langley et Abdallah, 2011). Nous pensons toutefois que si le
chercheur est conscient de ceci, cette approche peut dvoiler un grand potentiel dans la
dcouverte des mcanismes sous-jacents de relations identifies dans la littrature
mais non encore expliques. De plus, cette approche invite peut-tre plus de prudence
que la prcdente dans la mesure o les articles qui se revendiquent de cette approche
ne proposent quasiment jamais de modle intgratif global, mais restent plus modrs
dans des propositions de relations entre variables. Le second point tient au fait que les
limites mthodologiques de mesure des variables chez Miles et Huberman (2003) ne
sont pas dpasses dans lapproche ici prsente. Elles sont toutefois attnues par la
ncessit de comparaison entre diffrents cas, permettant au chercheur de rendre
compte dune intensit plus ou moins forte relativement aux autres cas. Enfin, cette
approche sancre dans une posture post-positiviste qui la rend assez rigide des
355
Partie 3 Analyser
utilisations dans dautres paradigmes pistmologiques (alors que lapproche de

Miles et Huberman, qui met plus en avant loutillage mthodologique, a elle t
dcline dans de multiples paradigmes pistmologiques).
1.4 La mthode quali-quantitative compare (Qualitative

Comparative Analysis - QCA)
La mthode quali-quantitative compare ou QCA dans son acception courante
(Ragin, 1987) prolonge lapproche multi cas de Eisenhardt en lui donnant la
puissance de lalgbre boolenne pour systmatiser et renforcer les analyses
comparatives inter-cas. Cette mthode dpasse le clivage recherches qualitatives
vs. recherches quantitatives puisquil sagit de raliser un traitement quantitatif
(par lalgbre boolenne, cest--dire logique) sur des donnes qualitatives. En
outre, cette mthode permet la rigueur danalyse vise par Eisenhardt mais vise
rendre compte du cas comme un tout dans un systme complet, et propose ainsi la
construction de modles complets comme lapproche la Gioia ou la Miles et
Huberman. Aussi, cette mthode permet dtendre la logique dtude de cas sur un
nombre plus important de cas que les mthodes prcdemment proposes sans pour
autant ncessiter un grand chantillon comme limpliquent les mthodes
statistiques quantitatives.
Les mthodes boolennes de comparaison logique reprsentent chaque cas comme
une combinaison de conditions causales et de rsultats. Ainsi, la QCA permet de
gnrer ce quon appelle une table de vrit (truth table) o lensemble des
configurations donnant un rsultat donn est rpertori. En voici un exemple.
EXEMPLE Typologies dentreprises obtenant une meilleure performance
Dans leur tude sur les modalits de dcouplage (distance entre la politique dcide et
les pratiques relles) adoptes par les entreprises du secteur non marchand aux tats-
Unis, Bromley et al. (2013) utilisent la QCA pour comprendre quelles sont les
conditions suffisantes et/ou ncessaires des organisations concernes pour mettre en
uvre un type de dcouplage ou un autre.
partir dun chantillon de 200 entreprises, ils aboutissent la table de vrit ci-dessous
(dont nous ne prsentons quun extrait). La table de vrit correspond lensemble des
configurations possibles dans lchantillon auxquelles est associ un pourcentage de cas
dans chaque configuration qui obtient un rsultat donn. Dans cet exemple, les
configurations sont composes des variables E, N, P, Q, Z et A (qui ici nous importent peu
en termes dillustration) et le rsultat correspond un type de dcouplage : la mise en uvre
symbolique o les plans existent mais ne sont pas mis en uvre. La colonne Nombre
indique ainsi le nombre de cas dans lchantillon global qui proposent cette configuration et
la colonne Consistance indique la proportion des cas, sous cette configuration, qui
prsente le rsultat choisi (ici mise en uvre symbolique).
356
Table de vrit de la mise en uvre symbolique

E N P Q Z A Nombre Consistance
1 0 0 0 0 1 8 0,25
1 1 0 0 0 0 7 0,29
1 0 0 0 0 0 6 0,50
0 0 1 0 0 0 5 0,80
1 0 1 0 0 0 5 1,00
1 0 0 1 0 1 3 0,33
1 0 1 0 0 1 3 1,00
1 0 1 1 0 0 3 1,00
0 0 0 0 0 0 2 0,50
0 0 0 1 0 0 2 0,00
0 0 1 0 0 1 2 1,00
0 0 1 0 1 1 2 1,00
0 1 0 1 0 0 2 0,50
1 0 1 0 1 0 2 1,00
Traduit de: Bromley P., Hwang H., Powell W.W. (2013), Decoupling revisited:
Common pressures, divergent strategies in the US nonprofit sector ,
M@n@gement, vol.15, n5, p.468-501 (tableau p. 498).
Ces combinaisons de variables issues de la table de vrit peuvent tre

compares deux deux en partant du rsultat puis en remontant la chane causale.
Il est alors possible de dterminer les conditions ou combinaisons de conditions
empiriquement ncessaires et/ou suffisantes afin de voir un rsultat se produire.
Aujourdhui, la mthode initiale de la QCA tend saffiner. En effet, les
premiers travaux en QCA (Ragin, 1987) avancent une logique comparative selon
que les variables soient prsentes ou absentes dun cas. La transcription se ralise
alors lors du traitement statistique au travers dune variable binaire (0 ; 1). La
mthode fsQCA (fuzzy set QCA) se fonde sur la logique floue afin davancer dans
quelles mesures lintensit dune variable se rapproche dune intensit maximale
ou se rapproche dune intensit minimale, tout en ntant ni maximale, ni
minimale. Lexemple ci-aprs utilise la fsQCa pour affiner dans quelles mesures
une condition est centrale ou priphrique dans latteinte dun rsultat donn.
EXEMPLE Typologies dentreprises obtenant une meilleure performance

Dans son tude sur les conditions sous lesquelles des organisations gnrent une meilleure
performance, Fiss (2011) utilise la fuzzy set QCA afin didentifier les combinaisons de
facteurs qui permettent une entreprise du secteur des hautes technologies de gnrer une
meilleure performance. laide de huit variables explicatives relatives la structure (taille,
degr de formalisation, degr de centralisation, complexit administrative), la stratgie
357
Partie 3 Analyser
(stratgie de diffrenciation, stratgie de domination par les cots) et lenvironnement

(degr de modification de lenvironnement ; incertitude de lenvironnement) et de deux
variables expliques (haute performance ; trs haute performance), ltude gnre des
configurations possibles selon les huit variables explicatives afin de gnrer une
meilleure performance. Le tableau ci-aprs prsente les rsultats de lanalyse1.
Solutions*
Configurations 1a 1b 2 3a 3b 4
Structure
Large size n
Formalisation
Centralisation
Complexit
Stratgie
Diffrenciation n n n
Low Cost n n n
Environnement
Taux de changement
Incertitude
Consistance 0,82 0,82 0,86 0,83 0,83 0,82
Couverture par colonne 0,22 0,22 0,17 0,14 0,19 0,19
Couverture unique 0,01 0,01 0,02 0,01 0,02 0,04
Consistance gnrale de la solution 0,80
Couverture gnrale de la solution 0,36
* Les cercles noirs indiquent la prsence dune condition, et les cercles blancs avec des croix indiquent son
absence. Les cercles de taille suprieure indiquent les conditions centrales, les plus petits les conditions pri-
phriques. Les espaces vides indiquent sans importance .
Traduit de Fiss P.C. (2011). Building better causal theories: A fuzzy set
approach to typologies in organization research , The Academy of
Management Journal, vol.54, n2, p. 393-420 (tableau p. 408).
Il existe donc six configurations possibles (quil y ait une ou plusieurs entreprises
correspondant chaque configuration) dans lchantillon pour obtenir une performance trs
leve. Lintrt ici est de constater non seulement que certaines caractristiques doivent tre
remplies dans les configurations gagnantes, mais aussi que labsence de certaines
caractristiques (lies lenvironnement, la stratgie et/ou lenvironnement) est une
condition datteinte dune haute performance dans lenvironnement concurrentiel donn.
1. Explication des termes techniques du tableau : consistance indique le pourcentage de cas satisfaisant la solution
dans la configuration propose ; couverture par colonne indique la part du rsultat qui est explique par une
configuration donne (peu importe si elle chevauche dautres configurations ou non) ; couverture unique indique
quelle part du rsultat peut tre explique exclusivement par cette configuration (la part de la configuration qui ne
chevauche aucune autre configuration solution) ; consistance gnrale de la solution indique le pourcen-tage de cas
dans les configurations donnes qui satisfont la solution ; couverture gnrale de la solution indique le nombre de
cas dans lchantillon global qui correspondent aux configurations proposes.
358
Cette approche, malgr les nouvelles possibilits quelle offre au chercheur qui
recueille des variables qualitatives, comporte certaines limites. Nous en soulverons
deux principales. Tout dabord, le passage dune donne qualitative une donne
binaire (0 ; 1) dans la version originale de la QCA limite ncessairement lintrt de
procder une tude qualitative. En effet, peu de nuances peuvent tre dveloppes
dans le passage de variables qualitatives des variables binaires. On pourrait penser
que cette limite est obsolte avec larrive de la logique floue et la mthode fsQCA.
Toutefois, se pose alors le problme de la pertinence de lchelle de mesure utilise
pour valuer lintensit de la variable (voir la section suivante sur cette difficult en
gnral). La seconde limite tient lincapacit de cette mthode expliquer les liens
entre les variables. Si lintrt des mthodes qualitatives tient explorer les
mcanismes au travers desquels un phnomne se droule et aboutit un rsultat, alors
la fsQCA est de peu dintrt ici. En effet, si le traitement logique par logiciel dcuple
le traitement conjoint de nombreuses variables, impossible raliser manuellement, il
ne peut toutefois pas expliquer pourquoi une configuration, dans les interactions entre
les variables, gnre le rsultat escompt.
Tableau 11.1 Comparaison de quatre approches de la modlisation
Caractristiques Mthode Mthode Miles Mthode des Mthode
enracine la et Huberman cas la comparative par
Gioia Eisenhardt logique floue
Principe Analyse dun Analyse causale Comparaison de Comparaison de
phnomne sur par des variables inter-cas variables inter-cas
une aire co-variations
substantive entre deux
variables
Rfrences Gioia (Gioia et Miles et Eisenhardt Ragin (1987)
centrales al., 2013; Corley Huberman (Eisenhardt, 1989;
et Gioia, 2004) (1994) Eisenhardt et
Graebner, 2007)
Nombre de cas Un seul en Un plusieurs 4 10 12 +100
(avanc par les gnral Relativement
auteurs de Ncessairement limit
rfrence) trs limit

Construction des Par un faisceau Par co-variation Par co-variation Par analyse
relations dindices logique logique et mathmatique
empirique compare
Type de traitement Qualitatif Qualitatif Qualitative Quantitatif
Type de rsultats Modle Propositions Propositions Identification de
envisags processuel thoriques reliant thoriques reliant variables ou groupe de
2 ou 3 variables 2 ou 3 variables variables ayant une
Modle explicatif influence
global prpondrante dans un
processus
Principale limite Gnralisation Force de la preuve Potentiel Non-explicitation des
difficile dans la relation dinnovation relations entre
logique thorique limit variables
359
Partie 3 Analyser
2 Les difficults majeures
Aprs avoir expos ces quatre approches de la modlisation partir de donnes

qualitatives, il nous semble important de soulever les difficults majeures de cet
exercice. En effet, les recherches utilisant des mthodes qualitatives, bien que de
plus en plus reconnues, souffrent souvent de problmes majeurs (Gephart, 2004).
Ces problmes ne sont pas inhrents aux mthodes utilises, mais relatives aux
pratiques des chercheurs quil convient de sensibiliser aux difficults quils devront
affronter afin de proposer une recherche robuste.
2.1 Apporter la preuve de la relation
Un des enjeux majeurs de la lgitimit du rsultat de la modlisation en

mthodes qualitatives est dapporter la preuve quil existe bien une relation
empirique entre deux concepts. Lapport de la preuve ne peut tre fond que sur
des donnes empiriques. En dautres termes, de quelles donnes dispose-t-on pour
prouver la relation ? Il ne sagit pas davancer une simple intuition (ou alors
lauteur doit lindiquer) mais bien dexpliciter et de lgitimer les relations entre les
variables. Dans une optique de traitement de donnes qualitatives par codage
(Richards, 2010; Miles et Huberman, 2003) le codage ne doit ainsi pas se limiter au
codage des catgories. Le chercheur doit aussi coder les relations entre les
catgories afin de pouvoir identifier les passages qui lui permettent de lgitimer le
type de relations quil fonde entre les catgories (Strauss et Corbin, 1998). Ceci
peut se faire assez rapidement laide de logiciels CAQDAS. En effet, une fois les
catgories codes, loutil Requte permet dextraire dans le matriau empirique
les passages o deux codes co-occurrents ou proches apparaissent. Ces recherches
peuvent tre ralises sur toutes les variables entre lesquelles le chercheur a
lintuition quil pourrait exister une relation. La constitution dune base de donnes
avec ces passages de cooccurrence ou de proximit permet non seulement de
prouver les relations mais aussi de mieux les spcifier.
2.2 spcifier la relation
En effet, au-del de prouver la relation, il est ncessaire de spcifier la relation

entre deux concepts. Tout dabord, la spcification des relations est trop souvent
absente dans les recherches qualitatives. En dautres mots, il nest pas rare de
trouver des articles o les modles, reprsents sous forme de botes et de flches,
spcifient les botes (les variables) mais ne spcifient pas les relations (les flches).
Ce problme est prsent dans lexemple Construction dun modle global partir
de la mthode Miles et Huberman ci-dessus. Les flches ntant pas spcifies (ni
sur la figure, ni dans le texte), le lecteur se trouve confront un problme de
360
comprhension gnrale du modle. linverse, larticle de Monin et al. (2013)

propos dans lexemple ci-dessous spcifie les relations du modle. Les auteurs
labellisent les flches du modle, ce qui rend explicite la relation entre les
concepts. Ds lors, lvaluateur dune revue acadmique ou le lecteur comprend la
logique globale du modle non seulement au travers de concepts mais aussi de
leurs inter-relations.
EXEMPLE Prciser les relations du modle
Dans leur article sur la justice post fusion, Monin et al. (2013) identifient 5 relations
entre les concepts quils mettent en vidence, reprsentes par des flches (de diffrente
forme pour montrer leur nature diffrente). Chacune reprsente une relation particulire
: lint-gration des pressions dclenche le processus de sensemaking , qui lui-mme
mne l enactment des normes de justice. Le fait davoir enact ces normes
gnre un retour pour de futures itrations du processus luvre. Aussi, lintrieur
de chaque ensemble, les auteurs identifient des relations dialogiques ou dialectiques.
Cet exemple traduit bien la ncessit didentifier la nature de la relation entre les
diffrents concepts du modle.
Source : Traduit de Monin P., Noorderhaven N., Vaara E., Kroon D. (2013).
Giving Sense to and Making Sense of Justice in Postmerger Integration , The
Academy of Management Journal, vol.56, n1, p.256284 (figure p.276).
Apporter la preuve et spcifier les relations est un travail de longue haleine pour
le chercheur. Dans ce cadre, il est ncessaire dtre parcimonieux, cest--dire de
ne pas chercher relier un ensemble trop important de variables entre elles. La
rduction de lattention du chercheur sur des variables centrales dans le phnomne
tudi a pour consquence de lui laisser les ressources en temps, en nergie et en
361
Partie 3 Analyser
espace (particulirement dans les revues qui peuvent naccorder que 8 000 mots
pour des articles mobilisant des mthodes qualitatives) pour bien spcifier et
prouver les relations du modle propos.
2.3 Quantifier les lments qualitatifs
La logique qualitative ninduit pas une quantification de faon ncessaire. Au

contraire, elle peut principalement consister ltude de mcanismes qui
dclenchent , empchent , modifient , etc. un phnomne sans quun
recours une quantification ne soit ncessaire lanalyse du processus. Pratt
(2009) dconseille dailleurs de quantifier les variables ou les relations dans une
dmarche qualitative, le design de recherche ny tant pas adapt.
Toutefois, nous avons pu voir que lapproche Miles et Huberman et lapproche
nomothtique reposent sur une logique qui induit dvaluer la co-variation de
lintensit des variables dans ltude dun phnomne. Si les travaux initiaux en
QCA abordaient lexistence des variables selon leur prsence ou leur absence (0 ;
1), la fsQCA propose daffiner cette approche par des intervalles dintensit,
proposant ainsi des chelles de mesure des variables qualitatives. Il existe donc une
tendance au sein des recherches qualitatives qui vise quantifier des donnes
qualitatives afin dvaluer linfluence de la variation dune variable sur une autre.
Ce processus de passage de donnes qualitatives des donnes quantifies
mrite selon nous que nous nous y attardions. Il existe diffrentes dmarches par
lesquelles les chercheurs peuvent passer de donnes qualitatives une valuation
de lintensit de la relation entre variables. Nous exposons ici trois de ces mthodes
et discutons de leurs implications.
Une premire mthode peut consister sappuyer directement sur les acteurs du
terrain. Dans une pistmologie constructiviste, on postule que les acteurs co-
construisent, sur la base de leur comprhension, la ralit sociale dans laquelle ils
voluent. Ds lors, dans cette acception, le jugement des acteurs peut servir
directement dvaluation de limportance dun fait ou lintensit dune variable
dans ltude dun phnomne. On utilisera alors principalement les adverbes et
adjectifs utiliss par les acteurs dans leurs propos, qui soulignent ainsi leur
perception de lintensit de certains lments dans le droulement dun phnomne.
Afin dviter de recourir directement la perception des acteurs, certains
chercheurs, dans une deuxime mthode, utilisent les occurrences verbales afin de
quantifier limportance dun lment dans le processus tudi. Si cette dmarche
peut tre intressante dans une optique dtude du discours (Gauzente et Peyrat-
Guillard, 2007) o les occurrences des mots importent, elle est prendre avec
prcaution dans le cadre dune analyse de contenu qui fonctionne sur des units de
sens (Bardin, 2007). En effet, dans de nombreuses mthodes de recueil de donnes,
le chercheur influence trop la rcurrence des thmes pour que celle-ci soit utilise
362
de faon pertinente. Aussi, un interview peut souligner limportance dun fait ou

dune composante sans revenir sur cet lment plusieurs reprises. Si le chercheur
vise confirmer ses interprtations par des relances qui invitent linterview
prciser sa pense (Romelaer, 2005) le nombre doccurrences dun thme donn
peut augmenter sans que son importance ne soit plus grande. Ainsi, seul un design
par entretiens ferms (Grawitz, 2001) o les codes sont relativement indpendants
des questions poses pourrait justifier le recours aux occurrences dans lanalyse de
lintensit des variables.
Enfin, une troisime mthode consiste dvelopper des chelles ad hoc pour les
variables tudies. Larticle de Martin et Eisenhardt (2010) donne un exemple de
comment transformer des donnes qualitatives une intensit de variable donne.
EXEMPLE Quantifier des donnes qualitatives de faon ad hoc
Martin et Eisenhardt (2010) explorent les dterminants du succs de la collaboration inter

business-units dans de grandes entreprises. Afin dvaluer linfluence de certaines variables
sur le succs de la collaboration, les auteurs quantifient les variables qualitatives afin den
tudier la co-variation. Voici deux chelles de mesure parmi celles que les auteurs utilisent :
Participation et processus de dcision : Haut = Tous les managers simpliquent dans le
processus / Modr = Quelques managers simpliquent dans le processus / Faible =
Pas dengagement dans le processus
Dsaccord entre managers sur les moyens mettre en uvre : lev = Beaucoup de pro-
blmes, dsaccords majeurs / Modr = peu de problmes, dsaccords majeurs / Faible
= Peu ou pas de problmes, petites diffrences (si existantes)
Afin de lgitimer lvaluation ralise des variables sous forme quantifie, les auteurs
uti-lisent des tableaux de citation afin que le lecteur puisse apprhender la
transformation des propos dans des chelles de mesure.
2.4 Le double codage : pourquoi, comment ?

Il existe de nombreux dbats sur la ncessit ou lutilit du double codage

(Voynnet-Fourboul, 2011). La logique de double codage est traditionnellement
applique de faon prioritaire lors de ltape o le chercheur vise relier donnes
et concepts. Toutefois, le double codage peut savrer particulirement intressant
dans une optique du codage des relations entre concepts.
Si dans tous les cas, le double codage peut apporter une lgitimation des rsultats
et peut donc tre utilis de faon quasi systmatique, il est ncessaire de lutiliser
selon la conception du chercheur de son processus de recherche, de lobjectif de la
recherche, et surtout de la position pistmologique de sa recherche. Le double
codage peut tre mis en uvre de deux manires distinctes : soit au cours du
processus danalyse, soit en fin de processus danalyse.
363
Partie 3 Analyser
Dans sa forme pure et traditionnelle, le double codage consiste faire vrifier par
autrui son degr daccord sur les relations formules. Il sagit ainsi de tester a
posteriori quavec une grille de lecture similaire, diffrents chercheurs parviennent
identifier les mmes relations entre les concepts. Cette conception du double
codage est cohrente avec une pistmologie positiviste ; les scores daccord de
correspondance inter-codeurs sont calculs afin dvaluer la fiabilit de lanalyse
propose.
Utilis au cours du processus danalyse, le double codage permet au
chercheur de confronter ses intuitions dans la relation entre variables avec les
perceptions dautres chercheurs ou avec les acteurs du terrain. De faon pratique,
cela prend la forme de discussions propos de relations que le chercheur a
interprtes dune faon donne. Ds lors, de nouvelles voies dinterprtation
peuvent merger quand aux relations entre les variables. Cela peut viter que le
chercheur se laisse trop enfermer dans une modlisation prcoce, et de continuer
dexplorer les multiples voies dinterprtation possible. Cela lui permet aussi de
tester la robustesse de certaines de ses intuitions afin de voir dans quelle mesure il
doit poursuivre dans lexploration et la lgitimation de ses premires intuitions.
Cette forme de double codage est plus approprie dans une logique
interprtative ou constructiviste, le double codage permettant la fois denrichir le
processus danalyse et de le scuriser en sappuyant sur une forme dintelligence
collective avec dautres chercheurs ou avec les acteurs du terrain.
Rendre compte du processus de double codage dans un cas comme dans lautre
peut renforcer la confiance quant au bien-fond des rsultats.
3 Rendre compte du modle
Il existe diffrentes manires de rendre compte dun modle dvelopp partir

de donnes qualitatives. Nous en proposons ici quatre. Certaines tudes combinent
plusieurs dentre elles, dautres favorisent lune plutt que les autres. Le choix du
mode de restitution dpend la fois :
du champ dans lequel la recherche sinsre dans le courant de la pratique
stratgique (Strategy-as-Practice) par exemple il est dusage de donner voir les
donnes (par exemple Stigliani et Ravasi, 2012) ;
du support de diffusion de la recherche les formats thse , ouvrage ,
chapitre douvrage ou article nont ni les mmes publics ni les mmes
contraintes en termes de format.
364
3.1 Restitution analytique
La restitution analytique est la forme conseille par Strauss et Corbin (1998) afin
de montrer la robustesse des analyses effectues. Lide est ici, pour chaque
relation entre des concepts, de montrer comment elle a t gnre et pourquoi elle
peut tre considre comme lgitime. Cet exercice demande beaucoup de rigueur
dans lanalyse et dans la rdaction de la prsentation tape par tape des parties du
modle et de ses relations.
Lapproche la Gioia se fonde sur ce principe. En effet, les auteurs dcrivent de
faon systmatique les concepts utiliss dans la data structure, faisant ainsi
progresser lanalyse concept par concept. Ds lors, une grande impression de
rigueur se dgage de la lecture des rsultats. On peut toutefois dplorer que la
rigueur dploye pour lexpos des phases ou concepts du modle ne soit pas
toujours de mise dans la systmatisation de ltude des relations entre les concepts
du modle. En effet, dans cette approche, les liens entre les concepts apparaissent
comme moins importants que les concepts eux-mmes. La restitution des relations
semble annexe et est souvent traite dans une sorte de courte narration reprenant le
droul du processus en assemblant les concepts de faon assez rudimentaire. (cf.
Gioia et al., 2010; Corley et Gioia, 2004; Stigliani et Ravasi, 2012). Ceci peut
certainement sexpliquer par le fait quun compte rendu analytique de chacune des
relations du modle rend la lecture difficile et que le lecteur risque de perdre le fil
du phnomne tudi. Larticle de Martin et Eisenhardt (2010) utilis dans les
exemples sur les propositions conceptuelles et sur la quantification des donnes
qualitatives de faon ad hoc est un parfait contre-exemple. Chaque rsultat y
consiste en une proposition thorique reliant deux concepts, argumente et justifie
au travers dune analyse dtaille conduite par la volont dapporter la fois la
preuve de la relation et den spcifier la nature.
3.2 Raconter lhistoire
Une seconde technique consiste alors raconter lhistoire du phnomne tudi

sous une forme plus narrative. Les auteurs rapportent les faits, racontent une
histoire qui se droule sous nos yeux. Les concepts et relations entre concepts
donnent une dynamique narrative au rcit des rsultats dont la lecture est alors plus
vivante. Larticle de Dutton et Dukerich (1991) est une belle illustration de ce type
de restitution.
3.3 Construction graphique
Afin de faciliter la comprhension du modle, de nombreux articles utilisent un

artefact visuel graphique qui permet au lecteur de se saisir de faon immdiate du
modle, de reprsenter le modle de faon holiste, et de donner sens plus facilement
365
Partie 3 Analyser
aux textes qui accompagnent le graphique (Meyer et al., 2013). La construction

graphique se combine gnralement avec la restitution analytique (par exemple
dans la mthode la Gioia ou dans la QCA) ou avec le rcit (pour des analyses
processuelles). Il existe deux formes principales de construction graphique. Soit un
modle avec des botes (chacune reprsentant une variable) et des flches (chacune
reprsentant une relation), comme nous en avons propos plus haut, soit un tableau
synthtisant les analyses qualitatives ralises.
3.4 Donner voir les donnes
Enfin, si les trois premiers moyens de rendre compte du modle permettent de

comprendre les relations entre les concepts, il est aussi ncessaire de donner voir
les donnes au lecteur afin quil puisse juger de la lgitimit des analyses
proposes. Ds lors, il existe trois faons principales de rendre compte des donnes
du modle : les vignettes, les verbatims et les tableaux de donnes.
Une premire faon de donner voir les donnes consiste dvelopper des
vignettes. Les vignettes sont une interruption de lexpos des rsultats par un
exemple dtaill qui illustre les analyses du chercheur. Cette vignette peut tre
introduite par un titre ou tre encadre afin de matrialiser le changement de
narration (Mantere et Vaara, 2008; Whittington et al., 2006) ou non (Jarzabkowski
et al., 2013). Les vignettes sont particulirement intressantes lorsque les donnes
prsentes doivent tre contextualises. Elles permettent aussi de donner voir une
certaine complexit et donc de mettre laccent sur les mcanismes entre les
lments du modle.
Une deuxime faon de rendre compte des donnes est dutiliser les verbatims
dans le texte. Par ce biais, le texte nest pas rellement interrompu, lauteur vise
simplement montrer, par un extrait bref, lexistence de la relation entre deux
concepts. Ces verbatims, slectionns pour leur potentiel rendre compte
clairement des relations entre les concepts, peuvent tre identifis au fur et
mesure de lanalyse (ce que conseillent Strauss et Corbin (1998)) ou en fin
danalyse au travers des requtes dans la base de donnes, en particulier si le
chercheur utilise un logiciel daide lanalyse des donnes.
Enfin, une technique qui tend tre de plus en plus utilise est le rassemblement
de donnes dans des tableaux. Ces tableaux permettent majoritairement de montrer
lhomognit des catgories danalyse les concepts en proposant un ensemble
de verbatims associs au concept. Le lecteur juge alors de la consistance de la
catgorie conceptuelle propose dans un tableau extensif. Mme si cela est moins
courant, il pourrait en tre de mme pour les relations entre concepts afin de
prsenter quels verbatims fondent la lgitimit de la relation telle quelle est
avance et spcifie par lauteur.
366
section
3 MODLIsATIOn CAusALE PAR unE
APPROChE QuAnTITATIVE
Dans cette section, nous nous intressons la dmarche de modlisation par une
approche quantitative. Cette dmarche sarticule autour de trois tapes : (1) la
spcification des concepts et variables du modle ; (2) la spcification des relations
entre les concepts et variables du modle et (3) le test du modle, cest--dire
lexamen de sa validit. Par souci de simplification les tapes sont prsentes de
faon linaire et squentielle. En ralit, la dmarche de modlisation par une
approche quantitative ncessite souvent de nombreux aller et retours entre les trois
tapes. Au demeurant, Joreskog (1993) distingue trois situations de modlisation :
lapproche strictement confirmatoire ; lapproche de comparaison de modles ;
lapproche dlaboration de modle.
Dans la situation strictement confirmatoire, le chercheur construit un modle
quil teste ensuite sur des donnes empiriques pour dterminer si les donnes sont
compatibles avec le modle. Que les rsultats du test conduisent au rejet ou
lacceptation du modle, aucune autre action nest entreprise. Daprs Joreskog
(1993), il est trs rare dans la ralit quun chercheur suive une telle procdure. Les
deux autres situations sont beaucoup plus frquentes.
Dans lapproche de comparaison de modles, le chercheur commence avec
plusieurs modles concurrents quil value en utilisant le mme jeu de donnes et
quil compare de manire retenir le meilleur. Ceci est frquent lorsque des
thories concurrentes existent, lorsque le champ dintrt na pas encore atteint une
phase de maturit ou lorsquil existe une incertitude sur les relations entre les
variables et concepts. Cependant, bien quhautement souhaitable, en principe, cette
approche de comparaison de modles se heurte au fait que, dans la plupart des
situations de recherche, le chercheur ne dispose malheureusement pas de plusieurs
modles concurrents suffisamment labors quil puisse envisager de tester.
Dans lapproche dlaboration de modle, le chercheur commence par un modle

donn, le teste sur un jeu de donnes pertinentes, puis laffine soit en liminant les
relations non significatives et en ajoutant des relations significatives prcdemment
omises (Aaker et Bagozzi, 1979), soit en rexaminant compltement la structure du
modle (Hayduk, 1990).
Toutefois, dans les trois situations prcites de modlisation, les trois tapes de la
dmarche de modlisation par une approche quantitative que sont la spcification
des concepts et variables du modle, la spcification des relations entre les
concepts et variables du modle, et le test du modle sont prsentes.
Cette section prsente les bases de la modlisation causale par une approche
quantitative, souligne les difficults majeures auxquelles sont exposs les chercheurs
367
Partie 3 Analyser
inscrits dans une dmarche de modlisation causale par une approche quantitative
et expose les manires de rendre compte du travail de modlisation causale par une
approche quantitative.
1 Base de la modlisation causale par une approche quantitative
1.1 spcifier les variables/concepts du modle
La premire tape de la dmarche de modlisation causale par une approche

quantitative consiste spcifier les variables et/ou concepts du modle. Les
techniques quantitatives de modlisation causale accordent une place centrale
cette spcification des variables et/ou concepts. Elles ont systmatis la distinction
thorique entre variables et concepts.
En rgle gnrale, un modle causal contiendra des variables non directement
observables appeles variables latentes, concepts ou construits et des variables
directement observables appeles variables manifestes, variables observes,
indicateurs ou variables de mesure. La notion de variable latente occupe une place
centrale dans les sciences humaines et sociales. Des notions comme lintelligence,
lattitude ou la personnalit sont des variables latentes. De leur ct, les variables
manifestes sont censes tre des mesures approximatives des variables latentes. Un
score un test de QI peut tre considr comme une variable manifeste qui est une
approximation de la variable latente intelligence . Dans la modlisation causale,
il est recommand que chaque variable latente soit mesure par plusieurs variables
manifestes. La variable latente est alors dfinie par ce qui fait la communaut des
diverses variables manifestes censes la mesurer (Hoyle, 1995). De ce point de
vue, les variables latentes correspondent aux facteurs communs tels quon les
connat dans lanalyse factorielle (cf. chapitre Mthodes de classification et de
structuration ). Elles peuvent par consquent tre considres comme dnues
derreurs de mesure.
Pour la spcification des concepts, plusieurs cas de figure sont possibles. Il se peut
que les concepts du modle soient dj prcisment dfinis. Par exemple, en stratgie,
le concept de groupe stratgique dsigne de manire univoque un ensemble de firmes
dun secteur donn qui suivent la mme stratgie. Le chercheur qui utilise un tel
concept dans un modle ne va pas semployer le redfinir. Dautres exemples sont
fournis par Johansson et Yip (1994) pour la spcification des concepts de structure du
secteur (industry structure), stratgie de globalisation (global strategy), structure
organisationnelle (organization structure), etc. Il se peut mme que des modes
doprationnalisation (des chelles de mesure ) des concepts dj dfinis soient
galement disponibles. Cest le cas pour lchelle de mesure du concept de
dynamisme du secteur propos par Baum et Wally (2003). Dans le cas o un
368
mode doprationnalisation des concepts est dj disponible, la proccupation

principale du chercheur sera den vrifier la validit.
Cela tant, mme lorsque les concepts sont dfinis et leur mode
doprationnalisation dtermin, il est recommand de systmatiquement essayer
denrichir et de reconfigurer les variables/concepts issus des travaux antrieurs,
partir de lobservation ou de la thorie.
Lorsquelesconceptsnesontpasdjdfiniset/ouqueleurmodedoprationnalisation
nest pas dj donn, le chercheur doit entreprendre un travail minutieux de
dfinition desdits concepts et de formulation de leur mode doprationnalisation.
Ce fut le cas lorsque, dans une recherche antrieure, lun des auteurs de ce chapitre
a d spcifier le concept de groupe concurrentiel perceptuel comme le montre
lexemple suivant.
EXEMPLE spcification dun concept : les groupes concurrentiels perceptuels
Dans son modle explicatif des dcisions stratgiques des entreprises, (Mbengue, 1992) a
introduit le concept de groupe concurrentiel perceptuel pour dsigner un ensemble dentre-
prises perues comme tant en concurrence les unes avec les autres par les acteurs du sec-
teur. Les acteurs en question peuvent tre les dirigeants des entreprises, les employs, les
clients, les distributeurs, les fournisseurs, mme des analystes du secteur ou des chercheurs,
voire quiconque dautre qui serait impliqu dune certaine manire dans la vie de larne
concurrentielle. Dans le cas o les acteurs sont les dirigeants des entreprises, alors les
groupes concurrentiels perceptuels reprsentent des ensembles dentreprises qui se per-
oivent et se dfinissent mutuellement comme des concurrents. Un mode doprationnali-
sation de ce nouveau concept tait galement propos. Il sagissait dinterroger travers un
questionnaire et des entretiens les dirigeants et plusieurs experts du secteur. Le concept de
groupe concurrentiel perceptuel tait une variable latente qui a alors pu tre mesure
travers quatre variables manifestes comme lillustre le schma suivant :
Mesure fournie par les cadres dirigeants

est un dlit.
Mesure fournie par lexpert #1

Groupes
concurrentiels
Mesure fournie par lexpert #2 perceptuels
Mesure fournie par lexpert #3
369
Partie 3 Analyser
1.2 spcifier les relations entre variables/concepts du modle
La deuxime tape de la dmarche de modlisation causale par une approche

quantitative consiste spcifier les relations entre les variables et/ou concepts du
modle. La spcification des relations entre variables/concepts du modle, a pour
objectif de dterminer lexistence et/ou la nature des relations entre les variables et/
ou concepts du modle, la nature de ces relations (causale ou non causale ; positive
ou ngative ; linaire ou non linaire, etc.).
Comment spcifier les relations entre variables et/ou concepts du modle ?
On peut distinguer deux cas de figure concernant la spcification des relations

entre variables et/ou concepts dun modle. Il se peut que le chercheur trouve dans
la littrature des hypothses prcises spcifiant clairement la nature et le signe des
relations entre les variables et/ou concepts. Dans ce cas, sa proccupation
principale sera de vrifier la validit des hypothses formules dans ladite
littrature. Le problme devient essentiellement celui du test des hypothses ou du
modle causal. Cette question du test des modles causaux est traite dans la
troisime et dernire partie de cette section.
Cependant, trs souvent, le chercheur ne disposera pas a priori dun jeu
dhypothses ou de propositions spcifiant avec une prcision suffisante la nature
des relations entre les variables et/ou concepts du modle. Il devra par consquent
lui-mme procder une analyse causale complte. Une telle analyse causale peut
sappuyer sur beaucoup des techniques qualitatives prsentes dans la deuxime
section de ce chapitre.
Il est possible de dfinir les modles de causalit comme la conjugaison de deux
modles conceptuellement diffrents :
un modle de mesure reliant les variables latentes leurs indicateurs de mesure
(cest--dire variables manifestes ou observes) ;
un modle dquations structurelles traduisant un ensemble de relations de cause
effet entre des variables latentes ou des variables observes qui ne reprsentent
pas de variables latentes.
Les relations entre les variables latentes et leurs indicateurs de mesure sont appeles
relations pistmiques. Elles peuvent tre de trois natures : non directionnelles,
rflectives ou formatives. Dans le premier cas, la relation est une simple association.
Elle ne reprsente pas une relation causale mais une covariance (ou une corrlation
lorsque les variables sont standardises). Dans le deuxime cas, celui des relations
rflectives, les indicateurs de mesure (variables manifestes) sont supposs reflter la
variable latente sous-jacente qui leur donne naissance (cest--dire la variable latente
est la cause des variables manifestes). Enfin, dans le cas de relations formatives, les
indicateurs de mesure forment la variable latente (cest--dire ils en sont la cause).
Cette variable latente est alors entirement dtermine
370
par une combinaison linaire de ses indicateurs. Le choix entre relations rflectives
ou formatives peut tre difficile. La question qui doit guider la dcision est de
savoir si les variables manifestes refltent une variable latente qui est sous-jacente
ou si elles sont la cause de cette variable latente. Par exemple, lintelligence est une
variable latente lie par des relations rflectives ses indicateurs de mesure tels
que le QI. (Lintelligence est la cause du QI observ.) Par contre, les relations entre
la variable latente statut socio-conomique et ses indicateurs de mesure tels que le
niveau de revenu ou dducation sont de nature formative. (Le niveau de revenu ou
dducation forment le statut conomique.)
Reprsentation formelle des modles de causalit
Il est usuel de reprsenter les modles de causalit sous formes de schmas. Ce

travail de formalisation rpond avant tout une exigence de communication. Un
dessin peut tre beaucoup plus comprhensible ou explicite quune longue
description verbale ou littraire, notamment lorsque le modle nest pas simple
(cest--dire, il contient plusieurs variables et plusieurs interrelations).
Au fil des annes une convention a vu le jour, issue de lanalyse des
cheminements (path analysis ou path modeling). Selon cette convention, les
concepts ou variables non directement observables (galement appels variables
latentes, concepts ou construits) sont reprsents par des cercles ou des ellipses et
les variables directement observables (variables manifestes, variables observes,
variables de mesure ou indicateurs) par des carrs ou des rectangles. Les relations
causales sont indiques par des flches chapeau, la tte de la flche indiquant le
sens de la causalit. Les cas de causalit rciproque entre deux variables ou
concepts seront ainsi dsigns par deux flches de sens opposs. Les simples
associations (corrlations ou covariances) entre variables ou concepts seront
indiques par des arcs sans chapeau ou avec deux chapeaux de sens opposs aux
deux bouts du mme arc. Un arc qui se referme sur une mme variable ou un
mme concept dsigne une variance (covariance dun lment avec lui-mme). Les
flches sans origine dcrivent des termes derreurs ou des rsidus.
La figure 11.3 prsente un exemple de reprsentation formelle dun modle qui

examine la relation entre la stratgie et la performance. Dans cet exemple, lignes
de produits ou taux de marge sont des variables directement observables et
segments ou rentabilit des concepts (cest--dire des variables non
directement observables). Il est fait lhypothse de trois relations causales entre
dune part, les concepts de segments , ressources et envergure et, dautre
part, celui de rentabilit . De mme, une relation dassociation est suppose
exister entre les trois concepts segments , ressources et envergure . Enfin,
toutes les variables directement observables contiennent des termes derreur de
mme que le concept de rentabilit .
371
Partie 3 Analyser
Lignes de produits
Niveaux de gamme SEGMENTS
Distribution
Taux
Recherche de marge
Dveloppement
RESSOURCES RENTABILIT Rentabilit
des actifs
Communication
Rentabilit
capital employ
Prsence nationale
Prsence internationale ENVERGURE
Taille
Figure 11.3 Reprsentation formelle dun modle causal
La spcification des relations comme traduction directe de

la thorie endosse
Le chercheur qui adopte une dmarche quantitative de spcification des relations doit
distinguer dune manire systmatique les diffrentes natures de relations entre les
variables de son modle (association, causalit simple, causalit rciproque).
Rappelons que dans le langage des modles de causalit, les relations dassociation
sont aussi appeles des relations non directionnelles et quelles reprsentent des
covariances (ou des corrlations lorsque les variables sont standardises). Les relations
causales simples portent le nom de relations unidirectionnelles alors que les relations
causales rciproques sont appeles relations bidirectionnelles. un niveau trs gnral,
toute relation peut tre dcompose en deux effets : des effets causaux et des effets non
causaux (association). Les effets causaux se dcomposent eux-mmes en deux autres
effets : les effets directs et les effets indirects. Leffet direct reprsente une relation
causale directe entre une variable indpendante et une variable dpendante. Cependant,
dans les modles de causalit, une mme variable peut tre en mme temps dpendante
pour un effet direct et indpendante pour un autre effet direct. Cette possibilit pour
une variable dtre la fois indpendante et dpendante dans un mme modle est au
cur de la notion deffet indirect. Leffet indirect est celui dune variable indpendante
sur une variable dpendante travers
372
une ou plusieurs variables mdiatrices. La somme des effets direct et indirect constitue
leffet total. De leur ct, les effets non causaux (association) se dcomposent
galement en deux : les effets dassociation dus une cause commune identifie (cest-
-dire les deux variables associes ont pour causes communes une ou plusieurs
variables incluses dans le modle) et les effets dassociation non analyss (cest--dire
le chercheur considre, pour diverses raisons, que les variables sont associes). Le
chercheur peut prendre cette dcision dans les cas o il narrive pas faire la diffrence
entre la cause et leffet concernant deux variables en relation ou encore lorsquil sait
que les deux variables ont une ou plusieurs causes communes qui sont en dehors du
modle. Dans les modles de causalit, les associations non analyses se traduisent par
des covariances (ou des corrlations) et sont reprsentes par des arcs ventuellement
munis de chapeaux aux deux extrmits.
Une notion importante dans les approches quantitatives de spcification des
relations causales est celle de rcursivit. Un modle est dit rcursif sil ne
comporte aucun effet causal bidirectionnel (cest--dire aucune relation causale
directement ou indirectement rciproque). Bien que le terme puisse paratre
trompeur, il faut bien noter que les modles rcursifs sont unidirectionnels et les
modles non rcursifs, bidirectionnels. Les modles rcursifs occupent une place
importante dans lhistoire des modles de causalit. Ainsi, lun des reprsentants
les plus connus de cette famille de mthodes, lanalyse des cheminements (ou path
analysis), ne traite que des modles rcursifs. Lautre grande caractristique de
lanalyse des cheminements est quelle ne traite que des variables manifestes
(cest--dire aucune variable latente avec des mesures multiples). Lanalyse des
cheminements est de ce fait un cas particulier des modles de causalit. La figure
11.4 prsente un exemple de modle danalyse de cheminements.
X1 X4
X2 X6
X3 X5
Figure 11.4 Exemple dun modle danalyse de cheminements
La spcification des relations causales dans le cadre dune approche quantitative peut
tre plus prcise que la seule spcification de la nature de ces relations (association,
unidirectionnelle, bidirectionnelle). Il est galement possible de fixer le signe des
relations et mme leur intensit. Des contraintes dgalit ou dingalit
373
Partie 3 Analyser
peuvent galement tre prises en compte. Par exemple, le chercheur peut dcider
que telle relation est gale une valeur fixe donne (disons 0.50), que telle autre
doit tre ngative, quune troisime sera gale une quatrime, gale au double
dune cinquime, infrieure une sixime, etc. Excessif dessein, cet exemple
illustre la grande flexibilit dont dispose le chercheur lorsquil spcifie de manire
quantitative les relations entre variables et concepts dun modle causal.
Il est tout fait possible dutiliser les mthodes quantitatives de manire
inductive pour faire merger des relations causales entre variables et/ou concepts.
Ainsi, lanalyse dune simple matrice de corrlations entre variables peut permettre
de faire merger des possibilits de relations causales (entre des couples de
variables fortement corrles). De mme, il est tout fait possible dutiliser de
manire exploratoire les mthodes statistiques dites explicatives (par exemple,
la rgression linaire ou lanalyse de la variance) pour identifier des relations
causales statistiquement significatives entre les diffrentes variables. Dans ce cas,
toutefois, il convient dtre extrmement prudent au sujet des rsultats. En effet,
comme le montre la discussion de la dcomposition des effets dune relation
effectue dans la premire section de ce chapitre, lexistence dune relation
(statistiquement significative) nquivaut pas celle dun effet causal. Le
chercheur devrait par consquent toujours complter les analyses quantitatives
exploratoires par une analyse causale thorique.
1.3 valuer et tester le modle
La troisime tape de la dmarche de modlisation causale par une approche

quantitative consiste valuer et tester le modle. valuer et tester un modle causal
par une approche quantitative ne revient pas simplement tester les unes aprs les
autres les hypothses ou relations entre les variables et/ou concepts dudit modle, mais
juger de sa cohrence interne globale. Lvaluation et le test des modles de causalit
passent par trois phases : identification, estimation et adquation.
Tout modle causal est un systme dquations dont les inconnues sont les
paramtres estimer et les valeurs des lments de la matrice des variances/
covariances. Lidentification du modle causal consiste vrifier si le systme
dquations qui le constitue possde zro, une ou plusieurs solutions. Dans le premier
cas (aucune solution), le modle est dit sous-identifi (underidentified) et ne peut tre
estim. Dans le deuxime cas (solution unique), le modle est dit juste identifi (just
identified) et possde zro degrs de libert. Enfin, dans le troisime cas (plusieurs
solutions), le modle est dit sur-identifi (overidentified). Il possde alors un nombre
de degrs de libert gal la diffrence entre le nombre dlments de la matrice des
variances/covariances (ou des corrlations) et le nombre de paramtres calculer. Sil
existe p variables dans le modle, la matrice des variances/ covariances comptera
p(p+1)/2 lments et la matrice des corrlations p(p-1)/2 lments. Il faut donc
comparer ces deux nombres celui des paramtres calculer.
374
Toutefois, dans les cas de modles complexes, il peut tre difficile de dterminer le
nombre exact de paramtres calculer. Heureusement, les logiciels informatiques
disponibles indiquent automatiquement lidentification des modles tester et
donnent des messages derreurs lorsque le modle est sous-identifi.
On retiendra que le test statistique dun modle de causalit na dintrt et de sens
quen situation de sur-identification. En effet, partant de lide que la matrice S des
variances/covariances observes, qui est calcule sur un chantillon, reflte la vraie
matrice S des variances/covariances au niveau de toute la population, on constate que
si le systme dquations du modle est parfaitement identifi (cest--dire le nombre
de degrs de libert est nul) alors la matrice C reconstitue par le modle sera gale la
matrice S. En revanche, si le systme est suridentifi (cest--dire le nombre de degrs
de libert est strictement positif) alors la correspondance ne sera probablement pas
parfaite du fait de la prsence derreurs lies lchantillon. Dans ce dernier cas, les
mthodes destimation permettent de calculer des paramtres qui reproduiront
approximativement la matrice S des variances/covariances observes.
Aprs la phase didentification, il faut passer celle de lestimation des paramtres
du modle laide de lune ou lautre des mthodes destimation qui utilisent pour la
plupart le critre des moindres carrs. On distingue les mthodes simples (moindres
carrs non pondrs ou unweighted least squares) des mthodes itratives (maximum
de vraisemblance ou maximum likelihood, moindres carrs gnraliss ou generalized
least squares, etc.). Dans chacune de ces mthodes, il sagit de trouver, pour les
paramtres du modle, des valeurs estimes qui permettent de minimiser une fonction
F qui mesure lcart entre les valeurs observes de la matrice des variances/covariances
et celles de la matrice de variances/covariances prdite par le modle. Les paramtres
sont estims de manire itrative par un algorithme doptimisation non linaire. La
fonction F peut scrire de la faon suivante :
F = 0.5 Tr[(W(S-C))2]
S tant la matrice des variances/covariances observes,
C la matrice des variances/covariances prdite par le modle,
W une matrice de pondration,

Tr signifie la trace de la matrice.
Dans le cas de la mthode des moindres carrs non pondrs, W vaut I, la
matrice identit. Dans le cas de la mthode des moindres carrs gnraliss, W
vaut S1, linverse de la matrice des variances/covariances observes. Enfin, dans
le cas de la mthode du maximum de vraisemblance, W vaut C1, linverse de la
matrice des variances/covariances prdites recalcule chaque itration.
Aprs la phase destimation, il faut passer celle de la vrification de ladquation
du modle aux donnes empiriques. Ladquation dun modle aux donnes
empiriques par rapport auxquelles on le teste est dautant plus forte que lcart entre les
matrices de variances/covariances prdite (C) et observe (S) est faible.
375
Partie 3 Analyser
Cependant, plus le modle possde de paramtres estimer, plus il y a de chance

que lcart soit rduit. Pour cette raison, lvaluation du modle doit porter aussi
bien sur la qualit de prdiction de la matrice des variances/covariances que sur la
significativit statistique de chacun des lments du modle.
Les modles de causalit offrent un grand nombre de critres permettant dvaluer le
degr dadquation dun modle thorique des donnes empiriques. un niveau trs
gnral, on peut distinguer deux types de mesures de cette adquation :
tout dabord, il existe des critres qui mesurent ladquation du modle dans son
ensemble ;
ensuite, il existe dautres critres qui mesurent la significativit des diffrents
paramtres du modle.
Les logiciels proposant des mthodes destimation itratives comme les moindres
carrs gnraliss ou le maximum de vraisemblance fournissent en gnral un test du
Khi2. Ce test compare lhypothse nulle (cest--dire celle selon laquelle les donnes
sont relies par les relations spcifies par le modle qui est test) lhypothse
alternative (cest--dire celle selon laquelle les variables suivent une distribution
multinormale et nont aucune association particulire, autrement dit leur matrice de
variances/covariances est une matrice dfinie positive quelconque). Le modle est
considr comme acceptable si lhypothse nulle nest pas rejete (en gnral, p >
0.05) contrairement la situation classique o les modles sont considrs comme
acceptables lorsque lhypothse nulle est rejete. Par consquent, les erreurs de type II
(cest--dire la probabilit de ne pas rejeter lhypothse nulle sachant quelle est
fausse) occupent une place critique dans lvaluation des modles de causalit.
Malheureusement, la probabilit des erreurs de type II est inconnue.
Pour pallier cet inconvnient, on peut adopter une approche comparative plutt
quabsolue et tester de manire squentielle un certain nombre de modles dont les
diffrences sont tablies par adjonction ou limination de contraintes (cest--dire
nested models ). En effet, si lon dispose de deux modles tels que lun rsulte de
ladjonction de contraintes lautre, on peut tester le modle contraint versus le
modle plus gnral en estimant sparment les deux modles. Si le modle
contraint est correct, alors la diffrence entre les Khi2 des deux modles suit elle-
mme approximativement une distribution du Khi2 avec comme nombre de degrs
de libert la diffrence des degrs de liberts associs aux deux modles.
Il convient toutefois de noter deux caractristiques du test du Khi2 qui ont t
longtemps prsentes comme de grandes limites :
tout dabord, quand lchantillon est trs grand, mme de trs lgers carts entre
le modle et les donnes peuvent conduire au rejet de lhypothse nulle ;
de mme, ce test est galement trs sensible aux ventuels carts par rapport
une distribution normale.
En consquence, un certain nombre dautres mesures ont t proposes pour
complter le test du Khi2. Par exemple, la procdure CALIS du logiciel SAS en
376
compte pas moins dune quinzaine (SAS Institute, 1989). L galement, il est
possible de distinguer deux catgories dindices :
une premire catgorie regroupe un ensemble dindices variant entre 0 et 1. Certains
de ces indices intgrent des considrations de pourcentage de variance explique.
Lusage veut que lon considre comme de bons modles ceux pour lesquels ces
indices sont suprieurs 0.90. Toutefois, la distribution de ces indices est inconnue
et, pour cette raison, toute ide de test statistique de ladquation est exclure ;
une deuxime catgorie regroupe un ensemble dindices qui prennent des valeurs
relles et qui sont trs utiles pour comparer des modles ayant des nombres de
paramtres diffrents. Lusage, pour ces indices, est de retenir comme meilleurs
modles ceux pour lesquels les valeurs prises par ces indices sont les plus faibles.
En plus de ces multiples indices dvaluation globale des modles, il existe de
nombreux critres pour mesurer la significativit des diffrents paramtres des
modles. Le critre le plus rpandu est celui du t (cest--dire rapport de la valeur
du paramtre son cart-type) qui dtermine si le paramtre est significativement non
nul. De mme, la prsence danomalies statistiques notoires comme des variances
ngatives et/ou des coefficients de dtermination ngatifs ou suprieurs lunit sont
naturellement des preuves videntes de la dficience dun modle.
Au total, et un degr dexigence trs lev, le bon modle devrait la fois
prsenter une valeur explicative globale satisfaisante, ne contenir que des
paramtres significatifs et ne prsenter aucune anomalie statistique.
Le tableau 11.2 rsume les rsultats de lestimation du modle dj prsent dans
la figure 11.3 (Reprsentation formelle dun modle causal). Le Khi2 est de 16.05
pour 17 degrs de libert (p = 0.52). Ainsi, selon ce critre, le modle est
satisfaisant (cest--dire suprieur 0.05). En outre, toutes les autres mesures
dadquation sont suprieures 0.90, ce qui confirme que le modle est adquat.
Tableau 11.2 Adquation du modle
Critres Valeurs Intervalle Pour un bon
modle, doit tre
Khi2 16.05
Degrs de libert 17
Prob>Khi2 0.52 [0 , 1] suprieur 0.05
Indice comparatif dadquation de Bentler 1.00 [0 , 1] suprieur 0.90
Critre de centralit de McDonalds 1.00 [0 , 1] suprieur 0.90
Indice non norm de Bentler & Bonett 1.00 [0 , 1] suprieur 0.90
Indice norm de Bentler & Bonett 1.00 [0 , 1] suprieur 0.90
Indice norm de Bollen Rho1 1.00 [0 , 1] suprieur 0.95
Indice non norm de Bollen Delta2 1.00 [0 , 1] suprieur 0.90
377
Partie 3 Analyser
La figure 11.5 reprsente graphiquement les rsultats de lestimation des paramtres

du modle. Les valeurs indiques pour les flches allant dun rond un rectangle
(relations pistmiques) ou dun rond un autre rond (relations structurelles) sont des
coefficients de rgression non standardiss. Par exemple, ces coefficients de rgression
valent 1.17 entre le concept segments et la variable observe lignes de produits
et 0.01 entre les concepts segments et rentabilit . Les valeurs indiques pour les
arcs double chapeau reliant deux ronds sont des covariances. Ainsi, la covariance
entre les concepts segments et ressources vaut 0.03. Les valeurs affiches ct
des flches sans origine reprsentent des termes derreur ou des rsidus standardiss.
Le terme derreur pour la variable observe lignes de produits vaut 0.46 ou encore
46 %. Cela permet de dire que le coefficient de dtermination (R2) de cette variable
vaut 54 % (cest--dire 1-0.46). De mme, le terme derreur ou le rsidu vaut 0.65 pour
le concept rentabilit , ce qui permet galement de dduire que le R2 pour cette
variable latente endogne est de 35 % (1-0.65).
0.46 Lignes de produits 1.17
1.00
a
SEGMENTS
0.61 Niveaux de gamme
0.01
b
1.23
0.41 Distribution b
0.03 Taux 1.17
0.65 a
1.00 de marge
a
Recherche 1.00
0.30 Dveloppement
0.17 1.16 Rentabilit 0.60
RESSOURCES RENTABILIT des actifs
0.23 Communication 1.05 1.13

b
0.02 Rentabilit 0.62
capital employ
0.36
a
0.37 Prsence nationale 1.00 0.28
1.06
0.30 Prsence internationale ENVERGURE
1.10
0.24 Taille
a Paramtre fix pour dfinir

lchelle b Non significatif
Figure 11.5 Estimation des paramtres du modle
378
En gnral, lutilisation des modles de causalit est identifie au programme

informatique LISREL introduit par Joreskog et Sorbom (1982). Aussi renomm
que soit ce logiciel, il ne faut pas perdre de vue quil existe dautres mthodes
destimation des modles de causalit qui peuvent tre plus indiques dans certains
cas. Cest ainsi que de nombreuses variantes du programme LISREL comme
CALIS (SAS Institute, 1989), AMOS (Arbuckle, 1997), EQS (Bentler, 1989) ou
encore MPLUS (Muthn et Muthn, 1998-2006) sont dsormais disponibles. De
mme, la mthode PLS, introduite par Wold (1982), et qui ne ncessite pas la
plupart des hypothses restrictives lies lutilisation de la technique du maximum
de vraisemblance gnralement employe par LISREL et ses variantes (cest--dire
grand nombre dobservations, multinormalit des distributions des variables),
connat une popularit croissante (voir, par exemple, ldition spciale de la revue
Long range Planning : Volume 45, numros 5-6, Octobre-Dcembre 2012). En
fait, lunivers des logiciels destimation des modles de causalit est en volution
constante, avec des naissances, des disparitions et, surtout, de nombreuses
mutations. Cependant, la tendance semble indiquer que les grands diteurs de
logiciels de statistique proposeront toujours dans leur bibliothque de programmes
un logiciel destimation de modles de causalit.
2 Les difficults majeures
Aprs avoir expos les bases de la modlisation causale par une approche
quantitative (1. spcification des concepts et/ou variables du modle ; 2.
spcification des relations entre variables et/ou concepts du modle ; 3. valuation
et test du modle), nous allons prsent souligner les difficults majeures
auxquelles sont exposs les chercheurs inscrits dans une telle dmarche.
2.1 Difficults lies la spcification des variables et/ou concepts
Une premire srie de difficults est lie la spcification des variables et/ou
concepts du modle causal. Le chercheur doit sassurer de la validit des concepts

de son modle, commencer par la validit du construit ou du trait (degr auquel
une oprationnalisation permet de mesurer le concept quelle est suppose
reprsenter) et la validit faciale ou de contenu (degr auquel une
oprationnalisation reprsente le concept sous tous ses aspects). La difficult peut
paratre plus sensible lorsque le chercheur dfinit et/ou oprationnalise lui-mme
les variables et/ou concepts dans la mesure o il lui faudra convaincre ses
valuateurs ou ses lecteurs. Pourtant, la mme difficult subsiste lorsque le
chercheur utilise des concepts pralablement dfinis et/ou disposant de modes
doprationnalisation (par exemple, une chelle de mesure) bien connus. Dans les
deux cas de figure, le chercheur doit, de manire routinire, interroger la validit
des variables et/ou concepts, comme le souligne lexemple suivant :
379
Partie 3 Analyser
EXEMPLE Choisir le concept correspondant notre thorie
Hayduk (1990) discute une situation o le chercheur est intress par le genre (Sex-
Role-Identification) mais ne dispose que de linformation sur le sexe biologique dclar
par les rpondants dans le cadre dune enqute. Au lieu de retenir la variable sexe
biologique comme concept du modle, il propose une conceptualisation du genre
comme une variable continue qui est influence par le sexe biologique mais pas
exclusivement. Lauteur montre par cet exemple limportance cruciale de la thorie
dans le choix des variables et/ou concepts du modle.
2.2 Difficults lies la spcification des relations entre les

variables et/ ou concepts
Une deuxime srie de difficults est lie la spcification des relations entre les
variables et/ou concepts du modle causal. Le chercheur doit sassurer de la
correspondance exacte de cette spcification avec sa thorie. Cest ici que lanalyse
causale joue un rle central. Si une relation causale est thoriquement curvilinaire,
sa spcification ne devrait pas tre linaire. Si une relation est thoriquement
indirecte, cela doit tre strictement respect dans la spcification. La figure 11.6
montre quatre manires diffrentes de spcifier les relations entre un mme jeu de
neuf variables : la premire spcification correspond un simplex ; la deuxime
x1 x2 x3 x4 x5 x6 x7 x8 x9
x1 x2 x3 x4 x5 x6 x7 x8 x9
1 1 1
x1 x2 x3 x4 x5 x6 x7 x8 x9
1 1 1
x1 x2 x3 x4 x5 x6 x7 x8 x9
Figure 11.6 Choisir une spcification des relations entre

variables et/ou concepts correspondant notre thorie
380
spcification est un modle factoriel simple ; la troisime spcification est un

modle dquations structurelles faisant intervenir trois variables latentes ; la
quatrime spcification correspond un modle factoriel de second ordre. Ces
diffrentes spcifications correspondant autant de thories diffrentes, le choix de
la spcification devrait tre fond sur une analyse causale prcise. La difficult
majeure ici consiste allier solidit thorique, comptence mthodologique et
crativit.
2.3 Difficults lies lvaluation et au test des modles causaux
La popularit croissante des modles de causalit sest accompagne de dbats

extrmement vifs au sein de la communaut des chercheurs concernant lusage de
tels modles. Lun des dbats les plus emblmatiques porte sur le test des
modles de causalit. Il oppose les partisans de ladquation exacte (exact fit)
ceux de ladquation proche ou approximative (close fit).
Les tenants de ladquation exacte (Hayduk, 1996) sinscrivent en opposition aux
pratiques actuellement majoritaires qui consistent valuer ladquation des
modles essentiellement voire exclusivement laune des divers indices
dadquation. Ils mettent en avant labsence de justification thorique et statistique
pour les indices, notamment en ce qui concerne les valeurs seuils qui doivent
permettre au chercheur de conclure ladquation ou linadquation du modle.
Ils recommandent de sen tenir aux seuls tests ayant une base logique et une
signification statistique comme, par exemple, le test du Khi-2. Rappelons que cette
statistique (le Khi-2) reprsente la diffrence globale entre le modle et les donnes
ou encore entre la thorie du chercheur et les observations que cette thorie est
cense expliquer. La probabilit p associe cette statistique reprsente la
probabilit que les diffrences entre le modle et les donnes observes soient dues
au hasard (en fait, lerreur alatoire dchantillonnage). En dautres termes, si
cette probabilit est trs petite (gnralement, p < 0,05), le modle est jug
inadquat. Dans un tel cas, le chercheur doit alors reconnatre que son modle
contient des dficiences et entreprendre les diagnostics qui lui permettront

didentifier les sources du problme.
Les partisans de ladquation proche (ou approximative) considrent que les modles
ne sont que des approximations des ralits ( lchelle de la population). Par
consquent, ds lors que lchantillon sera suffisamment large, mme des carts
minimes vont devenir significatifs, ce qui, leurs yeux, suffit disqualifier les tests
dadquation exacte comme le Khi-2. De fait, jusqu rcemment, la quasi-totalit des
chercheurs ayant recours aux modles de causalit a adopt une approche dadquation
proche sans quil soit possible de savoir sil sagissait dun choix raisonn et
argument ou simplement de mimtisme. En tout tat de cause, un glissement
substantiel est en train de soprer depuis peu. En particulier, un texte rcent de Marsh,
Hau et Wen (2004) semble avoir significativement branl les bases
381
Partie 3 Analyser
de ladquation proche (ou approximative) notamment en reprenant et en

popularisant largument du caractre arbitraire des valeurs seuils. Au-del de ce
texte et des critiques plus anciennes des tenants de ladquation exacte (Hayduk,
1996), on peut noter dautres lments qui mettent mal ladquation proche (ou
approximative). Nous avons dj prsent certains indices dadquation proche (ou
approximative) et, par exemple, not quils taient jugs satisfaisants lorsquils
taient suprieurs 0,90. Or, les recommandations les plus rcentes ont port le
seuil 0,95 voire 0,98 sans quil ny ait, l encore, aucune justification logique ou
statistique. En fait, tout se passe comme si les seuils sont simplement utiliss parce
que tel ou tel auteur rput les a avancs un moment donn.
Au demeurant, si les tenants de ladquation proche (ou approximative) avancent un
argument intressant selon lequel les modles ne sont que des approximations de la
ralit ( lchelle de la population), les griefs qui leurs sont reprochs tiennent
davantage aux drives rendues possibles par la non prise en compte des tests
dadquation exacte comme le Khi-2. Ainsi, de nombreux chercheurs ignorent ou
minorent le test du Khi-2 (certains ne le mentionnent mme pas lorsquils valuent leur
modle). Dautres encore donnent le rsultat du test mais sempressent dvoquer son
hypersensibilit ( la taille de lchantillon, la distribution non normale des
variables, la non-linarit des relations, etc.) pour ne pas tenir compte de
linformation quil apporte. Au contraire, ils vont mettre laccent sur les indices
dadquation proche (ou approximative) pour conclure que leur modle est un bon
modle. Un tel comportement routinier a pour consquence de considrer comme bons
ou satisfaisants un grand nombre de modles qui sont potentiellement et souvent
vraisemblablement dficients. Un grand reproche qui est communment adress aux
indices dadquation proche (ou approximative) est quil nexiste pas ncessairement
de lien direct entre la valeur de ces indices et le degr derreur dans la spcification du
modle. Autrement dit, de fortes erreurs de spcifications peuvent tre associes des
indices dadquation proche (ou approximative) trs levs comme trs faibles et vice
versa. Par exemple, si une ou plusieurs relations causales sont inverses, le modle
contient de fortes erreurs de spcifications alors mme que les indices dadquation
proche (ou approximative) pourront tre trs levs. Par consquent, ds lors que les
tests dadquation exacte comme le Khi-2 sont significatifs, on ne peut pas exclure des
raisons dun tel rsultat dventuelles erreurs de spcification (des variables et/ou des
relations) du modle et le chercheur devrait aussitt entreprendre les diagnostics afin
didentifier les sources des dficiences de son modle. Dans cette perspective, le
recours aux indices dadquation proche (ou approximative) semble rellement
contreproductif : il rduit la propension sinterroger sur le modle et sur les modalits
de le bonifier.
Si lanalyse du dbat entre adquation exacte et adquation proche (ou
approximative) fait ressortir lurgence dtre davantage attentif aux tests dadquation
exacte comme le Khi-2, il est probable que les pratiques actuellement majoritaires
dignorance ou de ngligence des tests dadquation exacte comme le Khi-2
perdureront tant que deux lments cls nauront pas substantiellement chang :
382
la politique ditoriale des revues scientifiques ainsi que lattitude des valuateurs
desdites revues lorsquils reoivent des articles ayant recours la modlisation
causale ;
la politique des diteurs de logiciels de modlisation causale. Proposeront-ils des
mthodes bien documentes de diagnostic et des stratgies damlioration des
modles nayant pas satisfait aux tests dadquation exacte comme le Khi-2 ?
Concernant le premier point, les changements sont dj amorcs. Par exemple, suite
un dbat de plus de cinq annes sur le groupe de discussion SEMNET, Paul Barrett,
diteur associ de la revue Personality and Individual Differences a publi en 2006 une
position de principe attestant dun changement radical par rapport lattitude jusqu
prsent majoritaire chez les diteurs de revues scientifiques. Quant au second point, on
peut compter sur lesprit commercial et le sens marketing des diteurs de logiciels de
modlisation causale pour mettre jour leurs produits.
Si la question du test a occup une place centrale dans le dbat sur les
modles de causalit, elle ne lpuise pas. Il nous semble que la question gnrale
de l valuation des modles de causalit peut tre apprhende travers trois
approches diffrentes de la modlisation causale :
la premire approche est celle des partisans de ladquation exacte. Ici, lhypothse
est que le modle est exact lchelle de la population. Dans ce contexte, valuer le
modle quivaut le tester laide dun test dadquation exacte comme le Khi-2 ;
la deuxime approche est celle des partisans de ladquation proche (ou
approximative). Ici, lhypothse est que le modle est une approximation de la
ralit lchelle de la population. Ds lors, les tests dadquation exacte comme le
Khi-2 sont inadapts car on tolre une part (plus ou moins grande) derreur non
alatoire. On ne dispose proprement parler pas de tests dans ce contexte et valuer
le modle revient utiliser des indices dadquation proche (ou approximative).
Malheureusement, ces indices dadquation proche (ou approximative) ne permettent
pas de dterminer si le modle prsente des erreurs de spcification mineures ou, au
contraire, majeures dans la mesure o les unes comme les autres peuvent conduire
est un dlit.
des indices dadquation proche (ou approximative) forts ou faibles ;

la troisime approche est purement exploratoire. Elle nest pas du tout conventionnelle
car les modles de causalit sinscrivent lorigine dans une perspective sinon
autoris
confirmatoire du moins hypothtico-dductive. Mais nous avons nous-mmes plaid

e
pour un tel usage tout au long de ce chapitre. Ici, aucune hypothse nest a priori
non
faite propos du modle lchelle de la population. Aucun test nest donc

p
o
d
u
o
n
e
c
r
t
i
Ici, lvaluation du modle por tera vrais emblablement davantage s ur s on caractre
effectu ni requis. Il sagit dutiliser un outil (de modlisation causale) extrmement

puissant et dessayer de manire libre et crative toute combinaison ou toute ide.
Toute
novateur, sur son lgance, son originalit, etc. On pourrait redouter quobtenir une
publication acadmique par ce moyen soit trs difficile, voire impossible, sauf peut-
Dunod
tre dans des revues postmodernes. Mais, l galement, des volutions sont
perceptibles du ct de certains diteurs et valuateurs de revues scientifiques. Cest

383
Partie 3 Analyser
ainsi que le trs rput logiciel MPLUS inclut dsormais un module intitul
ESEM pour Exploratory Structural Equation Modeling (Asparouhov et Muthn,
2009) qui a ouvert la voie un nombre croissant de publications dans des revues
de trs haut niveau scientifique.
3 Rendre compte de la modlisation causale par une

approche quantitative
Le travail de modlisation causale par une approche quantitative est restitu de
diverses manires : reprsentation formelle du modle causal estim, prsentation
des qualits psychomtriques des construits, description des valeurs des
coefficients du modle, description des indices dadquation du modle,
prsentation des rsultats thoriques (test dhypothses), discussion des rsultats
thoriques, discussion de la mthodologie, etc.
3.1 Reprsentation formelle du modle estim
La figure 11.5 dj prsente dans le paragraphe consacr lvaluation et au test

des modles causaux fournit un exemple de reprsentation formelle du modle
estim. Les coefficients estims sont indiqus sur la reprsentation formelle du
modle et cette dernire est commente et explique au lecteur comme le montre
lexemple suivant.
EXEMPLE Reprsentation formelle dun modle causal estim
La figure ci-dessous prsente un exemple de reprsentation formelle dun modle causal

estim. Le modle postule que la participation des employs dans la formulation et/ou la
mise en uvre de la stratgie accrot lalignement stratgique desdits employs qui,
son tour, accrot la performance de lentreprise. Les coefficients sont standardiss et les
valeurs entre parenthses reprsentent des T de Student. Les coefficients de
dtermination (R2) sont galement indiqus.
384
3.2 Prsentation des qualits psychomtriques des construits
Il est galement important de rendre compte des qualits psychomtriques des

construits du modle causal estim travers, notamment, lalpha de Cronbach, le
coefficient de fiabilit composite ou Composite Reliability (C.R.), la variance
extraite moyenne ou Average Extrated Variance (AVE) et lindice de Kaiser-
Meyer-Olkin (KMO).
EXEMPLE Prsentation des qualits psychomtriques des construits
Concepts Items Alpha C.R. AVE KMO

Participation la 1
formulation
Participation la mise en 1
uvre
Alignement stratgique des 4 0,9096 0,9366 0,7868 0,7928
employs
Performance de lentreprise 2 0,7987 0,9073 0,8303 0,5000
3.3 Prsentation des indices dadquation du modle estim
Le tableau 11.2 dj prsent dans le paragraphe consacr lvaluation et au

test des modles causaux fournit un exemple de prsentation des indices
dadquation du modle estim. Ces indices sont alors comments pour le lecteur.
EXEMPLE Prsentation des indices dadquation du modle estim
Khi-2 dl p Khi-2/dl RMSEA GFI CFI

14,758 10 0,141 1,476 0,036 0,989 0,995
dl = degr de libert ; p = seuil de signification observ ; RMSEA = Root Mean Square

Error of Approximation (erreur quadratique moyenne de lapproximation) ; GFI =

Goodness-of-Fit Index (indice de qualit dajustement) ; CFI = Comparative Fit Index
(indice compa-ratif dajustement).
3.4 Prsentation des rsultats thoriques (test dhypothses)
Il convient de prsenter les rsultats thoriques (le test des hypothses) et de les
discuter.
385
Partie 3 Analyser
EXEMPLE Prsentation des rsultats thoriques (test dhypothses)
Hypotheses Relation causale Coefficient T P

H1a Participation la formulation Alignement stratgique 0,112 1,962 0,044
des employs
H1b Participation la mise en oeuvre Alignement 0,278 4,594 0,000
stratgique des employs
H2 Alignement stratgique des employs Performance de 0,537 6,602 0,000
lentreprise
3.5 Prsentation transparente et discussion de la mthodologie
Lune des exigences fondamentales du compte-rendu de la modlisation causale

par une approche quantitative est de prsenter la mthodologie de manire
transparente et de la discuter. En particulier, il est important de rendre compte
fidlement de la manire dont le modle a t construit (des modifications ont-elles
t apportes ? Lesquelles ? Quand ? Pourquoi ?). Il est galement important
dindiquer la manire dont les donnes manquantes ont t traites de mme que
les ventuels problmes de non normalit de la distribution des variables.
COnCLusIOn
Ce chapitre a essay de rpondre la question de savoir comment construire un

modle reproduisant un rseau de relations dinfluence entre concepts/variables. La
modlisation passe alors par deux tapes essentielles qui sont : lidentification des
relations dinfluence entre les diffrentes variables, la spcification de ces relations. Ce
chapitre montre galement limportance que doit accorder le chercheur ltude des
mcanismes permettant de comprendre pourquoi et comment les variables ou concepts
peuvent tre mis en relations. Enfin il est important de souligner que si les mthodes
qualitatives ou quantitatives de modlisation peuvent tre mobilises indiffremment
dans toute recherche visant modliser un phnomne, elles gagnent galement
senrichir mutuellement dans une dmarche mixte limage de la mthode quali-
quantitative prsente dans la section 2 de ce chapitre. Ainsi si lapproche qualitative
permet dapprocher plus finement les mcanismes expliquant les relations dinfluence,
lapproche quantitative permettra, quant elle, dvaluer et de tester la combinaison de
ces relations au sein du modle plus global.
386

Bardin L., Lanalyse de contenu. Paris, PUF, 2007.
Campbell D.T., Stanley J.C., Experimental and quasi-experimental designs for
research, Chicago : Rand McNally College Publishing Company, 1966.
Corbin J., Strauss A., Basics of Qualitative Research. 3rd d. Thousand Oaks,
Sage, 2008.
Davis J.A., The Logic of Causal Order, Sage University paper, Series :
Quantitative Applications in the social Sciences, 1985.
Dumez H., Mthodologie de la recherche qualitative : les 10 questions cls de la
dmarche comprhensive, Paris, Vuibert, 2013.
Hayduk L.A., LISREL issues, debates, and strategies. Baltimore, MD : John
Hopkins University Press, 1996.
Hoyle R.H., Structural equation modeling. Concepts, issues, and applications.
Thousand Oaks : Sage publications, 1995.
Maruyama G.M., Basics of structural equation modeling. Thousand Oaks, CA :
Sage, 1998.
Ragin C., The Comparative Method. Moving beyond qualitative and quantitative
strategies. Berkeley/Los Angeles/London, University of California Press, 1987.
387
Chapitre
12 Analyses
longitudinales
Isabelle Vandangeon-Derumez, Lionel Garreau
RsuM
Ce chapitre traite des analyses longitudinales savoir des analyses cherchant
souligner lvolution (ou la non-volution) dun phnomne dans le temps.
Il prsente dans un premier temps les bases de ces analyses, en insistant sur
la conception du temps, la notion dvnement et en soulevant les questions
pra-lables lies la collecte des donnes. Les sections 2 et 3 prsentent
respective-ment les mthodes quantitatives et qualitatives permettant
danalyser les don-nes longitudinales.
sOMMAIRE
SECTION 1 Fondements des analyses longitudinales
SECTION 2 Mthodes danalyses longitudinales quantitatives
SECTION 3 Mthodes danalyses longitudinales qualitatives

Analyses longitudinales Chapitre 12
O
n qualifie de longitudinale une famille danalyses visant ltude dvolutions

au cours du temps. Ces volutions peuvent concerner diffrents phnomnes,
quils soient apprhends au travers des organisations, des individus, ou de
concepts. Cette famille danalyses comprend aussi bien des mthodes quantitatives,
comme les rgressions au cours du temps, que qualitatives, comme les analyses
processuelles.
Les analyses longitudinales sintressent donc au changement ou la stabilit
dun phnomne. Il en existe une trs grande varit quil convient de classer en
fonction de la vision que le chercheur porte sur le phnomne tudi. Cette vision,
limage de celle que lon peut porter sur lorganisation, peut senvisager de deux
faons. Pour comprendre cette vision il convient de revenir lontologie du
phnomne, en faisant le parallle avec lontologie de lorganisation (travaux de
Van de Ven et Poole, 2005). Ainsi, deux visions ontologiques sopposent au sein
de la littrature : lorganisation perue comme une chose, une substance, un objet
susceptible de prendre diffrentes formes ou alors perue comme un ensemble de
processus, de flux qui se construisent et se reconstruisent travers le temps. Pour
Tsoukas (2005) ces deux visions font rfrence aux visions weak et strong
de lapproche processuelle. Avec la premire vision, mme sil est admis que les
processus sont essentiels la comprhension de la vie organisationnelle, ils sont
frquemment rduits des choses qui peuvent tre dcrites comme des
variables (Van de Ven et Poole, 2005 : 1380). Ainsi, par exemple, un processus de
dcision sera-t-il plus ou moins rationnel , plus ou moins politique , plus ou
moins bureaucratique , ou encore passera-t-il par diffrents tats statiques qui
peuvent tre compars un avant et un aprs (la phase 1, 2, 3, etc.). En revanche,
avec la seconde vision, les processus sont considrs comme rels, tandis que les
substances, les entits et les choses sont des abstractions conceptuelles secondaires.
(Van de Ven et Poole, 2005 ; 1380) Dans ce cas, le mouvement, le changement,
ne sont pas regards comme secondaire, mais bien comme la condition de la vie
organisationnelle et ainsi, du phnomne.
Lvolution (ou la non-volution) dun phnomne peut, quant elle, tre
aborde par le chercheur de deux faons. La premire met en lumire les

diffrences observes, travers le temps, dudit phnomne sur des dimensions
pralablement slectionnes ou sur des individus, des actions, etc. Cette vision
permet de mettre en vidence la variance du phnomne entre deux priodes de
temps (ou plus) : savoir la diffrence entre deux tats ou plus du phnomne
observ. La seconde faon, quant elle, sintresse la squence dvnements
dcrivant comment le phnomne se dveloppe et change travers le temps, afin
den saisir le processus dvolution.
En croisant les deux dimensions il est possible dobtenir le tableau 12.1 suivant
(trs largement inspir de celui de Van de Ven et Poolle, 2005).
389
Partie 3 Analyser
Tableau 12.1 Typologie des approches pour tudier les

volutions (ou la non-volution) dun phnomne
Le phnomne vu comme un tat Le phnomne vu comme un flux
Analyse de la Approche A : Une analyse causale des Approche D : Un processus analys par
Variance variables indpendantes expliquant le des mthodes quantitatives sappuyant sur
changement dun phnomne et cherchant des sries dvnements.
dterminer les causes de ce changement.
Analyse du Approche B : Un processus relatant une Approche C : Un processus
Processus squence dvnements, dtapes ou de cycles dorganizing relatant une construction
dans le dveloppement du phnomne. sociale du phnomne (mergence des
actions et activits).
Source : daprs Van de Ven et Poole (2005 : 1387).
Dans ce chapitre nous nous intresserons aux approches B, C et D. En effet les

approches de type A font rfrence aux analyses causales traites dans le chapitre 11.
Ainsi dans une premire section nous poserons les bases des analyses
longitudinales en prsentant les concepts essentiels ces analyses, savoir la
conception du temps et la notion dvnement et nous exposerons les problmes
lis la collecte des donnes dans le cadre de ces analyses. Dans la section 2 nous
prsenterons les analyses relevant de lapproche D savoir les analyses
quantitatives des sries dvnements, les mthodes squentielles et les analyses de
cohorte. La section 3 prsentera quant elles les mthodes danalyses
longitudinales relevant des approches B et C.
section
1 FOnDEMEnTs DEs AnALysEs LOngITuDInALEs
Dans cette section, nous donnons quelques dfinitions en relation avec les
analyses longitudinales. Nous soulignons galement les difficults et
questionnements majeurs auxquels sont confronts les chercheurs lors de la
ralisation de ces analyses.
1 Dfinition et place du temps
Les analyses longitudinales forment un ensemble danalyses focalises sur

ltude de phnomnes au cours du temps. On oppose couramment les analyses
longitudinales aux tudes transversales, en indiquant que les premires sont des
analyses pour lesquelles les donnes recueillies concernent au moins deux
moments distincts, alors que les autres sont des tudes pour lesquelles les donnes
recueillies concernent un instant donn.
390
Pour dterminer ce quest une analyse longitudinale, on peut adapter la dfinition

de Menard (1991), pour dgager les trois caractristiques suivantes : 1) les donnes
recueillies portent sur au moins deux priodes distinctes, 2) les sujets sont
identiques ou au moins comparables dune priode lautre, et 3) lanalyse
consiste gnralement comparer les donnes entre (ou au cours de) deux priodes
distinctes ou retracer lvolution observe.
1.1 Le temps
La recherche longitudinale est indissociable du temps. Cependant, suivant les

recherches, le temps peut se voir attribuer un rle important ou tre relgu au
second plan. Aux extrmits de ce continuum, on trouvera dun ct une tude
approfondie du facteur temps, et loppos ltude de lvolution dun phnomne
sans analyse particulire du temps. Il convient donc de rflchir la place que lon
souhaite accorder au temps dans la recherche afin de sassurer que le design de la
recherche permettra bien de rpondre la question.
Si on reconnat au temps un rle important, il peut tre conu en termes de dure,
en termes de chronologie ou en termes de construction sociale. La dure
correspond un intervalle entre deux dates et est mesure par rapport au sujet
tudi. Suivant le phnomne tudi, elle peut sexprimer en secondes, heures,
jours, annes, etc. Il peut sagir par exemple de la dure de dveloppement dune
innovation ou du laps de temps entre une OPA et une restructuration.
En revanche, la chronologie est externe au sujet tudi, elle existe en dehors de la
recherche. Il sagit gnralement dune date. Par exemple, dans une recherche sur
les tapes de dveloppement linternational, on pourrait sintresser lordre
doccurrence de diffrents vnements comme lexportation, la session de licence,
limplantation dune filiale, etc. Dans ce cas, la chronologie est utile pour
dterminer lordre dapparition des vnements.
Enfin, une autre utilisation possible du temps fait appel la notion de cohorte . La
cohorte vient de la dmographie et fait rfrence un ensemble dindividus ns

la mme poque (cohorte de naissance). En gnralisant ce concept, on peut dfinir
une cohorte comme un ensemble dobservations ayant connu une certaine date un
mme vnement. Dterminer dans la recherche une cohorte permet de multiples
comparaisons. On peut ainsi mesurer des diffrences entre cohortes ou une volution
lintrieur dune mme cohorte.
Ces diffrentes conceptions du temps se caractrisent par une vision Chronos de
celui-ci. Comme le soulignent Orlikowski et Yates (2002) citant Jacques (1982 : 14-
15) le Chronos est le temps chronologique, srie temporelle, succession le temps
mesur par le chronomtre et non par son objectif. Ce temps chronos permet
dorganiser les vnements et de mesurer la dure dune action. Les auteurs mettent
alors en vidence une autre vision du temps : le temps Kairos. Ce temps fait
391
Partie 3 Analyser
rfrence au temps de lhumain et de la vie, au temps des intentions et des

objectifs ce nest pas le temps de la mesure, mais celui de lactivit humaine, de
lopportunit (Jacques, 1982 : 14-15) Le temps Kairos, est une dimension du
temps nayant rien voir avec la notion linaire de Chronos (temps physique),
mais reprsente la dimension immatrielle du temps, celle ressentie par les
hommes. Elle permet de crer de la profondeur dans linstant. Cette vision du
temps, comme une construction sociale, commence se dvelopper dans les
recherches longitudinales portant notamment sur le changement et la pratique.
Ainsi Pettigrew et al (2001) encouragent les chercheurs tenir compte du temps
Kairos dans leur recherche sur le changement. Dautres auteurs inscrivant leurs
travaux dans le champ de la sociologie de la pratique recommandent galement au
chercheur de prendre en compte le temps humain (Tsoukas, 2005 ; Tsoukas et
Chia, 2002). Le tableau 12.2 prsente la synthse des diffrentes places du temps.
Tableau 12.2 Place du temps dans la recherche longitudinale
Conception du temps Impact dans la recherche Exemples
Le temps nest pas Le temps est relgu au second plan. Brown et Eisenhart (1997), tudient le
important, il ne sert qu Le chercheur poursuit une tude changement continu dans six
classer les observations. longitudinale et tudie donc un entreprises du secteur informatique
phnomne au cours du temps, mais sans sintresser la dure ou
sans lui attribuer dimportance lpoque concerne.
particulire. Le temps passe, cest
tout
Le temps est une variable Le temps est une variable cl de la Taylor, Audia et Gupta (1996)
importante, recherche. La dure coule entre cherchent si la dure attendre avant
oprationnalise sous diffrents vnements doit tre dtre promu a un impact sur
forme de dure. mesure soigneusement. limplication et le turn over des
managers.
Le temps est une variable Le temps a une origine commune Pelz (1985) tudie la squence des
importante, toutes les observations. processus dinnovation en se focalisant
oprationnalise sous sur lordre doccurrence des diffrentes
forme chronologique. tapes.
Le temps sert classer les Le temps est une variable importante, Shaver, Mitchell et Yeung (1997) testent
individus en cohortes qui sert classer les observations en limpact de lexprience sur la survie
des fins de comparaison cohortes, cest--dire en groupes ayant dun investissement ltranger en
connu un mme vnement. comparant des cohortes, tablies en
fonction de la prsence ou non aux
tats-Unis en 1986.
Le temps est considr Le temps est le temps humain et celui Orlikowski et Yates 2002 montrent
comme une construction de la vie, des intentions et des comment le temps ( travers diffrentes
sociale objectifs. Le temps est omniprsent structures temporelles : runion,
cest le temps ressenti par les individus. groupes de travail, etc.) fait sens pour
les acteurs et conditionne leurs actions
futures.
392
1.2 Concepts dcrivant lvolution
Le chercheur engag dans une recherche longitudinale pour laquelle il estime le

temps comme un lment important doit pouvoir identifier diffrents concepts
permettant de traduire lvolution du phnomne quil tudie.
Lvnement
Une des tches les plus difficiles pour analyser un phnomne est de
conceptualiser clairement lunit danalyse. En se basant sur le concept
dvnement, Peterson (1998) propose un cadre de rfrence permettant de
conceptualiser une unit danalyse pertinente pour les approches longitudinales :
lvnement. Selon deux approches distinctes, lvnement peut tre apprhend
soit comme une particule, un morceau de la ralit sociale abstraite pour un
observateur ou, soit comme une vague, par un flux dnergie encadr par un avant
et un aprs. En se basant sur la premire approche, les analyses longitudinales
apprhendent le temps comme une succession dvnements dont il convient de
comprendre lenchanement. Dans la seconde perspective, les tudes longitudinales
proposent de voir le droulement dun vnement au cours du temps. Ds lors,
lvnement peut prendre des formes multiples comme la rsolution dun
problme, un choc de culture, une lutte de pouvoir au sein dune organisation, etc.
Si certaines tudes ont pu avoir pour objet de comprendre des vnements courants
de la vie des organisations, dautres visent plutt la comprhension de linfluence
dvnements rares dans la vie des organisations.
Les facteurs de dynamique
La dynamique se dfinit comme ce qui est relatif aux diffrences dintensit, au

mouvement produit par les forces (Dfinition du Centre National de Ressources
Textuelles et Lexicales). Dans les tudes longitudinales le rapport au temps peut tre
nuanc par des vnements qui entranent des dynamiques diffrentes (Mintzberg et
al., 1976). Ainsi, les phnomnes en volution sont sujets des interfrences, des
points de rupture. Ces facteurs de dynamique sont susceptibles de crer des

acclrations, des ralentissements, des retours en arrire ou des ruptures au sein de
lvolution dun mme phnomne, comme le met en vidence lexemple suivant.
EXEMPLE Facteurs de dynamique
Dans leur recherche sur la structure des processus de dcision non structurs Mintzberg
et al. (1976 ; 263-266) identifient six facteurs de dynamique.
Les interruptions qui rsultent de lintervention de forces environnementales et
causent une mise en suspens de lvolution du phnomne.
Les dlais planifis qui permettent aux managers, soumis de fortes pressions tempo-
relles, dintroduire des dlais supplmentaires entre les tapes du processus.
393
Partie 3 Analyser
Les dlais relatifs au feed-back, qui caractrisent une priode durant laquelle le
manager attend des rsultats des actions engages prcdemment avant de sengager
dans dautres actions.
Les acclrations et retards de synchronisation qui rsultent de lintervention des mana-
gers souhaitant saisir une opportunit, attendre de meilleures conditions, se synchroniser
avec une autre activit, crer un effet de surprise ou encore gagner du temps.
Les cycles de comprhension, qui permettent de mieux apprhender un problme
com-plexe en y revenant plusieurs reprises.
Le retour contraint qui amne le manager retarder le processus dans lattente dune
solution acceptable lorsquaucune nest juge satisfaisante, ou bien changer les donnes
du problme pour rendre acceptable une des solutions proposes antrieurement.
Le processus
La dcomposition temporelle du processus permet didentifier des tapes, des

phases, et/ou des cycles :
tape : on parle dtape dans lvolution dun phnomne pour caractriser un
moment dans cette volution ou un point de passage. Ltape peut aussi signifier
un point darrt provisoire. Toute volution peut senvisager comme une
succession dtapes ;
phase : la phase est une dcomposition temporelle de lvolution dun
phnomne. Cette volution est alors compose de plusieurs phases qui mises
bout bout per-mettent de reconstituer lensemble de lvolution du phnomne
(ce sont, par exemple, les phases de dveloppement dun produit nouveau). Elles
senchanent gnralement de faon irrversible, mais peuvent se chevaucher.
Elles sont compo-ses dactivits plus ou moins unifies qui accomplissent une
fonction ncessaire lvolution du phnomne (Poole, 1983) ;
cycle : la notion de cycle peut prendre deux sens diffrents. On peut y voir une
suc-cession de phases rythmant lvolution dun systme en le ramenant toujours
son tat initial, comme dans le cycle des saisons. On parlera alors dvolution
cyclique. On peut galement qualifier de cycle une suite de phnomnes se
renouvelant dans un ordre immuable, comme dans le cycle de la vie qui voit tout
tre vivant natre, crotre et mourir. On parlera de schmas dvolution.
2 La collecte des donnes
Lanalyse longitudinale peut tre ralise en collectant des donnes de plusieurs

manires :
\endash en temps rel, afin dtudier un phnomne en cours de ralisation
;
\endash a posteriori, pour tudier un phnomne rvolu ;
\endash un mix de ces deux approches dans un unique design.
394
2.1 Collecte des donnes longitudinales en temps rel
Les mthodes de collecte des donnes en temps rel consistent tudier un

phnomne au moment o il se droule. Plusieurs moyens de collecte en temps rel
peuvent tre utiliss. Nous les exposons ici en soulignant leur pertinence et les
risques associs.
Une des mthodes utilises consiste tre prsent physiquement et observer le
phnomne par une immersion prolonge sur le terrain de recherche. Cette mthode,
qualifie dethnographique (Van Maanen, 1988 et 2006), suppose un recueil dense de
donnes issues de lobservation du chercheur sur son terrain de recherche. Ltude de
Kaplan (2011) sur les pratiques stratgiques partir de lutilisation du logiciel
PowerPoint illustre ce type de recueil de donnes. La priode dobservation est en
gnral assez longue et ncessite la prsence continue du chercheur sur le terrain. Cette
prsence continue peut parfois reprsenter une contrainte laquelle le chercheur ne
peut rpondre. Des auteurs ont alors propos diffrents points de vue sur les dmarches
de collecte des donnes qui permettent de dpasser ce problme.
La premire dmarche est celle propose par Journ (2005) qui dfinit plusieurs
faons dobserver des pratiques en temps rel. Ces faons dobserver se diffrencient
selon deux dimensions : le primtre dobservation qui est fixe ou variable, et la
priode dobservation qui est longue et continue ou courte, rpte et discontinue. Le
croisement de ces dimensions lamne proposer quatre stratgies dobservation quil
dcrit selon la mtaphore de la lumire clairant un phnomne : mtaphore du
lampadaire, du flash, de la lampe frontale et de la lampe de poche (Journ, 2008).
Lapproche de Journ permet aux chercheurs daborder la cohrence entre la stratgie
dobservation comme recueil des donnes et le design ncessaire mettre en place
pour aborder un phnomne sous langle processuel, les diffrentes stratgies
dobservation correspondant diffrentes possibilits danalyse.
Aussi, une autre approche est la recherche-action au sein de laquelle le praticien
est impliqu comme chercheur qui tudie plus prcisment les pratiques. En effet,
les pratiques sont fortement ancres dans le contexte organisationnel quil est
parfois difficile dapprhender pour le chercheur, soit par manque de temps, soit
par limpossibilit dtre prsent sur le terrain en continu. Pourtant, il est important
pour le chercheur dobtenir des informations trs fines sur lorganisation, pour en
comprendre la complexit, avoir une bonne vision des processus.
Balogun et al. (2003) proposent cet effet 3 mthodes de collecte de donnes.
Ces mthodes prsentent lavantage dencourager les praticiens rflchir sur leurs
propres pratiques, soit en positionnant le point de collecte des donnes au plus prs
du contexte de la pratique, soit en sengageant collectivement sinterroger sur
leurs pratiques (Balogun et al., 2003 : 203, 204).
395
Partie 3 Analyser
Premire mthode : la discussion interactive
Des groupes de discussion peuvent tre organiss. Ils sont de diffrente nature
allant du conseil dadministration des groupes projets, ou des groupes de travail.
Il est important de choisir des groupes qui permettent de runir des individus dont
lopinion, les valeurs, les croyances, les savoirs sont en lien avec les pratiques
tudies.
Deuxime mthode : les auto-rapports
Ces auto-rapports ont lavantage de permettre de collecter des informations sans

la prsence du chercheur sur le terrain mais aussi de disposer dune collecte de
donnes en continue (sans interruptions dues labsence du chercheur). Ils peuvent
prendre diffrentes formes :
grille de collecte structure (pouvant se rapprocher dun questionnaire par
exemple). Un exemple bien connu dune tude longitudinale mobilisant cette
mthode de collecte est celle conduite par Louis (1980) portant sur lexprience
vcue par les nouveaux managers. Cette recherche sappuyait sur des rapports
priodiques raliss partir de questionnaires semi-structurs. Ces rapports ont
t jugs tellement importants pour les managers quils ont perdur au-del de
ltude (Balogun et al., 2002 : 207) ;
un journal de bord dans lequel lindividu choisit tout autant le sujet (thme)
prsenter dans son journal que le style dcriture (factuel ou faisant galement
ressortir ses impressions). De tels journaux peuvent ainsi donner au chercheur
une vision des choses selon le point de vue de lauteur. Ils prsentent lavantage
et linconvnient de collecter une grande quantit dinformations qui peuvent
parfois savrer inutiles pour ltude. Ils ncessitent galement de croiser les
regards donc de mobiliser un certain nombre de praticiens.
Troisime mthode : la recherche mene par le praticien
Cette mthode implique directement le praticien dans la recherche en lamenant

collecter les informations sur ses propres pratiques en choisissant celles qui
lintresse. Les praticiens dfinissent ainsi leur champ dintrt et collectent les
donnes sur leurs pratiques avec, si ncessaire, laide dun chercheur. Une telle
mthode permet au praticien de saisir le propre regard du praticien et peut aussi
lamener questionner ses pratiques (Balogun et al., 2003 : 210).
Ces diffrentes mthodes prsentent plusieurs intrts dans le cadre de la
recherche-action (Balogun et al., 2003 : 200) :
Elles permettent daccder des donnes larges et prcises en rfrence au
contexte longitudinal, pour faciliter les comparaisons entre sites et susceptibles
dtre collectes diffrents niveaux de lorganisation.
396
Elles favorisent lengagement et la volont des praticiens qui sont alors amens
simpliquer dans la recherche, y consacrer du temps et maintenir cet engagement
au cours du temps.
Elles permettent doptimiser le temps du chercheur en lui facilitant la collecte et
lorganisation des donnes, mais aussi en permettant une analyse dinformations
(vidences) riches et varies.
Dautres mthodes permettent de recueillir des donnes dans une perspective
longitudinale. La conduite dentretiens, quils soient semi-directif centrs (Romelaer,
2005, utilis dans ltude de la programmation musicale des maisons de radio chez
Mouricou, 2009), comprhensifs (Kaufmann, 2007), ou ouverts, est souvent aussi
utilise pour un recueil de donnes longitudinales, soit en complment de
lobservation, soit comme moyen indpendant de recueil de donnes. La ralisation
dentretiens permet daccder lvolution des schmas mentaux des individus
(Allard-Poesi, 1998; Balogun et Johnson, 2004; Garreau, 2009) et reprsentent un
moyen daccder au droulement ou lvolution des phnomnes organisationnels
rapports par les acteurs du terrain (Goxe, 2013) Deux dmarches peuvent tre
adoptes afin de rendre compte de donnes longitudinales. Soit les entretiens sont
espacs dans le temps, soit ils consistent rendre compte dune histoire articule dans
le temps. Les entretiens de type rcits de vie suivent cette seconde dmarche.
Enfin, les tudes par questionnaires peuvent tre utilises pour recueillir des
donnes en temps rel. Les donnes de panel et de cohorte1 permettent ainsi de
suivre lvolution des reprsentations des individus, dobserver lvolution de ces
individus ou dun phnomne au travers du temps. Les tudes sur la socialisation
organisationnelle reposent sur ce type de donnes rcoltes au cours des premiers
mois de lentre de nouveaux arrivants dans lorganisation (King et al., 2005).
Les mthodes de recueil de donnes en temps rel prsentent de nombreux
avantages. Tout dabord, elles vitent grandement le biais de rationalisation a
posteriori dans la mesure o la mthode vise recueillir les donnes au moment o
le phnomne se produit. Aussi, ce mode de recueil de donnes permet de jouer sur
les temporalits. Par exemple, en couplant des entretiens avant les runions, de
lobservation de runions puis des entretiens post-runions, les donnes peuvent

moins souffrir de la rationalisation a posteriori.
Toutefois, ces mthodes de collecte peuvent influencer le droulement du
phnomne. Par exemple, pour une tude sur lutilisation dartefacts stratgiques
lors de la prise de dcision, si le chercheur questionne de faon rcurrente les
praticiens sur leur utilisation et leur perception des artefacts stratgiques, il les
sensibilisera cette question et est susceptible davoir une influence sur les
pratiques des acteurs.
1. La cohorte est diffrente dun panel dans le sens o la cohorte est compose des mmes individus dans le
temps l o le panel peut voir les individus diffrer condition de rpondre au critre de reprsentativit de
lchantillonnage de la population tudie.
397
Partie 3 Analyser
2.2 Collecte des donnes longitudinales a posteriori
La collecte de donnes longitudinales peut aussi tre ralise a posteriori, cest--dire

que le recueil des donnes se droule une fois que le phnomne tudi est rvolu. Ce
choix de mthode de recueil de donnes peut relever de plusieurs raisons.
Tout dabord, les phnomnes tudis peuvent ne plus exister. Le choix de
travailler sur des donnes temporellement dates est particulirement prsent dans
les dmarches de comprhension historiques en management. Ainsi, Labardin
(2011) analyse des archives datant de 1847 1887 pour analyser la faon dont la
lgislation de lpoque a influenc la diffusion de pratiques comptables.
En dehors des perspectives historiques, le recueil de donnes rtrospectives se
justifie par le fait que le chercheur travaille sur des relations dinfluence dont il
souhaite commenter le rsultat. Ainsi, un chercheur analysant les processus menant
une innovation russie pourra raliser un chantillonnage thorique compos
dinnovation ayant abouti et de certaines ayant chou afin de comprendre les
processus ayant conduit au succs ou lchec.
Le recueil de donnes a posteriori est aussi utilis pour des raisons pratiques. En
effet, une tude sur les trajectoires des entreprises sur plusieurs dcennies ne
peuvent pas, pour des raisons pratiques, tre ralises en temps rel. On imagine
mal le chercheur attendre des dizaines dannes avant de pouvoir obtenir les
rsultats de son analyse. Ainsi, Miller et Lebreton-Miller (2010) utilisent des
entretiens rtrospectifs coupls une analyse documentaire afin de comprendre les
sources de lavantage concurrentiel des entreprises familiales qui survivent depuis
plus de cinquante ans. Ce type dtudes analysant des relations causales dans le
temps correspond lapproche A de la typologie prsente dans lintroduction.
Cette mthode est aussi valable pour les approches B et C.
Les tudes rtrospectives (portant sur un phnomne rvolu) font appel des
donnes secondaires archives et/ou des donnes primaires retraant a posteriori
lvolution dun phnomne (entretiens rtrospectifs principalement).
Les donnes secondaires ncessaires aux recherches a posteriori soulvent deux
types de problmes : laccessibilit et la validit. Ces problmes ne sont pas
spcifiques aux donnes recueillies a posteriori, mais peuvent prendre des
tournures diffrentes. Dans sa forme la plus aigu, le problme de laccessibilit
peut aboutir une impossibilit absolue dobtenir les donnes ncessaires la
recherche. Celles-ci peuvent ne pas exister, ne pas avoir t conserves, tre
introuvables, ou tre refuses (plus ou moins explicitement) au chercheur. La
question de la validit des documents, quand on peut se les procurer, se pose
plusieurs niveaux. On peut dj sinterroger sur la finalit du document, et donc sur
les biais qu pu y introduire, volontairement ou non, son rdacteur. On doit
galement replacer le document dans le contexte dans lequel il a t conu.
Lorganisation de lentreprise pouvait tre diffrente, le mode de calcul de certains
indices peut avoir chang Tout cela rend les comparaisons dlicates.
398
Les donnes primaires prennent essentiellement la forme dentretiens rtrospectifs.

Ceux-ci soulvent deux biais importants : loubli et la rationalisation a posteriori. Dans
le premier cas, la personne interroge ne se souvient pas de certains vnements, soit
de faon intentionnelle (elle ne veut pas sen souvenir), soit de faon non intentionnelle
(le phnomne fait rfrence un fait non marquant quelle a oubli). Dans le
deuxime cas, la rationalisation peut aussi tre intentionnelle (volont de prsenter les
choses sous un angle positif) ou non ( mise en ordre inconsciente). Il est important
de noter que ces deux cas ne sont pas mutuellement exclusifs. Ces biais ont amen
mettre en doute lutilisation des entretiens rtrospectifs (Golden, 1992), mme si les
limites supposes ont t fortement discutes. Ainsi, Miller, Cardinal et Glick (1997)
indiquent que la validit des entretiens rtrospectifs tient surtout celle de linstrument
utilis pour recueillir les donnes.
Pour limiter les effets de ce biais, le chercheur dispose de plusieurs tactiques :
focaliser les entretiens sur des phnomnes relativement marquants pour les per-
sonnes interroges si la question de recherche le permet, et plus gnralement,
slectionner les personnes selon leur degr dimplication dans le phnomne
tudi (Glick, Huber, Miller, Doty et Sutcliffe, 1990) ;
recouper entre elles les informations issues de plusieurs entretiens et/ou avec des
donnes secondaires (Yin, 2014) ;
utiliser des entretiens non directifs afin de ne pas pousser un rpondant
rpondre sil ne se rappelle rien (Miller, Cardinal et Glick, 1997) ;
retranscrire ou tablir un compte-rendu de chaque entretien afin de permettre la
personne interroge de complter ses propos initiaux.
Dans le cas dune rationalisation a posteriori, la personne interroge replace les
vnements dans un ordre chronologique qui lui semble plus logique que celui
dans lequel ils se sont rellement drouls. Elle peut galement chercher tablir
des liens entre des vnements qui nen nont pas. Afin de rduire ce biais,
plusieurs tactiques sont alors mises en uvre :
la premire consiste demander aux personnes de raconter une histoire avant de
lui demander dtablir des liens entre les vnements ;
la seconde vise recouper les informations de plusieurs entretiens. En effet, les

personnes ne rationalisant pas de la mme faon, le recoupement permet de
dter-miner quel moment lune dentre elles rationalise ;
enfin, le chercheur a la possibilit de contrler les dates de ralisation des vne-
ments par lintermdiaire des sources secondaires.
3.2 Collecte de donnes mixte : temps rel et rtrospectif
Afin de rduire les biais de chacune des deux approches prcdentes, Lonard-
Barton (1990) propose une mthode dtude de cas combinant le recueil en temps
rel et le recueil de donnes rtrospectives. Les cas rtrospectifs permettent de
multiplier les cas dans une optique de rplication (Eisenhardt, 1989; Eisenhardt et
399
Partie 3 Analyser
Graebner, 2007) alors que le recueil en temps rel permet dutiliser des observations et
de travailler sur des donnes non biaises par le temps coul. Ds lors, dune part, les
analyses ralises sur les donnes longitudinales permettent damliorer le recueil de
donnes rtrospectives. En effet, certains lments, qui mergent de lobservation en
temps rel de faon inductive, permettent denrichir le recueil de donnes
rtrospectives. Dautre part, le fait dutiliser un chantillon de cas rtrospectifs, o le
droulement de faits passs est connu, peut permettre de modifier le recueil de donnes
en temps rel sur des catgories de donnes qui ne se laissent pas facilement
apprhender en temps rel. Savoir que ces lments ont t importants dans le
droulement de faits passs permet au chercheur de redoubler defforts pour y accder.
Ainsi, les deux modes de recueil de donnes en temps rel et rtrospectif
peuvent donc tre combins de manire complmentaire.
Le chercheur dispose maintenant de lensemble des lments pour construire son
design de recherche au niveau de la collecte des donnes. Il lui reste donc choisir
les mthodes danalyse les plus adquates pour rpondre la problmatique pose.
Par la suite, nous prsentons les diffrentes mthodes danalyse, en commenant
par les analyses longitudinales quantitatives.
section
2 MThODEs DAnALysEs
LOngITuDInALEs QuAnTITATIVEs1
Dans cette partie, nous prsenterons quelques mthodes, regroupes en fonction
de lobjet tudi.
La famille prsente est utilise quand on cherche observer des processus.
Certaines de ces mthodes, qualifies de squentielles, permettent de dgager des
squences types. Une autre mthode permet de dterminer lordre doccurrence des
diffrentes tapes dun processus.
La seconde famille prsente sintresse aux comparaisons entre des cohortes
dobservations.
Une grande partie des mthodes qui nous intressent ne sont pas spcifiques aux
analyses longitudinales, et ne seront donc pas dveloppes en dtail ici. Cest le cas par
exemple de la rgression. Pourtant, il arrive que des conditions supplmentaires
doivent tre respectes, notamment concernant les termes derreurs, qui doivent tre
homoscdastiques et ne pas tre autocorrls. Si cette condition nest pas respecte, on
doit ajuster le modle ou utiliser des procdures qui ne sont pas bases sur la matrice
de variances/covariances (pour plus de dtails, voir Bergh et Holbein, 1997).
1. Cette section a t rdige par B. Forgues.
400
1 Mthodes squentielles
Les mthodes squentielles sont utilises pour observer des processus. Un premier
type de recherche qui peut tre men avec ces mthodes consiste relever des
squences et les comparer entre elles. On pourrait par exemple tablir la liste des
diffrents postes confis aux dirigeants des grands groupes durant leur carrire, ainsi
que la dure pendant laquelle ils les ont occups. Les squences ainsi constitues
pourraient alors tre compares. On pourrait aussi tablir des plans de carrire types.
Ces mthodes de comparaison seront prsentes dans un premier temps.
Un autre type de recherche pourrait viser dterminer lordre doccurrence des
diffrentes tapes dun processus. Par exemple, les modles classiques de dcision
indiquent que lon passe par des phases danalyse du problme, de recherche
dinformation, dvaluation des consquences et de choix. Pourtant, dans la ralit,
une mme dcision peut faire lobjet dun grand nombre de retours sur ces
diffrentes tapes. Il sera alors difficile de dterminer lordre dans lequel elles se
sont droules en moyenne . Une technique permettant de le faire sera prsente
dans un deuxime temps.
1.1 Comparaison de squences
Les mthodes de comparaison de squences doivent tre choisies en fonction du

type de donnes dont on dispose. On pourra distinguer en fonction de la possibilit
de rcurrence ou non des vnements composant les squences tudies, et en
fonction de la ncessit de connatre la distance entre vnements ou non. Cette
distance entre vnements peut tre value en faisant la moyenne des dures
coules entre nos deux vnements sur lensemble des observations, ou bien sur la
base dune ressemblance conceptuelle, ou enfin en utilisant leur proximit dans la
squence (Abbott, 1990).
Le cas le plus simple concerne une squence dans laquelle chaque vnement ne
se produit quune fois et une seule (squence non rcurrente). Dans ce cas, la
comparaison de deux squences peut se faire par le biais dun simple coefficient de
corrlation. On commence par ranger chaque squence dans lordre doccurrence
des vnements qui la composent. On numrote les diffrents vnements suivant
lordre dapparition. Ensuite, on compare les squences deux deux avec un
coefficient de corrlation de rang. Plus ce coefficient est lev (proche de 1), plus
les squences sont similaires. Par la suite, on peut tablir une squence type : ce
sera celle qui minimise une fonction des distances aux autres squences. On peut
aussi tablir une typologie des squences possibles, en ayant recours une analyse
typologique (classification hirarchique ou non, analyse multidimensionnelle des
similarits). Il est noter que cette procdure nimpose pas de mesurer les
distances entre les vnements.
401
Partie 3 Analyser
Un coefficient de corrlation de rang frquemment utilis est le rh de Spearman.

Il se calcule de la manire suivante :

--------------------6 di2-
i

= 1 n(n2 1)
avec di = distance entre les deux classements de lvnement i
n = nombre dvnements classs
Il faut noter que ce coefficient suppose que les rangs sont quidistants, cest--
dire que la distance entre les rangs 3 et 4 est gale la distance entre les rangs 15 et
16, par exemple. Si lon pense tre dans un cas o cette hypothse nest pas
respecte, on peut utiliser le tau de Kendall, qui se calcule comme suit :
n n
= --------------a -d
N
avec na = nombre daccords entre les deux classements (une paire dobjets quel-
conque est classe dans le mme ordre les deux fois)
nd = nombre de dsaccords entre les deux classements (une paire dobjets
quelconque est classe dans des ordres diffrents)
N = nombre de paires possibles.
Enfin, si les classements rvlent des vnements ex aequo, on doit utiliser un
indice comme le gamma de Goodman et Kruskal, dont la formule est :
= --------------na
n
-d na + nd
Dans le cas de squences rcurrentes, lapproche la plus courante est celle des
processus markoviens. Ceux-ci postulent que la probabilit doccurrence dun
vnement dpend totalement de son prdcesseur immdiat. La description dun
processus markovien se fait donc avec lensemble de ces probabilits conditionnelles,
qui composent la matrice des transitions. Cette matrice regroupe les estimations bases
sur les proportions observes (le pourcentage de fois o un vnement est suivi par un
autre ou par lui-mme, dailleurs, sur la diagonale de la matrice).
Une autre possibilit pour les squences rcurrentes consiste en un ensemble de
techniques dites dassortiment optimal (optimal matching). Lalgorithme dassortiment
optimal entre deux squences part de la premire squence et calcule le nombre
dajouts et de suppressions ncessaires pour aboutir la deuxime (Abbott et Forrest,
1986). Lensemble des transitions ncessaires ont une pondration dpendant de la
distance entre les vnements. On obtient donc une matrice de distance entre
squences, qui peut son tour tre utilise dans des comparaisons de squences.
402
1.2 Dtermination de lordre doccurrence des tapes dun processus
Dautres recherches peuvent amener dterminer lordre doccurrence

dvnements. On veut, dans la masse des vnements relevs, identifier un schma
gnral. Par exemple, on peut chercher tablir lordre des tapes dun processus de
dcision, ou suivre la carrire des PDG des grands groupes. Lune de ces mthodes a
t propose par Pelz (1985), qui la applique aux processus dinnovation. La
mthode est base sur le gamma de Goodman et Kruskal, et permet dtablir lordre
des vnements observs, ainsi que de dfinir dans quelle mesure ceux-ci se
chevauchent. La mthode de calcul se compose des tapes suivantes :
1) on compte le nombre P de fois o lvnement A se produit avant lvnement B ;
2) on compte le nombre Q de fois o lvnement B se produit avant lvnement A ;
3) on calcule pour chaque paire dvnements le gamma dfini comme suit :
PQ
= ------------ - , ce g est compris entre + 1 et 1 ;
P+Q
4) litration du procd pour chaque paire dvnements permet dobtenir alors
une matrice carre des gamma, avec un nombre de lignes gal au nombre total
dvnements. Cette matrice est inverse par rapport la diagonale.
partir de cette matrice des gamma, on va calculer un score de prcdence, qui
dtermine la squence temporelle dans laquelle les vnements sont apparus, ainsi
quun score de sparation, qui permet de voir si les vnements sont spars les
uns des autres ou sils se chevauchent.
Le score de prcdence sobtient en calculant la moyenne des gamma en colonne.
Ainsi, pour chaque vnement, on obtient un score de prcdence compris entre +
1 et 1. En reclassant les vnements en fonction de leur score, par ordre
dcroissant, on obtient le droulement chronologique des vnements.
Le score de sparation sobtient en calculant la moyenne des valeurs absolues des
gamma en colonne. Chaque vnement est crdit dun score compris entre 0 et 1.
On considre alors gnralement quun vnement pour lequel le score est
suprieur ou gal 0,5 est clairement spar de ceux qui lentourent, alors quun
vnement dont le score est infrieur 0,5 ne peut pas tre spar de ceux qui
lentourent et on doit donc les regrouper (Poole et Roth, 1989).
EXEMPLE Calcul du gamma de Pelz
Lexemple fictif suivant permet dillustrer la mthode. Imaginons que lon ait observ
au cours du temps les occurrences de trois vnements A, B et C. Par exemple, on
observe durant la priode 1 loccurence de lvnement A trois reprises et de
lvnement B deux reprises, etc. On obtient le tableau de donnes suivant :
403
Partie 3 Analyser
vnements
Priodes A B C
1 3 2 0
2 3 0 1
3 0 7 2
4 1 0 4
5 0 0 5
Il faut calculer les P et Q entre chaque paire dvnements, en comptant combien de fois
lun se produit avant lautre (P) et rciproquement (Q). Notons que lon ne compte pas
les vnements se produisant simultanment (indiqus sur une mme ligne dans le
tableau). Ainsi, entre les vnements A et B, on obtient :
P = (3 0) + (3 7) + (3 0) + (3 0) + (3 7) + (3 0) + (3 0) + (0 0) + (0 0)
+ (1 0) = 42 et
Q = (2 3) + (2 0) + (2 1) + (2 0) + (0 0) + (0 1) + (0 0) + (7 1) + (7 0)
+ (0 0) = 15
On procde par itration pour le calcul des paires dvnements A et C, et B et C. Au
total, le calcul complet des P et Q donne les rsultats suivants :
1er vnement
2e vnement A B C
A 15 3
B 42 7
C 74 87
Le calcul du gamma de A par rapport B est alors :

g = (42 15) (42 + 15) = 0,47
Au total, le calcul des gamma, ainsi que des scores de prcdence et sparation, donne donc :
1er vnement
2e vnement A B C
A X 0,47 0,920
B 0,470 X 0,850
C 0,920 0,85 X
Prcdence 0,695 0,19 0,885
Sparation 0,695 0,66 0,885
Linterprtation est la suivante : lordre retenir est A, B, C, et chacun des vnements

est clairement spar des autres.
On peut remarquer que linterprtation du gamma de Pelz est inverse de celle du

gamma de Goodman et Kruskal, sur lequel la mthode est base. Ici, un gamma
lev indique que deux vnements sont spars et non pas associs. Ceci est d au
fait que lors des calculs, lune des variables est le temps ; lautre variable tant le
404
passage dun vnement A un vnement B. Un gamma lev indique donc que

le passage de A B est fortement associ avec le passage du temps.
Linterprtation qui en dcoule est donc que A et B sont fortement spars.
Un avantage important de cette mthode est quelle est indpendante de la dure
coule entre les vnements : il nest donc pas ncessaire de disposer de cette
donne. En effet, les rsultats ne changent pas si lintervalle de temps entre deux
incidents nest pas le mme. Le seul point important vis--vis du temps est de
respecter lordre chronologique.
2 Analyse des cohortes
Les cohortes reprsentent des groupes dobservations lies par le fait quelles
aient connu un vnement quelconque un certain moment commun. Lvnement
en question est frquemment la naissance, mais peut tre nimporte quel vnement
marquant. La priode de cet vnement stend sur une dure variable, souvent
comprise entre un et dix ans, mme si pour des vnements trs forts, elle peut tre
considrablement rduite. On pourrait par exemple parler de la cohorte des baby-
boomers, de celle de la deuxime guerre mondiale, ou encore de celle des
entreprises de la vague de fusions-acquisitions des annes 80. Lanalyse des
cohortes permet ltude des changements de comportement ou dattitude de ces
groupes. On peut observer trois types de changement : changements de
comportement rels, changements dus lge (au vieillissement), et changements
dus un vnement survenu durant une priode particulire (Glenn, 1977). On peut
distinguer les analyses intracohortes, cest--dire focalises sur lvolution dune
cohorte, des analyses intercohortes, o lon mettra laccent sur des comparaisons.
2.1 Analyses intracohortes
Les analyses intracohortes consistent suivre une cohorte au cours du temps afin
dobserver les changements quy connat le phnomne faisant lobjet de la recherche.

Reprenons lexemple prsent au dbut de ce chapitre, dans lequel on sintresse la
relation entre lge de la firme et sa profitabilit. On pourrait slectionner une cohorte,
celle des entreprises cres entre 1946 et 1950, et suivre sa profitabilit au cours du
temps, en en relevant un indice chaque anne. Cette tude trs simple dune tendance
lintrieur dune cohorte soulve cependant plusieurs problmes. Tout dabord, un
certain nombre dentreprises vont disparatre de lchantillon au cours du temps. Il est
mme probable que cette mortalit de lchantillon biaise fortement ltude dans la
mesure o les entreprises les plus faibles (et donc les moins profitables) sont les plus
susceptibles de disparatre. Dautre part, ces tudes se font gnralement sur des
donnes agrges, ce qui fait que les effets se compensent. Par exemple, si la moiti
405
Partie 3 Analyser
des entreprises voient leur profitabilit augmenter mais que lautre moiti la voit
diminuer dans les mmes proportions, leffet total sera nul. Cependant, des mthodes
dveloppes pour ltude des panels permettent de rsoudre ce problme. Enfin, notre
tude ne permettra pas de trancher sur limpact de lge proprement parler. Mme si
lon observe une augmentation de la profitabilit, on ne saura pas si celle-ci est due
lge ou un vnement extrieur, un effet dhistoire comme une conjoncture
conomique particulirement favorable. Dautres analyses sont donc ncessaires.
2.2 Analyses intercohortes
Parmi ces autres analyses, on peut comparer plusieurs cohortes un moment

donn. Ceci nous amnera dans ce cas comparer la profitabilit en 1990, par
exemple, dentreprises cres diverses priodes. Nous quittons ici le domaine des
analyses longitudinales puisque cette tude est au contraire typiquement cross-
sectionnelle, ou synchronique. Par ailleurs, ce design ne permet pas non plus lui
seul de trancher notre question de recherche. En effet, les diffrences que lon
pourrait observer pourraient tre imputables lge, mais aussi un effet de
cohorte : les entreprises tablies une certaine poque ont profit de circonstances
favorables dont elles continuent tirer bnfice
2.3 Analyse simultane de diffrentes cohortes
La rponse la question pose prcdemment sur le lien entre lge et la

profitabilit des entreprises ne peut tre tranche que par des analyses intra- et
intercohortes simultanes. En effet, les changements observs dans les niveaux de
performance peuvent tre ds trois types deffets diffrents : des effets dge (ou
de vieillissement, ceux qui nous intressent ici), des effets de cohorte (le fait
dappartenir une certaine cohorte), et des effets de priode (le moment auquel est
mesur le niveau de profitabilit). Pour essayer de les diffrencier, on va
commencer par construire un tableau avec les cohortes en lignes et les priodes de
relev des observations en colonnes. Il est important de noter que si lon peut avoir
des donnes spares par un intervalle de temps rgulier, on doit privilgier cela.
La dure entre les relevs servira galement la dlimitation des cohortes. Par
exemple, si lon a des donnes dcennales, on choisira des cohortes de dix ans.
Ceci nest pas toujours possible, mais amliore les analyses. Sur le tableau ainsi
obtenu, on peut donc raliser des analyses intracohortes et intercohortes. Lintrt
davoir des intervalles de temps identiques en ligne et en colonne rside dans la
lecture des diagonales, qui donnent les tendances intracohortes (Glenn, 1977).
Toutefois, les diffrences observes entre les cellules du tableau doivent tre
analyses avec prcaution. Tout dabord, il sera bien sr ncessaire de tester si ces
diffrences sont statistiquement significatives. De plus, un biais possible, que nous
406
avons dj voqu, tient la mortalit de lchantillon. Si les lments qui

disparaissent nont pas la mme distribution que ceux qui restent, la structure de
lchantillon va changer. Enfin, il est trs difficile de diffrencier les trois effets
possibles (ge, cohorte, priode), car ils sont linairement dpendants, ce qui pose
des problmes dans des analyses comme la rgression o les variables explicatives
doivent tre indpendantes. Ici, dans le cas dune cohorte de naissance, les trois
variables sont lies par la relation :
cohorte = priode ge
On cherchera donc tout dabord valuer dans quelle mesure lun des effets peut
tre considr comme une interaction des deux autres.
Une dernire possibilit consiste rentrer chaque ge, chaque cohorte et chaque
priode comme une variable muette dans une rgression. Cependant, ceci amne
faire lhypothse que les effets ninteragissent pas : par exemple que leffet de
lge est le mme pour toutes les cohortes et toutes les priodes, ce qui est souvent
irraliste (Glenn, 1977).
EXEMPLE Profitabilit des entreprises
Cet exemple fictif prsente la construction dun tableau pour lanalyse de limpact de
lge sur la profitabilit des entreprises. Nous avons des donnes sur la profitabilit des
entre-prises pour trois annes : 1980, 1985, et 1990. Nous allons retenir cinq cohortes,
correspon-dant lge des entreprises au moment de la collecte, regroupes par
intervalles de cinq ans, ce qui correspond la mme dure que lintervalle entre deux
relevs. On obtient alors le tableau de donnes suivant :
Annes
ge 1980 1985 1990
10-14 126 128 137
15-19 133 135 142
20-24 136 141 152
25-29 131 149 144

30-34 142 148 162
La lecture de la premire colonne, par exemple, donne des comparaisons entre les niveaux
de performance en 1980 des entreprises dges diffrents. La lecture de la premire ligne
donne lvolution entre 1980 et 1990 des niveaux de performance des entreprises ges de
10 14 ans : cest donc la tendance, pour un ge donn, au fur et mesure que les cohortes
se succdent. Enfin, on peut suivre lvolution de la performance dune cohorte en regar-
dant la premire case qui la concerne, puis en descendant en diagonale. Ainsi, la cohorte des
entreprises fondes entre 1960 et 1965 (celles qui ont 15 19 ans en 1980) passe dun
niveau de performance de 133 en 1980 141 en 1985 puis 144 en 1990.
407
Partie 3 Analyser
section
3 MThODEs DAnALysEs
LOngITuDInALEs QuALITATIVEs
Dans cette section, nous prsentons diffrentes mthodes qualitatives de conduite

dune tude longitudinale. Nous soulignons les difficults et questionnements
majeurs auxquels sont confronts les chercheurs lors de la ralisation de ces
analyses.
Dans un premier paragraphe, nous prsentons diffrentes mthodes de conduite
dune tude longitudinale sappuyant sur une approche processuelle (Approche B :
Un processus relatant une squence dvnements, dtapes ou de cycles dans le
dveloppement du phnomne). Nous soulignons les difficults et questionnements
majeurs auxquels sont confronts les chercheurs lors de la ralisation de leurs
analyses. Dans le second paragraphe nous exposons les principes de base de
lapproche de type organizing (Approche C : Un processus dorganizing
relatant une construction sociale du phnomne) marquant en quoi elle se distingue
des approches processuelles (approche B) puis nous prsentons la mthode de la
mise en intrigue.
1 Lapproche processuelle
Lanalyse processuelle traditionnelle recouvre un champ de littrature o le

phnomne est considr au travers dune succession dtats dont il convient de
comprendre lenchanement et les mcanismes dvolution. Ds lors, la question du
comment les choses voluent au cours du temps est primordiale (Van de Ven et
Huber, 1990) Dun point de vue gnral, les tudes longitudinales visent
comprendre le droulement dun phnomne partir de trois grands ensembles
runis au cours de lanalyse : le contexte, les actions des individus, et
linterconnexion temporelle entre les actions (Pettigrew, 1997).
1.1 Reconstruction temporelle et dcomposition
La premire tape de toute analyse longitudinale processuelle est de raliser une

monographie du processus tudi. Elle consiste crire son histoire sous forme
narrative en le dcrivant de faon dtaille. Cette monographie permet de
reconstruire lenchanement des vnements et de comprendre o se trouvent les
trous noirs dans la comprhension du droul de ces vnements.
408
Dcomposition analytique des vnements
Le processus, reconstitu partir de la monographie, est ensuite dcompos pour

en identifier les caractristiques : par exemple, les acteurs impliqus, les
vnements, les variables contextuelles, etc. Si le chercheur se fonde sur une grille
de recueil et danalyse des donnes prconue, lobjectif est de suivre lvolution
des catgories conceptuelles au cours du temps. Pour ce faire, Miles et Huberman
(2003) proposent dutiliser une matrice chronologique o le chercheur dispose en
colonne les priodes du processus (priode 1 n) et en ligne les catgories de
lanalyse en cohrence avec le cadre thorique adopt.
Reconstruction des phases
Une des difficults majeures est alors de dterminer comment dcomposer le

temps et donc comment construire les priodes en question. Soit le chercheur se
fonde sur une ligne du temps prconue (par exemple une colonne pour chaque
mois, chaque semaine, etc.), soit il se fonde sur des moments de rupture dans le
processus tudi. La premire option peut dailleurs savrer ncessaire pour passer
la seconde. Ds lors, les phases ne correspondent pas ncessairement une
priodicit rcurrente mais des ensembles relativement homognes o le
phnomne ltude prend une forme particulire. Ltude de Gersick (1988) est
ce sujet particulirement clairante.
EXEMPLE Phasage du travail de groupe
Gersick (1988) ralise une tude sur la temporalit du travail de groupe. Sur un chantillon
de huit groupes, lauteure tudie la manire dont les groupes sorganisent pour mener bien
le travail effectuer. La dure des projets dont ils ont la responsabilit est comprise entre
sept jours et six mois. Le rsultat principal de la recherche est que chaque groupe com-
mence par une priode dinertie correspondant environ la moiti du temps allou pour
raliser le travail, puis connat un point de transition et ensuite dveloppe une seconde phase
o un travail plus cadr permet la ralisation effective des tches. En consquence, pour
certains groupes, le moment de la transition entre la phase 1 et la phase 2 peut se situer aprs
trois jours l o pour dautres il se situe aprs quatre mois. Ainsi, le phasage nest pas ici li
un nombre de jours, de semaines, ou de mois prcis, mais une dure relative au temps
allou pour raliser la tche.
Mise en vidence de cycles
La dcomposition temporelle peut aussi mettre laccent sur la rcursivit de

certains lments. Le temps nest alors plus conu comme linaire mais comme un
cycle o les composantes sinfluencent mutuellement dans le temps pour chaque
fois revenir leur point de dpart. Lexemple de Pratt et al. (2006) illustre cette
manire dapprhender le temps.
409
Partie 3 Analyser
EXEMPLE La temporalit en phases et cycles
Pratt et al. (2006) proposent de faire une tude sur la construction identitaire profession-
nelle. Afin de construire le modle processuel qui compose leur rsultat, les auteurs sap-
puient sur la mthode de modlisation la Gioia (voir chapitre 11). Ce modle comprend
deux cycles dapprentissage interconnects : lun est li au travail (correspondant aux flches
claires), lautre lidentit (correspondant aux flches noires). Ds lors, mme si les auteurs
identifient des vnements successifs sur une ligne du temps chronologique, cette
temporalit devient circulaire lorsquon regarde la nature des processus luvre : la fin
dun cycle du processus nourrit le dbut du nouveau cycle. Il nexiste donc plus vraiment de
dbut et de fin, mais une vision cyclique des vnements qui se droulent.
Identit au travail
valuation de l intgrit
Ampleur de la violation (mineure/
majeure)
Discrtion du travail
Force de l identit professionnelle
Personnalisation de l identit
Travail
Types (ex. : mise en attle,
Contenu
rapiage, enrichissement)
Process
Modles identitaires
Validation sociale
Feedback (ex. : attaques, rumeurs)
Modles de rles
Cycle d apprentissage du travail
Cycle d apprentissage identitaire
Source : Traduit de Pratt M.G., Rockmann K.W., Kaufmann J.B. (2006) Constructing professional
identity: The role of work and identity learning cycles in the customization of identity among medical
residents , Academy of Management Journal, vol.49, n2, p. 235-262 (Figure p.253).
1.2 Les deux formes principales de lanalyse processuelle classique
Si les recherches processuelles prennent des formes varies (Langley, 1999), ces
dernires peuvent tre regroupes en deux grandes familles selon la manire dont
le chercheur apprhende lobjet de recherche dans le temps. Dans un premier cas,
le chercheur vise comprendre les modifications dun mme objet dans le temps.
Dans le second cas, le chercheur vise comprendre lmergence dun phnomne
dans le temps. Nous explicitons ces deux dmarches dans les paragraphes suivants.
Comprendre la modification du phnomne dans le temps
Un premier ensemble danalyses vise comprendre la modification dun

phnomne dans le temps. Ces analyses se fondent sur le postulat quun concept
410
peut prendre diffrentes modalits. Par exemple le leadership peut prendre deux
modalits : transactionnel ou transformationnel (Bass et Stogdill, 1990) ; la
coopration peut aussi prendre deux modalits : communautaire ou
complmentaire (Dameron, 2004), etc. Ainsi, il est possible de voir merger au
cours du temps des modalits diffrentes dun mme phnomne (Figure 12.1).
Phnomne A Phnomne A Phnomne A Phnomne A

Modalit 1 Modalit 2 Modalit 1 Modalit 3
Temps
Figure 12.1 Comprendre la modification du phnomne dans le temps
La dcouverte de ces diffrentes modalits peut merger de la recherche

longitudinale (Levina, 2005; Stigliani et Ravasi, 2012) o lon voit le phnomne
prendre diffrentes formes au cours du temps. Aussi, certaines tudes peuvent
prendre appui sur des modalits dj tablies dans la littrature afin de comprendre
les mcanismes qui engendrent lapparition de telle modalit au cours du temps.
Cest le cas, par exemple, de larticle de Gioia et Chittipeddi (1991) qui dcline le
sensemaking en deux modalits : celle qui consiste comprendre
collectivement une situation et celle qui consiste tenter dinfluencer la
comprhension. Les auteurs montrent alors comment sarticulent les phases de
comprhension et dinfluence au cours dun changement stratgique.
Dans cette perspective, la recherche longitudinale vise comprendre comment et
pourquoi le phnomne tudi prend diffrentes formes au cours du temps.
Lanalyse doit ainsi permettre de relier les modalits du phnomne tudi avec
des composantes du contexte dans lequel se droule le phnomne. Le couplage
dun design longitudinal avec une approche comparative (Barley, 1990; Leonard-
Barton, 1990) permet dapprhender dans quelles mesures certains lments
contextuels ont une influence sur le phnomne tudi.
EXEMPLE tude de lvolution des formes de discours sur la stratgie

lors dune adoption institutionnelle
Paroutis et Heracleous (2013) tudient lvolution des formes de discours stratgique au
cours dune adoption institutionnelle ( savoir ladaptation stratgique de lentreprise aux
forces institutionnelles externes). Une premire tape de lanalyse consiste identifier les
modalits du discours stratgique. Les auteurs en identifient quatre : le discours identitaire,
contextuel, fonctionnel, et mtaphorique. La deuxime tape consiste identifier les phases
du travail institutionnel. Les auteurs diffrencient trois phases du travail institutionnel au
cours du temps : la mise en forme, la mise en uvre et le travail dinfluence. Dans un
troisime temps, les auteurs ralisent une analyse croise des formes de discours et des
411
Partie 3 Analyser
phases du travail institutionnel. Cette analyse gnre la matrice suivante. Ainsi, les
auteurs mettent en avant que chaque phase du travail institutionnel est accomplie au
travers de modalits diffrentes du discours stratgique.
lv : plus de 25 % des
Phase 3
Phases de l adoption institutionnelle
rfrences dans une phase

Vente
Moyen : entre 16 et 24 %
des rfrences dans une phase
Phase 2
Mise en Faible : moins de 15 %
uvre des rfrences dans une phase
Phase 1
Mise en forme
Identitaire Fonctionnel Contextuel Mtaphorique

er
Dimensions du discours stratgique de 1 ordre
Source : Traduit de Paroutis S., Heracleous L. (2013). Discourse revisited: Dimensions and
employment of first-order strategy discourse during institutional adoption , Strategic
Management Journal, vol.34, n8, p.935956. (Figure p.946) 2013 John Wiley & Sons, Ltd.
Lmergence dun phnomne dans le temps
Un second groupe danalyses vise comprendre la construction dun phnomne

dans le temps. Il sagit alors de comprendre comment divers mcanismes
temporellement situs aboutissent in fine la ralisation dun phnomne. Ds lors,
ltude processuelle est couple avec une modlisation (cf. chapitre 11) afin de
rendre compte de lenchanement temporel des vnements et des mcanismes qui
aboutissent un rsultat donn. La figure 12.1 prsente graphiquement le type
danalyses lies la comprhension de la ralisation dun phnomne dans le
temps. Larticle de Jarzabkowski et Balogun (2009) est une bonne illustration de ce
type dtudes. Nous le dtaillons dans lexemple ci-aprs.
vnement 1 vnement 2
vnement 3
Mcanisme 3
Mcanisme 1
Mcanisme 2 Ralisation du
phnomne A
Temps
Figure 12.2 Comprendre la ralisation dun phnomne dans le temps
412
EXEMPLE Lanalyse du processus de planification stratgique et de son

impact sur lintgration stratgique
Jarzabkowski et Balogun (2009) analysent les pratiques et processus au travers desquels
la planification stratgique permet de gnrer lintgration stratgique entre diverses
entits dune organisation. Les donnes ont t rcoltes sur une priode de douze mois.
partir de ces donnes trois phases sont identifies, correspondant des dynamiques
diffrentes dans les pratiques et processus de planification stratgique. laide de ces
phases, les auteures produisent un modle processuel de lintgration stratgique par la
planification stratgique. Dans ce modle, les phases napparaissent pas explicitement.
Ce sont les mca-nismes sous-jacents la construction de lintgration stratgique au
travers des pratiques et processus de planification stratgique qui sont mis en avant. Ds
lors, laspect temporel du modle processuel nest plus au cur de la restitution des
rsultats, laissant la place aux mcanismes par lesquels le phnomne se construit.
Lexemple ci-dessus est caractristique de la faon de rendre compte des

processus par lesquels un phnomne se construit. Si le dcoupage temporel en
vnements, phases, etc. permet de conduire lanalyse des donnes, laspect
temporel est souvent moins prsent lors de la modlisation processuelle finale o
ce sont les mcanismes qui sont mis en exergue (Corley et Gioia, 2004; Monin et
al., 2013; Nag et Gioia, 2012).
2 Les approches de type organizing
Dans cette section nous prsentons les mthodes danalyses longitudinales

qualitatives sinscrivant dans une approche de type organizing . Nous
commencerons par exposer les principes de base de cette approche et notamment
en quoi elle se distingue des approches processuelles prcdentes. Nous prsentons
ensuite une mthode danalyse de phnomne qui sinscrit dans cette approche
pour conclure sur les difficults conduire une telle dmarche.
2.1 Les principes de base de lapproche de type organizing
Les recherches sinscrivant dans cette approche partent dune vision ontologique du
phnomne comme une rification dun ensemble de flux (de processus). Le
changement et la stabilit (lvolution ou la non-volution du phnomne) sont alors
expliqus selon les mmes termes car leur nature est identique : la stabilit rsulte de
processus qui maintiennent lorganisation de sorte que pour un observateur
lorganisation est rifie comme tant la mme chose, alors que le changement se
produit lorsque les processus fonctionnent dune manire ce quun observateur
peroive la rification de lorganisation comme changeante. Dans les deux cas, la
stabilit et le changement sont des jugements et non pas des choses relles, parce
413
Partie 3 Analyser
que lorganisation est un processus qui est constamment constitu et reconstitu

(Rescher 1996 cit par Van de Ven et Poole, 2005 : 1380).
De telles recherches sintressent aux processus qui composent le monde et,
comme le soulignent Tsoukas et Chia (2002), sont plutt conceptuelles. Ce constat
sexplique en partie par une double difficult rencontre par le chercheur lorsque
l orginizing est au cur du design de sa recherche. Tout dabord, les processus,
qui sont par nature des flux, sont traditionnellement reprsents et expliqus par
des mots et des schmas qui eux relvent dune reprsentation statique. Or ces
modes de reprsentation sappuient sur une approche du temps comme une
chronologie (Chronos) l o il est ncessaire daborder le temps comme une
construction sociale (Kairos). Les reprsentations processuelles traditionnelles ne
permettent donc pas aux chercheurs en management de saisir le mouvement ou le
flux inhrent ces processus. La seconde difficult est que, pour tudier de tels
processus, les chercheurs ne peuvent que sappuyer sur des analyses processuelles
classiques qui, elles, filtrent les flux travers des reprsentations statiques. Cette
seconde difficult ramne alors le chercheur la premire.
Pour dpasser ces difficults, Tsoukas et Chia (2002) considrent que le
chercheur doit saffranchir de ses modes de pense largement bass sur la
recherche de la substance. Il revient alors au chercheur dinventer de nouvelles
mthodes longitudinales permettant de saisir le temps non pas comme Chronos
mais comme Kairos.
Sans entrer dans la cration de nouveaux outils, certaines de ces recherches
peuvent tre de nature empirique et prendre en compte une vision du temps Kairos.
Nous prsentons ci-dessous un exemple de recherche tentant de rendre compte de
cette vision de lorganisation comme une rification de flux.
2.2 Analyser l organizing : lexemple de lintrigue
La dmarche de recherche prsente dans ce paragraphe sappuie sur le temps

Chronos pour tenter de rendre compte du temps Kairos. Ainsi, avec la mise en
intrigue, Ricoeur (1983) propose une thorie de la narration permettant de
comprendre lexprience du temps par les humains. Selon cet auteur, le temps
humain est expriment la fois comme un temps cosmologique (une chronologie
dvnements, une disposition des vnements : Chronos) et comme un temps
phnomnologique (lexprience du temps par les individus : Kairos).
Ricur prsente la mise en intrigue de la faon suivante : lintrigue dun rcit
prend ensemble et intgre dans une histoire entire et complte les vnements
multiples et disperss et ainsi schmatise la signification intelligible qui sattache au
rcit pris comme un tout (Ricur, 1983 : 10). La mise en intrigue permet galement
de mettre en vidence et dexpliquer les relations existantes entre les vnements et les
acteurs impliqus dans laction. La continuit de laction est alors prserve tout
414
en permettant daccder la complexit organisationnelle. Les choses, les

vnements, sont alors connects par leur co-occurrence, leur proximit
temporelle, mais aussi par le sens donn aux vnements par les acteurs (Corbett et
al., 2011 : 169), comme le montre lexemple suivant.
EXEMPLE La mise en intrigue des pratiques du knowledge management
Dans une recherche portant sur les ides et les pratiques du knowledge management
(KM) au sein dune grande multinationale de production de ciment, les deux auteurs
(Corbett-Etchevers et Mounoud) mobilisent la mise en intrigue. Elles tudient ainsi
comment cette entreprise, sur une priode de 20 ans, adopte et utilise le KM. Elles
construisent alors leur intrigue en sappuyant sur le cadre danalyse prsent dans le
tableau 12.3
Tableau 12.3 un cadre danalyse narratif de la consommation
(adoption et utilisation) des ides de knowledge management
Intrigue LHistoire (strategy) : Les histoires (tactics) :
temps chronologique temps humain
Adoption 1. La politique : ladoption des ides issues 4. La pratique comme apprentissage :
de lenvironnement institutionnel: la assimiler les politiques et produire de la
production de la politique pratique
Utilisation 2. Les procdures : le management des 3. La pratique comme action : mettre en
ides mises en pratique application les procdures et produire de la
pratique
Adapt de : Corbett-Etchevers et Mounoud (2011 : 169).
Lhistoire de lorganisation appartient au domaine de la stratgie raconte par les

individus. Le quadrant 1, lintersection entre lhistoire de lorganisation et de
ladoption, montre comment Cement Inc. a adopt le KM. Le quadrant 2, montre
comment ces politiques ont t lues par des membres de lorganisation et ont fait place
llaboration de procdures spcifiques.
Lexprience du temps par les individus (Kairos) est prsente dans la colonne 2 avec les
histoires des utilisateurs qui racontent comment ils ont, diffrents niveaux de
lorganisa-tion, adopts et utiliss le KM. Le quadrant 3, prsente comment les

individus ont effecti-vement utilis les procdures. Le quadrant 4, montre comment les
individus lisent les politiques qui leur sont imposes par la direction. Ces histoires
mettent en vidence la pluralit des significations attribues la politique, en fonction
des individus, de qui ils sont et de ce quils font.
Pour chacun des cadrans les auteurs racontent alors une intrigue. Ces rcits sont
construits partir des interviews ainsi que des donnes darchives. Ils sont ensuite
discuts avec plu-sieurs membres de lorganisation afin de vrifier des lments factuels
et de confronter les interprtations du chercheur avec celles des acteurs, pour ensuite
dvelopper, ensemble, de nouvelles interprtations.
Avec ces intrigues, les auteurs montrent que les ides lies au KM sont co-consommes
(adoptes et utilises) travers de multiples mises en intrigue, itratives, continues, se
droulant plusieurs niveaux : le temps, les gens et les pratiques. Pour les auteurs, la mobi-
415
Partie 3 Analyser
lisation de la mise en intrigue (analyse narrative) permet la fois de fournir une vision
intgrative de la consommation des ides KM (ce dispositif danalyse est donc utile
pour donner du sens une quantit de donnes trs importante) et daborder le
processus de consommation des ides (adoption et utilisation) dans son unit (lhistoire)
tout en mobili-sant diffrents niveaux danalyse (lhistoire est raconte partir de
diffrentes perspec-tives).
Comme le soulignent Corbett-Etchevers et Mounoud (2011) la mise en intrigue

prsente deux intrts majeurs dans le cadre dune recherche sur les phnomnes
complexes. Dun point de vue purement pratique, elle permet de venir bout de
lnorme quantit de donnes temporelles recueillies soit en temps rel soit de faon
rtrospective. Elle facilite ainsi lorganisation des donnes afin de leur donner du sens.
Par ailleurs elle permet de synthtiser plusieurs histoires en une reprsentation
simplifie du phnomne, comme lont fait les deux auteurs avec leur cadre danalyse
narratif prsent dans le tableau 15.3. Cette synthse permet darticuler ce qui se passe
au niveau de la direction de lentreprise, de certaines directions et des individus. Le
cadre danalyse fait alors le lien entre ces diffrents niveaux danalyse.
Plus gnralement, ce qui distingue les recherches portant sur lorganizing, des
recherches plus classiques sur le processus telles que celles prsentes dans les
paragraphes prcdents, cest quelles ne sintressent pas uniquement aux
vnements travers les actions des individus (ce quils font) mais incluent ceux-ci
au sein de flux (dans le cas de la mise en intrigue les flux se matrialisent par les
histoires) prenant en considration tout aussi bien les individus eux-mmes, les
langages, les artefacts, les rgles impliques dans les situations. Ces lments
portent les marques du temps.
COnCLusIOn
Il est difficile de conclure sur un chapitre prsentant des mthodes de recherches

aussi diverses sinscrivant dans diffrents paradigmes. Toutefois sil est possible de
donner un conseil au chercheur, il est trs important quil soit en mesure
dexpliciter avant tout la vision ontologique du phnomne quil souhaite tudier
ainsi que la conception du temps sous-jacente. Il importe galement de faire un
choix entre la mise en vidence de changements entre deux priodes donnes
(analyse de la variance) et lanalyse dun phnomne qui se droule dans le temps
(analyse du processus). En effet ces choix sont essentiels pour tout dabord cadrer
la collecte des donnes et pour ensuite choisir la mthode danalyse approprie.
416

Journ B., Etudier le management de limprvu : mthode dynamique dobserva-
tion in situ , Finance-Contrle-Stratgie, 2005, vol. 8, n 4, p. 63-91.
Langley A. Strategies for Theorizing from Process Data, Academy of
Management Review, 1999, vol. 24, n 4, p. 691-710.
Pettigrew A.M. What is a processual analysis ?, Scandinavian Journal of
Management, 1997, vol. 13, n 4, p. 337-348.
Pettigrew A.M., Woodman R.W., Cameron K.S., Studying organizational change
and development : challenges for future research, Academy of Management
Journal, 2001, Vol. 44, n 4 : 697-713.
417
Chapitre
13 Estimation
statistique
Ababacar Mbengue
RsuM
Largement utilise dans la recherche en management, lestimation statistique
permet au chercheur dprouver au moyen de tests statistiques des hypo-
thses de recherche formules en termes de comparaison de certains
lments ou dexistence de relations entre variables.
Ce chapitre dcrit la logique de base des tests statistiques et prsente les
rgles et modalits de leur usage. Il reprend la distinction classique entre tests
param-triques et non paramtriques puis prsente les principaux tests
statistiques de comparaison en fonction des questions que peut se poser le
chercheur, quil dsire comparer des moyennes, des proportions ou
pourcentages, des variances, des coefficients de corrlations ou de
rgressions linaires, des variables ou des populations, etc.
Le chapitre traite ensuite la question spcifique de lestimation statistique de
relations causales entre variables en insistant sur la ncessit de prendre en
compte trois lments fondamentaux : la puissance des tests statistiques utili-
ss, lexognit des variables explicatives et la spcification des modles.
sOMMAIRE
SECTION 1 Logique gnrale des tests statistiques
SECTION 2 Mise en uvre des tests paramtriques
SECTION 3 Mise en uvre des tests non paramtriques
SECTION 4 Estimation statistique de relations causales entre variables
Estimation statistique Chapitre 13
E
n management comme dans dautres domaines, le chercheur est parfois dans la

situation o il souhaite tester un certain nombre dhypothses de recherche. Par
exemple, il peut vouloir tester lhypothse selon laquelle lintroduction dun
systme de planification formelle amliore la performance des banques (Robinson
et Pearce, 1983). Pour ce faire, il peut recourir lestimation statistique qui,
travers les tests statistiques, fournit un outil puissant pour prouver des hypothses
de recherche.
Les ouvrages de statistique (Boursin et Duru, 1994 ; Ceresta, 1986 ; Dodge, 1993
; Kanji, 1993 ; Kaufmann, 1994) distinguent traditionnellement deux grandes
familles de tests statistiques : les tests paramtriques et les tests non
paramtriques. Par-del des diffrences qui seront prcises, ces deux familles de
tests partagent la mme logique de base. Cette logique commune est prsente dans
la premire section de ce chapitre. La mise en uvre des principaux tests
statistiques de comparaison dans chacune des deux grandes familles de tests
statistiques est ensuite prsente respectivement dans les deuxime et troisime
sections. Chacune de ces deux sections est organise en fonction des questions que
peut se poser le chercheur. Pour chaque question, le test de comparaison
correspondant est prsent en dtail. De cette manire, le lecteur press pourra aller
directement au test correspondant sa question de recherche. Afin de faciliter une
telle dmarche, les informations relatives aux conditions dutilisation des tests ainsi
quaux rgles de dcision sont systmatiquement rptes. La quatrime et dernire
section de ce chapitre examine la question spcifique de lestimation statistique de
relations causales entre variables en insistant sur la ncessit de prendre en compte
trois lments fondamentaux : la puissance des tests statistiques utiliss,
lexognit des variables explicatives et la spcification des modles.
section
1 LOgIQuE gnRALE DEs TEsTs sTATIsTIQuEs
Cette premire section prsente le cadre gnral dans lequel sinscrivent les tests
statistiques, dfinit les notions fondamentales qui leur sont lies et prcise les
tapes gnrales de llaboration dun test statistique.
1 Infrence et statistique
La dmarche dinfrence occupe une place trs importante dans la recherche en

management. Trs souvent, le chercheur est amen tirer des conclusions ou
procder des gnralisations partir de ses observations ou de ses rsultats. Dans
certains cas, la statistique peut lui permettre de le faire de manire rigoureuse. En
419
Partie 3 Analyser
effet, cette discipline accorde une grande place la dmarche dinfrence. Cette
dernire est au cur du raisonnement par lequel le statisticien gnralise une
information collecte sur un chantillon lensemble de la population dont est issu
cet chantillon. Au demeurant, une branche entire de la statistique est dvolue
cette dmarche : cest la statistique infrentielle . Le but de la statistique
infrentielle est de tester des hypothses formules sur les caractristiques dune
population grce des informations recueillies sur un chantillon issu de cette
population. Les tests statistiques de signification sont de ce fait au cur de la
statistique infrentielle.
2 hypothse de recherche
Un corpus thorique prexistant, des rsultats empiriques antrieurs mais aussi des
impressions personnelles ou de simples conjectures peuvent constituer la source des
hypothses de recherche du chercheur. Une hypothse de recherche nest autre quune
affirmation non prouve propos de ltat du monde. Par exemple, lune des
hypothses de recherche de Robinson et Pearce (1983 : 201) tait la suivante : Entre
1977 et 1979, les banques qui ont adopt des procdures formelles de planification
auront des performances significativement suprieures celles des banques qui ne lont
pas fait. Pour passer dune hypothse de recherche son test au moyen de la
statistique, il faut pralablement la traduire en hypothse statistique.
3 hypothse statistique
Une hypothse statistique est un nonc quantitatif concernant les caractristiques

dune population (Baillargeon et Rainville, 1978). Plus exactement, elle est une
affirmation portant sur la distribution dune ou de plusieurs variables alatoires
(Dodge, 1993). Cette affirmation peut notamment concerner les paramtres dune
distribution donne ou encore la loi de probabilit de la population tudie.
On appelle paramtre dune population un aspect quantitatif de cette population
comme la moyenne, la variance, un pourcentage ou encore toute quantit particulire
relative cette population. Les paramtres dune population sont gnralement
inconnus. Cependant, il est possible de les estimer de manire statistique partir dun
chantillon issu de la population. Par convention, les paramtres des populations sont
gnralement reprsents par des lettres grecques (m, s, p, etc.). On appelle loi de
probabilit dune population la forme gnrale de la distribution de frquences de
cette population. Plus explicite, sans doute, est lexpression anglo-saxonne quivalente
: probability distribution. La loi de probabilit dune population peut tre dfinie plus
techniquement comme un modle reprsentant au mieux une distribution de frquences
dune variable alatoire (Dodge, 1993).
420
Une hypothse statistique se prsente traditionnellement sous la double forme

dune premire hypothse appele hypothse nulle et dune seconde hypothse
appele hypothse alternative ou contraire . Lhypothse nulle dsigne
traditionnellement les situations dabsence de changement ou dcart par rapport
un statu quo, ou encore dabsence de diffrence entre des paramtres. Cest de l
que provient la dnomination dhypothse nulle (Kanji, 1993 ; Dodge, 1993). Trs
souvent, lobjectif du chercheur est de rfuter cette hypothse nulle au profit de
lhypothse alternative (Dodge, 1993). Lhypothse alternative est alors celle que
le chercheur souhaite tablir, celle laquelle il croit. Dans un tel cas, elle
correspond lhypothse de recherche du chercheur. Seule sa description formelle
est diffrente : elle a souvent une formulation mathmatique comme on le verra
dans la suite du chapitre.
Lhypothse nulle et lhypothse alternative ou contraire sont incompatibles et
dcrivent deux tats complmentaires de la nature. Lhypothse nulle est gnralement
note H0 et lhypothse alternative H1 ou Ha. Lhypothse alternative est celle qui sera
accepte si lhypothse nulle est rejete. On notera que les tests statistiques de
signification sont conus pour la rfutation et non la confirmation dhypothses. En
dautres termes, ces tests nont ni lambition ni le pouvoir de prouver des hypothses :
ils permettent de montrer quune hypothse ne peut pas tre accepte parce quelle est
associe un niveau de probabilit trop faible (Kanji, 1993). De ce point de vue, il est
important de formuler les hypothses statistiques de telle manire que lhypothse
alternative H1 dsigne lhypothse que lon dsire tablir. Ds lors, plutt que de tenter
de prouver que lhypothse alternative est vraie, on essaie dtablir que lhypothse
nulle est fausse et quil faut la rejeter.
4 Test statistique
Lvaluation de la validit dune hypothse statistique se fait au moyen dun

test statistique effectu sur des donnes issues dun chantillon reprsentatif de la
population tudie. Ce test statistique est une procdure permettant daboutir, en
fonction de certaines rgles de dcision, au rejet ou au non-rejet dune hypothse

de dpart, en loccurrence lhypothse nulle.
On distingue traditionnellement deux familles de tests statistiques : les tests
paramtriques et les tests non paramtriques .
Un test paramtrique est un test statistique qui suppose une forme paramtrique
particulire des distributions concernant les populations. Cest le cas, par exemple,
lorsque les populations tudies suivent une loi normale. Le test de Student est un
exemple de test paramtrique. En effet, il vise comparer les moyennes de deux
populations qui suivent une loi normale.
Un test non paramtrique est un test statistique pour lequel il nest pas ncessaire
de spcifier la forme paramtrique de la distribution des populations. Des exemples
421
Partie 3 Analyser
de tests non paramtriques sont le test du signe, le test de Wilcoxon, le test de Mann-
Whitney, le test de Kruskal-Wallis ou encore le test de Kolmogorov-Smirnov.
Dodge (1993) rappelle que les premiers tests statistiques ont eu lieu dans les
sciences exprimentales et dans le domaine de la gestion. Cest ainsi que, par
exemple, le test de Student a t conu par William Sealy Gosset dit Student
dans le cadre de son activit professionnelle aux brasseries Guinness. Mais ce sont
Jerzy Neyman et Egon Shape Pearson qui ont dvelopp la thorie mathmatique
des tests statistiques. Ces deux auteurs ont galement mis en vidence limportance
de la prise en considration non seulement de lhypothse nulle mais aussi de
lhypothse alternative (Dodge, 1993 ; Lehmann, 1991).
Dans le cas dun test statistique portant sur la loi de probabilit suivie par la
population, lhypothse nulle H0 est celle selon laquelle la population tudie suit
une loi de probabilit donne, par exemple la loi normale. Lhypothse alternative
H1 est celle selon laquelle la population ne suit pas cette loi de probabilit donne.
Dans le cas dun test statistique portant sur les paramtres dune population, par
exemple la moyenne ou la variance, lhypothse nulle H0 est celle selon laquelle le
paramtre tudi est gal une valeur spcifie alors que lhypothse alternative
H1 est celle selon laquelle le paramtre est diffrent de cette valeur.
La forme des tests statistiques dpend du nombre de populations concernes (une,
deux ou davantage). Dans un test statistique portant sur une seule population, on
cherche savoir si la valeur dun paramtre q de la population est identique une
valeur prsume. Lhypothse nulle qui est dans ce cas une supposition sur la valeur
prsume de ce paramtre se prsente alors gnralement sous la forme suivante :
H0 : q = q0,
o q est le paramtre de la population estimer et q0 la valeur prsume de ce

paramtre inconnu q.
Quant lhypothse alternative, elle pose lexistence dune diffrence ou dune
ingalit. Par exemple, Robinson et Pearce (1983 : 201) font lhypothse dune
supriorit de performance des entreprises qui planifient formellement. Dans un tel
cas, le test statistique qui sera effectu est un test dit test unilatral ou
unidirectionnel droite . Si lhypothse tait celle dune infriorit de
performance des entreprises planificatrices, il faudrait effectuer un test unilatral
ou unidirectionnel gauche . Enfin, si lhypothse formule par les deux auteurs
devenait simplement celle dune diffrence de performance sans plus grande
prcision, il faudrait effectuer un test bilatral ou bidirectionnel . Il apparat
ainsi que lhypothse alternative peut prendre trois formes diffrentes :
H1 : q > q0 (unilatral ou unidirectionnel droite) ;
H1 : q < q0 (unilatral ou unidirectionnel gauche) ;
H1 : q q0 (bilatral ou bidirectionnel).
422
EXEMPLE Test statistique sur le pourcentage dune population

Un chercheur qui tudie les accords de coopration interentreprises souhaite tester lhypo-
thse selon laquelle le pourcentage des accords de coopration interentreprises au sein de la
population quil tudie est gal 50 %. Ayant procd une enqute par questionnaires, il
constate, aprs dpouillement des rponses, que 45 % des entreprises de son chantillon ont
contract des accords de coopration. Il se demande si ce pourcentage observ diffre
significativement du pourcentage suppos de 50 % au niveau de la population. Lhypothse
nulle, dans ce cas, peut se formuler de la manire suivante :
H0 : p = 0,5,
p tant le pourcentage de la population quil sagit destimer.
Il doit procder un test bilatral afin de dceler si le pourcentage des accords
interentre-prises au sein de la population totale est diffrent de 50 %. Lhypothse
alternative peut donc sarticuler de la manire suivante :
H1 : p 0,5.
Par contre, si lhypothse du chercheur tait que le pourcentage daccords de
coopration interentreprises est infrieur 50 %, il devrait procder un test unilatral
gauche et son systme dhypothses deviendrait :
H0 : p = 0,5 et H1 : p < 0,5.
On trouve parfois des formulations dans lesquelles lhypothse nulle elle-mme est exprime
sous la forme dune ingalit. Cela donne des systmes dhypothses de la forme suivante :
H0 : q q0 et H1 : q > q0
ou encore
H0 : q q0 et H1 : q < q0.
Dans ces cas, les signes (infrieur ou gal) et (suprieur ou gal) sont utiliss
dans la formulation de lhypothse nulle H0 pour couvrir tous les cas o lhypothse
alter-native H1 nest pas vrifie. Mais la convention gnrale est de formuler H0 sous
forme dgalit. Le raisonnement la base de cette convention est le suivant : si
lhypothse alternative en question est de la forme dune ingalit, par exemple H1 : q >
q0, alors tout test conduisant rejeter lhypothse nulle H0 : q = q0 pour retenir
lhypothse alternative H1 : q > q0 conduirait galement rejeter toute hypothse H0 : q
= qi, pour tout qi infrieur q0. En dautres termes, H0 : q = q0 reprsente la situation la
plus dfavorable possible du point de vue du chercheur, sil se trouvait que lhypothse
alternative H1 : q > q0 ntait pas correcte. Par consquent, la formulation de
lhypothse nulle sous forme dgalit recouvre toutes les situations possibles.
Lorsque le test statistique porte sur les paramtres de deux populations, le but recherch
est de savoir si les deux populations dcrites par un paramtre particulier sont
diffrentes. Soient q1 et q2 les paramtres dcrivant les populations 1 et 2. Lhypothse
nulle pose lga-lit des deux paramtres :
H0 : q1 = q2, ou encore H0 : q1 q2 = 0.
Lhypothse alternative peut prendre lune des trois formes suivantes :
H1 : q1 > q2, ou encore H1 : q1 q2 > 0 ;
H1 : q1 < q2, ou encore H1 : q1 q2 < 0 ;
H1 : q1 q2, ou encore H1 : q1 q2 0.
423
Partie 3 Analyser
EXEMPLE Test de comparaison de deux proportions
Le mme chercheur veut tester une deuxime hypothse selon laquelle le pourcentage
des accords interentreprises au niveau de la population est plus lev dans le secteur
automobile que dans le secteur informatique. Il faut procder ici un test unilatral
droite pour rpondre la proccupation du chercheur. Le systme dhypothses, dans ce
cas, peut se formuler de la manire suivante :
H0 : p1 = p2,
H1 : p1 > p2
p1 et p2 tant les pourcentages daccords, au niveau de la population, pour les secteurs
automobile et informatique.
Dune manire plus gnrale, un test statistique sur k populations a pour but de
dterminer si ces populations sont diffrentes sur la base de la comparaison dun
paramtre des popu-lations testes. Soient q1, q2, , qk, les k paramtres dcrivant les
k populations comparer. Lhypothse nulle pose que les valeurs de tous les k
paramtres sont identiques. Elle est de la forme suivante :
H0 : q1 = q2 = = qk.
Lhypothse alternative est alors formule comme suit :
H1 : les valeurs des qi (i = 1, 2,, k) ne sont pas toutes identiques. Cela signifie quil
suffit que la valeur dun paramtre soit diffrente de celle dun autre pour que
lhypothse nulle soit rejete au profit de lhypothse alternative.
EXEMPLE Test de comparaison de k proportions (k > 2)
Le mme chercheur souhaite tester lhypothse selon laquelle les pourcentages daccords
interentreprises sont diffrents dun secteur lautre, pour lensemble des cinq secteurs
reprsents dans son chantillon (automobile, informatique, aronautique, textile et sidrur-
gie). Lhypothse nulle, dans ce cas, peut se formuler de la manire suivante :
H0 : p1 = p2 = p3 = p4 = p5,
p1, p2, p3, p4 et p5 tant les pourcentages daccords, au niveau de la population, pour les
cinq diffrents secteurs (automobile, informatique, aronautique, textile et sidrurgie).
Il faut procder un test bilatral afin de dceler si le pourcentage des accords
interentre-prises au sein de la population totale est diffrent selon les secteurs.
Lhypothse alternative sera donc la suivante :
H1 : au moins deux pi sont diffrents lun de lautre (i = 1, 2, 3, 4 ou 5).
5 Risques derreur
Les tests statistiques sont effectus dans le but de prendre une dcision, en
loccurrence rejeter ou ne pas rejeter lhypothse nulle H0. Mais parce que la
dcision est fonde sur une information partielle issue dobservations portant sur
un chantillon de la population, elle comporte un risque derreur (Baillargeon et
Rainville, 1978). On distingue deux types derreurs dans les tests statistiques : l
erreur de premire espce note a et l erreur de seconde espce note b.
424
Les observations de lchantillon peuvent conduire rejeter lhypothse nulle H0

alors que la population remplit effectivement les conditions de cette hypothse. Le
risque (ou lerreur) de premire espce, a, mesure cette probabilit de rejeter
lhypothse nulle H0 alors quelle est vraie. Inversement, les observations de
lchantillon peuvent conduire ne pas rejeter lhypothse nulle H0 alors que la
population remplit les conditions de lhypothse alternative H1. Le risque (ou
lerreur) de seconde espce, b, mesure cette probabilit de ne pas rejeter
lhypothse nulle H0 alors quelle est fausse.
Puisque lhypothse nulle H0 peut tre vraie ou fausse, et que le chercheur peut la
rejeter ou ne pas la rejeter, seuls quatre cas mutuellement exclusifs sont possibles
dans un test statistique, comme lillustre le tableau 13.1.
Tableau 13.1 Diffrents types derreurs dans un test statistique
Situation dans la population
H0 est vraie H0 est fausse
Ne pas rejeter H0 Bonne dcision Erreur de 2e espce ()
Dcision
Rejeter H0 Erreur de 1re espce (a) Bonne dcision
Il ny a derreur que dans deux des quatre cas. Une erreur de premire espce ne peut
survenir que dans les cas o lhypothse nulle est rejete. De mme, une erreur de
seconde espce ne peut avoir lieu que dans les cas o lhypothse nulle nest pas
rejete. Par consquent, soit le chercheur ne commet pas derreur soit il en commet,
mais dun seul type. Il ne peut pas commettre la fois les deux types derreur.
Le chercheur peut tre tent de choisir une valeur minimale de lerreur de
premire espce a. Malheureusement, une diminution de cette erreur de premire
espce a saccompagne dune augmentation de lerreur de seconde espce b. Dune
manire plus gnrale, la diminution de lun des deux types derreur se traduit par
laugmentation de lautre type derreur, de mme que laugmentation de lun des
deux types derreur se traduit par la diminution de lautre type derreur. Il ne suffit
donc pas de diminuer a pour diminuer le risque global derreur dans la prise de
dcision. La seule manire de faire baisser simultanment a et b est daugmenter la

taille de lchantillon tudi. Sinon, il faut trouver un compromis entre a et b, par
exemple en examinant la puissance du test (Dodge, 1993).
On appelle puissance dun test statistique la probabilit (1 ) de rejeter
lhypothse nulle H0 alors quelle est fausse. La puissance dun test est dautant plus
grande que lerreur de deuxime espce est petite. On appelle courbe defficacit
la courbe reprsentative des variations de en fonction des valeurs de la statistique
calcule pour lesquelles lhypothse alternative H1 devrait tre accepte. Cette courbe
indique la probabilit de ne pas rejeter lhypothse nulle H0 alors quelle est fausse
en fonction des valeurs du paramtre correspondant lhypothse alternative H1. On
425
Partie 3 Analyser
appelle seuil de confiance dun test statistique la probabilit (1 a) daccepter

lhypothse nulle H0 alors quelle est vraie.
Dans la pratique des tests statistiques, il est prfrable de ne pas parler
dacceptation de lhypothse nulle mais de son non-rejet. Cette nuance smantique
a son importance : si lambition tait daccepter H0, la validit de la conclusion
serait mesure par lerreur de seconde espce , cest--dire la probabilit de ne
pas rejeter lhypothse nulle H0 alors quelle est fausse. Or, malheureusement, la
valeur de b nest pas constante. Elle dpend des valeurs spcifiques du paramtre et
est trs difficile calculer dans la plupart des tests statistiques. Du fait de cette
difficult de calculer , la prise de dcision sur la base de la puissance ou de la
courbe defficacit des tests nest pas chose facile. Il existe en fait une autre
solution, plus pratique, qui consiste choisir lhypothse nulle de sorte quune
possible erreur de premire espce a soit beaucoup plus grave quune possible
erreur de seconde espce . Par exemple, si lon veut tester lhypothse de la
culpabilit ou de linnocence dun accus, il peut tre prfrable de choisir comme
hypothse nulle H0 : laccus est innocent et comme hypothse alternative H1 :
laccus est coupable . Beaucoup de personnes conviendraient sans doute que,
dans ce cas, une erreur de premire espce (condamner un innocent) est plus grave
quune erreur de seconde espce (acquitter un coupable). Dans un tel contexte, le
chercheur peut se contenter de minimiser lerreur de premire espce a.
Lerreur de premire espce est galement appele seuil de signification du
test statistique. Il sagit dune grandeur que le chercheur peut fixer avant mme la
ralisation du test. Il est commun de trouver dans les recherches en management
des seuils de signification fixs 5 % ou 1 %. Ces valeurs correspondent aux
seuils de probabilits considrs comme tant trop petits pour quon ne rejette pas
lhypothse nulle H0. Autrement dit, toute probabilit doccurrence des
observations infrieure ces seuils fixs davance signifie que les donnes
suggrent le rejet de lhypothse nulle H0. Dans les recherches en management, les
seuils de significations sont gnralement mentionns avec des signes, souvent des
astrisques. On peut par exemple trouver le systme de notation suivant (Horwitch
et Thitart, 1987) : p < 0,10* ; p < 0,05** ; p < 0,01*** ; p < 0,001****, ce qui
signifie quun astrisque correspond des rsultats significatifs au seuil de 10 %,
deux astrisques 5 %, trois astrisques 1 % et quatre astrisques 0,1 % (i.e. un
pour mille). Labsence de signe signifie que les rsultats ne sont pas significatifs.
6 statistique utilisable, rgion critique, seuil de signification
La dcision de rejeter ou de ne pas rejeter lhypothse nulle H0 est fonde sur le

calcul dune statistique X, cest--dire dune mesure calcule entirement partir des
donnes issues dun ou de plusieurs chantillons reprsentatifs dune ou de plusieurs
populations (Dodge, 1993 ; Kanji, 1993). Cette statistique X est une variable alatoire.
426
Elle doit tre approprie lhypothse nulle H0. Elle peut tre relativement simple
comme la moyenne ou la variance ou, au contraire, tre une fonction complexe de
certains de ces paramtres ou de plusieurs autres. Des exemples seront fournis dans la
suite du chapitre. Une bonne statistique doit possder trois proprits (Kanji, 1993) : 1)
elle doit se comporter diffremment selon que cest H0 qui est vraie (et H1 fausse) ou le
contraire ; 2) sa loi de probabilit lorsque H0 est vrifie doit tre connue et calculable ;
3) des tables procurant cette loi de probabilit doivent tre disponibles.
La dcision du rejet ou du non-rejet de lhypothse nulle H0 est prise au vu de la
valeur de la statistique X. Lensemble des valeurs de cette statistique qui
conduisent au rejet de lhypothse nulle H0 est appel rgion critique ou encore
zone de rejet . La rgion complmentaire est appele zone dacceptation (en
fait, de non-rejet) On appelle valeur critique la valeur qui constitue la borne de
la zone de rejet de lhypothse nulle H0. Dans le cas dun test unilatral, il existe
une seule valeur critique Xc. Dans le cas dun test bilatral, il en existe deux, Xc1 et
Xc2. La zone dacceptation et la zone de rejet dpendent toutes les deux de lerreur
de premire espce a. En effet, a est la probabilit de rejeter H0 alors que H0 est
vraie et 1 a est la probabilit de ne pas rejeter H0 alors que H0 est vraie. La figure
13.1 illustre ce lien.
/2 /2
X X
Xc X 0 X c1 X0 c2 X X0 Xc X
Rejeter Ne pas rejeter H0 Rejeter Ne pas rejeter H0 Rejeter Ne pas rejeter H0 Rejeter
H0 H0 H0 H0
Test unilatral gauche Test bilatral Test unilatral droite
Figure 13.1 Erreur de premire espce, zone dacceptation et zone de rejet
La rgle de dcision pour rejeter ou ne pas rejeter lhypothse nulle H0 est la suivante
: 1) dans le cas dun test unilatral gauche, on rejette lhypothse nulle H0 si la valeur
de la statistique X est infrieure une valeur critique Xc. Autrement dit, la zone de
rejet sera constitue par des valeurs trop petites de X ; 2) dans le cas dun test
bilatral, on rejette lhypothse nulle H0 si la valeur de la statistique X est infrieure
une valeur critique Xc1 ou suprieure une valeur critique Xc2. Ici, la zone de rejet sera
constitue par des valeurs soit trop petites soit trop grandes de X ; 3) enfin,
dans le cas dun test unilatral droite, on rejette lhypothse nulle H0 lorsque la valeur
de la statistique X est suprieure une valeur critique Xc. La zone de rejet sera
constitue par des valeurs trop grandes de X.
La plupart des logiciels danalyse statistique fournissent une information trs
utile au chercheur : la probabilit associe la valeur observe de la statistique X
calcule. Cette probabilit est communment appele valeur p (p-value). Plus
exactement, il sagit de la probabilit, calcule sous lhypothse nulle, dobtenir un
427
Partie 3 Analyser
rsultat aussi extrme (cest--dire, selon les cas, soit plus petit ou gal, soit plus grand
ou gal) que la valeur X obtenue par le chercheur partir de son chantillon (Dodge,
1993). En termes plus concrets, la valeur p est le seuil de signification observ .
Lhypothse nulle H0 sera rejete si la valeur p est infrieure au seuil de signification
fix a. Dans de plus en plus de publications, les chercheurs fournissent directement les
valeurs p associes aux tests statistiques quils ont effectus (cf., par exemple,
Horwitch et Thitart, 1987). De ce fait, le lecteur peut comparer cette valeur p au seuil
de signification a qui lui agre, et juger lui-mme si lhypothse nulle H0 aurait d tre
rejete ou non. La valeur p a un intrt supplmentaire : elle prcise la localisation de
la statistique X par rapport la rgion critique (Kanji, 1993). Par exemple, une valeur p
peine infrieure au seuil de signification fix a suggre quil existe dans les donnes
des indications selon lesquelles lhypothse nulle H0 ne devrait pas tre rejete, alors
quune valeur p largement infrieure au seuil de signification a permet de conclure que
les donnes fournissent de solides raisons de rejeter lhypothse nulle H0. De mme,
une valeur p peine suprieure au seuil de signification suggre lexistence dans les
donnes dindications selon lesquelles lhypothse nulle H0 pourrait tre rejete, alors
quune valeur p largement suprieure au seuil de signification a permet de conclure
que les donnes fournissent de solides raisons de ne pas rejeter lhypothse nulle H0.
7 tapes de llaboration dun test statistique de signification
Dans les ouvrages de statistique (Baillargeon et Rainville, 1978 ; Ceresta, 1986 ;

Dodge, 1993), la dmarche prsente pour effectuer un test statistique de signification
partir dun chantillon est gnralement la suivante :
1. Formuler les hypothses (lhypothse nulle H0 et lhypothse alternative H1).
2. Choisir le seuil de signification a du test, cest--dire le risque (gnralement
compris entre 1 % et 10 %) de rejeter lhypothse nulle H0 alors quelle serait vraie.
3. Obtenir un chantillon dobservations alatoires partir de la population.
4. Pour les tests paramtriques, dterminer la loi de probabilit correspondant la
distribution dchantillonnage (loi normale, loi de Poisson, etc.).
5. Dterminer une statistique X (cest--dire un critre fonction des donnes)
dont on connat la loi de probabilit lorsque lhypothse nulle H0 est vraie.
6. Calculer partir du seuil de signification a les valeurs critiques (Xc ou Xc1 et Xc2)
et en dduire la rgion de rejet et la rgion dacceptation de lhypothse nulle H0.
7. tablir les rgles de dcision : 1) si la statistique observe sur lchantillon
appartient la rgion dacceptation, on ne rejettera pas lhypothse nulle H0 ; 2) si
la statistique observe sur lchantillon appartient la rgion de rejet, on rejettera
lhypothse nulle H0 au profit de lhypothse alternative H1.
428
8. Calculer la statistique et dterminer si elle se situe dans la zone de rejet ou de

non-rejet de lhypothse nulle H0.
9. Prendre la dcision de ne pas rejeter ou de rejeter lhypothse nulle H0 sur la
base du test effectu sur lchantillon tudi.
En fait, la tche du chercheur sera beaucoup plus facile. En effet, la plupart des
logiciels danalyse statistique (SAS, SPSS, etc.) dterminent la statistique X
approprie au test choisi, procdent son calcul et indiquent la valeur p qui lui est
associe. Certains logiciels comme Statgraphics vont mme jusqu indiquer la
dcision prendre (rejet ou non-rejet de lhypothse nulle H0) en fonction du seuil
de signification fix par le chercheur. Un exemple sera trait titre dillustration.
En fait, pour le chercheur, la contrainte principale est de savoir choisir le bon test.
Les deux sections suivantes de ce chapitre visent prcisment guider ce choix.
Elles traitent respectivement de la mise en uvre des tests paramtriques et non
paramtriques. Pour chacune des deux sections, nous partons des diffrents
objectifs possibles du chercheur pour prsenter les tests permettant datteindre ces
objectifs tout en accordant une grande importance aux conditions dapplication des
tests prsents.
section
2 MIsE En uVRE DEs TEsTs PARAMTRIQuEs
1 Tests sur les moyennes
1.1 Comparaison dune moyenne dchantillon m une valeur de

rfrence m0 quand la variance de la population s2 est connue
La question de recherche est : une moyenne m calcule sur un chantillon issu
dune population de variance s2 connue diffre-t-elle significativement dune
moyenne hypothtique m0 ?
Conditions dapplication
La population a une variance s2 connue (cas trs rare !) et une moyenne m
inconnue (pose par hypothse gale m0).
Lchantillon est alatoire et contient n observations indpendantes.
La taille n de lchantillon doit tre suprieure 5 sauf si la distribution de la
moyenne dans la population suit une loi normale auquel cas cette taille peut tre
quelconque (Ceresta, 1986). On notera cet gard que la condition dune grande
taille a pour principal but dassurer que la moyenne de lchantillon suive une
dis-tribution normale.
429
Partie 3 Analyser
Hypothses
Lhypothse nulle prouver est : H0 : m = m0,

lhypothse alternative est : H1 : m m0 (pour un test
bilatral) ou H1 : m < m0 (pour un test unilatral gauche)
ou H1 : m > m0 (pour un test unilatral droite).
Statistique calcule et interprtation du test

(m )
La statistique calcule est Z = -------------------0-. Sa distribution suit une loi normale
n
centre rduite (moyenne = 0 et cart type = 1). On lappelle test z ( z test ou z
statistic ).
Dans le cas dun test bilatral, on rejette H0 si Z < Za/2 ou Z > Za/2.
Dans le cas dun test unilatral gauche, on rejette H0 si Z < Za.
Dans le cas dun test unilatral droite, on rejette H0 si Z > Za.
o a est le seuil de signification (ou erreur de premire espce) retenu, Za et Za/2 des
valeurs de la loi normale centre rduite que lon peut lire sur des tables appropries.
EXEMPLE Comparaison dune moyenne une valeur

donne (variance de la population connue)
Un chantillon de 16 observations est tir dune population dcart type connu s = 40 et
de moyenne inconnue m. On suppose que la moyenne de la population est m0 = 500. La
moyenne trouve sur lchantillon est m = 493. Peut-on admettre que la population ait
une moyenne m0 = 500, en adoptant un risque de premire espce a de 5 % ?
La taille de lchantillon (n = 16, suprieure 5) dispense de lhypothse de normalit.
( 493 500)
Z = ----------------------------,
soit 0,70. 40 16
Par ailleurs, on peut lire sur la table de la loi normale centre rduite que Z a/2 = Z0,025 =
1,96 et que Za = Z0,05 = 1,64.
Test bilatral : puisque Za/2 Z Za/2 ( 1,96 0,70 1,96), on se situe dans la
zone dacceptation de H0 et on ne rejette pas lhypothse selon laquelle la moyenne de
la popu-lation est gale 500 (m = 500).
Test unilatral gauche : puisque Z > Za ( 0,70 > 1,64), on se situe dans la zone
dacceptation de H0 et on ne rejette pas lhypothse selon laquelle la moyenne de la
popu-lation est gale 500 (m = 500).
Test unilatral droite : puisque Z < Za ( 0,70 < 1,64), on se situe dans la zone
daccep-tation de H0 et on ne rejette pas lhypothse selon laquelle la moyenne de la
population est gale 500 (m = 500).
430
1.2 Comparaison dune moyenne dchantillon m une valeur

de rfrence m0 quand la variance de la population s2 est inconnue
La question de recherche est : une moyenne m calcule sur un chantillon issu

dune population de variance s2 inconnue diffre-t-elle significativement dune
moyenne hypothtique m0 ?
La population a une variance s2 inconnue qui doit tre estime sur lchantillon
et une moyenne m galement inconnue (pose par hypothse gale m0).
La taille n de lchantillon est suprieure 30 ou bien la moyenne suit dans la
popu-lation une loi normale auquel cas la taille n est quelconque (Boursin et
Duru, 1995 ; Ceresta, 1986).
Hypothses
Lhypothse nulle prouver est : H0 : m = m0,

lhypothse alternative est : H1 : m m0 (pour un test
bilatral) ou H1 : m < m0 (pour un test unilatral gauche)
ou H1 : m > m0 (pour un test unilatral droite).
La variance inconnue de la population s2 est estime sur lchantillon, avec n 1

n
2 1 2
degrs de libert, par s = -----------
n1 ( xi m) .
i=1
(m 0 )
La statistique calcule est T = --------------------. Sa distribution suit une loi de Student avec
s n
n 1 degrs de libert. On lappelle test t ou test de Student (t test ou t statistic).
Lorsque n est grand, par exemple suprieur 30, la distribution de cette

statistique suit approximativement une loi normale centre rduite. Autrement dit,
( m0) (-------------------m0-). On peut donc prendre la dcision (i.e. rejet ou non-
T = -------------------- Z=
s n n
rejet de H0) en comparant la statistique T calcule aux valeurs de la loi normale
centre rduite. Rappelons que les rgles de dcision de la loi normale centre
rduite sont :
431
Partie 3 Analyser
o a est le seuil de signification (ou erreur de premire espce) retenu, Za et Za/2 des
valeurs de la loi normale centre rduite que lon peut lire sur des tables appropries.
Mais lorsque n est petit, par exemple infrieur 30, il faut absolument utiliser la
loi du T de Student n 1 degrs de libert et non la loi normale Z. Les rgles de
dcision sont alors les suivantes :
Dans le cas dun test bilatral, on rejette H0 si T < Ta/2 ; n 1 ou T > Ta/2 ; n 1.
Dans le cas dun test unilatral gauche, on rejette H0 si T < Ta ; n 1.
Dans le cas dun test unilatral droite, on rejette H0 si T > Ta ; n 1.
EXEMPLE Comparaison dune moyenne une valeur

donne (variance de la population inconnue)
On dispose prsent dun chantillon beaucoup plus large constitu de 144
observations. La moyenne trouve sur cet chantillon est nouveau m = 493. Lcart
type estim sur lchantillon est s = 46,891. Peut-on toujours admettre que la moyenne
de la population est m0 = 500, en adoptant un risque de premire espce a de 5 % ?
La grande taille de lchantillon (n = 144, suprieure 30) dispense de lhypothse de
normalit de la distribution de la moyenne dans la population. De mme, elle justifie
lap-proximation de la statistique T par une loi normale centre rduite. Par ailleurs,
493500)
T = ---------------------------------( , soit 1,79. On peut lire sur la table de la loi normale centre rduite
46,891 144
que Z0,025 = 1,96 et que Z0,05 = 1,64.
Test bilatral : puisque Za/2 T Za/2 ( 1,96 1,79 1,96), on ne rejette pas
lhypo-thse nulle selon laquelle la moyenne de la population est gale 500 (m = 500).
Test unilatral gauche : puisque T < Za ( 1,79 < 1,64), on rejette lhypothse
nulle selon laquelle la moyenne de la population est gale 500 (m = 500) au profit de
lhypo-thse alternative selon laquelle la moyenne de la population est infrieure 500
(m < 500). Test unilatral droite : puisque T Za ( 1,79 1,64), on ne rejette pas
lhypothse nulle selon laquelle la moyenne de la population est gale 500 (m = 500).
Nous avons affirm que la principale difficult pour le chercheur consiste

pouvoir choisir le test pertinent lui permettant dprouver ses hypothses. titre
dillustration, nous prsentons les rsultats du traitement de lexemple prcdent
laide dun logiciel danalyse statistique, en loccurrence Statgraphics. La plupart
des autres logiciels fournissent des sorties ou des informations similaires.
EXEMPLE Mise en uvre des tests statistiques laide des logiciels de statistique
Il suffit dindiquer au programme la variable que lon souhaite examiner. Ici, cette variable
dcrivait les moyennes de 144 observations. Le logiciel offre un cran de saisie avec des champs
complter. Le chercheur renseigne les champs correspondants : 1) il saisit la moyenne
hypothtique m0 (soit 500 dans notre exemple) qui correspond lhypothse nulle H0 ; 2) il
dfinit facilement la forme de lhypothse alternative ( savoir H1 : m p m0 pour un
432
test bilatral, H1 : m < m0 pour un test unilatral gauche, ou alors H1 : m > m0 pour
un test unilatral droite) en choisissant entre trois options : diffrent , infrieur
et sup-rieur ; 3) ensuite, il choisit un seuil de signification a. En appuyant sur une
touche, il obtient les informations suivantes.
Statistiques de lchantillon :
Nombre dobservations : 144
Moyenne : 493
Variance :
2 198,77
cart type : 46,891
Test dhypothse :
H
0 : Moyenne = 500 Statistique T calcule = 1,79139
H1 : Diffrent Seuil de signification observ = 0,0753462
Pour un seuil de signification Alpha = 0,05 : Ne pas rejeter H0
Test dhypothse :
H
H1 : Infrieur Seuil de signification observ = 0,0376731
Pour un seuil de signification Alpha = 0,05 : Rejeter H0
Test dhypothse :
H
H1 : Suprieur Seuil de signification observ = 0,962327
Pour un seuil de signification Alpha = 0,05 : Ne pas rejeter H0
Le logiciel procde tous les calculs et indique mme la dcision (rejet ou non-rejet de
lhypothse nulle H0) sur la base de la valeur de la statistique T et du seuil de signification a
fix par le chercheur. En outre, la valeur p (ou seuil de signification observ) est fournie.
Nous avons dj mentionn limportance de cette valeur p qui fournit une information plus
riche et permet daffiner la dcision. Ainsi, on observe que, dans le cas du premier test (i.e.
le test bilatral), on ne rejette pas lhypothse nulle au seuil de 5 % alors quon laurait
rejete si on stait fix un risque de premire espce plus grand, par exemple de 10 %. En
effet, la valeur p (0,0753462) est suprieure 5 % mais infrieure 10 %. De mme, dans le
cas du deuxime test (i.e. le test unilatral gauche), on rejette lhypothse nulle au seuil de
5 % alors quon ne laurait pas rejete si on stait fix un risque de premire espce de 1 %.
En effet, la valeur p (0,0376731) est infrieure 5 % mais suprieure 1 %. Enfin, dans le

troisime test (i.e. le test unilatral droite), lexamen de la valeur p (0,962327) suggre
quon a de bonnes raisons de ne pas rejeter H0 car on est trs au-dessus de tout seuil de
signification raisonnable.
1.3 Comparaison de la diffrence de deux moyennes une

valeur donne quand les variances sont connues
La question de recherche est : la diffrence entre les moyennes m1 et m2 de deux
populations de variances connues 21 et 22 est-elle significativement diffrente
dune valeur donne D0 (par exemple zro) ?
433
Partie 3 Analyser
Les variances 21 et 22 des deux populations sont connues. Les moyennes m1 et
m2 sont inconnues.
Les deux chantillons sont tous les deux alatoires et contiennent respectivement
n1 et n2 observations indpendantes.
La distribution de la moyenne dans chacune des deux populations suit une loi
nor-male ou bien la taille de chaque chantillon est suprieure 5.
Hypothses
Lhypothse nulle prouver est : H0 : m1 m2 = D0,

lhypothse alternative est : H1 : m1 m2 p D0 (pour un test
bilatral) ou H1 : m1 m2 < D0 (pour un test unilatral gauche)
ou H1 : m1 m2 > D0 (pour un test unilatral droite).
m m D
La statistique calcule est Z = ------------------------------1 2 -0 ,
d
avec x1i = la valeur de la variable tudie X pour lobservation i dans la population
1, x2i = la valeur de la variable tudie X pour lobservation i dans la population 2,
n1 n2

2 2
x x
-- ------- ---1i-- -- ------------ 2i

, m2 = i = 1 et d = -----1 + 2 est lcart type de la diffrence (m1 m2).

-----
m1 = i = 1
n1 n2 n1 n2
Z suit une loi normale centre rduite et les rgles de dcision sont les suivantes :
1.4 Comparaison de la diffrence de deux moyennes une valeur

donne quand les variances sont inconnues mais gales
La question de recherche est : la diffrence entre les moyennes m1 et m2 de deux
populations de mme variance inconnue s2 est-elle significativement diffrente
dune valeur donne D0 (par exemple zro) ?
Les deux populations ont la mme variance inconnue s2 et des moyennes m1 et
m2 inconnues.
434
nor-male ou bien la taille de chaque chantillon est suprieure 30.
Lhypothse dgalit des variances est vrifie (cf. point 3.2 de cette section).
Hypothses
Lhypothse nulle prouver est : H0 : m1 m2 = D0,

lhypothse alternative est : H1 : m1 m2 D0 (pour un test
bilatral) ou H1 : m1 m2 < D0 (pour un test unilatral gauche)
ou H1 : m1 m2 > D0 (pour un test unilatral droite).
m m2D
La statistique calcule est : T = ------------------------------1 -
0 sd
avec x1i = la valeur de la variable tudie X pour lobservation i dans la population

1, x2i = la valeur de la variable tudie X pour lobservation i dans la population 2,
n1 n2
---------x---1i-- --
x
------- ---2i-- ----------------------2--- -------------2 1
i=1 i=1 ( n 1 1 ) s1 -+-----(---n---2--- 1)s2 1 -- --
m1 = , m2 = , sd = ---- + ,
n1 n2 n1+n22 n1 n2
n
---n--2----
--- --- ------ ------
1
m )
x 1i
( - ----- ------1-- --2 -- ---2---i-------m-----2---)--2
( x
s1
2
=i=1 n 1 1 et s22 = i = 1 n2 1 .
Cette statistique suit la loi du T de Student n1 + n2 2 degrs de libert. Les
rgles de dcision sont les suivantes :
Dans le cas dun test bilatral, on rejette H0 si T < Ta/2 ; n1 + n22 ou T > Ta/2 ; n1 + n22.
Dans le cas dun test unilatral gauche, on rejette H0 si T < Ta ; n1 + n22.
Dans le cas dun test unilatral droite, on rejette H0 si T > Ta ; n1 + n22.
Lorsque les chantillons sont grands (i.e. n1 30 et n2 30), la distribution de la
statistique T suit approximativement une loi normale centre rduite. Do,

0 ( m )
( m )
Z=
-------------------
T = ------------------- 0- - . On peut alors prendre la dcision (i.e. rejet ou non-
s n n
rejet de H0) en comparant la statistique T calcule aux valeurs de la loi normale
centre rduite. Les rgles de dcision utilises sont celles relatives au test Z de la
loi normale :
Dans le cas dun test bilatral, on rejette H0 si T < Za/2 ou Z > Za/2.
Dans le cas dun test unilatral gauche, on rejette H0 si T < Za.
Dans le cas dun test unilatral droite, on rejette H0 si T > Za.
435
Partie 3 Analyser
1.5 Comparaison de deux moyennes dont les variances sont

inconnues et ingales
La question de recherche est : les deux moyennes m1 et m2 de deux populations de
variances inconnues 21 et 22 sont-elle significativement diffrentes lune de lautre ?
Les deux populations ont des variances 21 et 22 inconnues ingales et des
moyennes m1 et m2 inconnues.
normale.
Les deux chantillons ont pratiquement la mme taille (Baillargeon et Rainville, 1978).
La taille dun des chantillons au moins est infrieure 20 (Ceresta, 1986).
Lhypothse dingalit des variances est vrifie (cf. point 3.2 de cette section).
Hypothses
Lhypothse nulle prouver est : H0 : m1 = m2,

lhypothse alternative est : H1 : m1 m2 (pour un test
bilatral) ou H1 : m1 < m2 (pour un test unilatral gauche)
ou H1 : m1 > m2 (pour un test unilatral droite).
En reprenant les notations du point 1.4 de cette section, la statistique calcule est :
T = -------------------m1m2-.
s 1 2 s2 2
---- +
n1 n----2
Cette statistique T est appele test dAspin-Welch. Elle suit approximativement
une loi du T de Student dont le nombre de degrs de libert n est la valeur entire
la plus proche rsultant de la formule suivante :
s21
2 s22
2
---- ----
1 = 1 n1 1 n2
-- ------------- ---- + ------------- ----
n1 1 sd2 n2 1 sd2
Les rgles de dcision sont alors les suivantes :

Dans le cas dun test bilatral, on rejette H0 si T< Ta/2 ; n ou T> Ta/2 ; n.
436
Dans le cas dun test unilatral gauche, on rejette H0 si T < Ta ; n.

Dans le cas dun test unilatral droite, on rejette H0 si T > Ta ; n.
1.6 Comparaison de k moyennes mk (analyse de la variance)
La question de recherche est : k moyennes m1, m2, mk observes sur k

chantillons diffrent-elles significativement les unes des autres ?
La rponse cette question est apporte par une analyse de la variance (Anova).
Les k chantillons sont alatoires et contiennent respectivement n1, n2 et nk
obser-vations indpendantes.
La distribution des moyennes dans chacune des k populations suit approximative-
ment une loi normale de mme variance inconnue s2.
Hypothses
Lhypothse nulle prouver est : H0 : p1 = p2 = = pk,

lhypothse alternative est : H1 : les valeurs des pi (i = 1, 2,, k) ne sont pas toutes
identiques. Cela signifie quil suffit que la valeur dun paramtre soit diffrente pour
que lhypothse nulle soit rejete au profit de lhypothse alternative.
La statistique calcule est F = Variance interclasse o la variance interclasse

Variance intraclasse
est lestimation, partir de lchantillon, de la variance entre les groupes et la
variance intraclasse celle de la variance lintrieur des groupes. La statistique F suit
une loi de Fisher avec k 1 et n k degrs de libert, o n est le nombre total
dobservations. La rgle de dcision est la suivante : on rejette H0 si F > Fk 1 ; n k.
Lanalyse de la variance (Anova) peut tre gnralise la comparaison des profils

moyens de k groupes sur j variables Xj. Une telle analyse sappelle Manova, pour
multivariate analysis of variance ou analyse de la variance multivarie. Comme dans
lAnova, le test utilis est le F de Fisher et les rgles de dcisions sont identiques.
1.7 Comparaison de k moyennes mk (comparaisons deux deux)
La question de recherche est : parmi k moyennes m1, m2, mk observes sur k

chantillons, lesquelles diffrent significativement les unes des autres ?
Le test de la diffrence significative minimale (least significant difference ou LSD)
semploie dans le contexte dune analyse de la variance, lorsque lexamen du ratio
437
Partie 3 Analyser
F a conduit au rejet de lhypothse nulle H0 dgalit des moyennes et lorsquil

existe plus de deux groupes. En effet, dans ce cas, une analyse de la variance
classique ne dit pas quel groupe possde une moyenne diffrente de quel autre
groupe. Elle ne donne quune information globale. Le test LSD comme les tests de
Scheff, de Tukey ou de Duncan procdent aux comparaisons deux deux. Tous
ces tests sont disponibles sur les principaux logiciels danalyse statistique.
Hypothses

lhypothse alternative est : H1 : les valeurs des pi (i = 1, 2, , k) ne sont pas toutes

-----------------------------Yi.Yj.
La statistique calcule est Tij = - o Yi. est la moyenne du groupe i, Yj.
21 1
S1 --- + ---
ni n j
la moyenne du groupe j, ni le nombre dobservations du groupe i, nj celui du groupe j
et S21 lestimation de la variance lintrieur des groupes (ou variance intraclasse).
Cette statistique Tij suit une loi de Student avec n k degrs de libert, o n est le
nombre total dobservations. Cela signifie que lon procde des tests de diffrences
de moyennes pour toutes les combinaisons deux deux parmi les k groupes.
La rgle de dcision est la suivante : on rejette H0 si lun des Tij est suprieur
Ta/2 ; n k. Lorsque Tij > Ta/2 ; n k, la diffrence entre les moyennes Yi. et Yj des
deux groupes i et j en question est juge significative.
1.8 Comparaison de k moyennes mk (analyse de la covariance)
La question de recherche est : k moyennes m1, m2, mk observes sur k

chantillons diffrent-elles significativement les unes des autres ?
Lanalyse de la covariance permet de tester des diffrences de moyennes entre des
groupes en tenant compte de linfluence dune ou de plusieurs variables mtriques dites
concomitantes Xj. En clair, elle revient effectuer une rgression linaire afin
dexpliquer les moyennes par les variables concomitantes Xj puis examiner par une
438
analyse de la variance les diffrences rsiduelles entre groupes non expliques par
la rgression. Lanalyse de la covariance est ainsi une mthode de comparaison de
moyennes (rsiduelles) entre groupes. Naturellement, lorsque les coefficients de
rgression associs aux variables mtriques concomitantes explicatives sont non
significatives, il faut revenir une analyse de la variance.
Le choix de la structure des k groupes ne doit pas dterminer les valeurs des
variables mtriques concomitantes (Dodge, 1993).
Hypothses

lhypothse alternative est : H1 : les valeurs des pi (i = 1, 2, , k) ne sont pas toutes

Variance explique
La statistique calcule est F = Variance rsiduelle o la variance
explique est lestimation partir de lchantillon de la variance entre les groupes et la variance
rsiduelle celle de la variance des rsidus. Cette statistique F suit une loi de
Fisher avec k 1 et n k 1 degrs de libert, o n est le nombre total
dobservations. La rgle de dcision est la suivante : on rejette H0 si F > Fk 1 ; n k
1. La valeur de la statistique F ainsi que le seuil de signification observ sont
automatiquement calculs par les logiciels danalyse statistique.
Il est possible de gnraliser lanalyse de la covariance (Ancova) la

comparaison des profils moyens de k groupes sur j variables X j. Une telle analyse
est dnomme Mancova pour multivariate anlysis of covariance ou analyse de la
covariance multivarie. Le test utilis (i.e. le F de Fisher) et les rgles de dcisions
sont les mmes que pour lAncova.
1.9 Comparaison de deux sries de mesures (le test T2 de hotelling)

La question de recherche est : les profils moyens de deux sries de k mesures
(m1, m2, mk) et (m1, m2 , mk) observes sur deux chantillons diffrent-ils
significativement lun de lautre ?
439
Partie 3 Analyser
Le test T2 de Hotelling permet de comparer deux matrices ou deux vecteurs

quelconques, notamment des matrices de corrlations, de variances/covariances,
des vecteurs de valeurs moyennes, etc.
Les deux chantillons sont alatoires et contiennent respectivement n1 et n2
observa-tions indpendantes.
Les diffrentes mesures sont indpendantes et suivent une distribution normale
multivarie.
Hypothses
Lhypothse nulle prouver est : H0 : les deux sries de mesures prsentent le

mme profil.
Lhypothse alternative est : H1 : les deux sries de mesures prsentent des
profils diffrents.

n +n k1
La statistique calcule est F = ----------------------------------1 2 T2
k(n1 + n2 2)
2 2
o T est le T de Hotelling, k le nombre de variables, n 1 et n 2 le nombre
dobservations dans le premier et le second chantillon.
La statistique F suit une loi de Fisher avec k et n1 + n2 k 1 degrs de libert.
La rgle de dcision est la suivante : on rejette H0 si F > Fk1 ; n1 + n2 k 1.
2 Tests sur les proportions
2.1 Comparaison dune proportion ou pourcentage p une

valeur de rfrence p0 (test binomial)
La question de recherche est : une proportion p calcule sur un chantillon
diffre-t-elle significativement dune proportion hypothtique p0 ?
La distribution de la proportion suit dans la population une loi binomiale.
La taille de lchantillon est grande (suprieure 30).
Hypothses
Lhypothse nulle prouver est : H0 : p = p0,
440
lhypothse alternative est : H1 : p p0 (pour un test bilatral)

ou H1 : p < p0 (pour un test unilatral gauche)
ou H1 : p > p0 (pour un test unilatral droite).
p 0 ( )
La statistique calcule est Z = ------------ - o p = 1 0- . Sa distribution suit

------------------- ----
0
p n
une loi normale centre rduite. Les rgles de dcision sont les suivantes :
2.2 Comparaison de deux proportions ou pourcentages p1 et p2
(grands chantillons)
La question de recherche est : deux proportions ou pourcentages p1 et p2
observs sur deux chantillons diffrent-ils significativement lun de lautre ?
La distribution des proportions dans chaque population suit une loi binomiale.
La taille des chantillons est grande (n1 30 et n2 30).
Hypothses
Lhypothse nulle prouver est : H0 : p1 = p2,

lhypothse alternative est : H1 : p1 p2 (pour un test
bilatral) ou H1 : p1 < p2 (pour un test unilatral gauche)
ou H1 : p1 > p2 (pour un test unilatral droite).

p1 p2 ----
La statistique calcule est Z = --------------------------------------------------
p0 (1 p0 ) 1 ---- + 1
n1 n2
+ n2 p2
avec p0 = n p
---------------------------1 1
. Sa distribution suit une loi normale centre rduite. Les
n1 + n2
rgles de dcision sont les suivantes :
441
Partie 3 Analyser

2.3 Comparaison de k proportions ou pourcentages pk

(grands chantillons)
La question de recherche est : plusieurs proportions ou pourcentages p1, p2, pk

observs sur k chantillons diffrent-ils significativement les uns des autres ?
La distribution des proportions dans chacune des k populations suit une loi
binomiale.
La taille des chantillons est grande (n1, n2 et nk 50).
Les k proportions pk ainsi que leurs complmentaires 1 pk reprsentent des effectifs
dau minimum 5 observations, cest--dire : pk nk 5 et (1 pk) nk 5.
Hypothses

lhypothse alternative est : H1 : les valeurs des pi (i = 1, 2,, k) ne sont pas toutes
identiques. Cela signifie quil suffit que la valeur dun paramtre soit diffrente
pour que lhypothse nulle soit rejete au profit de lhypothse alternative.
(xj nj p)2
La statistique calcule est =
k
------------------------
j=1 njp(1 p) k
avec xj = leffectif dans lchantillon j correspondant la proportion pj et p = xj

------------.
j=1
k
nj
j=1
La distribution de c suit une loi du khi-2 k 1 degrs de libert. La rgle de
dcision est la suivante : on rejette H0 si > a ;k 1.
442
3 Tests sur les variances

3.1 Comparaison dune variance s2 une valeur de rfrence s20
La question de recherche est : une variance s2 calcule sur un chantillon diffre-

t-elle significativement dune variance hypothtique 20 ?
La distribution de la variance suit dans la population une loi normale de moyenne
et de variance inconnues.
Hypothses
Lhypothse nulle prouver est : H : s2 = 2 ,
0 0
2 2
lhypothse alternative est : H1 : s 0 (pour un test bilatral)
ou H1 : s2 < 02 (pour un test unilatral gauche)
ou H1 : s2 > 02 (pour un test unilatral droite).

n
2 (xi m)2
s i=1 2
La statistique calcule est = (n 1)----- = ----------------------------- o 0 est la valeur
2 2
0 0
donne de la variance, s2 la valeur de la variance estime sur lchantillon et m la
moyenne estime sur lchantillon. Sa distribution suit une loi du khi-2 avec n 1
degrs de libert note c2 (n 1). Les rgles de dcision sont les suivantes :
Dans le cas dun test bilatral, on rejette H0 si > 2/2; n 1 ou < 21 /2; n 1 .
Dans le cas dun test unilatral gauche, on rejette H0 si < 21 ; n 1 .
Dans le cas dun test unilatral droite, on rejette H0 si > 2; n 1 .
3.2 Comparaison de deux variances

La question de recherche est : les variances 21 et 22 de deux populations sont-
elles significativement diffrentes lune de lautre ?

443
Partie 3 Analyser
La distribution des variances dans chacune des deux populations suit une loi nor-
male ou bien les chantillons sont de grande taille (n1 30 et n2 30).
Hypothses
Lhypothse nulle prouver est : H0 : 21 = 22 ,
lhypothse alternative est : H1 : 21 22 (pour un test
bilatral) ou H1 : 21 < 22 (pour un test unilatral gauche)
ou H1 : 21 > 22 (pour un test unilatral droite).

n1 n2
2 ( x1i x 1 ) 2
( x2i x2 )2
-i---=---1----------------
La statistique calcule est F = s1
--- avec s1
2 i = 1
2
= - --- --- ------------------------- et s2 =
---------. n2 1
s2 2 n1 1
o x1i = la valeur de la variable tudie X pour lobservation i dans la population 1, x2i
= la valeur de la variable tudie X pour lobservation i dans la population 2, x1 =
lestimation sur lchantillon de la moyenne de la variable X dans la population 1,
x2 = lestimation sur lchantillon de la moyenne de la variable X dans la
population 2. Au besoin, on intervertit la numrotation des chantillons pour porter
au numrateur la plus forte des deux variances estimes s21 et s22.
La distribution de F suit une loi de Fisher-Snedecor F (n1 1, n2 1). Les rgles de
dcision sont les suivantes :
Dans le cas dun test bilatral, on rejette H0 si F > Fa/2 ;n1 1, n2 1 ou F > F1 a/2 ;n1 1, n2 1.
Dans le cas dun test unilatral gauche, on rejette H0 si Fa ;n2 1, n1 1.
Dans le cas dun test unilatral droite, on rejette H0 si F > Fa;n1 1, n2 1.
3.3 Comparaison de k variances (test de Bartlett)

La question de recherche est : plusieurs variances 21 , 22 et 2k observes sur
k chantillons diffrent-elles significativement les unes des autres ?
La distribution des variances dans chacune des k populations suit une loi normale.
Aucune des variances empiriques nest nulle.
444
Hypothses
Lhypothse nulle prouver est : H : 2 = 2 = = 2 , 0 1 2 k
lhypothse alternative est : H1 : les valeurs des i2 (i = 1, 2, , k) ne sont pas toutes

gales.

k
La statistique calcule est = ln s2 i ln si2.
i=1
n
(
xij xi )2
o ni = ni 1, si =
2 j=1
------------------------------ , =
k

i , s 2 = 1--
k

2

s
i i
,
i i=1
i=1
xij = la valeur de la variable X pour lobservation j dans la population i,

xi = la moyenne de la variable X dans la population i, estime sur lchantillon de
taille ni,
s2i = la variance de la variable X dans la population i, estime sur lchantillon de
taille ni.
La distribution de suit une loi du khi-2 n degrs de libert. La rgle de
dcision est la suivante : on rejette H0 si > a;k 1.
3.4 Comparaison de k variances (test de Cochran)
La question de recherche est : plusieurs variances 21 , 22 , , 2k observes
sur k chantillons diffrent-elles significativement les unes des autres ?
Plus prcisment, le test de Cochran examine si la plus grande des k variances est
significativement diffrentes des k 1 autres variances.
reproduction non autorise est un dlit.
Les k chantillons sont alatoires et contiennent le mme nombre n
dobservations indpendantes.
La distribution des variances dans chacune des k populations suit une loi normale
ou tout au moins, une loi unimodale.
Hypothses
2
Lhypothse nulle prouver est : H0 : 21 = 22 = = k
Dunod Toute
lhypothse alternative est : H1 : les valeurs des (i = 1, 2, , k) ne sont pas toutes

2i gales.
445
Partie 3 Analyser

La statistique calcule est C = ------------ o les si sont les estimations des variances
Smax2 2
k
si2
i=1
calcules avec n = n 1 degrs de libert et S2max la plus grande des k variances

estimes s2i .
On compare la statistique C des valeurs critiques Ca disponibles dans une table.
La rgle de dcision est la suivante : on rejette H0 si C > Ca.
4 Tests sur les corrlations

4.1 Comparaison dun coefficient de corrlation linaire r zro
La question de recherche est : un coefficient de corrlation linaire r entre deux

variables X et Y est-il significatif, autrement dit diffrent de zro ?
Les variables tudies X et Y sont au moins des variables dintervalles.
Hypothses
Lhypothse nulle prouver est : H0 : r = 0,

lhypothse alternative est : H1 : r 0 (pour un test bilatral)
ou H1 : r < 0 (pour un test unilatral gauche)
ou H1 : r > 0 (pour un test unilatral droite).
La statistique calcule est T = r

-----------------
n2
. Sa distribution suit une loi de Student
2
1r
avec n 2 degrs de libert. Les rgles de dcision sont les suivantes :
Lorsque n est grand (n 2 > 30), la distribution de cette statistique suit
approximativement une loi normale centre rduite. On peut alors prendre la
dcision (i.e. rejet ou non-rejet de H0) en comparant la statistique T calcule aux
valeurs de la loi normale centre rduite et en appliquant les rgles de dcision
lies cette loi qui ont t dj prsentes dans cette section.
446
4.2 Comparaison dun coefficient de corrlation linaire r

une valeur de rfrence r0
La question de recherche est : un coefficient de corrlation linaire r entre deux
variables X et Y calcul sur un chantillon diffre-t-il significativement dune
valeur hypothtique r0 ?
Hypothses
Lhypothse nulle prouver est : H0 : r = r0,

lhypothse alternative est : H1 : r r0 (pour un test bilatral)
ou H1 : r < r0 (pour un test unilatral gauche)
ou H1 : r > r0 (pour un test unilatral droite).
-- 1 + r
--- -- --- --- - -- --- -- --- --- -
1
---- -- ----
0
-------- ---------- -
Z =2 ln
- ------

-----
1

La statistique calcule est 1 1r 1+ 0 .
-----------
n3
Sa distribution est celle dune loi normale centre rduite. Les rgles de dcision
sont les suivantes :
4.3 Comparaison de deux coefficients de corrlation linaire r1 et r2

La question de recherche est : deux coefficients de corrlation linaire r2 et r2

sont-ils significativement diffrents lun de lautre ?
Deux coefficients de corrlation linaires r1 et r2 sont obtenus de deux

chantillons de tailles respectives n1 et n2.
Hypothses
Lhypothse nulle prouver est : H0 : r1 = r2,
447
Partie 3 Analyser
lhypothse alternative est : H1 : r1 r2 (pour un test bilatral)

ou H1 : r1 < r2 (pour un test unilatral gauche)
ou H1 : r1 > r2 (pour un test unilatral droite).
1 + r -1 - -- - r 2
-- - -- --
--- -- ------ ------ ------ -- -1-- ------ - -- - -- - -- ---- --
1-- -ln------ 1 r 1 1+ r 2
La statistique calcule est Z = .
2 1 1
n----1--------3- + n----2--------3-
Sa distribution est celle dune loi normale centre rduite. Les rgles de dcision
sont par consquent les suivantes :
5 Tests sur les coefficients de rgression

5.1 Comparaison dun coefficient de rgression linaire zro
La question de recherche est : un coefficient de rgression linaire entre deux

variables X et Y est-il significatif, autrement dit diffrent de zro ?
b suit une distribution normale ou bien la taille n de lchantillon est suprieure 30.
Hypothses
Lhypothse nulle prouver est : H0 : = 0,

lhypothse alternative est : H1 : 0 (pour un test bilatral)
ou H1 : < 0 (pour un test unilatral gauche)
ou H1 : > 0 (pour un test unilatral droite).
b
La statistique calcule est T = -- - , o et s sont respectivement les valeurs du sb b
coefficient de rgression et de son cart type estimes partir de lchantillon.
La distribution de T suit une loi de Student avec n 2 degrs de libert.
Les rgles de dcision sont les suivantes :
448

5.2 Comparaison dun coefficient de rgression

linaire une valeur de rfrence 0
La question de recherche est : un coefficient de rgression linaire entre deux
variables X et Y est-il significativement diffrent dune valeur de rfrence 0 ?
b suit une distribution normale ou bien la taille n de lchantillon est suprieure
30.
Hypothses
Lhypothse nulle prouver est : H0 : = 0,

lhypothse alternative est : H1 : 0 (pour un test
bilatral) ou H1 : < 0 (pour un test unilatral gauche)
ou H1 : > 0 (pour un test unilatral droite).
b
La statistique calcule est T = ------------ -0 , o et s sont respectivement les
valeurs sb b
du coefficient de rgression et de son cart type estimes partir de lchantillon.
La distribution de T suit une loi de Student avec n 2 degrs de libert.
Les rgles de dcision sont les suivantes :
5.3 Comparaison de deux coefficients de rgression linaire

et dans deux populations
La question de recherche est : deux coefficients de rgression linaire et
calculs dans deux populations sont-ils significativement diffrents ?
En fait, on se retrouve dans la situation du test de la diffrence de deux moyennes
et dont les variances sont estimes par s2b et s2b . On distinguera
naturellement les cas, selon que ces deux variances seront gales ou ingales. En
cas de variances ingales, on aura recours au test dAspin-Welch.
449
Partie 3 Analyser
et dsignent les valeurs du coefficient de rgression dans deux populations
dont on a tir deux chantillons alatoires indpendants.
Hypothses
Lhypothse nulle prouver est : H0 : = ,

lhypothse alternative est : H1 : (pour un test bilatral)
ou H1 : < (pour un test unilatral gauche)
ou H1 : > (pour un test unilatral droite).
Ce sont celles des tests de diffrences de moyennes (cf. points 1.1 1.5 de cette
section).
On peut ajouter ici quil est possible de procder au mme type de tests sur les
constantes (0) des quations de rgression linaire. Cependant, une telle pratique
est peu rpandue du fait dune grande difficult dinterprtation des rsultats
(Baillargeon et Rainville, 1978). De mme, on peut comparer plus de deux
coefficients de rgressions. Par exemple, le test dit de Chow (Chow, 1960 ;
Toyoda, 1974) qui utilise le F de Fisher-Snedecor est employ pour dterminer si
les coefficients dune quation de rgressions sont identiques dans deux ou
plusieurs groupes. Il sagit dun test dit omnibus , ce qui signifie quil teste si le
jeu entier des coefficients des quations est identique.
Lorsquon compare deux groupes, une alternative la fois simple et lgante au test
de Chow consiste introduire dans la rgression une variable muette (dummy variable)
indiquant le groupe dappartenance, puis substituer aux anciennes variables de
nouvelles variables obtenues en multipliant les anciennes par la variable muette. Dans
un tel cas, les coefficients de la variable muette reprsentent les diffrences entre les
constantes (0) pour les deux groupes et ceux des nouvelles variables les diffrences
entre les coefficients des variables explicatives pour les deux groupes. Ces coefficients
peuvent alors tre tests globalement (comme le fait le test de Chow) ou alors
individuellement (cf. points 5.1 5.3 de cette section) pour identifier quel coefficient se
comporte diffremment selon le groupe.
450
section
3 MIsE En uVRE DEs TEsTs nOn PARAMTRIQuEs
Les tests non paramtriques portent sur des statistiques (i.e. des fonctions)
construites partir des observations et qui ne dpendent pas de la distribution de la
population correspondante. La validit des tests non paramtriques dpend de
conditions trs gnrales beaucoup moins contraignantes que celles requises pour
la mise en uvre des tests paramtriques.
Les tests non paramtriques prsentent plusieurs avantages (Ceresa, 1986) :
ils sont applicables aux petits chantillons ;
ils sont applicables divers types de donnes (nominales, ordinales, dintervalles,
ratios) ;
ils sont applicables des donnes incompltes ou imprcises.
1 Tests sur une variable dans plusieurs chantillons

1.1 Comparaison dune distribution empirique une distribution
thorique (test dadquation ou de qualit dajustement)
La question de recherche est : la distribution empirique De observe sur un
chantillon est-elle significativement diffrente dune distribution de rfrence Dr ?
Lchantillon est alatoire et contient n observations indpendantes rparties en k
classes.
Une loi de distribution de rfrence Dr est choisie (loi normale, loi du Khi-2, etc.).
Hypothses
Lhypothse nulle prouver est : H0 : De =

Dr, lhypothse alternative est : H1 : De Dr.
k (
-----------------------OiTi)2
La statistique calcule est =
i=1
Ti
o Oi et Ti dsignent, pour chacune des k classes, les effectifs observs sur

lchantillon et les effectifs thoriques calculs daprs la distribution de rfrence
Dr.
451
Partie 3 Analyser
La distribution de suit une loi du khi-2 k 1 r degrs de libert, o r est le nombre

de paramtres de la loi de rfrence qui ont t estims laide des observations (Ceresta,
1986). La rgle de dcision est la suivante : on rejette H0 si > a ; k 1 r.
1.2 Comparaison des distributions dune variable x

dans deux populations A et B (test de Kolmogorov-smirnov)
La question de recherche est : une variable X est-elle identiquement distribue

dans deux populations A et B ?
Le test de Kolmogorov-Smirnov peut galement servir comparer une
distribution observe une distribution thorique, comme le fait le test
dadquation du khi-2 prsent dans le point 1.1 de cette section.
Les deux chantillons sont alatoires et contiennent nA et nB observations
indpen-dantes issues respectivement des populations A et B.
La variable X tudie est une variable dintervalle ou de ratio dont la loi de
distribu-tion est quelconque.
Les limites des classes sont identiques dans les deux chantillons.
Hypothses
Lhypothse nulle prouver est : H0 : La variable X est distribue lidentique

dans A et B.
lhypothse alternative est : H1 : La variable X est distribue diffremment dans
A et B.
La statistique calcule est : d = Maximum FA(x) FB(x)

o FA(x) et FB(x) dsignent les frquences cumules des classes dans A et dans B.
On la compare aux valeurs critiques d0 de la table de Kolmogorov-Smirnov.
La rgle de dcision est la suivante : on rejette H0 si d > d0.
1.3 Comparaison des distributions dune variable x dans

deux populations A et B (test u de Mann et Whitney)

452
indpen-dantes (avec nA > nB) issues respectivement de deux populations A et B.
Au besoin, on intervertit la notation des chantillons A et B.
La variable tudie est au moins ordinale.
Hypothses
Lhypothse nulle prouver est : H0 : La variable est distribue lidentique

dans A et B.
Lhypothse alternative est : H1 : La variable est distribue diffremment dans A
et B.
Soit (A1, A2, , An ) lchantillon de taille nA issu de la population A et (B1, B2, ,

BnA) lchantillon deA taille nB issu de la population B. On obtient N = nA + nB
observations que lon va classer par ordre croissant sans tenir compte de lappartenance aux
chantillons. On attribue ensuite un rang chaque observation. La premire observation
(i.e. la plus petite) a le rang 1 et la dernire (i.e. la plus g rande) a le rang N.
La statistique calcule est :
n (nA + 1) (nB + 1 )
U = Minimum nAnB + -------------------------A
n
RA ; nAnB + ------------------------B - RB
2 2
o RA dsigne la somme des rangs des lments de A et RB la somme des rangs
des lments de B dans le classement global. On compare la statistique U aux
valeurs critiques Ua de la table de Mann et Whitney. La rgle de dcision est la
suivante : on rejette H0 si U < Ua.
Lorsque nA et nB sont grands (cest--dire suprieurs 12),
nn
U -----------AB
2
U = ---
---------------------------------------------
n
n ( n + n + 1)
--------------------------------------------ABAB
12
tend rapidement vers la loi normale centre rduite. On peut alors utiliser U et les
rgles lies la loi normale pour prendre la dcision de rejet ou de non-rejet de H0.
1.4 Comparaison des distributions dune variable x dans
deux populations A et B (test de Wilcoxon)
453
Partie 3 Analyser
indpen-dantes issues respectivement de deux populations A et B.
Hypothses

dans A et B.
et B.
Soit (A1, A2, , An ) lchantillon de taille nA issu de la population A et (B1, B2,

, BnA) lchantillon deA taille nB issu de la population B. On obtient N = nA + nB
observations que lon va classer par ordre croissant sans tenir compte de
lappartenance aux chantillons. On attribue ensuite un rang chaque observation.
La premire observation (i.e. la plus petite) a le rang 1 et la dernire (i.e. la plus
grande) a le rang N.
RnA(N+1)2
T = ------------------------------------------- -
nAnB (N + 1) 1 2 nA
avec R (Ai) le rang attribu lobservation Ai, i = 1, 2, , nA et R = R(Ai ) la

i=1
somme des rangs des observations issus de lchantillon A.
On compare la statistique T des valeurs critiques Ra disponibles dans une table.
La rgle de dcision est la suivante : on rejette H0 si R < Ra.
Lorsque N est suffisamment grand (i.e. n 12), la distribution de T suit
approximativement celle de la loi normale centre rduite et on peut appliquer les
rgles de dcision associes la loi normale centre rduite pour rejeter ou ne pas
rejeter H0. Lorsquon utilise lapproximation par la loi normale, on peut attribuer
un rang moyen aux ventuels ex quo et la formule devient :
-----------------------------------------------------------------------RnA(N+1)2
T= g
ti ( t i2 1)
-----------
nAnB N + 1 ---------------------------i=1-
12 N ( N 1)
o g est le nombre de groupes de rangs ex quo et ti la taille du groupe i.
454
1.5 Comparaison des distributions dune variable x dans deux
populations A et B (test du nombre de suites homognes)

indpen-dantes issues respectivement de deux populations A et B.
La variable tudie doit tre au moins ordinale.
Hypothses

dans A et B.
et B.
Soit (A1, A2, , An ) lchantillon de taille nA issu de la population A et (B1, B2,

, BnB) lchantillon deA taille nB issu de la population B. On obtient N = nA + nB
observations que lon va classer par ordre croissant sans tenir compte de
lappartenance aux chantillons.
On attribue ensuite un rang chaque observation. La premire observation (i.e. la
plus petite) a le rang 1 et la dernire (i.e. la plus grande) a le rang N.
R = la squence la plus longue de suites homognes (cest--dire de valeurs
successives appartenant un mme chantillon) que lon trouve dans la srie
gnrale classant par ordre croissant les nA + nB observations.

On compare la statistique R des valeurs critiques Ca disponibles dans une table.
La rgle de dcision est la suivante : on rejette H0 si R < Ca.
Lorsque nA et nB sont grands (cest--dire suprieurs 20),
2nAnB
---------------- - 0,5
nA+nB
-------------------------------------------------------------- -
R = 2nAnB(2nAnB nA nB ) tend vers la loi normale centre rduite et on peut
-----------------------------------------------------------
(nA + nB )2 (nA + nB 1)
utiliser R et les rgles lies la loi normale pour prendre la dcision de rejet ou de
non-rejet de H0.
455
Partie 3 Analyser
1.6 Comparaison des distributions dune variable x dans k populations
(test de Kruskal-Wallis ou analyse de variance par les rangs)

dans k populations A1, A2, , Ak ?
Les k chantillons sont alatoires et contiennent n1, n2, , nk observations
indpen-dantes issues respectivement des populations A1, A2, , Ak.
Hypothses

dans les k populations A1, A2, , Ak.
Lhypothse alternative est : H1 : La variable est distribue diffremment dans au
moins lune des k populations A1, A2, , Ak.
Soit (A11, A12, , A1n1) lchantillon de taille n1 issu de la population A1, (A21, A22,
, A2n2) lchantillon de taille n2 issu de la population A2, , et (Akk1, Ak2, , Aknk)
lchantillon de taille nk issu de la population Ak. On obtient N = ni observations
i=1
que lon va classer

par ordre croissant sans tenir compte de lappartenance aux chantillons. On
attribue ensuite un rang chaque observation. La premire observation (i.e. la plus
petite) a le rang 1 et la dernire (i.e. la plus grande) a le rang N. Lorsquil existe
des ex quo, on leur attribue un rang moyen. Soit Ri la somme des rangs attribus
aux observations de lchantillon Ai.
12
--------------------- - k Ri2
La statistique calcule est : H = ----- 3 ( N + 1)
N ( N + 1) i = 1 ni
Lorsquil existe beaucoup dex quo, on utilise une valeur corrige H :
H-
H = --------------------------------- g
-------------------------(ti3ti)
1 i=1
N3 N
o g est le nombre de groupes dex quo et ti la taille du groupe i.
La rgle de dcision est la suivante : on rejette H0 si H (ou, le cas chant, H) >
2
1 ;k 1 ou une valeur correspondante dans la table de Kruskal-Wallis.
456
Si le test de Kruskal-Wallis conduit au rejet de lhypothse nulle H0, le chercheur

peut dterminer quelles paires de populations tendent tre diffrentes. Pour cela,
il peut recourir soit au test de Wilcoxon sign ou au test du signe dans le cas
dchantillons apparis (i.e. des chantillons lis de manire logique, et tels que les
paires ou n-uplets dobservations dun chantillon lautre sont constitus
dindividus identiques ou similaires), soit au test de Mann-Whitney ou celui de
Wilcoxon dans le cas dchantillons non apparis. On retrouve ici la mme logique
qui prsidait lassociation de lanalyse de la variance et du test LSD. Au
demeurant, la mthode de Mann-Whitney est parfois appele analyse de variance
par les rangs (Boursin et Duru, 1995).
1.7 Comparaison de deux proportions ou pourcentages p 1

et p2 (petits chantillons)
La question de recherche est : deux proportions ou pourcentages p1 et p2
observs sur deux chantillons diffrent-ils significativement lun de lautre ?
La taille des chantillons est petite (n1 < 30 et n2 < 30).
Les deux proportions p1 et p2 ainsi que leurs complmentaires 1 p1 et 1 p2
repr-sentent des effectifs dau minimum 5 observations.
Hypothses
Lhypothse nulle prouver est : H0 : p1 =

p2, lhypothse alternative est : H1 : p1 p2.

(
--------------------------x1n1p)2 (
--------------------------x2n2 p)2
La statistique calcule est = +
n1 p(1 p) n2p(1 p)
o x1 est leffectif dans lchantillon 1 (de taille n1) correspondant la proportion p1,
x2 leffectif dans lchantillon 2 (de taille n2) correspondant la proportion p2 et
p = x----------------
1+x2 . n1 + n2
La distribution de c suit une loi du khi-2 1 degr de libert. La rgle de dcision

est la suivante : on rejette H0 si > 2;1.
457
Partie 3 Analyser
2 Tests sur plusieurs variables dans un

chantillon ou des chantillons apparis
Rappelons que deux ou plusieurs chantillons sont dits apparis lorsquils sont lis
dune manire logique et que les paires ou n-uplets constitus dobservations des
diffrents chantillons contiennent des individus identiques ou similaires. Par exemple,
des chantillons comprenant les mmes individus observs diffrents moments
peuvent constituer autant dchantillons apparis que de points dobservation dans le
temps. De mme, un chantillon de n individus et un autre constitu des n jumeaux (ou
surs, frres, enfants, etc.) des premiers individus peuvent constituer des chantillons
apparis dans le cadre dune tude portant sur des questions gntiques.
2.1 Comparaison de deux variables quelconques (test

dhomognit ou dindpendance)
La question de recherche est : deux variables quelconques X et Y sont-elles
indpendantes ?
Les variables tudies X et Y peuvent tre de tout type (nominal, ordinal,
intervalle, ratio) et sont dcrites par kX et kY classes ou modalits.
Hypothses
Lhypothse nulle prouver est : H0 : X et Y sont indpendantes,

Lhypothse alternative est : H1 : X et Y sont dpendantes.
n i. n .j 2
n
La statistique calcule est = ----------nij----- ---------n-------- -------
ij ni. n.j
o nij dsigne le nombre dobservations prsentant la fois les caractristiques ou
kX
modalits Xi et Yj (i allant 1 kX ; j de 1 kY), ni. = nij est le nombre

j=1
kY
X
dobservations possdant les caractristiques i et n.j = nij le nombre
i=1
dobservations possdant les caractristiques Xj.
458
La distribution de suit une loi du khi-2 (kX 1) (kY 1) degrs de libert. La

rgle de dcision est la suivante : on rejette H si > 2 ; k 1 k 1 .
0 ( X )( Y )
2.2 Comparaison de deux variables x et y mesures

sur deux chantillons apparis A et B (test du signe)
La question de recherche est : deux variables X et Y mesurables sur deux
chantillons apparis A et B sont-elles identiquement distribues ?
Les deux chantillons sont alatoires et apparis.
Les n paires dobservations sont indpendantes.
Les variables X et Y doivent tre au moins ordinales.
Hypothses
Lhypothse nulle prouver est : H0 : Les deux variables sont distribues

lidentique dans les deux chantillons apparis.
Lhypothse alternative est : H1 : Les deux variables sont distribues
diffremment dans les deux chantillons apparis.
Soient n paires dobservations (a1, b1), (a2, b2), , (an, bn) dont le premier
lment est issu de la population A et le second de la population B. Pour chacune
de ces n paires dobservations (ai, bi), on calcule la diffrence ai bi. Soit k+ le
nombre des diffrences ai bi positives et k celui des diffrences ai bi ngatives.
K = Minimum (k+, k).
On compare la statistique K des valeurs critiques Ca disponibles dans une table.
La rgle de dcision est la suivante : on rejette H0 si K < Ca.

Lorsque n est suffisamment grand (i.e. n > 40), K = tend vers la loi
------------------------2Kn+1-
n
normale centre rduite et on peut lutiliser en association avec les rgles de la loi
normale pour prendre la dcision de rejet ou de non-rejet de H0.
2.3 Comparaison de deux variables x et y mesures sur deux

chantillons apparis A et B (test de Wilcoxon sign)
chantillons apparis A et B sont-elles identiquement distribues ?
459
Partie 3 Analyser
Les variables X et Y doivent tre au moins ordinales.
Hypothses
Lhypothse nulle prouver est : H0 : Les deux variables sont distribues

lidentique dans les deux chantillons apparis.
Lhypothse alternative est : H1 : Les deux variables sont distribues
diffremment dans les deux chantillons apparis.
Soient n paires dobservations (a1, b1), (a2, b2), , (an, bn) dont le premier lment
est issu de la population A et le second de la population B. Pour chacune de ces n
paires dobservations (ai, bi), on calcule la diffrence di = ai bi. On obtient alors n
diffrences di que lon va classer par ordre croissant. On attribue ensuite un rang
chaque di. La plus petite a le rang 1 et la plus grande le rang n. Les valeurs ex quo
sont remplaces par un rang moyen. Soit R+ la somme des rangs des diffrences di
positives et R la somme des rangs des diffrences di ngatives.
R = Minimum (R+, R)
On compare la statistique R des valeurs critiques Ra disponibles dans une table.
La rgle de dcision est la suivante : on rejette H0 si R < Ra.
n (n+1)
R -------------------
4
-------------------------------------------------- -
Lorsque n est suffisamment grand (i.e. n > 20), R = tend
1
-----n ( n + 1)( 2n + 1)
24
vers la loi normale centre rduite et on peut lutiliser en association avec les rgles
de la loi normale pour prendre la dcision de rejet ou de non-rejet de H0.

chantillons apparis (test de corrlation des rangs de Kendall)
chantillons apparis sont-elles indpendantes ?
460
Les variables X et Y sont au moins ordinales.
Hypothses
Lhypothse nulle prouver est : H0 : Les deux variables sont indpendantes.

Lhypothse alternative est : H1 : Les deux variables sont dpendantes.
Soient deux variables (X, Y) observes sur un chantillon de taille n comprenant
n paires dobservations (X1, Y1), (X2, Y2), , (Xn, Yn). On peut obtenir une
indication de la corrlation entre les variables X et Y en classant les valeurs Xi par
ordre croissant et en comptant le nombre de valeurs Yi correspondantes ne
satisfaisant pas cet ordre. Classer les valeurs Xi par ordre croissant signifie que Xi
est infrieur Xj pour tout i infrieur j. Soit R le nombre de paires (Xi, Yj) telles
que, si i < j, on ait simultanment Xi < Xj (ce qui va de soi du fait du classement
par ordre croissant des Xi) et Yi < Yj.
n (n1
S = 2R ------------------ -
)
.2
On compare la statistique S des valeurs critiques Sa disponibles dans une table.

La rgle de dcision est la suivante : on rejette H0 si S > Sa. En cas de rejet de H0,
le signe de S indique le sens de la dpendance.
S+1
-------------------------------------------------------
Lorsque n est suffisamment grand (i.e. n > 15), S =
n(n + 1)(2n + 5) 1 8
tend vers la loi normale centre rduite et on peut lutiliser en association avec les
rgles de la loi normale pour prendre la dcision de rejet ou de non-rejet de H0.

chantillons apparis (test de corrlation des rangs de spearman)

chantillons de mme taille n sont-elles indpendantes ?
Les deux chantillons sont alatoires et de mme taille n.
Les observations sont indpendantes dans chacun des deux chantillons.
Les variables X et Y sont au moins ordinales.
Hypothses
Lhypothse nulle prouver est : H0 : Les deux variables sont indpendantes.
461
Partie 3 Analyser
Lhypothse alternative est : H1 : Les deux variables sont dpendantes.

Soit deux variables (X, Y) observes sur un chantillon de taille n comprenant n
paires dobservations (X1, Y1), (X2, Y2), , (Xn, Yn). On peut classer sparment
les valeurs Xi et Yj par ordre croissant. Chacune des valeurs Xi et Yj obtient alors
un rang compris entre 1 et n. Soit R (Xi) le rang de la valeur Xi, R (Yi) le rang de la
valeur Yi et di = R (Xi) R (Yi).
n
6 d21
Le coefficient de corrlation des rangs de Spearman est : R = 1 -----------------i=1- .
(n3 n)
Ce coefficient R se teste comme on teste un coefficient de corrlation classique
(cf. points 4.1 4.3 de la deuxime section).
2.6 Comparaison de k classements

La question de recherche est : k classements effectus sur n lments sont-ils
identiques ?
Cette question se pose, par exemple, lorsquon souhaite comparer les classements
issus des dcisions de k juges (experts) ou de lapplication de k critres ou
procds diffrents.
Un ensemble de n lments E1, E2, , En a t soumis k procds de

classement par ordre.
Hypothses
Lhypothse nulle prouver est : H0 : Les k classements sont identiques.

Lhypothse alternative est : H1 : Au moins deux classements diffrent lun de
lautre.

n k k(n + 1) 2
S= rij -------------------
i=1 j= 1 2
o rij est le rang attribu llment Ei par le procd j (juge, critre, mthode).
462
On compare la statistique X des valeurs critiques Xa disponibles dans une table.

La rgle de dcision est la suivante : on rejette H0 si S > Xa.
section
4 EsTIMATIOn sTATIsTIQuE DE RELATIOns
CAusALEs EnTRE VARIABLEs
Beaucoup de recherches en management sont proccupes par lestimation de

relations causales entre variables (Bascle, 2008 ; Antonakis et al., 2010). Bien que le
dispositif exprimental soit le moyen privilgi de prouver quune variable est la cause
dune autre variable (voir chapitre 11), il est souvent trop coteux, non thique, trop
difficile ou mme, parfois, simplement impossible mettre en uvre dans les
recherches en management. Pour cette raison, les chercheurs en management ont trs
souvent recours des donnes observationnelles auxquelles ils appliquent des
techniques danalyse traditionnelles (rgressions linaires) ou plus avances (modles
dquations structurelles). Cette quatrime et dernire section montre la ncessit de
tenir compte, dans lestimation statistique de relations causales entre variables, de trois
lments fondamentaux : la puissance des tests statistiques utiliss ; lexognit des
variables explicatives ; la spcification des modles.
1 Puissance des tests statistiques utiliss
La non mise en vidence, par lestimation statistique, dune relation entre deux
variables (ou dune diffrence entre deux groupes, du reste) a deux raisons
possibles :
la relation (ou la diffrence) est inexistante ;
ltude nest pas suffisamment puissante.
Rappelons quon appelle puissance dun test statistique la probabilit de rejeter

lhypothse nulle H0 (par exemple, hypothse de lexistence dune relation entre
variables ou dune galit entre groupes) alors quelle est fausse (en ralit, il nexiste
pas de relation entre les variables ou dgalit entre les groupes). La puissance
statistique consentie permet de calculer le nombre dobservations (cas, individus,
sujets) inclure dans une tude (taille de lchantillon). En gnral, on fixe la
puissance dsire, le risque de premire espce (a) et les paramtres associs aux
groupes (souvent, lcart-type) pour obtenir le nombre dobservations ncessaire
ltude. La puissance rsultante dune tude dpend du nombre dobservations inclus
(taille de lchantillon), du risque de premire espce (a) et de la taille de leffet (force
de la relation entre variables ou diffrence entre groupes).
463
Partie 3 Analyser
La puissance dune tude (ou dun test) dpend de la grandeur de leffet

dtectable, de la distribution des paramtres (en particulier, lcart-type) et de la
taille de lchantillon. La connaissance de trois de ces lments permet
gnralement de dterminer le quatrime. La figure 13.1 prsente plusieurs cas o
la relation (ou la diffrence) relle peut tre plus ou moins aise dtecter par une
recherche. De manire intuitive, il serait plus ais pour une recherche de dtecter
une relation (ou une diffrence entre deux moyennes inconnues lchelle des
populations) dans les cas A2 plutt que A1 (grandeur de leffet), B2 plutt que B1
(cart-type plus faible) et C2 plutt que C1 (taille de lchantillon plus grande donc
intervalles de confiance plus resserrs).
A1 A2 Grandeur
de leffet
B1 B2
Distribution
(cart-type)
Taille
C1 C2 de lchantillon
Figure 13.2 Dterminants de la puissance
Bien quil soit possible et mme frquent de procder une estimation statistique
sans effectuer un calcul pralable de sa puissance, ce calcul permet de sassurer
que la taille de lchantillon est assez grande pour les besoins de lestimation
statistique. Sinon, le test peut tre sans valeur informative (le rsultat est
pratiquement connu davance), conduisant une perte de temps et un gaspillage de
ressources. En de rares occasions, la puissance peut tre calcule aprs que le test
est effectu mais ce nest pas recommand, sauf pour dterminer la taille
approprie de lchantillon pour une tude de suivi. La dmarche classique pour
dterminer la taille dchantillon approprie est la suivante :
spcifier le test dhypothse
spcifier le seuil de signification du test
spcifier leffet dtectable
spcifier une estimation de lcart-type
spcifier la puissance du test pour leffet dtectable
464
Pour la spcification du test dhypothse, il sagit de choisir le paramtre qui est

le plus important en fonction de la question de recherche. Il est recommand de
toujours effectuer un test bilatral, moins davoir une trs bonne raison
deffectuer un test unilatral.
Concernant la spcification du seuil de signification du test, on peut choisir 10 %
si on souhaite tre plus libral dans laffirmation de la prsence dun effet, 5 % si
on souhaite faire comme la majorit des chercheurs, 1 % si on souhaite tre plus
conservateur ou plus certain de la prsence dun effet. Plus le seuil est faible, plus
la taille dchantillon approprie augmente. On retrouve ici le fait dj soulign
quune augmentation de lun des deux types de risque (risque de premire espce a
ou risque de seconde espce b) se traduit gnralement par la diminution de lautre
type de risque, de mme que la diminution de lun des deux types de risque se
traduit gnralement par laugmentation de lautre type de risque. Augmenter le
risque de premire espce a est un moyen daugmenter la puissance dune tude
(car on rduit le risque de seconde espce b) mais le test devient moins svre.
Pour la spcification de leffet dtectable, il est possible de dterminer une borne
infrieure et/ou une borne suprieure. De cette manire, on peut calculer plusieurs
tailles dchantillon appropries correspondant aux diffrentes propositions deffet.
Moins leffet est grand, plus grande est la taille dchantillon approprie. Accrotre
la grandeur de leffet (par exemple en choisissant une hypothse alternative trs
loigne de lhypothse nulle) est la meilleure solution mais elle nest pas toujours
possible (par exemple, quand les effets rels sont particulirement faibles).
Concernant la spcification de lcart-type, le chercheur peut avoir recours des
valeurs historiques (issues dautres tudes similaires) ou encore laborer une tude
pilote pour estimer ce paramtre. Il est galement possible de retenir diffrentes
valeurs de lcart-type, ce qui conduit plusieurs tailles dchantillon appropries
correspondant aux diffrentes propositions dcart-type. Plus lcart-type est grand,
plus grande est la taille dchantillon approprie. Il est possible de rduire lcart-
type en introduisant des variables de contrle ou en prenant des populations
homognes (ge, genre, secteur dactivit).
Pour la spcification de la puissance du test pour leffet dtectable, il est possible

de retenir 80 % (pour faire comme la majorit des chercheurs) ou 90 % pour tre
plus conservateur. Il convient de noter que, parfois, une faible augmentation dans
la taille dchantillon permet dobtenir une grande augmentation dans la puissance.
Plus la puissance souhaite est leve, plus grande sera la taille dchantillon
approprie.
Il convient galement de noter que, dans les approches plus avances comme les
mthodes dquations structurelles, la puissance est aussi fonction du nombre de
degrs de libert (MacCallum et al., 1996), les modles ayant les degrs de libert
les plus levs prsentant les puissances les plus leves.
465
Partie 3 Analyser
Si lanalyse de la puissance des tests est trs importante dans le cas des tests de
comparaison (de moyennes, de proportions, de pourcentages, de variances, de
coefficients de corrlations ou de rgressions, etc.), elle lest particulirement dans le
cas des approches plus avances comme les mthodes dquations structurelles
(Hancock et French, 2013) car, dans ce cas, lhypothse nulle, pour un modle donn,
est que ce modle est correct. Si jamais la puissance est faible, le non-rejet de
lhypothse nulle napporte aucune information digne de considration. Cette
observation est dautant plus importante quun moyen commode davoir un modle
dquations structurelles valid (cest--dire non rejet) est de maintenir la
puissance un niveau faible. Analyser la puissance des tests mobiliss et en tenir
compte ! devrait ainsi tre une pratique routinire dans tous les travaux de recherche
ayant recours lestimation statistique. cet gard, pratiquement tous les logiciels
statistiques intgrent prsent des modules de calcul de la puissance de mme quune
simple entre des mots-cls calcul et puissance sur Internet renvoie un trs
grand nombre de rponses correspondant des sites de calculateurs de la puissance.
2 Exognit des variables explicatives
Une deuxime exigence pour les chercheurs en management engags dans

lestimation statistique de relations causales entre variables est lanalyse de
lexognit des variables explicatives. Il sagit l dune prcaution routinire chez les
conomtres mais pratiquement absente dans les recherches en management. Par
exemple, ayant examin les publications effectues dans Strategic Management
Journal entre 1990 et 2001, Hamilton et Nickerson (2003) ont seulement trouv 27
articles sur 426 (6.3 %) qui ont correctement pris en compte la question de lexognit
des variables explicatives. Or, les techniques danalyses traditionnelles comme
lestimateur des moindres carrs ordinaires MCO (ordinary least squares
OLS) peuvent produire des rsultats biaiss en cas de non exognit (cest--
dire dendognit) des variables explicatives et, par consquent, compromettre
absolument le bien-fond des implications thoriques et pratiques drives desdits
rsultats (Hamilton et Nickerson, 2003 ; Bascle, 2008 ; Antonakis et al., 2010).
Les techniques danalyses traditionnelles comme lestimateur des moindres
carrs ordinaires MCO (ordinary least squares OLS) supposent lexognit
des variables explicatives. En dautres termes, ces techniques font lhypothse
fondamentale dune indpendance entre les variables explicatives et le terme
derreur (cest--dire que la corrlation entre les variables explicatives et le terme
derreur, Cov(x,u), est nulle). Le caractre non exogne (cest--dire endogne) de
certaines variables explicatives rsulte de la corrlation entre celles-ci et le terme
derreur dune rgression. Lorsque lhypothse fondamentale dindpendance entre
variables explicatives et terme derreur nest pas vrifie, les estimateurs MCO
sont biaiss et non convergents.
466
La recherche en conomtrie montre que les procdures destimation comme les

doubles moindres carrs-2SLS, le maximum de vraisemblance ainsi que dautres
techniques connexes comme les modles de slection de type Heckman ou les
modles deffets de traitement peuvent estimer correctement une relation causale
entre variables si certaines conditions sont remplies (la variable indpendante,
appele variable instrumentale ou instrument, est rellement exogne et prdit la
variable endogne problmatique ainsi que les variables dpendantes) et si le
modle est correctement spcifi. En outre, les conomtres ont mis au point de
nombreux tests pour vrifier si la variable suspecte dendognit doit tre
instrumente (par exemple, le test de Hausman) ou si les instruments disponibles
sont satisfaisants (par exemple, le J -test de Hansen ou les tests de Sargan).
Malheureusement, beaucoup de recherches sont publies dans de nombreux
domaines sans utiliser les enseignements de lconomtrie. Par exemple, en
rgressant une variable dpendante sur un ensemble de variables explicatives
typiquement endognes. Or supposons que :
y = b0 + b1x + e
Si x nest pas vritablement exogne (il est corrl avec le terme derreur e),
alors b1 sera biais (il sera surestim ou sous-estim ou pire, son signe peut-tre
invers). Le problme vient du fait quen situation dendognit les mthodes
destimation traditionnelles (MCO-OLS) essaient toujours de respecter lhypothse
dexognit des variables explicatives. Pour trouver le vritable effet causal (b1),
le chercheur doit trouver une variable instrumentale z qui prdise la fois les
variables x et y sans tre corrle au terme derreur e.
Plusieurs mthodes sont utilises pour dtecter lendognit et corriger le biais
qui en rsulte. Le test dendognit le plus connu est assurment celui propos par
Hausman (1978). galement connu comme le test de Wu-Hausman ou encore le
test de Durbin-Wu-Hausman, il consiste comparer lestimateur des moindres
carrs ordinaires (MCO) avec lestimateur des doubles moindres carrs-2SLS.
Lhypothse nulle dxognit (H0) est rejete lorsque la diffrence entre ces
deux estimateurs est significative. Toutefois, la correction de lendognit est
nettement plus ardue lorsque les variables expliques et explicatives sont

dichotomiques que lorsquelles sont continues. Aprs avoir constat lexistence
dun grand nombre de mthodes permettant de dtecter lendognit et de corriger
les biais lorsque les variables expliques et explicatives sont continues ainsi que la
difficult et la raret des tentatives de rsolution des problmes lis lendognit
lorsque les deux types de variables sont dichotomiques, Lollivier (2001) propose
un test de lendognit dune variable explicative dichotomique dans le cadre
dun modle probit bivari pouvant tre mis en uvre trs simplement partir des
logiciels usuels ainsi quune mthode destimation ayant recours des techniques
dintgration numriques classiques.
467
Partie 3 Analyser
c Focus
Meilleures pratiques pour linfrence causale
1. Pour viter les biais de variable omise, 6. Lorsque les variables indpendantes
inclure des variables de contrle sont mesures avec un terme derreur,
adquates. Si des variables de contrle estimer les modles en spcifiant les erreurs
adquates ne peuvent tre identifies ou dans les variables ou utiliser des instruments
mesures, obtenir des donnes de panel (bien mesurs, bien sr, dans le contexte
et utiliser des sources exognes de des modles doubles moindres carrs-
variance (cest--dire des instruments) 2SLS) pour corriger les estimations en
pour identifier les effets convergents. tenant compte du biais de mesure.
2. Avec des donnes (hirarchiques) de 7. viter le biais de mthode commune
panel, toujours modliser les effets fixes en ; sil est invitable, utiliser des
utilisant des variables muettes (dummy) ou instruments (dans le cadre de modles
des moyennes de variables du niveau de doubles moindres carrs-2SLS) pour
1. Ne pas estimer des modles effets obtenir des estimations convergentes.
alatoires sans sassurer que 8. Pour assurer la convergence de linf-
lestimateur est compatible avec le rence, vrifier si les rsidus sont IID (iden-
respect de lesti-mateur effets fixes ( tiquement et indpendamment distri-
laide dun test de Hausman). bus). Utiliser par dfaut des estimateurs
3. Veiller ce que les variables robustes de la variance ( moins de
indpen-dantes soient exognes. Si pouvoir dmontrer que les rsidus sont
elles sont endognes (et ce pour une iid). Avec des donnes de panel, utiliser
raison quel-conque), obtenir des des estimateurs de la variance robustes
instruments pour estimer les effets de par rapport aux grappes (clusters) ou des
manire convergente. variables explicatives spcifiques par
4. Si le traitement na pas t assign de rapport aux groupes.
manire alatoire aux individus dans les 9. Corrler les termes derreur des
groupes, si lappartenance un groupe variables explicatives potentiellement
est endogne, ou si les chantillons ne endognes dans les modles de mdia-
sont pas reprsentatifs, les estimations tion (et utiliser un test de Hausman pour
intergroupes doivent tre corriges dterminer si les mdiateurs sont endo-
laide du modle de slection appropri ou gnes ou pas).
dautres procdures (diffrence dans les 10. Ne pas utiliser un estimateur infor-
diffrences, scores de propension). mation complte (cest--dire le
5. Utiliser les tests de sur-identification maximum de vraisemblance) sauf si les
(tests dajustement du Khi2) dans les estimations ne sont pas diffrentes de
modles dquations simultanes pour celles produites par lestimateur
dterminer si le modle est valide. Les information limite (doubles moindres
modles qui chouent aux tests de sur- carrs-2SLS) sur la base du test de
identification ont des estimations non Hausman. Ne jamais utiliser PLS.
fiables qui ne peuvent pas tre Source : Antonakis et al., 2010.
interprts.
468
Sous quelles conditions est-il possible pour le chercheur intress par lanalyse
de relations causales entre variables dutiliser avec pertinence lestimation
statistique de modles de donnes observationnelles dans lesquels les variables
explicatives nont pas t manipules de manire exogne comme cest le cas dans
le cadre dune exprimentation ? Antonakis et al. (2010) rpondent cette question
en utilisant lexprimentation comme cadre de rfrence. Ils montrent comment
lendognit des variables explicatives cause, par exemple, par lomission
variables explicatives importantes, lignorance dventuels phnomnes de
slection, la causalit rciproque, les biais de mthode commune ou les erreurs de
mesure compromet toute possibilit dinfrence causale. Ils prsentent ensuite les
mthodes qui permettent aux chercheurs de tester des hypothses de relations
causales dans les situations non exprimentales o la randomisation nest pas
possible. Ces mthodes comprennent les panels effets fixes, la slection de
lchantillon, les variables instrumentales, les modles de discontinuit de la
rgression et de diffrence dans les diffrences. Les auteurs concluent en proposant
dix suggestions sur la faon damliorer la recherche non exprimentale qui sont
repris en Focus (Antonakis et al., 2010 : 1113-1114).
3 spcification des modles
Limportance cruciale de la spcification des modles dans lestimation

statistique de relations causales entre variables peut tre aisment mise en vidence
en relation avec les dveloppements prcdents relatifs limportance de la
puissance des tests statistiques mobiliss dans lestimation statistique et de
lexognit des variables explicatives :
la puissance est fonction du nombre de degrs de libert, qui est lui-mme
directement dtermin par le nombre de variables latentes et dindicateurs de
mesure de ces variables latentes ainsi que le nombre de relations entre variables
(en dautres termes, la spcification des variables et des relations entre variables
du modle) ; par consquent, la spcification des modles influence la puissance ;

pour faire face lventuelle endognit de variables explicatives due une
corrlation entre celles-ci et le terme derreur dune rgression et qui peut entraner
des biais importants dans lestimation des relations causales (Lollivier, 2001 ; Bascle,
2008 ; Antonakis et al. 2010), il est important didentifier et de placer dans le modle
des variables instrumentales valides (ce qui revient spcifier des variables et des
relations au sein du modle) ; par consquent, la spcification des modles dtermine
directement lexistence ou labsence de problme dendognit.
Au demeurant, une des meilleures faons pour le chercheur de traiter le problme de
lendognit consiste bien simprgner de la nature de ses variables. Par exemple, la
satisfaction au travail est gnralement considre comme endogne et ne devrait donc
tre modlise comme une variable explicative de la performance au
469
Partie 3 Analyser
travail que dans la mesure o une source exogne de la variance (un instrument) est
utilise pour identifier leffet de causalit. De mme, la composante ducation du
capital humain est considre comme une variable endogne du fait que
lducation reflte non seulement le choix individuel mais aussi certains aspects
lis lenvironnement de lindividu comme le niveau dtudes des parents, la taille
du mnage, le lieu de rsidence En cas de soupon dendognit de la variable
indpendante, le chercheur doit recourir des variables instrumentales et procder
un test de Hausman pour tablir si le soupon dendognit est fond. Un test de
sur-identification (Khi2) dterminera la validit des instruments.
La question de la (bonne ou mauvaise) spcification des modles est par essence une
affaire de thorie, pas de statistique. Cest la thorie qui dicte le modle, donc sa
spcification. Lorsquun modle est mal spcifi, les rsultats de son estimation
statistique nont aucun intrt, ni thorique ni pratique. Par contre, dans la spcification
du modle, il est crucial que les variables explicatives soient rellement exognes.
dfaut, elles doivent tre instrumentes . Cest reconnatre tout lintrt de la
tradition des conomtres de tout instrumenter mais cest galement dire que
linstrumentation et le traitement statistique de lendognit ne servent strictement
rien lorsque le modle (causal) est mal spcifi.
COnCLusIOn
Lestimation statistique est susceptible dtre dune grande utilit au chercheur

qui souhaite, au moyen de tests statistiques, prouver des hypothses de recherche
formules en termes de comparaison de certains lments ou dexistence de
relations entre variables. Ce chapitre a essay de clarifier lenvironnement logique
dans lequel sinsre lestimation statistique avant de fournir un guide dusage des
principaux tests paramtriques et non paramtriques quelle mobilise. Lun des
messages de ce chapitre est que les logiciels danalyse statistiques ont rendu
lestimation statistique dun usage extrmement simple et que la seule vritable
difficult laquelle est confront le chercheur en management est la capacit de
discerner les tests adquats pour ses besoins. Dans cet esprit, les deux sections du
chapitre consacres la mise en uvre des tests statistiques (tests paramtriques et
tests non paramtriques) ont t organises en fonction des questions que peut se
poser le chercheur.
Pour chaque test, les conditions dutilisation, la forme des hypothses statistiques
et les rgles de dcision (rejet ou non rejet de lhypothse nulle) sont prcises. Les
fonctions statistiques calcules dans le cadre des tests sont galement dcrites.
470
Cependant, le lecteur peut choisir de ne pas sy attarder. En effet, seuls importent

vritablement le choix du test adquat et la capacit dinterprter les rsultats.
Dans cette perspective, une dmarche trs profitable et simple pour le lecteur
pourrait consister : 1) identifier dans le plan du chapitre sa question de recherche
; 2) choisir le test correspondant ; 3) utiliser nimporte lequel des principaux
logiciels danalyse statistique et 4) lire la valeur p fournie par le logiciel. Si cette
valeur p est infrieure au seuil de signification quon sest fix, lhypothse nulle
doit tre rejete. Sinon, on ne peut pas rejeter lhypothse nulle.
La liste des tests statistiques dcrits dans ce chapitre nest pas exhaustive. Mais
au moins esprons-nous avoir fourni au lecteur une prsentation utile de ce quest
la logique gnrale de ces tests ainsi quun guide dutilisation pratique pour ceux
dentre eux qui sont les plus utiles dans la recherche en management.
Au-del sa porte pratique et didactique illustre, par exemple, par la dmarche
en quatre tapes qui vient juste dtre propose dans les lignes prcdentes, ce
chapitre a aussi voulu fortement attirer lattention du chercheur sur les dangers lis
lusage irrflchi de lestimation statistique.
Un premier danger pour le chercheur serait dignorer le mode demploi de
lestimation statistique, cest--dire ses conditions dutilisation. Ce chapitre a tent
autant que possible de contribuer rduire ce danger. Il a tout dabord prsent en
dtail les conditions dutilisation des principaux tests statistiques de comparaison qui
sont la base de lestimation statistique. Il a ensuite mis en exergue limprieuse
ncessit daccorder, dans le cadre du recours lestimation statistique, une attention
particulire trois lments : la puissance des tests statistiques utiliss, lexognit
des variables explicatives et la spcification des modles.
Un autre danger pour le chercheur consisterait sabriter derrire limage
scientifique de lestimation statistique, cder son aura et au confort apparent li
son utilisation pour abdiquer sa responsabilit. Or, cest le chercheur qui doit
choisir sil recourt ou pas lestimation statistique, ce sur quoi porte lestimation
station statistique et par quel moyen il procde cette estimation statistique. Mais,
plus encore, le chercheur doit garder lesprit que lestimation statistique nest
quun instrument lintrieur dun dispositif et dune dmarche de recherche :
cette recherche commence avant lventuelle estimation statistique, se poursuit
pendant et continue aprs cette estimation statistique qui nest, en dfinitive, quun
outil qui, en tant que tel, ne vaut que si on sait sen servir et bon escient.
De ce point de vue, le dbat continuel sur les mrites (Antonakis et al., 2010), les
exigences (Bascle, 2008 ; Antonakis et al., 2010) et les dangers (Bascle, 2008 ;
Mbengue, 2010.) de lestimation statistique est un excellent stimulant et garde-fou
pour lexercice dune bonne activit de recherche.
471
Partie 3 Analyser

Boursin J.-L., Duru G., Statistique, Paris, Vuibert, 1995.
Ceresta, Aide-mmoire pratique des techniques statistiques , Revue de statis-
tique applique, vol. 34, numro spcial, 1986.
Dodge Y., Statistique : Dictionnaire encyclopdique, Paris, Dunod, 1993.
Hancock G. R., Mueller R. O. (eds.), Structural equation modeling : A second
course, 2nd ed., Charlotte, NC : Information Age Publishing, Inc, 2013.
Kanji G.K., 100 Statistical Tests, Thousand Oaks, Sage, 1993.
472
Chapitre Mthodes
14 de classification et
de structuration
Carole Donada, Ababacar Mbengue
RsuM
Le chercheur en management est parfois confront des situations dans
lesquelles il doit synthtiser de grandes masses de donnes, par exemple
des tableaux de plusieurs dizaines ou centaines de lignes et de colonnes,
transformer un ensemble constitu dun grand nombre dobjets diffrents
en un petit nombre de classes constitues dobjets identiques ou
similaires ou encore mettre en vidence, travers un petit nombre de
dimensions cls ou facteurs , la structure interne dun jeu de donnes.
Les techniques les plus adaptes ce type de proccupations sont les mthodes
de classification et de structuration. On distingue deux grandes familles parmi ces
mthodes : les analyses typologiques et les analyses factorielles.
sOMMAIRE
SECTION 1 Fondements des mthodes de classification et de
structuration SECTION 2 Mise en uvre des principales mthodes

Partie 3 Analyser
L es mthodes de classification et de structuration regroupent des techniques qui

permettent de rduire un jeu de donnes de plus ou moins grande taille un plus petit
nombre de classes ou de facteurs gnraux, facilitant ainsi la lecture et la comprhension
des donnes initiales. Les fondements de ces mthodes prsentent de nombreux points
communs, notamment au plan des objectifs ainsi que de lanalyse et du traitement
pralables des donnes. Ces fondements sont prsents dans la pre-mire section de ce
chapitre. Une seconde section est ensuite consacre la mise en
uvre des diffrentes mthodes de classification et de structuration.
section
1 FOnDEMEnTs DEs MThODEs DE
CLAssIFICATIOn ET DE sTRuCTuRATIOn
Les manuels de statistiques (Everitt et al., 2011 ; Hair et al., 2010 ; McClave et
al., 2011 ; Seber, 2009 ; Tenenhaus, 2007) prsentent de manire dtaille les
logiques mathmatiques qui sous-tendent les mthodes de classification et de
structuration. Dans cette section, il sagit de prciser les dfinitions et objectifs de
ces mthodes ainsi que les questions pralables qui se posent au chercheur dsireux
de les utiliser.
1 Dfinitions et objectifs
Classer, segmenter, catgoriser, regrouper, organiser, structurer, rsumer, synthtiser,
simplifier Voil une liste non exhaustive dactions sur un jeu de donnes que les
mthodes de classification et de structuration permettent deffectuer. partir de cette
numration, on peut formuler trois propositions. Tout dabord, les diffrentes
mthodes de classification et de structuration visent condenser une plus ou moins
grande masse de donnes afin de la rendre plus intelligible. Ensuite, classer des
donnes est une manire de les structurer (cest--dire sinon de mettre en vidence une
structure inhrente ces donnes, du moins de les prsenter sous une forme nouvelle).
Enfin, structurer des donnes (cest--dire mettre en vidence des dimensions cls ou
des facteurs gnraux) est une manire de classer. En effet, cela revient associer des
objets (observations, individus, cas, variables, caractristiques, critres) ces
dimensions cls ou facteurs gnraux. Or, associer des objets une dimension ou un
facteur est, en dfinitive, une manire de classer ces objets dans des catgories
reprsentes par cette dimension ou ce facteur.
La consquence directe des propositions prcdentes est que, conceptuellement, la
diffrence entre mthodes de classification et mthodes de structuration est relativement
tnue. De fait, si de manire traditionnelle la classification a t presque toujours effectue
sur les observations (individus, cas, entreprises) et la structuration sur les
474
Mthodes de classification et de structuration Chapitre 14
variables (critres, caractristiques), rien ne soppose ni conceptuellement ni

techniquement la classification de variables ou la structuration dobservations.
Les mthodes de classification et de structuration sont nombreuses mais on les
rassemble gnralement dans deux grandes familles : les analyses typologiques et
les analyses factorielles .
Lobjectif principal des analyses typologiques est de regrouper des objets en
classes homognes, de telle sorte que les objets lintrieur dune mme classe
soient trs semblables et que les objets dans des classes diffrentes soient trs
dissemblables. De ce fait, les analyses typologiques relvent de la taxinomie
qui est la science de la classification. Mais, alors quil est possible de classer de
manire subjective et intuitive, les analyses typologiques sont des mthodes
automatiques de classification qui utilisent la statistique. Typologie , analyse
typologique , classification automatique et taxinomie numrique sont ainsi
des termes synonymes. Cette diversit des dnominations vient en partie du fait
que les analyses typologiques ont t utilises dans de nombreuses disciplines
diffrentes comme la biologie, la psychologie, lconomie et, plus rcemment, la
gestion o elle sert, par exemple, segmenter les marchs, les secteurs ou les
stratgies des entreprises. Dans cette dernire discipline, les analyses typologiques
sont souvent utilises dans des recherches exploratoires ou alors comme une tape
intermdiaire au sein dune recherche confirmatoire.
Les chercheurs en management stratgique ont souvent eu besoin de regrouper
les organisations en grands ensembles pour faciliter leur comprhension et en tirer
des consquences sur leurs comportements. Les travaux prcurseurs sur les
groupes stratgiques (Hatten et Schendel, 1977), les taxonomies (Galbraith et
Schendel, 1983), les archtypes (Miller et Friesen, 1978) ou les typologies
organisationnelles (Miles et Snow, 1978 ; Mintzberg, 1989) sinscrivaient dj
dans cette perspective. Les contributions de ces auteurs ont t sans commune
mesure pour notre discipline. Par exemple, plus de 8100 chercheurs ont cit la
typologie de Miles et Snow dans leurs travaux. De mme, reprise dans tous les
manuels de gestion du monde, la typologie de Mintzberg a t apprise par tous les

tudiants en management. Les forces et les faiblesses de ces analyses typologiques
sont souvent discutes. Certains auteurs y voient une base solide pour explorer des
comportements ou prdire des actions (Hofstede, 1998). Limportance dune telle
analyse est dautant plus vidente depuis lavnement dInternet et les gigantesques
bases de donnes maintenant disponibles (Liu, 2007). Dautres reprochent leur
caractre subjectif et incomplet. En effet, tant tributaire du choix des variables et
de lchantillon slectionn, lanalyse typologique ne donne pas de solution unique
(Everitt et al., 2011). Barney et Hoskisson (1990) puis Ketchen et Shook (1996)
procdent une discussion approfondie et critique de lusage de ces analyses.
Lobjectif principal des analyses factorielles est de simplifier des donnes en mettant
en vidence un petit nombre de facteurs gnraux ou de dimensions cls. Ces
475
Partie 3 Analyser
mthodes regroupent diffrentes techniques statistiques qui permettent dexaminer la

structure interne dun grand nombre de variables et/ou dobservations, afin de les
remplacer par un petit nombre de facteurs ou dimensions les caractrisant. Plus
spcifiquement, les analyses factorielles permettent datteindre les objectifs suivants :
structurer des variables, cest--dire identifier des facteurs sous-jacents un
grand ensemble de variables ;
structurer des observations, cest--dire identifier des types sous-jacents au sein
dun grand ensemble dobservations ;
identifier des catgories ou types de variables ou dobservations que lon souhaite
utiliser comme variables ou observations dans des analyses subsquentes ;
simplifier un grand tableau de donnes et lui substituer un plus petit tableau de
quelques lignes et colonnes.
Les analyses factorielles peuvent aussi tre appliques dans une perspective de
recherche confirmatoire ou exploratoire. A titre confirmatoire, elles permettent
dexaminer la validit statistique de mesures observables de concepts thoriques.
Constitutives des modles dquations structurelles, elles autorisent la rduction
dun grand nombre de variables manifestes par exemple, les items dun
questionnaire en quelques variables latentes correspondant aux concepts
proposs par le chercheur. Cest dans cette dmarche que les chercheurs de lAston
group (Pugh et al. 1968) ont t les premiers utiliser les analyses factorielles. Ces
analyses sont ainsi appliques par tous les auteurs qui ont une ide a priori de la
structure des relations entre leurs donnes et qui la testent. Dans une optique
exploratoire, les analyses factorielles font merger des associations statistiques
entre des variables. Les chercheurs, qui nont pas spcifi a priori la structure des
relations entre leurs donnes, commentent et justifient a posteriori les rsultats
obtenus. La structure merge alors entirement de lanalyse statistique. Cette
optique est adopte par Wiertz et de Ruyter (2007) dans leur tude sur les
communauts de consommateurs.
Il est possible de combiner dans une mme recherche des analyses typologiques
et des analyses factorielles. Par exemple, Voss, Cable and Voss (2006) ont eu
recours ces deux mthodes pour tudier comment les dsaccords que peuvent
avoir les leaders sur lidentit de leur entreprise impactent la performance de celle-
ci. En effet, ils commencent par envoyer aux leaders slectionns (deux par
organisation) un questionnaire contenant quinze questions sur leur perception de
lidentit organisationnelle. Ces quinze mesures sont regroupes sous cinq valeurs
principales grce une analyse factorielle confirmatoire. Ensuite, pour pouvoir
comparer les positions des directeurs, leurs rponses aux quinze items sont classes
en utilisant une analyse typologique et chaque directeur est ainsi reli une des
cinq valeurs. Les auteurs peuvent alors constater facilement les dsaccords entre
les directeurs en comparer la valeur laquelle chacun est rattach.
476
2 Questions pralables
Le chercheur souhaitant recourir aux mthodes de classification et de

structuration est confront trois types dinterrogations relatives au contenu des
donnes analyser, la ncessit de prparer ces donnes avant lanalyse et la
dfinition de la notion de proximit entre les donnes.
2.1 Le contenu des donnes
Le chercheur ne peut pas se contenter de prendre telles quelles les donnes

disponibles. Il doit sinterroger sur leur contenu et leur pertinence. Cette
interrogation porte alors sur : lidentification des objets analyser ; les frontires
sectorielles, spatiales ou temporelles de ces objets ; leur dnombrement.
Identifier les objets analyser, cest choisir entre une tude des observations (entre-
prises, individus, produits, dcisions, situations ou cas dentreprises) ou une tude
de leurs caractristiques (variables). Lintrt dun mme jeu de donnes peut tre
trs ingal selon le choix retenu par le chercheur et selon la forme du tableau de
donnes. Cette dernire influence son tour le type danalyse factorielle devant tre
retenue. Lorsque les lignes dun tableau correspondent aux observations et les
colonnes aux variables, lanalyse va identifier les facteurs sous-jacents aux variables.
Cette analyse est la plus commune ; on lappelle analyse factorielle de type R. Elle
est indissociable des travaux de validation dchelles ou danalyses confirmatoires.
Lorsque les lignes du tableau correspondent aux variables et les colonnes aux obser-
vations, lanalyse porte sur les observations. Elle permet de dcrire la composition
dun groupe caractris par les variables de ltude. On parle alors danalyse facto-
rielle inverse ou danalyse de type Q1.
Sinterroger sur les frontires des donnes, cest se demander si celles-ci ont un sens
naturel ou logique, si tous les objets analyser sont bien situs lintrieur des
frontires choisies et, inversement, si tous les objets significatifs situs lintrieur
des frontires choisies sont bien reprsents dans le jeu de donnes. Les deux der-
est un dlit.
nires interrogations font la jonction entre la question des frontires et celle du

dnombrement des objets. Le secteur est souvent retenu comme le premier critre
de frontire dun ensemble dobservations reprsentes par des entreprises. Ses
autoris
limites sont alors dfinies sur la base dindicateurs officiels comme le Standard
e
Industrial Classification (SIC) aux Etats-Unis ou la nomenclature Insee (NAF) en

non
France. Les critres justifiant les frontires gographiques relvent davantage de la

Dunod Toute reproduction
1. Dautres modes danalyse factorielle existent mais ils sont trs rarement utiliss dans les recherches en
management stratgique. Il sagit notamment de lanalyse factorielle de type 0, T ou S. Ces modes permettent de
travailler sur des donnes collectes pour des sries temporelles. Dans les deux premiers modes, les lignes du tableau
de donnes sont respectivement des variables ou des observations et les colonnes sont des annes. Ces analyses sont
plus utilises en science politique car elles permettent de regrouper des annes marques par des variables et ou des
individus particuliers. Le mode S correspond au mode invers. Il permet danalyser la composition dun groupe sur une
longue priode.
477
Partie 3 Analyser
subjectivit du chercheur. Lchelle peut tre purement gographique lorsquil

sagit de distinguer des continents, des pays, des rgions. Elle peut tre aussi go-
politique ou go-conomique lorsquil sagit de distinguer des zones dchange :
pays de la triade, pays de lUnion Europenne, de lAlena etc. Une rflexion
approfondie sur les frontires gographiques est indispensable toute tude sur
les clusters gogra-phiques et industriels ou les zones actives dchange (Porter,
2000). Enfin, le cher-cheur doit considrer les frontires temporelles des donnes
lorsquelles stendent sur plusieurs plages de temps.
Dans le cadre dune tude sur les groupes stratgiques, le chercheur doit porter une
attention particulire sur ces trois choix de frontires sectorielles, gographiques et
temporelles. Ne retenir que des entreprises nationales alors que leurs marchs sont
globaux ou multi-domestiques peut tre inappropri. De mme, ne retenir que les
nomenclatures officielles (par exemple SIC ou NAF) pour dlimiter les primtres
des entreprises limite considrablement la comprhension des stratgies concurren-
tielles et des barrires lentre. Cest pourquoi, il est toujours recommand de
sassurer de la pertinence des cadres danalyse et de leur frontire en interrogeant des
experts ou des acteurs de lobjet tudi. Pour finir, la non-disponibilit dune plage
temporelle suffisamment longue rend impossible ltude de la dynamique des
groupes stratgiques et, dans bien des cas, limite lanalyse de la relation entre lap-
partenance tel ou tel groupe stratgique et performance de lentreprise.
Dfinir le nombre des objets classer ou structurer suppose enfin de respecter une
contrainte de suffisance et une contrainte de non-redondance sur les variables et les
observations. Concernant les variables, la contrainte de suffisance commande de
nomettre aucune variable pertinente ; la contrainte de non-redondance exige quau-
cune variable pertinente ne figure plus dune fois, directement ou indirectement. Ces
deux contraintes reprsentent des conditions extrmes. Dans la ralit, le chercheur
ne les remplira probablement pas la perfection, mais il est vident que plus il sen
rapproche, meilleurs les rsultats seront. Pour rsoudre la difficult, le chercheur peut
faire appel la thorie, la littrature existante ou lexpertise (la sienne sil est lui-
mme un expert de ce contexte empirique ou celle des autres). De manire gnrale,
il est prfrable davoir trop de variables que trop peu, notamment dans une approche
exploratoire (Ketchen et Shook, 1996). Concernant les observations, le problme du
juste nombre dobservations pose les mmes contraintes de suffi-sance et de non-
redondance. Reprenons lexemple dune tude sur les groupes stratgiques. La
contrainte de suffisance impose dans ce cas de retenir toutes les entreprises agissant
dans le contexte empirique. La contrainte de non-redondance exige quaucune
entreprise ne figure plus dune fois parmi les observations. La dif-ficult est ici plus
grande que pour les variables. En effet, la multiplication des politiques de
diversifications, de fusions, dacquisitions ou dalliances rend trs difficile la
dtection des entits stratgiques pertinentes (ou acteurs stratgiques). Une solution
consiste retenir les entits juridiques. Comme ces entits juridiques sont soumises
un certain nombre dobligations lgales concernant leurs activits
478
conomiques et sociales, ce choix a au moins le mrite de permettre laccs une

base minimale dinformations conomiques et sociales relatives lobjet dtude
du chercheur. Plus encore que pour les variables, lexpertise sectorielle doit ici
occuper toute la place qui lui revient : lidentification des observations
pertinentes (cest--dire des acteurs stratgiques dans le cas de ltude des
groupes stratgiques) est une dmarche essentiellement qualitative.
Le nombre exact de variables et dobservations retenir pour une tude est
gnralement dict par les contraintes mthodologiques. Pour les analyses
factorielles, certains spcialistes recommandent un nombre dobservations
suprieur 30, voire 50 ou 100. Dautres prcisent quil doit tre suprieur de 30
ou 50 au nombre de variables. Pour dautres enfin, il doit tre suprieur au
quadruple ou au quintuple du nombre de variables.
Hair et al. (2010) prcisent que ces critres sont trs stricts et que, bien souvent,
le chercheur est amen traiter des donnes dont le nombre dobservations atteint
peine le double du nombre de variables. Dune manire gnrale, lorsque le
nombre dobservations ou de variables parat insuffisant, le chercheur doit
redoubler de prudence dans linterprtation des rsultats.
2.2 La prparation des donnes
La prparation des donnes porte essentiellement sur les valeurs manquantes, les
points extrmes et la standardisation des variables.
Le traitement des valeurs manquantes
La question des donnes manquantes est dautant plus importante que celles-ci
sont nombreuses ou quelles portent sur des observations ou des variables
indispensables la bonne qualit de lanalyse. Le traitement rserv ces donnes
dpend du type danalyse envisag ainsi que du nombre dobservations ou de
variables concernes. Les programmes danalyses typologiques excluent
automatiquement les observations qui ont des valeurs manquantes. Le chercheur

peut soit accepter cette situation impose, soit chercher estimer les valeurs
manquantes (par exemple, remplacer la valeur manquante par une valeur moyenne
ou trs frquente).
Dans le cas o le chercheur remplace les valeurs manquantes par une valeur fixe,
disons la moyenne ou le mode de la variable en question, il prend le risque de crer
des classes ou dimensions artificielles car la prsence dune mme valeur un peu
partout va accrotre la proximit des objets affects. Les programmes danalyses
factorielles peuvent accepter les valeurs manquantes, ce qui nempche pas le
chercheur de les estimer sil le juge ncessaire. Llimination dune valeur
manquante se fait par le retrait de lobservation ou de la variable concerne.
479
Partie 3 Analyser
Le traitement des points extrmes
Le traitement des points extrmes est galement une question importante car la
plupart des mesures de proximit qui fondent les algorithmes de classification et de
structuration sont trs sensibles lexistence de points extrmes. Un point extrme est
un objet aberrant au sens o il est trs diffrent des autres objets de la base de donnes.
La prsence de points extrmes peut biaiser fortement les rsultats des analyses en
transformant le nuage de points en une masse compacte difficile examiner. Il est donc
recommand de les liminer de la base de donnes lors de lanalyse typologique et de
les rintgrer aprs obtention des classes partir des donnes moins atypiques. Les
points extrmes permettent de complter les rsultats obtenus avec les donnes moins
atypiques et peuvent de ce fait contribuer enrichir linterprtation des rsultats. Par
exemple, un point extrme peut prsenter le mme profil que les membres dune classe
issue de lanalyse des donnes moins atypiques. Dans ce cas, la diffrence est au plus
une diffrence de degr et le point extrme peut tre affect la classe dont il a le
profil. Il peut galement arriver quun point extrme prsente un profil diffrent de
celui de toutes les classes issues de lanalyse des donnes moins atypiques. Dans un tel
cas, la diffrence est une diffrence de nature et le chercheur doit alors expliquer la
particularit du positionnement de ce point extrme par rapport aux autres objets.
cette fin, il peut faire appel son intuition, des jugements dexperts sur le sujet ou se
rfrer aux propositions thoriques qui justifient lexistence ou la prsence de ce point
extrme.
EXEMPLE Identification des points extrmes
On identifie les points extrmes par lexamen des statistiques descriptives (frquences,
variances, carts types) et surtout de manire graphique en projetant le nuage des
observa-tions sur un graphique dont les axes sont constitus par des variables. Sur la
figure 14.1, on peut identifier trois points extrmes.
3
Points extrmes
2
1 Point extrme
Variable 2
3
2 1 0 1 2 3 4 5 6
Variable 1
Figure 14.1 Visualisation des points extrmes
480
La standardisation des variables
Aprs le traitement des valeurs manquantes et des points extrmes, le chercheur peut
envisager une troisime opration de prparation des donnes : la standardisation des
variables. Cette opration permet dattribuer un mme poids toutes les variables
prises en compte dans lanalyse. Cest une opration statistique simple qui consiste la
plupart du temps centrer et rduire les variables autour dune moyenne nulle avec un
cart type gal lunit. Cette opration est fortement recommande par certains
auteurs comme Ketchen et Shook (1996) lorsque les variables de la base de donnes
sont mesures sur des chelles de nature diffrente (par exemple, chiffre daffaires,
surface des diffrentes usines en mtres carrs, nombre demploys, etc.). Si les
variables de la base de donnes sont mesures sur des chelles comparables, la
standardisation nest pas indispensable. Cela nempche par certains chercheurs de
conduire les analyses statistiques sur les variables brutes puis sur les variables
standardises afin de comparer les rsultats. Dans ce cas, la solution retenir est celle
qui prsente la plus grande validit (la question de la validit des analyses typologiques
est aborde dans le point 1.3 de la section 2).
Certains spcialistes restent sceptiques sur lutilit relle des deux dernires tapes
prparatoires (Aldenderfer et Blashfield, 1984). On peut tout de mme recommander
au chercheur de comparer les rsultats des analyses obtenues avec ou sans la
standardisation des variables et lintgration des donnes extrmes. Si les rsultats sont
stables, la validit des classes ou dimensions identifies sen trouve renforce.
2.3 La proximit entre les donnes
La notion de proximit est au cur des algorithmes de classification ou de

structuration visant regrouper les objets les plus proches et sparer les objets les
plus lointains. Deux types dindices sont gnralement employs pour mesurer la
proximit : les indices de distance et les indices de similarit. Lindice de distance
le plus connu et le plus utilis est celui de la distance euclidienne ; lindice de
similarit le plus connu et le plus utilis est le coefficient de corrlation.

Le choix du chercheur pour tel ou tel indice est contraint par la nature des
donnes (catgorielles ou mtriques) et par le type danalyse. Avec des donnes
catgorielles, lindice appropri est la distance du Khi2. Avec des donnes
mtriques, le chercheur peut recourir la distance euclidienne pour les analyses
typologiques et au coefficient de corrlation pour les analyses factorielles 1. Dans le
cadre danalyses factorielles on ne peut travailler quavec des indices de similarit.
Les pratiques sont plus souples pour les analyses typologiques. Ces dernires
peuvent tre utilises avec des indices de distance comme avec des indices de
similarit mme si cette dernire pratique est trs rare.
1. Dans les cas spcifiques de forte colinarit entre les variables, la distance de Mahalanobis est recommande.
481
Partie 3 Analyser
Ces particularits tiennent au fait que les indices de distance et de similarit ne

mesurent pas exactement la mme chose. Les indices de distance permettent
dassocier des observations qui sont proches sur lensemble des variables alors que
les indices de similarit permettent dassocier des observations ayant un mme
profil, cest--dire prenant leurs valeurs extrmes sur les mmes variables. Pour
simplifier, les indices de similarit mesurent le profil alors que les indices de
distance mesurent la position. Il nest donc pas surprenant dobtenir des rsultats
diffrents selon les indices utiliss. En revanche, lorsque les rsultats dune
classification ou dune structuration sont stables quelque soient les indices utiliss,
la probabilit dexistence relle dune structure typologique ou factorielle est forte.
Lorsque les rsultats ne concordent pas, la diffrence peut provenir du fait que le
chercheur a mesur des choses diffrentes ou de linexistence dune relle structure
typologique ou factorielle.
EXEMPLE Comparaisons dindices de similarit et de distance
La figure14.2 illustre les diffrences entre ce que mesurent les indices de similarit et de
distance. Un indice de similarit va associer les objets A et C et les objets B et D alors
quun indice de distance va regrouper les objets A et B et les objets C et D.
6
5 A
4 B
2 C
1 D
0
X1 X2 X3
Figure 14.2 Comparaison dindices de similarit et de distance
section
2 MIsE En uVRE DEs PRInCIPALEs MThODEs
1 Analyses typologiques
Aprs avoir bien dfini lunivers des objets classer et prpar ses donnes, le
chercheur qui entreprend une analyse typologique doit : choisir un algorithme de
classification, dterminer le nombre de classes quil souhaite retenir et les valider.
482
1.1 Choisir un algorithme de classification
Choisir un algorithme de classification, cest se demander quelle procdure

utiliser pour regrouper correctement des objets distincts dans des classes. Plusieurs
algorithmes de classification existent. On distingue traditionnellement deux types
de procdures : les procdures hirarchiques et les procdures non hirarchiques ou
nodales.
Les procdures hirarchiques
Les procdures hirarchiques dcomposent les objets dune base de donnes en

classes hirarchiquement embotes les unes dans les autres. Ces oprations
peuvent se faire de manire ascendante ou descendante.
La mthode ascendante est la plus rpandue. Au dpart, chaque objet constitue en
soi une classe. On obtient les premires classes en regroupant les objets les plus
proches, puis les classes dobjets les plus proches, jusqu ne plus avoir quune
seule classe. La mthode descendante procde, elle, par divisions successives allant
des classes dobjets aux objets individuels. Au dpart, tous les objets constituent
une seule et mme classe qui est ensuite scinde pour former deux classes les plus
htrognes possibles entre elles. Le processus est rpt jusqu ce quil y ait
autant de classes que dobjets diffrents.
Il existe plusieurs algorithmes de classification hirarchique. Le plus utilis dans
la recherche en gestion est lalgorithme de Ward parce quil privilgie la
constitution de classes de mme taille. Pour une discussion plus approfondie des
avantages et des limites de chaque algorithme, le chercheur pourra consulter des
ouvrages spcialiss de statistique, les manuels des diffrents logiciels (SAS,
SPSS, SPAD, etc.) ou encore les articles qui prsentent des mta-analyses des
algorithmes utiliss dans les recherches en management (Ketchen et Shook, 1996).
Les procdures non hirarchiques ou nodales

Les procdures non hirarchiques (souvent identifies dans les recherches anglo-
saxonnes comme des K-means methods ou iterative methods) procdent des
regroupements ou des partitions qui ne sont pas embotes les unes dans les
autres. La procdure non hirarchique la plus connue est celle dite des nues
dynamiques . Aprs avoir fix le nombre K de classes quil souhaite obtenir, le
chercheur peut, pour chacune des K classes, indiquer au programme un ou
plusieurs membres typiques dnomms noyaux .
Chacune des deux approches a ses atouts et ses faiblesses. On reproche aux
mthodes hirarchiques dtre trs sensibles lunivers des objets classer, au
traitement prparatoire des donnes (cest--dire traitement des points extrmes et
des valeurs manquantes, standardisation des variables) et au type de mesure de
proximit retenue. On leur reproche galement dtre davantage susceptibles de
483
Partie 3 Analyser
crer des classes qui ne correspondent pas vraiment la ralit. Quant aux mthodes
non hirarchiques, on leur reproche de reposer sur la seule subjectivit du chercheur
qui choisit les noyaux des classes. Elles demandent par ailleurs une bonne
connaissance pralable de lunivers des objets classer ce qui nest pas forcment
vident dans une recherche exploratoire. En revanche, on accorde aux mthodes non
hirarchiques de ne pas tre trop sensibles aux problmes lis lunivers des objets
analyser et tout particulirement lexistence de points extrmes. Dans le pass, les
mthodes hirarchiques ont t largement utilises, en partie sans doute pour des
raisons dopportunit : pendant longtemps, elles taient les plus documentes et les
plus disponibles. Depuis, les mthodes non hirarchiques ont t davantage acceptes
et diffuses. Le choix de lalgorithme dpend en dfinitive des hypothses explicites ou
implicites du chercheur, de son degr de familiarit avec le contexte empirique et de
lexistence dune thorie ou de travaux antrieurs.
Cest pourquoi, plusieurs spcialistes conseillent une combinaison systmatique
des deux types de mthodes (Punj et Steward, 1983). Une analyse hirarchique
peut tre dabord conduite pour avoir une ide du nombre de classes et identifier le
profil des classes ainsi que les points extrmes. Une analyse non hirarchique
utilisant les informations issues de lanalyse hirarchique (cest--dire nombre et
composition des classes) permet ensuite daffiner la classification grce aux
ajustements, itrations et raffectations dans les classes. Au final, cette double
procdure augmente la validit de la classification (cf. section 2, point 1.3).
1.2 Dterminer le nombre de classes
La dtermination du nombre de classes est une tape dlicate et fondamentale de la

dmarche de classification. Dans le cas des procdures non hirarchiques le nombre de
classes doit tre fix en amont par le chercheur. Dans le cas des procdures
hirarchiques il doit tre dduit des rsultats. Bien quil nexiste pas de rgle stricte
permettant de dterminer le vrai ou le bon nombre de classes, le chercheur
dispose tout de mme de plusieurs critres et techniques lui permettant de choisir le
nombre de classes (Hardy, 1994 ; Sugar et James, 2003 ; Hu et Xu, 2004).
Presque tous les logiciels de classification hirarchique produisent des
reprsentations graphiques de la succession des regroupements sous lappellation de
dendogramme . Le dendogramme est compos de deux lments : larbre
hirarchique et lindice de fusion ou niveau dagrgation (agglomeration coefficient).
Larbre hirarchique est un schma qui reproduit les objets classs. Lindice de fusion
ou niveau dagrgation est une chelle qui indique le niveau auquel les agglomrations
sont effectues. Plus lindice de fusion ou niveau dagrgation est lev, plus les
classes formes sont htrognes. La Figure 14.3 montre un exemple de dendogramme.
On peut constater que les objets les plus proches et qui sont regroups en premier lieu
sont les objets 09 et 10. Les agrgations se font rgulirement, sans hausse brusque
jusqu trois classes. Par contre, lorsque
484
lon passe de trois classes deux classes (cf. flche sur la figure 14.3), alors il y a
un grand saut dans lindice de fusion (cf. la flche sur le graphique). Par
consquent, il faut retenir trois classes.
Nombre de classes
10 9 8 7 6 5 4 3 2 1
01
02
03
04
Identificateur ou nom des objets classer
05
06
07
08
09
10
0 10 20 30 40 50 60 70
Indice de fusion ou niveau dagrgation

Figure 14.3 Exemple de dendogramme
Il est possible de projeter le graphe de lvolution de lindice de fusion en

fonction du nombre de classes. La figure 14.4 donne un exemple en reprenant le
mme cas illustr par le dendogramme. On constate une inflexion de la courbe
trois classes : le passage de trois deux classes entrane un brusque saut de
lindice de fusion (cf. la flche sur le graphique). Donc, il faut retenir trois classes.
60
50
40
Indice de fusion 30
20
10
0
0 1 2 3 4 5 6 7 8 9 10
Nombre de classes
Figure 14.4 volution de lindice de fusion en fonction du nombre de classes
485
Partie 3 Analyser
Le chercheur peut tre confront des situations dans lesquelles soit il nexiste
pas de saut visible soit il en existe plusieurs. Dans le premier cas, cela peut
signifier quil nexiste pas vritablement de classes dans les donnes. Dans le
second cas, cela signifie que plusieurs structures de classes sont possibles.
Enfin, un autre critre frquemment employ est celui du CCC (Cubic Clustering
Criterion). Ce critre CCC est une mesure qui rapporte lhomognit intraclasse
lhtrognit interclasses. Sa valeur pour chaque niveau dagrgation (cest--
dire chaque nombre de classes) est produite automatiquement par la plupart des
logiciels de classification automatique. Le nombre de classes retenir est celui
pour lequel le CCC atteint une valeur maximale, un pic . Plusieurs chercheurs
ont utilis ce critre (Ketchen et Shook, 1996).
Les techniques prsentes ici comme les nombreuses autres peuvent aider fixer
le nombre de classes, mais dans tous les cas, le choix final reste sous la seule
responsabilit du chercheur. Le recours aux tudes antrieures sur le sujet, aux
fondements thoriques et au bon sens sont alors trs utiles pour justifier ensuite les
classes tablies, les interprter et les nommer (Slater et Olson, 2001).
1.3 Valider les classes obtenues
La dernire tape de la mise en uvre des analyses typologiques consiste vrifier la

validit des classes obtenues. Lobjectif est de sassurer que la classification possde
une validit interne et externe suffisante. La notion de validit est prsente en dtail
dans le chapitre 10. En ce qui concerne les analyses typologiques, trois aspects sont
importants : la fiabilit, la validit prdictive et la validit externe.
Lvaluation de la fiabilit des instruments utiliss peut se faire de plusieurs
manires. Le chercheur peut avoir recours diffrents algorithmes et mesures de
proximit puis comparer les rsultats obtenus. Si les classes mises en vidence
restent les mmes, cest que la classification est fiable (Ketchen et Shook, 1996 ;
Lebart et al., 2006). On peut galement scinder en deux parties une base de
donnes suffisamment importante et effectuer les procdures sur chacune des
parties distinctes. La concordance des rsultats est une indication de leur fiabilit.
La recherche de Hambrick (1983) sur les types denvironnements industriels en
phase de maturit, celle de Ruiz (2000) sur les relations fournisseur-distributeur
dans les groupes stratgiques ou celle de Slater et Olson (2001) sur la performance
des rapprochements entre les stratgies marketing et les stratgies globales des
units stratgiques, constituent de bons exemples de cette mthode.
La validit prdictive doit toujours tre examine en relation avec une base
conceptuelle existante. Ainsi, les nombreux auteurs qui ont procd des analyses
typologiques pour identifier des groupes stratgiques pourraient mesurer la validit
prdictive de leurs classifications en tudiant par la suite la relation entre les classes
obtenues (cest--dire les groupes stratgiques) et les performances des entreprises
486
(Galbraith et al., 1994). En effet, la thorie des groupes stratgiques stipule que
lappartenance un groupe stratgique dtermine les performances des entreprises
(Porter, 1980). Si la classification obtenue permet de prdire les performances,
alors elle possde une bonne validit prdictive.
Il nexiste pas de tests de validit externe spcifiques aux analyses typologiques. On
peut toutefois apprcier la qualit de la classification en effectuant des tests statistiques
traditionnels (F de Fisher par exemple) ou des analyses de variance entre les classes et
des mesures externes. Ces mesures doivent tre thoriquement lies au phnomne
observ dans les classes mais elles ne sont pas utilises dans les analyses typologiques.
Supposons, par exemple, quun chercheur qui aurait entrepris une classification sur des
entreprises fournisseurs de lindustrie automobile trouve deux classes, celle des
fournisseurs quipementiers et celle des sous-traitants. Pour contrler la validit de sa
typologie, il pourrait effectuer un test statistique sur les classes obtenues et une variable
non prise en compte dans la typologie. Si le test effectu est significatif, le chercheur
aura renforc la validit de sa classification. Dans le cas contraire, il faut rechercher les
causes de cette non-validation et se demander par exemple si la mesure externe choisie
est vraiment une bonne mesure, sil ny a pas derreurs dans linterprtation des classes
et si les algorithmes choisis sont cohrents avec la nature des variables et la dmarche
de recherche.
On peut galement tester la validit externe dune classification en reproduisant la
mme dmarche danalyse sur une autre base de donnes et en comparant les rsultats
obtenus. Cette mthode est difficile mettre en uvre dans la plupart des designs de
recherche en management puisque les bases de donnes primaires sont souvent de
petite taille et quil nest pas facile daccder des donnes complmentaires. Il est
donc rarement possible de scinder les donnes en diffrents chantillons. Ceci reste
nanmoins possible lorsque le chercheur travaille sur de grandes bases de donnes
secondaires (cf. chapitre 9, La collecte des donnes et la gestion de leur source ).
1.4 Conditions dutilisation et limites

Les analyses typologiques sont des outils dont les usages possibles sont trs
nombreux. Elles sont la base des tudes qui veulent classer des donnes, mais
elles constituent galement des procdures rgulirement utilises pour explorer
des donnes.
Concrtement, les utilisations des mthodes de classification sont trs souples
parce quelles sappliquent tout type de donnes, aux observations comme aux
variables, aux donnes catgorielles comme aux donnes mtriques, des tableaux
de donnes comme des distances ou des indices de similarit ou proximit. On
peut en thorie tout classer.
Si en thorie, on peut tout classer, il nest pas forcment pertinent de le faire. Une
rflexion approfondie doit tre effectue par le chercheur ce sujet. Il doit donc
487
Partie 3 Analyser
toujours sinterroger sur lhomognit de lunivers des objets classer, en

particulier sur le sens et les causes de lexistence de classes naturelles dans cet
univers.
Une grande limite des analyses typologiques est lie au poids de la subjectivit
du chercheur. Bien que ce dernier soit aid par quelques critres et techniques
statistiques, il reste seul dcider du nombre de classes retenir. Lorsque celles-ci
sont bien marques, la justification est plus facile mais dans beaucoup de cas, les
frontires des classes sont plus ou moins tranches et plus ou moins naturelles.
En fait, le risque de la typologie est double. Dans un sens, on peut vouloir scinder en
classes un continuum tout fait logique. Cest notamment une critique que lon peut
formuler lencontre des tudes empiriques qui ont tent de valider par des analyses
typologiques lexistence des deux modes de gouvernance (hirarchie et march)
proposs par Williamson. Plusieurs auteurs rappellent la complexit des relations
dentreprises et refusent un classement typologique dichotomique au profit dun vaste
continuum de modes de gouvernance possibles. Les analyses typologiques ont
galement fait lobjet de deux autres critiques : premirement, les regroupements qui
dcoulent de lanalyse sont en ralit plus les rsultats de la mthode employe que de
groupes rels et, deuximement, lanalyse typologique ne dit rien sur les interactions
entre les membres dun groupe donn. Dans lautre sens, on peut vouloir rapprocher de
force des objets bien isols et diffrencis les uns des autres. Cest la critique formule
lencontre des travaux sur les groupes stratgiques qui regroupent systmatiquement
des entreprises (Barney et Hoskisson, 1990). On observe cependant une renaissance de
ces travaux travers des auteurs qui cherchent une reprsentation simple des systmes
concurrentiels devenus trop complexes (Pitt et Thomas, 1994 ; Chen, 1996 ; Smith et
al., 1997 ; Gordon et Milne, 1999).
Il faut noter que les limites des mthodes de classification varient selon les
objectifs du chercheur. Elles sont moins fortes sil cherche uniquement explorer
les donnes que sil ambitionne de trouver des classes relles dobjets.
2 Analyses factorielles
La dmarche de mise en uvre dune analyse factorielle passe par trois tapes :
le choix dun algorithme danalyse, la dtermination du nombre de facteurs et la
validation des facteurs obtenus.
488
2.1 Choisir une technique danalyse factorielle

LAnalyse en Facteurs Communs et Spcifiques
(AFCS) ou Analyse en Composantes Principales (ACP)
On distingue deux techniques de base danalyse factorielle : lanalyse factorielle

classique galement appele analyse en facteurs communs et spcifiques ou
AFCS, et lanalyse en composantes principales ou ACP. Afin de mieux choisir
entre les deux approches, le chercheur doit se rappeler que dans le cadre des
analyses factorielles, la variance totale dune variable se rpartit en trois parts : 1)
une part commune, 2) une part spcifique (on dit galement unique ) et 3) une
part derreur. La variance commune dcrit celle qui est partage par la variable
avec lensemble des autres variables de lanalyse. La variance spcifique est celle
qui est la seule variable en question. La part derreur est due la fiabilit
imparfaite des mesures ou une composante alatoire de la variable mesure. Dans
une AFCS, seule est prise en compte la variance commune. Les variables
observes sont alors des combinaisons linaires de facteurs non observs encore
appels variables latentes . Par contre, lACP prend en compte la variance totale
(cest--dire les trois types de variance), et ce sont les facteurs obtenus qui sont
des combinaisons linaires des variables observes. De tels facteurs hybrides
contiennent par construction une certaine part de variance spcifique et mme,
ventuellement, de part derreur. Toutefois, cette part de variance non commune
(cest--dire variance spcifique + variance derreur) est en gnral relativement
faible pour les facteurs les plus importants (par exemple, les deux ou trois premiers
facteurs) dont la structure ne sera par consquent que marginalement modifie.
Cest pourquoi, pour les premiers facteurs, lAFCS et lACP donnent gnralement
des rsultats similaires.
Le choix du chercheur pour lune ou lautre technique danalyse factorielle
dpend donc de son objectif. Sil souhaite mettre en vidence une structure sous-
jacente des donnes (i.e. identifier des variables latentes ou des construits)
lAFCS est la meilleure technique. Par contre, si le chercheur veut rsumer des
donnes, lACP simpose.
Analyse Factorielle des Correspondances (AFC) ou Analyse

des Correspondances Multiples (ACM) pour les variables catgorielles
LAnalyseFactorielledesCorrespondances(AFC)etlAnalysedesCorrespondances
Multiples (ACM) permettent danalyser des variables catgorielles (i.e. nominales
ou ordinales). Lorsque lanalyse porte sur plus de deux variables, on parle dACM.
Inventes en France et popularises par lquipe de Jean-Paul Benzecri (Benzcri,
1980), ces deux techniques obissent aux mmes contraintes et principes de mise
en uvre que les autres analyses factorielles. Elles peuvent tre conduites sur des
donnes mtriques brutes ou directement sur une matrice de corrlation ou de
489
Partie 3 Analyser
covariance. Elles peuvent tre conduites sur des donnes catgorielles brutes ou
directement sur un tableau de contingence ou de Burt. Malgr la traduction
anglaise des ouvrages de Benzcri et les travaux de Greenacre et Blasius (1994),
aucune recherche en management na t publie ces dernires annes dans les
grandes revues internationales de management. Cette absence de travaux
sexplique davantage par labsence de logiciels conviviaux, matriss et reconnus
aux Etats-Unis par les chercheurs en management que par des limites spcifiques
lutilisation de ces techniques. En France, le logiciel Sphinx permet un traitement
factoriel trs ais des donnes catgorielles.
2.2 Dterminer le nombre de facteurs
La dtermination du nombre de facteurs est une tape dlicate. Bien quon ne

dispose pas de rgle gnrale permettant de dterminer le bon nombre de
facteurs, il existe tout de mme des critres permettant au chercheur de faire face
ce problme (Stewart, 1981). On peut mentionner les critres suivants :
la spcification a priori : il sagit du cas le plus pratique, celui o le
chercheur sait dj combien de facteurs il doit retenir. Cette approche est
pertinente lorsque lobjectif de recherche est de tester une thorie ou une
hypothse relative ce nombre de facteurs, ou si le chercheur rplique une
recherche antrieure et dsire extraire exactement le mme nombre de facteurs.
la restitution minimum : le chercheur se fixe lavance un seuil
correspondant au pourcentage minimum dinformation (cest--dire de variance)
qui doit tre res-titu par lensemble des facteurs retenus (par exemple 60 %). Si
dans les sciences exactes des pourcentages de 95 % sont frquemment requis, il
nen est pas de mme en gestion ou des pourcentages de 50 % et mme beaucoup
moins sont souvent jugs satisfaisants (Hair et al., 2010) ;
la rgle de Kaiser : il sagit de retenir les facteurs dont les valeurs propres (calcules
automatiquement par les logiciels) sont suprieures 1. Lapplication de cette rgle est
trs rpandue dans la littrature. Cependant, il convient de noter que cette rgle nest
valable sans restrictions que dans le cas dune ACP effectue sur une matrice de corr-
lations. Dans le cas dune AFCS, une telle rgle est trop stricte. Le chercheur peut retenir
tout facteur dont la valeur propre, bien quinfrieure 1, est toutefois suprieure
la moyenne des communauts (cest--dire les variances communes) des variables.
Dans tous les cas (ACP ou AFCS), la rgle de la valeur propre suprieure lunit ou
la moyenne des communauts donne les rsultats les plus fiables pour un nombre
de variables compris entre 20 et 50. En dessous de 20 variables, elle a tendance
minorer le nombre de facteurs et, au-del de 50 variables, le majorer ;
490
EXEMPLE Facteurs et valeurs propres associes

Le tableau 14.1 prsente les rsultats dune analyse factorielle.
Onze variables caractrisant quarante entreprises ont t utilises dans lanalyse. Pour
chaque variable, la communaut reprsente la part de variance commune.
Les six premiers facteurs sont examins dans lexemple.
Selon la rgle de Kaiser, seuls les quatre premiers facteurs doivent tre retenus (ils ont
une valeur propre suprieure 1). Au total, ces quatre premiers facteurs restituent 77,1
% de la variance totale.
Tableau 14.1 Valeurs propres et variance explique
Valeur % %
Variable Communaut Facteur
propre de variance cumul
Actif 0,95045 1 4,09733 37,2 37,2
Chiffre daffaires 0,89745 2 1,89810 17,3 54,5
Communication 0,67191 3 1,42931 13,0 67,5
Effectif 0,92064 4 1,05872 9,6 77,1
Export 0,82043 5 0,76011 6,9 84,0
France 0,61076 6 0,61232 5,6 89,6
International 0,76590
Marge 0,68889
R et D 0,66600
Rentabilit 0,82788
conomique
Rentabilit 0,66315
financire
lexamen de la courbe des valeurs propres : il sagit dexaminer les valeurs

propres classes par ordre dcroissant et de dtecter tout aplatissement
durable de la courbe. Il faut retenir le nombre de facteurs correspondant au dbut
de laplatisse-ment durable de la courbe. Les logiciels danalyses factorielles
proposent une visua-lisation graphique des valeurs propres qui facilite la
dtection des aplatissements durables. On les appelle des scree plots ou scree
tests. La figure 14.5 montre un exemple de scree plot. Elle reprsente les valeurs
propres des 14 premiers facteurs issus dune ACP. On peut constater qu partir
du quatrime facteur les valeurs propres se stabilisent (cf. la flche sur la figure
14.5). Le nombre de facteurs retenir ici est donc quatre.
491
Partie 3 Analyser
7
6
5
Valeurs propres 4
3
2
1
00 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Nombre de facteurs
Figure 14.5
La question de linterprtation des facteurs est au cur des analyses factorielles,

notamment des AFCS o il importe souvent de comprendre et parfois de nommer
les variables latentes (cest--dire les facteurs). Un des moyens les plus rpandus
mobiliss pour faciliter linterprtation est la rotation des facteurs. La rotation
est une opration qui simplifie la structure des facteurs. Lidal serait que chaque
facteur ne soit corrl quavec un petit nombre de variables et que chaque variable
ne soit corrle quavec un petit nombre de facteurs, de prfrence un seul. Cela
permettrait de diffrencier aisment les facteurs. On distingue les rotations
orthogonales des rotations obliques . Dans une rotation orthogonale, les
facteurs restent orthogonaux entre eux alors que, dans une rotation oblique, la
contrainte dorthogonalit est relche et les facteurs peuvent devenir corrls les
uns aux autres. Lopration de rotation se passe toujours en deux tapes. Tout
dabord, une ACP ou une AFCS est conduite. Sur la base des critres
prcdemment voqus, le chercheur choisit le nombre de facteurs retenir, par
exemple deux facteurs. Ensuite, la rotation est effectue sur le nombre de facteurs
retenu. On distingue trois principaux types de rotations orthogonales : Varimax,
Quartimax et Equamax. La mthode la plus rpandue est Varimax qui cherche
minimiser le nombre de variables fortement corrles avec un facteur donn. la
limite, pour un facteur donn, les corrlations avec les variables sont proches soit
de lunit soit de zro. Une telle structure facilite gnralement linterprtation des
facteurs. Varimax semble tre la mthode qui donne les meilleurs rsultats. La
mthode Quartimax, quant elle, vise faciliter linterprtation des variables de
sorte que chacune delles soit fortement corrle avec un seul facteur et le moins
corrle possible avec tous les autres facteurs. Notons que plusieurs variables
peuvent alors tre fortement corrles avec le mme facteur. On obtient dans ce cas
une sorte de facteur gnral li toutes les variables. Cest l lun des principaux
dfauts de la mthode Quartimax. La mthode Equamax est un compromis entre
Varimax et Quartimax. Elle essaie de simplifier quelque peu la fois les facteurs et
les variables. Elle ne donne pas des rsultats trs probants et est peu utilise.
492
Il existe galement des rotations obliques mais elles portent des noms diffrents
selon les logiciels (par exemple Oblimin sur SPSS ou Promax sur SAS). Les
rotations obliques donnent gnralement de meilleurs rsultats que les rotations
orthogonales. La figure 14.6 illustre le principe des rotations orthogonales et
obliques. On remarque visuellement quaprs les rotations les nouveaux facteurs
sont mieux associes aux variables.
F1
R. orthog. 1
*V1
R. obliq. 1
*V2
*V6
F2
*V3
*V5 R. obliq. 2
*V4
R. orthog. 2
Figure 14.6
Pour interprter les facteurs, le chercheur doit dcider des variables significativement
corrles avec chaque facteur. En rgle gnrale, les corrlations suprieures 0,30 en
valeur absolue sont juges significatives et celles suprieures 0,50 sont trs
significatives. Cependant, ces valeurs doivent tre ajustes en fonction de la taille de
lchantillon, du nombre de variables et de facteurs retenus. Heureusement, beaucoup
de logiciels indiquent automatiquement au chercheur les variables significatives. Pour
chaque facteur, le chercheur identifie et retient les variables aux corrlations les plus
significatives pour procder linterprtation dudit facteur.
EXEMPLE Matrice, rotations et interprtation des facteurs
Les tableaux 14.2 et 14.3 prsentent la suite des rsultats de lanalyse factorielle du
tableau 14.1. Ces tableaux reproduisent les sorties standard des logiciels danalyses
facto-rielles. Rappelons que les quatre premiers facteurs taient retenus selon la rgle de
Kaiser (valeur propre suprieure lunit). Le tableau 14.2 prsente la matrice des
facteurs avant rotation. On peut constater que les variables actif , effectif et
chiffre daffaires sont fortement et essentiellement corrles au facteur 1, et que la
variable rentabilit financire est fortement et essentiellement corrle au facteur 2.
Par contre, les autres variables sont fortement corrles plusieurs facteurs la fois.
Une telle situation rend linterprtation relativement difficile. Il peut alors tre utile de
procder une rotation des facteurs.
493
Partie 3 Analyser
Tableau 14.2 Matrice des facteurs avant rotation
Variable Facteur 1 Facteur 2 Facteur 3 Facteur 4
Actif 0,90797 0,04198 0,30036 0,18454
Chiffre daffaires 0,88159 0,02617 0,31969 0,13178
Communication 0,53730 0,54823 0,05749 0,28171
Effectif 0,90659 0,00130 0,30151 0,08849
Export 0,23270 0,41953 0,76737 0,03787
France 0,48212 0,36762 0,11265 0,48009
International 0,60010 0,46029 0,43955 0,02691
Marge 0,58919 0,41630 0,33545 0,23646
R et D 0,24258 0,10944 0,16083 0,75453
Rentabilit conomique 0,57657 0,57524 0,40565 0,00026
Rentabilit financire 0,00105 0,74559 0,21213 0,24949
Le tableau 14.3 prsente la matrice des facteurs aprs une rotation Varimax. On peut consta-
ter que les variables actif , effectif et chiffre daffaires sont toujours fortement et
essentiellement corrles au facteur 1. Les variables rentabilit conomique , rentabi-
lit financire et marge apparaissent fortement et essentiellement corrles au facteur
2. Les variables export et international ainsi que, dans une moindre mesure, la
variable communication , sont fortement et essentiellement corrles au facteur 3. Enfin,
la variable R et D et, dans une moindre mesure, la variable France sont fortement et
essentiellement corrles au facteur 4. En conclusion, linterprtation des facteurs est
simplifie : le facteur 1 reprsente la taille, le facteur 2 la rentabilit, le facteur 3 la politique
dinternationalisation et le facteur 4 la politique de recherche et dveloppement.
Tableau 14.3 Matrice des facteurs aprs une rotation Varimax

Actif 0,95422 0,14157 0,10597 0,09298
Effectif 0,93855 0,17384 0,09755 0,00573
Marge 0,28244 0,69832 0,25400 0,23865
Export 0,13711 0,11330 0,87650 0,14331
International 0,34327 0,05113 0,79908 0,08322
Communication 0,50704 0,28482 0,52309 0,24510
R et D 0,22953 0,08582 0,12415 0,76846
France 0,38221 0,40220 0,02817 0,54965
494
2.3 Valider les facteurs obtenus
La dernire tape de la mise en uvre des analyses factorielles concerne

lexamen de la validit des facteurs obtenus.
Les tactiques prcdemment voques pour accrotre la fiabilit des analyses
typologiques (cest--dire croisement des algorithmes, scission de la base de
donnes) peuvent galement servir dans le cas des analyses factorielles.
Les analyses factorielles ont souvent pour objectif didentifier des dimensions
latentes (cest--dire variables non directement observables) qui sont rputes
influencer dautres variables. En management stratgique, de nombreux facteurs
sont censs influencer la performance des entreprises. Cest le cas de la stratgie,
de la structure organisationnelle, des systmes de planification, dinformation, de
dcision. Le chercheur qui se serait attel oprationnaliser de tels facteurs (cest-
-dire variables latentes) pourrait examiner la validit prdictive des
oprationnalisations obtenues.
Par exemple, le chercheur qui aurait entrepris doprationnaliser les trois
stratgies gnriques popularises par Porter (1980), savoir les stratgies de
domination par les cots, de diffrenciation et de concentration, pourrait ensuite
examiner la validit prdictive de ces trois facteurs en valuant leur relation avec la
performance des entreprises (Fiegenbaum et Thomas, 1990).
Le chercheur peut examiner la validit externe des solutions factorielles obtenues en
rpliquant son tude dans un autre contexte ou sur un autre jeu de donnes. Cela tant,
dans la plupart des cas, le chercheur naura pas la possibilit daccder un second
contexte empirique. Dans tous les cas, lexamen de la validit externe ne saurait tre
une opration mcanique. La rflexion pralable sur le contenu des donnes analyser
qui a t dveloppe dans la premire section de ce chapitre peut constituer une bonne
base pour lexamen de la validit externe dune analyse factorielle.

Lanalyse factorielle est un outil trs souple dutilisation et aux usages multiples.
Elle peut sappliquer tout type dobjets (observations ou variables) sous de
multiples prsentations (tableaux de donnes mtriques ou catgorielles, matrices
de distances, matrices de similarit, tableaux de contingence et de Burt, etc.).
De mme que pour les analyses typologiques, le recours lanalyse factorielle sous-
tend un certain nombre dhypothses implicites concernant lunivers des objets
structurer. Naturellement, il ny a aucune raison ce que les facteurs identifis existent
ncessairement dans un univers donn. Le chercheur dsirant procder une analyse
factorielle doit par consquent sinterroger sur les bases thoriques ou autres de
lexistence dune structure factorielle au sein de lunivers des objets structurer. Sur le
plan empirique, la plupart des logiciels danalyse factorielle fournissent
automatiquement des indicateurs permettant dapprcier la probabilit
495
Partie 3 Analyser
dexistence dune structure factorielle ainsi que la qualit des analyses factorielles
effectues. Une faible qualit est une indication dabsence de structure factorielle
ou de non-pertinence de la solution factorielle retenue.
Il faut enfin noter que les limites de lutilisation de lanalyse factorielle nont pas la
mme importance selon les objectifs du chercheur. Si ce dernier dsire uniquement
explorer les donnes ou les synthtiser, il peut avoir une libert daction beaucoup plus
grande que sil avait pour ambition de retrouver ou btir des facteurs sous-jacents.
COnCLusIOn
Lobjet de ce chapitre tait de prsenter les mthodes de classification et de

structuration. Ces mthodes regroupent deux grandes familles de techniques
statistiques : les analyses typologiques et les analyses factorielles. La premire
section du chapitre sest attele mettre en vidence les grands traits communs de
ces deux familles de mthodes. Ces traits communs concernent notamment les
objectifs des mthodes, la rflexion sur le contenu des donnes ainsi que lventuel
travail de prparation des donnes. Une seconde section est consacre la mise en
uvre des diffrentes techniques. Bien quil existe des spcificits, cette mise en
uvre passe par les mmes trois grandes tapes : 1) choix dune procdure
danalyse, 2) dtermination du nombre de classes ou facteurs et 3) validation des
rsultats obtenus.
On trouve dans la littrature plusieurs mta-analyses des recherches en management
qui ont mis en uvre des analyses typologiques ou factorielles. Par exemple, Ozkaya et
al. (2013) ont tudi les analyses typologiques linaires hirarchiques utilises dans
quarante-deux laboratoires, ce qui leur permet de dvelopper des modles standards
pour la recherche sur le commerce international. Tuma, Decker et Scholz (2011) ont
fait une analyse critique de lutilisation des analyses typologiques pour segmenter les
marchs sur plus de 200 articles publis depuis 2000.
Un des enseignements de leur recherche est que relativement peu de recherches
fondes exclusivement sur des analyses typologiques passent les barrages de la
publication. Comme il nexiste pas de rgle normative et objective pour juger le travail
(cest--dire les analyses typologiques), les comits de lecture restent prudents et
refusent un grand nombre darticles. Ceux qui franchissent lobstacle sont avant tout
des articles de recherche exploratoire dont les auteurs ont construit leur analyse en
multipliant les procdures (standardisation et non-standardisation des variables,
conservation et non-conservation des points extrmes etc.), en diversifiant les
algorithmes (mthode hirarchique ascendante puis descendante, mthode non
hirarchique etc.) et en testant la validit de la classification de plusieurs faons (tests
statistiques, mesures externes, procdure dchantillonnage etc.).
496
Nous considrons quil existe une autre voie prometteuse en termes de publications :
celle de lassociation des analyses typologiques ou factorielles dautres techniques
dans le cadre de recherches perspective confirmatoire. Il y a plus de vingt-cinq ans
dj, Thomas et Venkatraman (1988) mentionnaient quun chercheur pourrait
opportunment combiner analyses typologiques et modles de causalit, par exemple
pour tester certaines hypothses de la thorie des groupes stratgiques. Aujourdhui, la
plupart des logiciels danalyses de modles de causalit (LISREL, AMOS, EQS,
MPLUS, SAS-Calis, etc.) permettent des analyses multigroupes.
En tout tat de cause, le chercheur souhaitant mener une analyse de classification
ou de structuration augmentera considrablement la qualit de son travail sil prend
les prcautions suivantes :
utiliser des donnes pertinentes en conduisant une rflexion sur leur signification ;
utiliser des donnes en nombre suffisant afin de respecter les exigences de ces
mthodes statistiques ;
utiliser des donnes propres en prenant soin de traiter les valeurs manquantes,
les points extrmes et les variables dchelles et de variances trs diffrentes ;
bien choisir lindice de similarit ou de distance en fonction des objectifs
poursuivis (insistance sur le profil ou sur la position) et de la nature des donnes
(mtriques ou catgorielles) ;
utiliser de manire croise diffrents algorithmes didentification des classes et
des facteurs ;
utiliser de manire croise diffrents critres pour le choix du nombre de classes
ou de facteurs ;
examiner la validit des solutions typologiques ou factorielles trouves.

Everitt B.S., Landau S., Leese M., Stahl D., Cluster analysis, 5e d., John Wiley &
Sons, 2011.
Hair J., Black W., Babin B., Anderson R., Multivariate data analysis, 7e d., Upper
Saddle River : Pearson Education, 2010.

Lebart L., Morineau A., Piron M. Statistique exploratoire multidimensionnelle,
4e d., Paris : Dunod, 2006.
McClave J.T., Benson P.G., Sincich T., Statistics for business and economics, 11e
d., Upper Saddle River, N.J. : Prentice Hall.(2011).
Raykov T., Marcoulides G.A., An Introduction to Applied Multivariate Analysis,
Routledge/Psychpress, 2008.
Seber G.A.F., Multivariate observations, 3e d., John Wiley & Sons, 2009.
Tenenhaus M., Statistique : Mthodes pour dcrire, expliquer et prvoir, Dunod,
2007.
497
Chapitre Analyse
15 des rseaux
sociaux
Jacques Angot, Barthlmy Chollet et Emmanuel Josserand
RsuM
Ce chapitre aborde le thme des rseaux sociaux, il permet danalyser et de
mieux comprendre les liens existants entre individus, groupes et organisations.
Le premier objectif de ce chapitre est daider le chercheur comprendre les
par-ticularits des mthodes sa disposition et didentifier les donnes quil
lui est ncessaire de collecter.
Le deuxime objectif est de prsenter les principaux outils disponibles :
mesures portant sur le rseau dans son ensemble, sur lanalyse de sous-
groupes ou encore sur les particularismes individuels.
Enfin, le chapitre discute des prcautions ncessaires pour utiliser ces
mthodes et outils.
sOMMAIRE
SECTION 1 Quand utiliser lanalyse des rseaux sociaux
? SECTION 2 Collecter et prparer les donnes
SECTION 3 Analyser les donnes
Partie 3 Analyser
7
6
5
Valeurs propres 4
3
2
1
00 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Nombre de facteurs
Figure 14.5
La question de linterprtation des facteurs est au cur des analyses factorielles,

notamment des AFCS o il importe souvent de comprendre et parfois de nommer
les variables latentes (cest--dire les facteurs). Un des moyens les plus rpandus
mobiliss pour faciliter linterprtation est la rotation des facteurs. La rotation
est une opration qui simplifie la structure des facteurs. Lidal serait que chaque
facteur ne soit corrl quavec un petit nombre de variables et que chaque variable
ne soit corrle quavec un petit nombre de facteurs, de prfrence un seul. Cela
permettrait de diffrencier aisment les facteurs. On distingue les rotations
orthogonales des rotations obliques . Dans une rotation orthogonale, les
facteurs restent orthogonaux entre eux alors que, dans une rotation oblique, la
contrainte dorthogonalit est relche et les facteurs peuvent devenir corrls les
uns aux autres. Lopration de rotation se passe toujours en deux tapes. Tout
dabord, une ACP ou une AFCS est conduite. Sur la base des critres
prcdemment voqus, le chercheur choisit le nombre de facteurs retenir, par
exemple deux facteurs. Ensuite, la rotation est effectue sur le nombre de facteurs
retenu. On distingue trois principaux types de rotations orthogonales : Varimax,
Quartimax et Equamax. La mthode la plus rpandue est Varimax qui cherche
minimiser le nombre de variables fortement corrles avec un facteur donn. la
limite, pour un facteur donn, les corrlations avec les variables sont proches soit
de lunit soit de zro. Une telle structure facilite gnralement linterprtation des
facteurs. Varimax semble tre la mthode qui donne les meilleurs rsultats. La
mthode Quartimax, quant elle, vise faciliter linterprtation des variables de
sorte que chacune delles soit fortement corrle avec un seul facteur et le moins
corrle possible avec tous les autres facteurs. Notons que plusieurs variables
peuvent alors tre fortement corrles avec le mme facteur. On obtient dans ce cas
une sorte de facteur gnral li toutes les variables. Cest l lun des principaux
dfauts de la mthode Quartimax. La mthode Equamax est un compromis entre
Varimax et Quartimax. Elle essaie de simplifier quelque peu la fois les facteurs et
les variables. Elle ne donne pas des rsultats trs probants et est peu utilise.
492
Il existe galement des rotations obliques mais elles portent des noms diffrents
selon les logiciels (par exemple Oblimin sur SPSS ou Promax sur SAS). Les
rotations obliques donnent gnralement de meilleurs rsultats que les rotations
orthogonales. La figure 14.6 illustre le principe des rotations orthogonales et
obliques. On remarque visuellement quaprs les rotations les nouveaux facteurs
sont mieux associes aux variables.
F1
R. orthog. 1
*V1
R. obliq. 1
*V2
*V6
F2
*V3
*V5 R. obliq. 2
*V4
R. orthog. 2
Figure 14.6
Pour interprter les facteurs, le chercheur doit dcider des variables significativement
corrles avec chaque facteur. En rgle gnrale, les corrlations suprieures 0,30 en
valeur absolue sont juges significatives et celles suprieures 0,50 sont trs
significatives. Cependant, ces valeurs doivent tre ajustes en fonction de la taille de
lchantillon, du nombre de variables et de facteurs retenus. Heureusement, beaucoup
de logiciels indiquent automatiquement au chercheur les variables significatives. Pour
chaque facteur, le chercheur identifie et retient les variables aux corrlations les plus
significatives pour procder linterprtation dudit facteur.
EXEMPLE Matrice, rotations et interprtation des facteurs
Les tableaux 14.2 et 14.3 prsentent la suite des rsultats de lanalyse factorielle du
tableau 14.1. Ces tableaux reproduisent les sorties standard des logiciels danalyses
facto-rielles. Rappelons que les quatre premiers facteurs taient retenus selon la rgle de
Kaiser (valeur propre suprieure lunit). Le tableau 14.2 prsente la matrice des
facteurs avant rotation. On peut constater que les variables actif , effectif et
chiffre daffaires sont fortement et essentiellement corrles au facteur 1, et que la
variable rentabilit financire est fortement et essentiellement corrle au facteur 2.
Par contre, les autres variables sont fortement corrles plusieurs facteurs la fois.
Une telle situation rend linterprtation relativement difficile. Il peut alors tre utile de
procder une rotation des facteurs.
493
Partie 3 Analyser
Tableau 14.2 Matrice des facteurs avant rotation
Actif 0,90797 0,04198 0,30036 0,18454
Communication 0,53730 0,54823 0,05749 0,28171
Effectif 0,90659 0,00130 0,30151 0,08849
Export 0,23270 0,41953 0,76737 0,03787
France 0,48212 0,36762 0,11265 0,48009
International 0,60010 0,46029 0,43955 0,02691
Marge 0,58919 0,41630 0,33545 0,23646
R et D 0,24258 0,10944 0,16083 0,75453
Le tableau 14.3 prsente la matrice des facteurs aprs une rotation Varimax. On peut consta-
ter que les variables actif , effectif et chiffre daffaires sont toujours fortement et
essentiellement corrles au facteur 1. Les variables rentabilit conomique , rentabi-
lit financire et marge apparaissent fortement et essentiellement corrles au facteur
2. Les variables export et international ainsi que, dans une moindre mesure, la
variable communication , sont fortement et essentiellement corrles au facteur 3. Enfin,
la variable R et D et, dans une moindre mesure, la variable France sont fortement et
essentiellement corrles au facteur 4. En conclusion, linterprtation des facteurs est
simplifie : le facteur 1 reprsente la taille, le facteur 2 la rentabilit, le facteur 3 la politique
dinternationalisation et le facteur 4 la politique de recherche et dveloppement.
Tableau 14.3 Matrice des facteurs aprs une rotation Varimax

Actif 0,95422 0,14157 0,10597 0,09298
Effectif 0,93855 0,17384 0,09755 0,00573
Marge 0,28244 0,69832 0,25400 0,23865
Export 0,13711 0,11330 0,87650 0,14331
International 0,34327 0,05113 0,79908 0,08322
Communication 0,50704 0,28482 0,52309 0,24510
R et D 0,22953 0,08582 0,12415 0,76846
France 0,38221 0,40220 0,02817 0,54965
494
2.3 Valider les facteurs obtenus
La dernire tape de la mise en uvre des analyses factorielles concerne

lexamen de la validit des facteurs obtenus.
Les tactiques prcdemment voques pour accrotre la fiabilit des analyses
typologiques (cest--dire croisement des algorithmes, scission de la base de
donnes) peuvent galement servir dans le cas des analyses factorielles.
Les analyses factorielles ont souvent pour objectif didentifier des dimensions
latentes (cest--dire variables non directement observables) qui sont rputes
influencer dautres variables. En management stratgique, de nombreux facteurs
sont censs influencer la performance des entreprises. Cest le cas de la stratgie,
de la structure organisationnelle, des systmes de planification, dinformation, de
dcision. Le chercheur qui se serait attel oprationnaliser de tels facteurs (cest-
-dire variables latentes) pourrait examiner la validit prdictive des
oprationnalisations obtenues.
Par exemple, le chercheur qui aurait entrepris doprationnaliser les trois
stratgies gnriques popularises par Porter (1980), savoir les stratgies de
domination par les cots, de diffrenciation et de concentration, pourrait ensuite
examiner la validit prdictive de ces trois facteurs en valuant leur relation avec la
performance des entreprises (Fiegenbaum et Thomas, 1990).
Le chercheur peut examiner la validit externe des solutions factorielles obtenues en
rpliquant son tude dans un autre contexte ou sur un autre jeu de donnes. Cela tant,
dans la plupart des cas, le chercheur naura pas la possibilit daccder un second
contexte empirique. Dans tous les cas, lexamen de la validit externe ne saurait tre
une opration mcanique. La rflexion pralable sur le contenu des donnes analyser
qui a t dveloppe dans la premire section de ce chapitre peut constituer une bonne
base pour lexamen de la validit externe dune analyse factorielle.

Lanalyse factorielle est un outil trs souple dutilisation et aux usages multiples.
Elle peut sappliquer tout type dobjets (observations ou variables) sous de
multiples prsentations (tableaux de donnes mtriques ou catgorielles, matrices
de distances, matrices de similarit, tableaux de contingence et de Burt, etc.).
De mme que pour les analyses typologiques, le recours lanalyse factorielle sous-
tend un certain nombre dhypothses implicites concernant lunivers des objets
structurer. Naturellement, il ny a aucune raison ce que les facteurs identifis existent
ncessairement dans un univers donn. Le chercheur dsirant procder une analyse
factorielle doit par consquent sinterroger sur les bases thoriques ou autres de
lexistence dune structure factorielle au sein de lunivers des objets structurer. Sur le
plan empirique, la plupart des logiciels danalyse factorielle fournissent
automatiquement des indicateurs permettant dapprcier la probabilit
495
Partie 3 Analyser
dexistence dune structure factorielle ainsi que la qualit des analyses factorielles
effectues. Une faible qualit est une indication dabsence de structure factorielle
ou de non-pertinence de la solution factorielle retenue.
Il faut enfin noter que les limites de lutilisation de lanalyse factorielle nont pas la
mme importance selon les objectifs du chercheur. Si ce dernier dsire uniquement
explorer les donnes ou les synthtiser, il peut avoir une libert daction beaucoup plus
grande que sil avait pour ambition de retrouver ou btir des facteurs sous-jacents.
COnCLusIOn
Lobjet de ce chapitre tait de prsenter les mthodes de classification et de

structuration. Ces mthodes regroupent deux grandes familles de techniques
statistiques : les analyses typologiques et les analyses factorielles. La premire
section du chapitre sest attele mettre en vidence les grands traits communs de
ces deux familles de mthodes. Ces traits communs concernent notamment les
objectifs des mthodes, la rflexion sur le contenu des donnes ainsi que lventuel
travail de prparation des donnes. Une seconde section est consacre la mise en
uvre des diffrentes techniques. Bien quil existe des spcificits, cette mise en
uvre passe par les mmes trois grandes tapes : 1) choix dune procdure
danalyse, 2) dtermination du nombre de classes ou facteurs et 3) validation des
rsultats obtenus.
On trouve dans la littrature plusieurs mta-analyses des recherches en management
qui ont mis en uvre des analyses typologiques ou factorielles. Par exemple, Ozkaya et
al. (2013) ont tudi les analyses typologiques linaires hirarchiques utilises dans
quarante-deux laboratoires, ce qui leur permet de dvelopper des modles standards
pour la recherche sur le commerce international. Tuma, Decker et Scholz (2011) ont
fait une analyse critique de lutilisation des analyses typologiques pour segmenter les
marchs sur plus de 200 articles publis depuis 2000.
Un des enseignements de leur recherche est que relativement peu de recherches
fondes exclusivement sur des analyses typologiques passent les barrages de la
publication. Comme il nexiste pas de rgle normative et objective pour juger le travail
(cest--dire les analyses typologiques), les comits de lecture restent prudents et
refusent un grand nombre darticles. Ceux qui franchissent lobstacle sont avant tout
des articles de recherche exploratoire dont les auteurs ont construit leur analyse en
multipliant les procdures (standardisation et non-standardisation des variables,
conservation et non-conservation des points extrmes etc.), en diversifiant les
algorithmes (mthode hirarchique ascendante puis descendante, mthode non
hirarchique etc.) et en testant la validit de la classification de plusieurs faons (tests
statistiques, mesures externes, procdure dchantillonnage etc.).
496
Nous considrons quil existe une autre voie prometteuse en termes de publications :
celle de lassociation des analyses typologiques ou factorielles dautres techniques
dans le cadre de recherches perspective confirmatoire. Il y a plus de vingt-cinq ans
dj, Thomas et Venkatraman (1988) mentionnaient quun chercheur pourrait
opportunment combiner analyses typologiques et modles de causalit, par exemple
pour tester certaines hypothses de la thorie des groupes stratgiques. Aujourdhui, la
plupart des logiciels danalyses de modles de causalit (LISREL, AMOS, EQS,
MPLUS, SAS-Calis, etc.) permettent des analyses multigroupes.
En tout tat de cause, le chercheur souhaitant mener une analyse de classification
ou de structuration augmentera considrablement la qualit de son travail sil prend
les prcautions suivantes :
utiliser des donnes pertinentes en conduisant une rflexion sur leur signification ;
utiliser des donnes en nombre suffisant afin de respecter les exigences de ces
mthodes statistiques ;
utiliser des donnes propres en prenant soin de traiter les valeurs manquantes,
les points extrmes et les variables dchelles et de variances trs diffrentes ;
bien choisir lindice de similarit ou de distance en fonction des objectifs
poursuivis (insistance sur le profil ou sur la position) et de la nature des donnes
(mtriques ou catgorielles) ;
utiliser de manire croise diffrents algorithmes didentification des classes et
des facteurs ;
utiliser de manire croise diffrents critres pour le choix du nombre de classes
ou de facteurs ;
examiner la validit des solutions typologiques ou factorielles trouves.

Everitt B.S., Landau S., Leese M., Stahl D., Cluster analysis, 5e d., John Wiley &
Sons, 2011.
Hair J., Black W., Babin B., Anderson R., Multivariate data analysis, 7e d., Upper
Saddle River : Pearson Education, 2010.

Lebart L., Morineau A., Piron M. Statistique exploratoire multidimensionnelle,
4e d., Paris : Dunod, 2006.
McClave J.T., Benson P.G., Sincich T., Statistics for business and economics, 11e
d., Upper Saddle River, N.J. : Prentice Hall.(2011).
Raykov T., Marcoulides G.A., An Introduction to Applied Multivariate Analysis,
Routledge/Psychpress, 2008.
Seber G.A.F., Multivariate observations, 3e d., John Wiley & Sons, 2009.
Tenenhaus M., Statistique : Mthodes pour dcrire, expliquer et prvoir, Dunod,
2007.
497
Chapitre Analyse
15 des rseaux
sociaux
Jacques Angot, Barthlmy Chollet et Emmanuel Josserand
RsuM
Ce chapitre aborde le thme des rseaux sociaux, il permet danalyser et de
mieux comprendre les liens existants entre individus, groupes et organisations.
Le premier objectif de ce chapitre est daider le chercheur comprendre les
par-ticularits des mthodes sa disposition et didentifier les donnes quil
lui est ncessaire de collecter.
Le deuxime objectif est de prsenter les principaux outils disponibles :
mesures portant sur le rseau dans son ensemble, sur lanalyse de sous-
groupes ou encore sur les particularismes individuels.
Enfin, le chapitre discute des prcautions ncessaires pour utiliser ces
mthodes et outils.
sOMMAIRE
SECTION 1 Quand utiliser lanalyse des rseaux sociaux
? SECTION 2 Collecter et prparer les donnes
SECTION 3 Analyser les donnes
L Analyse des rseaux sociaux
analyse des rseaux regroupe un ensemble doutils et de mthodes qui

Chapitre 15
permettent danalyser des relations entre diffrents acteurs (gnralement, des

individus ou des entreprises). Elle comprend une srie de techniques
quantitatives relativement sophistiques, influences directement par la thorie des
graphes (Wasserman et Faust, 1994). lorigine, lutilisation de ces mthodes en
management sest concentre sur la mise jour de processus informels dans
lorganisation, en tudiant tout particulirement les relations de pouvoir ou de
communication. Mais, aujourdhui, elle dpasse largement ce cadre et porte sur
tout type dunit danalyse et sur un ventail de relations considrable. En
permettant de tester des hypothses dun nouveau genre, mettant en vidence
limportance des relations entre les acteurs (individus, quipes, organisations), ces
techniques ont contribu au progrs des connaissances dans des domaines trs
divers du management (Chauvet et al., 2011) : management de linnovation,
gouvernance des entreprises, russite de carrire, gestion dquipes, etc.
Au sein de ce chapitre, nous prcisions les particularits de cette mthode et les
situations dans lesquelles elle peut tre utilise. Ensuite, nous dcrivons les
donnes quil est ncessaire de collecter et la manire de les prparer. Enfin, nous
prsentons les principaux outils danalyse.
section
1 QuAnD uTILIsER LAnALysE DEs RsEAux sOCIAux ?
Dans le cadre de sa recherche, le chercheur peut tre amen tudier des units
danalyse et des types de relations trs varis. Il pourra entreprendre une dmarche
inductive mais linverse pourra galement tester un cadre conceptuel ou un
ensemble dhypothses.
1.1 Choix de lunit danalyse et des relations tudies
Un rseau est un ensemble de nuds et un ensemble de liens reprsentant des

relations ou labsence de relations entre ces nuds (Brass et al., 2004 : 795).
Lanalyse des rseaux sociaux est avant tout une srie doutils permettant de
transformer en indices ou en reprsentations graphiques ces rseaux. Son
utilisation ne prjuge en rien du positionnement pistmologique, ni mme du type
de question de recherche traite.
Dans la recherche en management, les nuds considrs sont gnralement des
individus, des quipes, ou des entreprises. Cest pourquoi nous ferons rfrence
principalement ce type dunit danalyse dans la suite du chapitre. Il est toutefois
possible denvisager un grand nombre dautres cas et ainsi danalyser des rseaux
499
Partie 3 Analyser
de concepts, de projets, de lieux ou encore dvnements. De mme, le contenu

particulier des relations reprsentes par les liens est extrmement vari (Brass et
al., 2004) : amiti, interdpendance, change de conseil, alliance, conflit,
similarit, coappartenance une institution, co-autorat, pour ne citer que les plus
frquentes. Cette grande polyvalence de la mthode explique sans doute son
utilisation croissante dans la recherche en management (Borgatti et al., 2009).
Devant ltendue des possibilits, le chercheur doit commencer par dterminer
clairement le niveau danalyse qui lintresse, naturellement bien avant la collecte des
donnes. Il faut cet gard bien distinguer lunit danalyse selon deux points de vue :
celui de la question de recherche et celui de la collecte des donnes. Un chercheur qui
sintresse un rseau dentreprises, par exemple, peut certes ltudier partir dune
base de donnes retraant les alliances existant au sein dun secteur, et ainsi rester au
mme niveau danalyse. Mais il peut aussi collecter des donnes sur les relations
interpersonnelles (par exemple lors dun salon professionnel), puis agrger tous les
liens entre personnes dentreprises diffrentes, pour en dduire un rseau au niveau
inter-organisationnel. Un mme jeu de donnes peut ainsi parfois tre analys
diffrents niveaux et pour des questions de recherche diffrentes. Au sein dune
entreprise de hautes technologies fonctionnant par projets, Reagans et al. tudient ce
qui dtermine la qualit dune relation interpersonnelle en termes de transfert de
connaissance (Reagans et McEvily, 2003). Au travers dune enqute, ils collectent des
informations sur les interactions entre personnes. Mais en recoupant cette information
avec la composition des quipes projets, ils peuvent galement agrger les donnes :
lentreprise peut alors sanalyser comme un rseau dquipes, et lon peut rpondre
une question de recherche diffrente, sur les dterminants de la russite dun projet
(Reagans et al., 2004).
1.2 Dmarche inductive ou hypothtico-dductive
Dans certains cas, lanalyse des rseaux peut tre un outil particulirement pertinent
pour mieux comprendre une structure. Il sagit alors essentiellement dutiliser son
pouvoir descriptif. Confront une ralit difficile apprhender, le chercheur a
besoin doutils qui lui permettent dinterprter cette ralit. Des indicateurs gnraux
ou un sociogramme (reprsentation graphique dun rseau) lui permettent par exemple
de mieux comprendre le rseau dans son ensemble. Lanalyse dtaille du
sociogramme ou le calcul de scores de centralit lui permettent disoler des individus
centraux. Enfin, toujours sur la base du sociogramme ou en utilisant les mthodes de
regroupement prsentes dans la troisime section, le chercheur peut mettre en
vidence lexistence de sous-groupes cohsion forte (individus fortement relis entre
eux) ou encore des groupes dindividus qui ont les mmes relations avec les autres
membres du rseau. Lanalyse des rseaux se prsente alors comme une mthode de
description et de modlisation inductive de la structure relationnelle [du rseau]
(Lazega, 1994). Le cas dune firme davocats
500
Analyse des rseaux sociaux Chapitre 15
daffaires tudi par Lazega illustre lutilisation inductive de lanalyse des rseaux.
La recherche de cliques internes lentreprise (groupes dindividus tous relis les
uns aux autres) lui permet de montrer comment les barrires organisationnelles
sont traverses par des petits groupes dindividus.
Dans cette optique inductive, il est souvent conseill dutiliser lanalyse des
rseaux comme une mthode de recherche intimement lie au recueil de donnes
qualitatives. En effet, comme le souligne Lazega (1994), lanalyse des rseaux na
souvent de sens que dans la mesure o une analyse qualitative, permettant une
relle connaissance du contexte, autorise une bonne comprhension et
interprtation des rsultats obtenus.
Lanalyse des rseaux nest nullement rserve une utilisation inductive. Il
existe un grand nombre de recherches o des donnes structurelles sont utilises
pour tester des hypothses. Les scores de centralit par exemple sont souvent
utiliss comme variables explicatives dans le cadre dtudes portant sur le pouvoir
dans lorganisation. Dune manire gnrale, toutes les mthodes que mobilise
lanalyse des rseaux peuvent donner lieu une exploitation hypothtico-
dductive. Ainsi, au-del des mthodes visant dgager des particularismes
individuels, le fait dappartenir un sous-groupe dans une organisation ou dans un
rseau particulier peut tre utilis comme variable explicative ou explique. Cest
ce que font Roberts et OReilly (1979) quand ils utilisent une mesure
dquivalence structurelle pour valuer si des individus sont des participants
actifs ou non au sein de la marine amricaine.
section
2 COLLECTER ET PRPARER LEs DOnnEs
Aprs avoir prsent les diffrents outils de collecte, nous insistons plus
particulirement sur les prcautions ncessaires lorsque les donnes sont collectes
par enqute. Enfin, nous nous intressons la question difficile des frontires
donner au rseau tudi.
1 Collecter les donnes

1.1 Les cinq mthodes de collecte
La collecte des donnes consiste obtenir des informations sur un ensemble

dacteurs et sur les relations quils entretiennent. On peut dnombrer cinq mthodes
diffrentes : les archives, les artefacts, lobservation in situ, lauto-relev, lenqute. Le
chercheur peut dabord utiliser comme matire premire diverses formes
501
Partie 3 Analyser
darchives, dont lanalyse rvle lexistence de relations. Cest le cas par exemple des
recherches sur les boards interlocks , qui tudient les relations existant entre des
entreprises partir de la coappartenance dindividus leurs conseils dadministration.
Ces donnes sont visibles pour les grandes entreprises dans nimporte quel rapport
annuel dactivit et sont compiles dans des bases de donnes commerciales. Cest le
cas galement des donnes sur la co-publication, quil est possible de constituer partir
de bases telles que celles de lInstitute for Scientific Information, ou des donnes de
collaborations sur les brevets, disponibles dans les bases des offices des brevets. Une
relation est alors considre entre A, B et C si leurs trois noms apparaissent sur un
mme brevet ou une mme publication. Au-del de ces exemples trs classiques, la
digitalisation croissante de linformation offre des possibilits infinies au chercheur.
Cattani et Ferriani utilisent la base gratuite Internet Movie Database (IMDB) pour
tablir la liste des participants 2137 films produits aux tats-Unis (Cattani et Ferriani,
2008). Codant un lien entre deux individus pour chaque collaboration sur un film, ils
tablissent ainsi le rseau global de collaboration de lindustrie du cinma amricain et
analysent la manire dont linsertion dun individu dans ce rseau conditionne son
succs.
Dans la deuxime mthode, le chercheur collecte des artefacts de la relation entre
deux acteurs. Par exemple, il tablit des relations partir du volume demails changs.
Dautres analysent les log-files de diffrents contributeurs un mme projet
informatique, considrant quun ajout dun acteur au travail dun autre constitue une
relation. L aussi, la digitalisation des interactions humaines dmultiplie le potentiel de
collecte de donnes. Huang et al. obtiennent par exemple auprs de Sony les fichiers
retraant lactivit de 1525 adeptes du jeu EverQuest II pendant un mois, disposant
ainsi de lensemble du rseau de relations associant ces joueurs dans le combat contre
des monstres (Huang et al., 2013). De manire gnrale, de nombreuses nouvelles
formes de relations sociales crent des artefacts digitaux, qui peuvent ainsi donner
matire lanalyse des rseaux : raction sur un rseau social Twitter, affiliation un
mme site Internet, etc. Comme pour nimporte quel autre cas de big data , le
problme devient alors moins la collecte des donnes que la capacit les mettre en
forme et les analyser de manire sense.
Une troisime mthode consiste plus simplement pour le chercheur observer
directement en situation et coder les relations telles quelles se droulent sur un
terrain. Si cette mthode reste ultra-minoritaire dans la pratique, les technologies
rcentes offrent des possibilits nouvelles de collecte in situ. Ingram et Morris
(2007) tudient ainsi les dterminants de linteraction sociale entre deux personnes
lors dune rception. Tous les participants sont munis de badges lectroniques
capables de dtecter les autres badges proximit. Ds lors quun certain seuil de
proximit est franchi, attestant dune conversation entre les personnes, une relation
est enregistre. La compilation de toutes les donnes ainsi gnres permet
dtudier le rseau global de discussion durant lvnement.
502
Analyse des rseaux sociaux
Chapitre 15
La quatrime mthode, galement assez rare, consiste tout simplement demander

aux individus tudis de relever eux-mmes rgulirement leurs interactions, consistant
ainsi une forme de journal, lequel sera ensuite transform en donnes.
La cinquime et dernire mthode est lenqute : le chercheur interroge les
individus sur leurs relations avec dautres individus (ou, si lunit danalyse est
lentreprise, les relations de son entreprise avec dautres entreprises). tant
probablement la plus rpandue et ncessitant des prcautions particulires, elle fera
ici lobjet de dveloppements spcifiques, dans la sous-section suivante.
Chacune de ces mthodes permet dtablir si une relation existe entre deux acteurs au
sein dun ensemble. Mais elles permettent galement dvaluer les caractristiques de
ces relations. Cela se traduit bien souvent par la mesure dune forme dintensit. Dans
le cas des enqutes, il est ais dinterroger les acteurs dun rseau sur diffrents aspects
de leurs relations. Pour mesurer la frquence dinteraction, par exemple, on insrera
dans le questionnaire des chelles de type Likert, avec plusieurs niveaux allant de
trs frquent trs peu frquent . Une autre possibilit est dassortir ces niveaux
de repres prcis, comme par exemple au moins une fois par jour , au moins une
fois par semaine , etc. Au-del de lintensit on peut aussi mesurer laide doutils
similaires des lments plus qualitatifs, tels que le niveau de conflit peru ou la qualit
des informations changes entre deux acteurs. Cette mesure de lintensit ou de la
qualit des relations est aussi envisageable avec les autres mthodes. Sappuyant sur la
mthode des archives, Ahuja et al. retracent lvolution du rseau dalliances entre 97
entreprises leaders du secteur de la chimie et prennent en compte lintensit des liens
en considrant comme faibles ceux qui sont de simples accords techniques et comme
forts ceux qui correspondent des joint-ventures (Ahuja et al., 2009). Dans lexemple
dj cit des relations inter-entreprises values au travers de la composition de leurs
conseils dadministration, le nombre dadministrateurs peut permettre destimer
lintensit de la relation.
Comment choisir le mode de collecte adapt ? Les trois premires mthodes ont
lavantage de ne pas faire intervenir lacteur tudi dans la collecte des donnes.
Pas du tout intrusives et relativement objectives, on peut penser quelles
garantissent une certaine fiabilit. Cependant, elles ne permettent dtudier quun

champ assez restrictif de relations. A titre dexemple, les donnes de co-
publication apportent une information assez limit sur la relation entre deux
personnes (se voient-elles rgulirement ? Quelle forme a pris leur collaboration ?).
Ainsi, le chercheur est confront une sorte de dilemme entre validit (mes
donnes mesurent-elles bien la complexit des relations qui mintressent ?) et
fiabilit (mes donnes ont-elles vraiment le mme sens dune observation lautre
?). Un autre critre pourra galement aider choisir le mode de collecte le plus
adapt : celui de la faisabilit. Certaines formes de relation ne laissent aucune trace
et ne peuvent tre que renseignes par enqute (par exemple la perception dune
similarit). Dans dautres cas, au contraire, toute enqute est matriellement trs
difficile (par exemple, tudier lensemble des publiants en biomdecine).
503
Partie 3 Analyser
1.2 Les particularits des donnes rsultant denqutes
Que le chercheur utilise des questionnaires ou ralise des entretiens, il sagit

damener le rpondant se prononcer sur ses relations avec les autres membres du
rseau ou, plus rarement, sur la manire dont il peroit les relations entre ces
membres. Le tableau 15.1 donne quelques exemples ditems.
Les items sont utiliss de diverses manires. Une premire technique consiste
demander au rpondant didentifier les personnes avec lesquelles il a des relations,
partir dune liste pr-tablie (par exemple, la liste de lensemble des membres de
lorganisation). Une autre possibilit est de constituer les donnes par effet boule
de neige : une premire personne est interroge sur ses contacts, quelle doit lister
spontanment, grce des gnrateurs de noms. Il sagit ditems permettant de
stimuler la mmoire du rpondant sur ses contacts dans diffrents contextes, avec
possibilit dinscrire un nombre de noms plus ou moins important. Chacune des
personnes ainsi cite fait ensuite elle-mme lobjet de la mme enqute, et ainsi de
suite. Enfin, une dernire possibilit est de se contenter dinterroger un ensemble
dindividus sur leurs contacts, toujours laide de gnrateurs de noms, et
ventuellement sur les relations que ces contacts ont entre eux. Cest lapproche
par les rseaux personnels (ego-networks), qui a lavantage dtre particulirement
facile mettre en uvre. Toutefois, elle ne permet dutiliser quune trs faible
partie des outils danalyse prsents dans la section 3 de ce chapitre. Le chercheur
va dans ce cas gnrer un ensemble de petits rseaux dont il pourra dcrire avec
prcision la configuration autour de chaque individu interrog, mais sans
possibilit de savoir dans quelle mesure ces rseaux se recoupent entre eux, et donc
sans relle connaissance du rseau global tudi.
Tableau 15.1 Exemples de gnrateurs de noms utiliss dans des
recherches en management
Auteurs Nature du lien tudi et gnrateur de nom correspondant
Roberts et OReilly Lien dautorit :
(1979) Si vous tes contrari par quelque chose ou par votre travail, auprs de qui y a-t-il le
plus de chance que vous alliez exprimer formellement votre mcontentement ?
Cross (2002) Lien de communication :
quelle frquence parlez-vous aux personnes suivantes propos du sujet X ?
Lien concernant la rsolution de problme :
Quel est le degr defficacit de chaque personne liste ci-dessous pour vous aider
rsoudre un problme dlicat dans votre travail ?
Bovasso (1992) Lien de contact :
Quels sont les membres de la direction gnrale avec qui vous avez eu des contacts
tlphoniques ou crits ?
Quels sont les membres de la direction gnrale avec qui vous avez eu des contacts en
face face ? Quels sont les membres de la direction gnrale avec qui vous avez eu
des contacts en dehors du lieu de travail ?
Lien dinfluence :
Quels sont les membres de la direction gnrale qui influencent vos ides ?
Quels sont les membres de la direction gnrale dont vous influencez les ides ?
504
Chapitre 15
Une fois la liste des noms ainsi tablie, le rpondant est confront des
interprteurs de noms, cest--dire des items qui permettent de mieux qualifier la
relation entretenue. Pour chaque personne de la liste, il sagira dvaluer par
exemple la frquence dinteraction, la proximit motionnelle, lintensit des
conflits, etc. Ces items sont importants car ils permettent davoir plus de prcisions
dans les donnes, en allant bien au-del de la simple information selon laquelle une
relation existe ou nexiste pas.
En utilisant lenqute pour construire des donnes de rseau, le chercheur sadresse
aux premiers concerns, les acteurs eux-mmes, sassurant ainsi une information de
premire main. Toutefois, il sexpose certains biais quil est ncessaire de prendre en
compte. Confront une liste importante de noms, le rpondant peut avoir tendance
se concentrer en priorit sur les liens les plus importants ou les plus frquents (Marin,
2004), conduisant une surreprsentation systmatique des liens forts. De mme, il
peut avoir tendance surreprsenter les liens ayant donn lieu une interaction rcente
(Hammer, 1984). Le biais dassociation, enfin, se produit lorsque le premier nom qui
va tre coch ou cit conditionne le rpondant, en lamenant penser ensuite des
personnes qui sont associes ce nom, par exemple parce quelles ont des
caractristiques communes (Brewer et al., 2000). Burt prconise dutiliser plusieurs
items ayant des significations proches, de manire casser ces associations et
forcer le rpondant songer des noms nouveaux (Burt, 1997). Une autre dmarche
est, pour estimer la qualit des rponses dun rpondant, dutiliser celle des autres. Par
exemple, on pourra parfois ignorer une relation vers B dclare par A, si de son ct B
na dclar aucune relation vers A (absence de rciprocit). Si cette dmarche
fonctionne pour certains types de liens, comme la communication, elle peut ne pas
avoir de sens pour dautres. Cest le cas lorsque litem vise savoir qui le rpondant
demande des conseils et qui lui en demande : certains acteurs sont typiquement de
grosses sources de conseils sans en tre jamais demandeurs. Labsence de rciprocit
est alors plus le reflet dune ralit lie la dfinition mme de la relation qu un
problme mthodologique. On touche l limportance dtre trs clair sur la
dfinition des relations tudies : ont-elles vocation tre rciproques ? Peuvent-elles
tre a-symtriques ?
2 Dlimiter le rseau
Le problme du choix des individus inclure ainsi que celui des frontires est un
point dlicat de lanalyse des rseaux. En effet, les rseaux ne possdent que trop
rarement des frontires naturelles qui simposent delles-mmes au chercheur. Ils se
jouent des frontires formelles que lon tente dimposer aux organisations (structure,
organigramme, dfinition des postes de travail, localisation). Par consquent, le
chercheur doit faire part dune certaine subjectivit en dlimitant la frontire du rseau
quil analyse. La dlimitation du primtre tudi est dautant plus importante
505
Partie 3 Analyser
quelle a une influence trs forte sur les rsultats des analyses quantitatives
effectues (Doreian et Woodard, 1994).
Lanalyse des rseaux se distingue de beaucoup de recherches traditionnelles,
dans la mesure o il ny est que rarement question dchantillonnage au sens propre
(Hanneman et Riddle, 2005). En se concentrant sur lanalyse des relations entre des
acteurs, il nest pas possible de prlever alatoirement un chantillon de ces acteurs
que lon considrerait comme indpendants et interchangeables. Si A, B et C font
partie dune organisation, navoir des informations que sur A ne permettra
naturellement pas de connatre ses relations. Cela implique notamment quune fois
les frontires tablies, il faut pouvoir tre certain dobtenir des donnes sur
pratiquement tous les acteurs. Ainsi, si les donnes sont collectes par enqute, le
taux de rponse devra forcment se situer des niveaux trs levs (il approche
dailleurs les 100 % dans beaucoup dtudes).
On peut constater dans les pratiques de recherche trois grandes approches pour
tablir les frontires du rseau. La premire, probablement la plus rpandue, est de
se fonder sur des frontires dj existantes car ayant un certain niveau
dinstitutionnalisation. On va considrer par exemple tous les membres dune
organisation, dune communaut dutilisateurs, ou tous les participants un salon.
La seconde est de retenir dans la population les acteurs qui ont en commun
certaines caractristiques, si lon dispose de raisons de penser quelles sont
amenes tre en relations. Par exemple, Lazega et al. tudient les chercheurs
franais en cancrologie, partir de la base de donnes de publications Cancerlit
(Lazega et al., 2008). Ils isolent ce quils appellent llite , et considrent
uniquement les chercheurs ayant publi plus de 25 articles sur une priode donne,
puis tentent dinterroger lintgralit des 168 chercheurs ainsi identifis.
La troisime approche consiste oprer en boule de neige (Doreian et
Woodward, 1994), ce qui permet de constituer lchantillon au cours de la
recherche, sans fermer a priori les frontires du rseau. partir dune premire
liste dacteurs inclus dans le rseau selon des critres ralistes stricts, on cherche
obtenir les noms dautres acteurs auxquels ils sont relis. Des informations sont
alors collectes sur ces autres acteurs, et ainsi de suite. Cela peut naturellement se
faire dans le cas denqutes, mais pas seulement. Rost tudie par exemple le rseau
de collaboration sur des brevets dans lindustrie automobile (Rost, 2011). Elle part
de lensemble des brevets dposs par les six grandes marques allemandes sur 10
ans pour tablir une premire liste dinventeurs. Ensuite, elle recherche les autres
brevets dposs par ces inventeurs. Chaque nom nouveau figurant sur ces autres
brevets est inclus dans ltude, et fait lobjet dune nouvelle recherche dans la base
de loffice europen des brevets. Au bout de cinq vagues de ce type, elle considre
son rseau complet et prt lanalyse.
Il peut parfois tre ncessaire daller au-del de cette rflexion en termes de
frontires pour prendre en compte louverture des rseaux. En effet, les rseaux sont
506
souvent analyss comme des ensembles ferms. Or, dans de nombreuses situations,
ce prsuppos est problmatique (Doreian et Woodard, 1994). Il est alors possible
de concevoir des designs hybrides, o en plus de travailler sur un rseau dlimit,
le chercheur se laisse la possibilit didentifier des acteurs nen faisant pas parti, en
intgrant des gnrateurs de noms en complment dun dispositif fond sur une
liste ferme (voir par exemple Rodan et Galunic, 2004).
3 Mettre en forme des donnes
Le chercheur dispose maintenant de donnes sociomtriques, cest--dire de

donnes qui mesurent les liens entre les individus. Il sait donc, pour chaque acteur
quels sont les autres acteurs avec lesquels il est reli. Il lui faut prsent
reconstituer le ou les rseaux dacteurs.
La plupart des traitements ncessite lutilisation dun outil informatique, qui peut
partir de formes de donnes diverses pour produire les analyses. On peut par
exemple travailler sur des donnes entres sous forme de listes (un fichier texte
rpertoriant une liste o chaque paire dacteurs pour lesquels un lien a t
enregistr constitue un lment de la liste). Mais le plus frquemment, les donnes
sont entres sous forme matricielle. Une premire possibilit est de mettre en
forme une matrice rectangulaire reliant, en ligne, les n acteurs qui composent la
population tudie et, en colonne, m vnements , renvoyant une unit
danalyse diffrente de celle de lacteur. Supposons par exemple quune matrice
retrace en ligne la liste de 300 administrateurs figurant au conseil dadministration
dau moins une des 20 plus grosses entreprises franaises et, en colonne, la liste de
ces 20 entreprises. La cellule xij contiendra un 1 si lindividu i fait partie du conseil
dadministration de lentreprise j, 0 sinon. Ainsi, les relations entre deux
administrateurs apparatront indirectement : deux individus ayant une cellule non
nulle sur la mme colonne ont un lien car ils frquentent le mme conseil. On parle
de matrice daffiliation ou rseau bipartite.
Les dveloppements suivants sintressent lautre possibilit, parce quelle

semble la plus frquente dans la recherche en management. Il sagit de mettre en
forme une matrice carre, appele matrice dadjacence, o les n individus sont
inventoris la fois en ligne et en colonne. Une matrice diffrente sera construite
pour chaque type de relation considre dans la recherche (contrle, travail, amiti,
influence, flux financiers, flux de matire). Si lindividu A est en relation avec
lindividu B, on place un 1 dans la case correspondant lintersection de la ligne A
et de la colonne B. Si linformation nest pas dichotomique, car on dispose par
exemple dlments sur lintensit de la relation, le nombre pourra tre diffrent,
par exemple 10 pour deux coauteurs qui ont collabor sur 10 articles. On parle
alors de rseau valu.
507
Partie 3 Analyser
Si la relation est oriente, il faut prendre en compte son sens. Par exemple, le
chercheur peut tudier le fait quun individu A contrle lactivit dun individu B ou
simplement le fait que cet individu A ait travaill avec lindividu B pendant les trois
derniers mois. Dans ce dernier cas, la relation de travail nest pas oriente et la matrice
dadjacence est donc symtrique. On place un 1 lintersection de la ligne A et de la
colonne B ainsi qua lintersection de la ligne B et de la colonne A. Dans le cas du
rseau de contrle, la relation est oriente. Si A contrle B, B ne contrle par
ncessairement A. On place alors un 1 la seule intersection de la ligne A et de la
colonne B. On obtient donc une matrice dadjacence non symtrique.
Derrire cette dfinition simple de la matrice dadjacence, il faut avoir conscience
que sa construction demande de faire des choix mthodologiques difficiles. En
labsence de prconisations univoques dans la littrature, on peut au moins constater
quelles sont les pratiques courantes. Dabord, quel que soit le type de relation tudi, la
matrice dadjacence va trs souvent tre non symtrique lorsque les donnes sont
issues dune enqute sociomtrique. En effet, la mme relation entre A et B pourra tre
perue trs diffremment par les deux intresss et donner lieu des valeurs
diffrentes. Certains indices ntant calculables ou nayant de sens que pour une
matrice symtrique, le chercheur devra prendre des dcisions pour symtriser la
matrice. Il aura le choix entre plusieurs mthodes : celle du maximum (si la case a-b =
1 et b-a = 0, on considre 1 dans les deux cases), du minimum (dans lexemple cit, on
considrera 0 dans les deux cases, un lien nest donc compt que sil est rciproque),
celle de la moyenne (moyenne des deux valeurs, ce qui na de sens que pour les
donnes values). Sil ne semble exister aucun consensus sur la meilleure manire de
procder, une pratique rpandue consiste faire les analyses souhaites avec les
diffrentes mthodes : la convergence des rsultats sera un lment rassurant. Si les
rsultats sont trs diffrents, en revanche, il faudra rflchir sur la dfinition des
relations tudies et la mesure dans laquelle elles sont censes tre rciproques par leur
dfinition mme.
Une autre caractristique importante des matrices dadjacence est quelles rvlent
souvent lexistence de composants distincts. Un composant est un ensemble dacteurs
qui sont tous relis entre eux au moins indirectement. Lexistence disolats, cest--
dire, dacteurs qui ne sont relis personne, nest gure problmatique : ils sont
gnralement tout simplement ignors. Lorsquen revanche il existe plusieurs
composants importants, le problme est plus aigu car de nombreuses analyses
requirent que tous les acteurs soient relis entre eux, au moins indirectement. Dans ce
cas, la pratique est gnralement de considrer le composant principal, cest--dire
celui qui runit le plus grand nombre dacteurs (par exemple dans la recherche de Rost
cite plus haut, 2011) et dignorer le reste des donnes.
Enfin, il faut noter que les logiciels ne permettent pas quune analyse directe de la
matrice dadjacence, mais aussi diverses manipulations de cette matrice, permettant
davoir une comprhension fine des donnes. Pour ne prendre quun seule exemple,
508
Chapitre 15
supposons une matrice retraant les partenariats entre les 100 plus grandes
entreprises pharmaceutiques. Le chercheur sintresse en partie la gographie de
ces alliances et veut dcrire la position de chaque entreprise laide dindices, en
calculant sparment les indices pour les liens intra et internationaux. En
multipliant la matrice relationnelle par une autre matrice carre ayant une valeur 1
si deux entreprises sont de pays diffrents, 0 sinon, on obtient une nouvelle matrice
relationnelle qui ne comprend que les liens internationaux. De manire gnrale, le
chercheur aura toujours intrt sinterroger sur les manipulations densemble qui
sont possibles avant dentamer les analyses.
Une fois que lon a construit la matrice dadjacence, on peut la reprsenter sous
forme graphique. Le graphique ainsi obtenu est un sociogramme. La figure 15.1
donne un exemple de matrice dadjacence pour un rseau orient, ainsi que le
sociogramme correspondant.
Les sociogrammes permettent un certain nombre dinterprtations sommaires et
peuvent tre suffisants pour lanalyse de rseaux simples. Dans lexemple de la figure
15.1, on peut ainsi immdiatement identifier C comme tant un acteur important. Si la
relation tudie est une relation de conseil, C est vraisemblablement un expert. Sil
sagit dune relation de contrle, cest probablement un chef. Toutefois, ds que la
taille des rseaux concerns crot, linterprtation visuelle du graphique devient
particulirement difficile. Elle devient aussi hasardeuse dans la mesure o les choix
effectus pour disposer les lments du graphe ont une influence forte sur
linterprtation que lon peut en faire. Le chercheur a alors besoin doutils standardiss
permettant une analyse systmatique.
Matrice dadjacence A B C D E
A 0 0 0 0
B 0 1 0 0
C 1 1 1 0
D 0 0 1 1
E 0 0 0 0
A
B
D E
Figure 15.1 Exemple de matrice dadjacence et sociogramme correspondant
509
Partie 3 Analyser
section
3 AnALysER LEs DOnnEs
Une fois les donnes prtes tre analyses, le chercheur peut calculer une
multitude dindices. Ils serviront, soit mieux dcrire le contexte quil tudie, soit
constituer des variables pour tester des hypothses. Il existe un nombre
considrable dindices, aussi les dveloppements suivants se concentrent sur les
plus frquemment utiliss dans la recherche en management.
On peut distinguer ces outils selon le niveau danalyse quils permettent
dtudier. Selon sa question de recherche, le chercheur pourra calculer des indices
qui dcrivent le rseau dans sa globalit, qui servent identifier au sein du rseau
des sous-groupes aux caractristiques spcifiques, ou encore qui permettent de
dcrire la position que chaque acteur y tient.
1 Des indices pour dcrire le rseau dans son ensemble
1.1 Pourquoi vouloir dcrire le rseau sans sa globalit ?
Si lon veut dcrire le rseau dans sa globalit, ce peut tre dabord dans le cadre
dune tude de cas, en complment dautres sources. Dans labsolu, les indices
ainsi calculs nauront que peu de sens car il nexiste pas de seuil indiquant, par
exemple, ce quest un niveau de densit lev ou faible . Ils auront toute leur
utilit, en revanche, dans le cadre de comparaisons, qui peuvent tre de deux types.
Dans le premier cas, on compare les rseaux de groupes indpendants, cest--dire
composs dacteurs diffrents (par exemple, plusieurs dpartements dune
entreprise). Dans le deuxime cas, il sagit dobtenir deux valeurs dun indice pour
le mme groupe dacteurs. On compare alors des rseaux mesurs diffrents
moments, ou qui ont des contenus relationnels distincts (par exemple, dans une
mme entreprise, le rseau damiti et le rseau des liens de subordination). Il est
alors possible dappliquer des outils qui, sils sont trs spcifiques lanalyse des
rseaux sociaux, restent analogues la statistique traditionnelle dans la manire de
les interprter (par exemple test de significativit de la diffrence des densits). La
comparaison entre deux rseaux peut aussi passer par des calculs de corrlations
entre les deux matrices dadjacence (QAP, pour Quadratic Assignment Procedure).
Dans dautres contextes, le chercheur dispose dun ensemble de rseaux
indpendants plus nombreux. Chacun fait alors lobjet de calculs dindices pour
constituer ensuite un ensemble dobservations indpendantes sur lequel conduire
des analyses statistiques. Cest par exemple le cas de labondante littrature sur
lapproche par les rseaux de la performance des quipes, y compris la recherche
dj cite plus haut (Reagans et al. 2004). Les auteurs y collectent au sein dune
510
entreprise des donnes sur plus dun millier dquipes projets, permettant de
construire des mesures de leur structure relationnelle interne. Des analyses
permettent ensuite de montrer que cette structure influence la performance de
lquipe.
1.2 Les acteurs dans le rseau sont-ils trs connects ?

Densit et diamtre
Une premire srie dindices concerne la mesure dans laquelle les individus qui
composent le rseau sont interconnects. Le plus utilis cette fin est sans conteste
la densit. Pour un rseau donn, la densit reprsente le rapport entre le nombre de
liens existants et le nombre de liens possibles. Les liens existants dsignent ceux
que le chercheur a russi mettre en exergue. Les liens possibles dsignent
lensemble des liens qui auraient pu exister compte tenu du nombre dindividus.
Ainsi, pour n individus, il existe n (n 1)/2 liens possibles.
Une autre srie dindicateurs repose sur la notion de distance, qui sestime par le
nombre de relations qui relient deux acteurs du rseau. Il peut y avoir plusieurs
valeurs de distance entre deux acteurs, car il existe en gnral plusieurs chemins
pour les relier. Sur le rseau 1 de la figure 15.2, par exemple, C et F sont relis par
trois chemins : leur relation directe (distance = 1), celui qui relie F A, A B et B
C, ou encore celui qui relie C D, D E et E F (distance = 3). La distance
godsique dsigne la longueur du chemin le plus court, cest--dire ici 1. Une fois
calcule cette distance pour chaque paire, on peut identifier le diamtre du rseau,
cest--dire la distance godsique entre les deux acteurs les plus distants lun de
lautre (dans le rseau 1, les paires B-E et A-D ont la distance maximale, soit 3).
Ces indicateurs sont gnralement utiliss comme variable explicative de la
performance des groupes dindividus ou dentreprises. Plus les acteurs sont relis
les uns aux autres, plus la cohsion dans le rseau devrait tre forte, avec des
retombes favorables pour laction collective, une coordination plus aise et une
bonne circulation de linformation. Dun autre ct, cela peut aussi conduire un
fonctionnement en circuit ferm , o les normes qui se dveloppent et une

certaine fermeture vis--vis de lextrieur empchent la formation dides
nouvelles (Balkundi et al., 2007).
1.3 Les liens entre les acteurs sont-ils uniformment

distribus ? Centralisation et clustering
Si le nombre de liens dans un rseau donne une indication utile, il masque des
situations trs varies. Les exemples 1, 2 et 3 de la figure 15.2 ont tous la mme
densit, pourtant il est vident que leurs structures sont trs diffrentes. Les rseaux
peuvent avoir une structure telle que les liens se concentrent autour de certains
511
Partie 3 Analyser
acteurs. La centralisation permet dvaluer dans quelle mesure le rseau est

organis autour dun acteur en particulier. partir de chaque score de centralit
individuelle des acteurs (voir section 3, plusieurs indices sont envisageables), on
identifie celui qui est le plus central. On calcule alors la somme des carts entre son
score et celui de chacun des autres acteurs. Ce score peut tre utilis tel quel, ou
transform en ratio, en le divisant par la centralisation maximale thoriquement
possible dans ce rseau. Considrons la centralit de degr (le nombre dindividus
auxquels un acteur donn est connect). Sur la figure 15.2, le rseau 2 est trs
centralis, avec un maximum de centralit de 4 pour A et des scores de tout au plus
2 pour tous les autres acteurs. Dans le rseau 1, au contraire, la centralit
schelonne entre 2 et 3, et deux acteurs la fois ont le score maximal (F et C).
La centralisation a toutefois linconvnient dtre fortement dpendante de
lindividu qui est utilis comme point de rfrence. Dans la pratique, beaucoup de
rseaux sorganisent autour de grappes (clusters) dacteurs plutt que lun
dentre eux en particulier. Le clustering coefficient (Watts, 1999) considre
successivement les contacts directs de chaque acteur (par exemple dans le rseau 2,
A a des liens avec B, D, E et F), pour calculer la proportion de ces contacts qui
sont eux-mmes en relation (1/6 pour A, car seul un lien existe, E-F, sur 6
possibles). La moyenne de cette proportion sur tous les acteurs du rseau constitue
le clustering coefficient . Dans la figure 15.2, le calcul confirme limpression
que lon peut avoir visuellement : cest le rseau 3 qui a le coefficient le plus lev.
Ce coefficient a t en particulier utilis en association la distance moyenne
entre toutes les paires dacteurs, pour analyser les situations de petit monde
(small world) au sein de rseaux trs larges. Celles-ci se caractrisent par
lexistence simultane de nombreuses grappes trs distinctes dindividus rendues
trs proches les unes des autres par des liens directs existants entre certains de leurs
membres (Uzzi et Spiro, 2005).
B B B
A
A A
C C C
D
F F D F D
E E E
Rseau 1 Rseau 2 Rseau 3

Densit : 0,467 Densit : 0,467 Densit : 0,467
Diamtre : 3 Diamtre : 3 Diamtre : 4
Centralisation : 4 Centralisation : 10 Centralisation : 6
Clustering coefficient : 0 Clustering coefficient : 0,467 Clustering coefficient : 0,533
Figure 15.2 Trois exemples de rseaux de mme densit
512
Chapitre 15
1.4 Quelles caractristiques ont les relations dyadiques ?

Reciprocit et multiplexit
Lorsque le but est dclairer des processus interpersonnels, il peut tre utile
dtudier chaque relation dyadique et de dgager au niveau global une tendance sur
leurs caractristiques. Lorsque les donnes sont diriges, on peut analyser la
mesure dans laquelle les relations sont rciproques. Par exemple, dans un rseau de
citations, si A cite B, B a-t-il tendance citer A ? Un indice couramment utilis est
la proportion de tous les liens existants dans le rseau qui ont la particularit
davoir un quivalent en direction oppose.
La multiplexit correspond lexistence de liens de natures diffrentes entre les
individus. Si lon prend lexemple de relations existant au sein dun groupe de
dirigeants dentreprise, il peut exister, entre deux dirigeants dentreprises donnes,
des relations de confiance, damiti, ou bien encore de contrle. Plus la relation
porte sur des dimensions varies, plus on dira que la relation est multiplexe. Si n
est le nombre de liens de nature diffrente existant entre les units tudies
(individus, entreprises) et p le nombre dunits cites pour un lien au moins, le
degr de multiplexit est le rapport n/p.
Naturellement ces indicateurs sont dun maniement dlicat car ils proposent un
rsum des relations dyadiques qui peut masquer des situations bien diverses. Par
exemple, deux rseaux peuvent avoir le mme degr de multiplexit avec des
situations trs diffrentes, telles quune minorit dacteurs ayant des liens trs
multiplexes (confiance, amiti, subordination, conseil dans la mme relation), dun
ct, et une majorit dacteurs ayant des liens faiblement multiplexes (deux types
de contenu dans la relation), de lautre.
Les dveloppements rcents de mthodes spcifiquement conues pour tudier la
dyade (ou parfois la triade) en tant que niveau danalyse part entire permettent
daller beaucoup plus loin dans la comprhension des processus interpersonnels.
Cest le cas par exemple des modles p*/ERG (Exponential Random Graph
Models, Robins et al., 2007) ou SIENA (Snijders et al., 2010). Ces outils trs
sophistiqus soutiennent un mouvement trs net vers des recherches adoptant une
approche plus dynamique des rseaux. Lobjectif est de tester le rle de divers
processus interpersonnels dans lvolution des liens dyadiques, en considrant
galement limpact de certaines caractristiques personnelles des acteurs (voir par
exemple Faraj et Johnson, 2011, Huang et al., 2013, Schulte et al., 2012).
2 Des indices pour identifier des sous-groupes dans le rseau
Une srie de mthodes lui permet de regrouper les individus au sein dun rseau.
Un premier principe de regroupement est la cohsion. Un second principe, celui de
lquivalence, est utilis pour regrouper des individus occupant des positions
similaires au sein du rseau.
513
Partie 3 Analyser
2.1 Des groupes cohsion forte
Le principe de cohsion consiste regrouper des individus proches les uns

des autres au sein du rseau. Il sagit de distinguer des sous-groupes dindividus en
raison de leur forte densit. La recherche de sous-groupes au sein du rseau
correspond en gnral la volont de mettre en vidence lexistence dacteurs
collectifs (par exemple une coalition dominante) au sein dune organisation. On
retrouve ici lide prcise en section 1, selon laquelle un mme jeu de donnes
peut sanalyser plusieurs niveaux : une fois mis en vidence divers sous-groupes
cohrents, on pourra agrger les donnes relationnelles et analyser le rseau de
relations entre ces sous-groupes.
Un acteur collectif est souvent reprsent, dans le monde des rseaux, par
lexistence dune clique, cest--dire un ensemble dindividus qui sont tous
interconnects. Sur la figure 15.2, le rseau 1 ne contient aucune clique. Le rseau
3 contient deux cliques de taille 3 (ABC, ABF). Mais nest-ce pas quelque peu
restrictif dexiger que tous les acteurs soient connects entre eux pour tablir
lexistence dune certaine entit collective ? Dans le rseau 3, on est tent de
conclure que A, B, C et F font partie dun mme groupe, mme si C et F nont pas
de lien direct. Cette logique moins restrictive est celle des n-cliques. Font partie de
la mme n-clique tous les acteurs spars par une distance godsique n au
maximum. A, B, C et F forment donc une 2-clique, par exemple. A, B, C, E et F
forment une 3-clique. Dans un cas rel de recherche, le rseau est naturellement
plus vaste et il est donc clairant de procder au recensement des n-cliques, pour
comprendre la structure du rseau, en sachant quau-del dun critre n = 2, les
rsultats auront un sens difficile interprter.
Lanalyse des rseaux sociaux comprend une multitude dautres manires
didentifier des sous-groupes, dvelopes en raction aux limites de la dfinition
des cliques (N-Clans, K-plexes, K-cores). Par exemple un K-plexe est un groupe
dont chaque membre est reli tous les autres sauf, au maximum, K de ses
membres. La notion de K-core adopte une logique encore diffrente, en
considrant au sein dun groupe tous les acteurs qui sont relis au moins K autres
de ses membres. On pourra avoir un bon aperu de ces diverses approches dans
Hanneman et Riddle (2005, chapitre 11).
Les logiciels permettent deffectuer un recensement systmatique de chaque
catgorie dans un rseau donn, en comptant et identifiant les groupes correspondant
chaque seuil choisi (par exemple, liste des 1-plexes, 2-plexes, 3-plexes, etc.). De
manire gnrale, devant ltendue des possibles la difficult rside dans le choix
dune dfinition du groupe et de seuils pertinents. Le chercheur fera ce choix la
lumire du type de donnes dont il dispose. Dabord parce que certaines mthodes ne
concernent que certains types (par exemple, la mthode de F-groups ne sapplique qu
des donnes values). Mais aussi parce que certains rseaux peuvent tre adapts des
dfinitions restrictives, dautres pas. Pour prendre un exemple
514
simpliste, un critre relativement strict tel que la 2-clique aura certainement du

sens dans ltude dune promotion dtudiants qui se ctoient au quotidien. Il en
aurait beaucoup moins si lon tudie lensemble des publiants en biomdecine sur
une priode, o la densit globale faible nen exclue pas moins lexistence de sous-
groupes. Le choix se fera aussi en fonction de la conceptualisation de ce quest un
groupe, cette fois non pas du point de vue de lanalyse des rseaux, mais du point
de vue du cadre conceptuel utilis. Par exemple, si le groupe est dfini comme une
entit laquelle ses membres sidentifient, alors il est difficile dadopter une
dfinition restrictive (clique ou n-clique), car un individu peut sidentifier un
groupe mme en ntant reli qu une faible partie de ses membres (Hanneman et
Riddle, 2005).
2.2 Des classes dquivalence
Le chercheur peut galement essayer de rapprocher des individus parce quils ont
des liens de mme nature avec les autres membres du rseau. On parle alors
dquivalence. En revanche, les membres dune classe dquivalence ne sont pas
ncessairement lis entre eux. Lexemple ci-dessous prsente une recherche
utilisant la notion dquivalence structurelle (cf. la dfinition ci-dessous).
EXEMPLE Rduction de la divergence dopinion entre les membres

dune classe dquivalence
Friedkin et Johnsen (1997) sintressent la faon dont les effets dinfluence au sein
dun rseau entranent une convergence des opinions entre ses membres. Ils regroupent
pour cela les individus en classe dquivalence et valuent la faon dont leurs opinions
convergent. Si les acteurs appartiennent une mme classe dquivalence, les auteurs
constatent que leurs divergences dopinion se rduisent. En revanche, ce phnomne de
rduction de la divergence peut se produire mais napparat pas toujours si les individus
nappartiennent pas la mme classe dquivalence.
Le regroupement par classes dquivalence est par exemple utilis pour prendre
en compte la notion de rle et de statut social. Si lon prend le cas des postes
occups dans une entreprise, on peut supposer que chaque ouvrier a des relations
similaires avec les individus appartenant dautres classes (contrematres, cadres
suprieurs). Le regroupement par classes dquivalence permet didentifier les
classes dindividus jouant le mme rle indpendamment de celui qui est dfini
formellement par le statut et le contrat de travail.
On distingue lquivalence structurelle, lquivalence rgulire et lquivalence
automorphique.
On parlera ainsi dquivalence structurelle quand tous les lments dune classe ont
des relations avec exactement tous les membres dune autre classe. Par exemple,
515
Partie 3 Analyser
dans larme, tous les subordonns doivent le respect aux personnes portant le
grade suprieur.
Lquivalence rgulire correspond quant elle au fait que si un membre dune
classe 1 est reli un membre dune classe 2, tous les membres de 1 doivent avoir
un lien avec au moins un membre de la classe 2, et tous les membres de la classe 2
doivent avoir un lien au moins avec un membre de la classe 1. Par exemple, dans
une usine, chaque contrematre dirige au moins un ouvrier et chaque ouvrier est
dirig par au moins un contrematre.
Deux individus appartiennent une mme classe dquivalence automorphique
sil est possible de les permuter dans le rseau et de reconstituer un rseau
isomorphe du premier cest--dire ayant exactement la mme forme que le
premier. Ce cas se produit quand deux individus ont en fait des rseaux exactement
symtriques. On peut, par exemple, imaginer que deux chefs de projet dans une
entreprise se retrouvent en situation dquivalence automorphique.
Il apparat donc clairement que le type dquivalence recherch dpend directement
du problme tudi et de la question de recherche. La figure 15.3 illustre lquivalence
structurale, lquivalence rgulire et lquivalence automorphique.
A B Classe 1 A B C D
E F G
E F G H Classe 2
AB et EFGH forment des classes ABCD et EFG forment des classes

dquivalence structurelle. dquivalence rgulire.
A B
A1 A2 B1 B2
(A,B), (A1,A2,B1,B2) et C forment des classes dquivalence automorphique.
Figure 15.3 Les trois types dquivalence
Il est toutefois rare que lon trouve dans la ralit des classes rpondant
strictement lun des trois types dquivalence. Lapplication stricte de lune des
trois dfinitions naboutit que rarement des classes interprtables en termes de
rles sociaux. Il est gnralement plus pertinent dutiliser lune des nombreuses
procdures dapproximation statistique proposes dans les logiciels courants.
516
Certaines de ces procdures visent respecter la logique de lquivalence

structurelle. Celle-ci postule que les individus dune mme classe ont exactement les
mmes liens avec les autres individus du rseau. Cela signifie que les lignes de la
matrice dadjacence de ces deux individus sont identiques. Les mthodes
dapproximation statistiques les plus utilises dans ce cas consistent rassembler dans
une mme classe les individus les plus proches. Pour ce faire, dans une premire tape
on value la proximit des individus en calculant, par exemple, une distance
euclidienne, un coefficient de corrlation ou encore le nombre de liens communs entre
les lignes de la matrice dadjacence. Dans une seconde tape, on applique une mthode
de classification (cf. chapitre 14) pour regrouper les individus.
EXEMPLE utilisation de mthodes dapproximation statistique de

lquivalence structurelle
Nelson (1988) sintresse lutilisation possible de lquivalence structurelle comme

outil de diagnostic dans lentreprise. Il en dmontre lintrt partir dexemples
concrets. Loutil quil utilise est la procdure CONCOR qui repose sur des calculs de
corrlation pour valuer la proximit des individus. Il utilise lquivalence pour
identifier des groupes dindividus susceptibles de former des coalitions.
Lauteur postule que la position structurelle de lindividu dtermine ses intrts. Ainsi,
identifier les classes dindividus disposant de la mme position structurelle revient
identifier les classes dindividus ayant des intrts proches. Cela permet alors
didentifier les individus les plus susceptibles de former des coalitions.
La procdure CONCOR est une technique permettant de mettre en vidence ces
positions structurelles et plus particulirement lquivalence structurelle. Dans son
article, il explicite le cas dun syndicat local dans une ville de taille moyenne. Ce
dernier a des difficults pour assurer la mise en place de programmes portant sur la
qualit de vie au travail. Lutilisation de la procdure CONCOR met en vidence
diffrentes classes dindividus, la classe dtentrice du pouvoir ne favorisant pas les
programmes damlioration de la qualit de vie au travail. Conscient de ce rseau
dinfluence, les membres du syndicat ont russi mettre en place leur programme en
choisissant des entreprises nappartenant pas ce rseau dinfluence.
Plusieurs procdures algorithmiques, quil nest pas possible de dtailler ici,

existent galement pour regrouper les individus dun rseau selon le critre de
lquivalence rgulire ou automorphique. Dans tous les cas, il convient dtre
particulirement prudent dans le choix des mthodes retenues pour approcher
lquivalence. En particulier si beaucoup dentre elles sont utilisables avec des
graphes valus, elles ne le sont pas toujours avec des graphes non valus.
517
Partie 3 Analyser
3 Des indices pour analyser la position des

individus dans le rseau
Un autre objet de lanalyse des rseaux est de sintresser des acteurs
particuliers et de mettre en vidence le rle que leur position structurelle leur
permet de jouer dans lorganisation.
Les diffrentes mesures visent identifier quel type de position procure les
meilleurs avantages lacteur. Ces avantages ont beaucoup t envisags sous
langle du pouvoir : un acteur central aura plus de facilit influencer le cours des
dcisions et disposera dinformations stratgiques avant les autres. Toutefois, les
retombes positives peuvent tre de nature sensiblement diffrente et ninvoquer en
rien la notion de pouvoir. Stam et Elfring (2008) sintressent par exemple la
manire dont la position dune jeune entreprise au sein du rseau de discussion des
dirigeants dans son secteur influence son succs. Dans le contexte intra-
organisationnel, Burt (2004) montre un lien entre la position dans le rseau et la
capacit proposer des ides nouvelles. Flynn et Wiltermuth montrent que la
position dun acteur influence sa tendance conclure tort lexistence dun
consensus parmi ses collgues au sujet de certaines questions. En rsum, il faut
bien insister sur le fait que ce sont des mesures qui sont prsentes ici : leur
utilisation doit saccompagner dune solide conceptualisation de ce que sont les
retombes dune position au sein dun rseau.
3.1 Les positions trs connectes : centralit de degr, de

proximit et centralit selon Bonacich
On peut distinguer dabord des indices qui permettent didentifier les individus
particulirement connects, parce quils ont beaucoup de relations directes, ou
parce que ces relations les situent faible distance des autres membres du rseau,
ou enfin parce quils sont connects des personnes elles-mmes trs centrales.
La centralit de degr correspond au nombre de connexions dun individu. Un
individu est donc central sil est fortement connect aux autres membres du rseau.
Il est priphrique sil ne lest que faiblement. Autrement dit, pour chaque individu
i, lindice de centralit de degr est gal son nombre de relations directes. Cet
indice est purement local. Il ne dpend ni des caractristiques du rseau dans son
ensemble, ni des caractristiques des individus auxquels i est reli.
En pratique, afin davoir une meilleure comparabilit des observations, il est fr-
quent que lon calcule pour chaque individu un indice de centralit relative ou nor-
me en divisant son score de centralit absolue par la centralit maximale envisa-
geable pour le graphe.
518
Il faut noter que lorsque le rseau est dirig, la centralit de degr peut prendre
un sens diffrent selon que lon considre les liens entrants ou sortants. Un
individu qui dclare 80 % des membres de son entreprise comme des sources de
conseil na videmment pas la mme position que quelquun qui est cit dans la
mme enqute par 80 % de ses collgues comme une source de conseil. Do la
diffrence entre in-degree (nombre de liens entrants) et out-degree (nombre de
liens sortants), quil est indispensable dexaminer en cas de rseau dirig.
La centralit de proximit apprcie la centralit dun individu en valuant sa
proximit vis--vis de tous les autres individus du rseau. Il sagit dune mesure
plus globale faisant intervenir non pas les seules connexions dun individu son
voisinage mais sa proximit lensemble des membres du rseau. La distance
godsique consiste en la plus petite des longueurs des chemins reliant deux
individus dans un graphe. On peut mesurer la centralit dun individu i par la
somme de toutes les distances godsiques aux autres individus.
Comme pour la centralit de degr, on peut normer cet indice en le divisant par la
centralit maximale possible dans le rseau.
Ainsi dans lexemple ci-dessous, on peut calculer un indice de proximit gal 5
pour F, 8 pour A et D, et 9 pour les autres individus. Le calcul de lindice de
proximit relative donne 1 pour F, 5/8 pour A et D, et 5/9 pour les autres individus.
E F C
A
D
Rpondant la conception de Freeman (1979) de la centralit comme facteur de

pouvoir, Bonacich souligne que prendre en compte les contacts directs dun acteur
nest pas suffisant. Un acteur qui na que deux contacts sur cinquante possibles
tirera probablement des bnfices dune telle position si ses deux contacts se
trouvent tre les acteurs les plus centraux du rseau. Il propose une vision nuance
sur ce point. Certes, le fait dtre connect des acteurs aux mmes trs centraux
apporte une forme de pouvoir. Mais, dun autre ct, le pouvoir peut aussi provenir
dune situation o lindividu est connect des gens eux-mmes priphriques, car
ainsi ils sont placs en situation de dpendance vis--vis de cet acteur. Do un
systme de pondration, o le coefficient beta reprsentera lun ou lautre de ces
effets, selon celui que le chercheur souhaite considrer comme postulat de dpart
(voir le Focus ).
519
Partie 3 Analyser
c Focus
Mesure de centralit par Bonacich (1987)
La centralit dun individu i peut 1) est gal 0 : une constante de
sappr-cier comme corrle avec le proportionnalit prs, la centralit de
nombre de liens que cet individu i peut chaque individu augmente avec le nombre
avoir avec dautres acteurs centraux. de ses liaisons directes aux autres. On
Ds lors la centralit peut se mesurer retrouve la notion de centralit de degr.
par la formule suivante : Plus un individu a des relations directes,
plus il est central quelle que soit la
centralit de ses relations.
o rij est la valeur de la relation entre i et j
2) est suprieur 0 : cela nous place
(distance godsique, choix sociom-
triques) a est un paramtre de cadrage dans le contexte o le pouvoir dun indi-
indpendant de la centralit des autres vidu dpend du pouvoir de ses relations
individus (il est choisi de manire ce que avec les autres acteurs centraux.
le carr de la longueur du vecteur C 3) est infrieur 0 : cela traduit lide
(cest--dire ) soit gal au nombre selon laquelle lindividu a une centralit
dindividus prsents dans le rseau). dautant plus faible quil est reli des
individus la centralit forte.
b est un paramtre qui change
considra-blement les scores de La valeur de est fixe en fonction du
centralit de chaque individu. On peut contexte tudi et des hypothses que
distinguer trois cas de figure : le chercheur cherche tester.
3.2 Les positions dintermdiaire : centralit

dintermdiarit, contrainte, taille effective
la faveur des travaux de Ron Burt (1992), une littrature trs abondante sest
dveloppe pour comprendre les avantages lis aux positions dintermdiaire (broker).
Au plan conceptuel, un intermdiaire est un acteur qui a la particularit dtre en
relation avec des groupes qui eux-mmes ne sont pas relis. Cette position confre
lacteur la fois une capacit disposer dinformations diversifies, mais galement la
possibilit dinfluencer les dcisions son avantage.
La mesure la plus ancienne dune telle position est la centralit dintermdiarit.
Lide propose par Freeman (1979) est quun individu peut fort bien ntre que
faiblement connect aux autres (centralit de degr faible) mais pourtant savrer
tre un intermdiaire indispensable dans les changes. Lintermdiarit dun
individu vis--vis de deux autres se dfinit par sa facult se situer sur le chemin
ou les chemins godsiques (cest--dire de longueur minimale) reliant ces
derniers. Dtaill dans le Focus ci-dessous, les valeurs de lindice de centralit
dintermdiarit varient entre 0 et 1 et peuvent tre compares pour des rseaux
diffrents.
520
c Focus
Indice de centralit dintermdiarit (Degenne et Fors, 1994)
Si lon suppose que deux individus j et k contenant i que lon notera gjk (i). Elle
sont indiffrents au godsique utilis, la est gale : bjk (i) = gjk (i)/gjk. La
probabilit quils en utilisent un est gale centralit absolue dintermdiarit de
1/gjk (gjk tant le nombre de godsiques lindividu i se calcule en additionnant
joignant j et k). La capacit dun individu i ses intermdia-rits pour toutes les
contrler la communication entre j et k paires de points du graphe :
peut tre dfinie par sa probabilit b jk (i)
de se situer sur un godsique choisi au
avec j k i
hasard entre j et k. Elle dpend du
nombre de godsiques reliant j k et n le nombre dindividus.
Pour Ron Burt, un intermdiaire est quelquun qui a dans son rseau de
nombreux trous structuraux (absence de lien entre ses contacts). Il propose des
mesures relativement sophistiques tournant autour de cette ide (Burt 1992).
Lavantage de ces mesures est quelles peuvent tre utilises en ne considrant que
les contacts directs dun acteur, ce qui en facilite lusage. La premire mesure est la
taille effective. Il sagit de considrer la centralit de degr dun acteur, mais de lui
retrancher un facteur de redondance . Plus les individus auxquels il est reli sont
eux-mmes interconnects, plus sa taille effective se rapprochera de 1. Plus il y
aura entre eux de trous structuraux, plus la taille effective sera proche du score de
centralit de degr. Le facteur de redondance qui est retranch est en fait la
moyenne du nombre de personnes auxquelles chaque acteur est connect. Dans la
figure 15.4, EGO a 6 liens. Zack par exemple na aucun lien autre quEGO. Il nest
donc redondant avec aucun des autres individus. Tanguy en revanche a 3 liens (JP,
Nadia et Cyprien). Si on fait ainsi la moyenne sur tous les contacts dEGO, on
obtient 1,67. La centralit de degr de EGO tant 6, la taille effective de 4,33.
Mais lindice qui semble tre la plus utilis est la contrainte, qui volue
inversement avec le nombre de trous structuraux dans le rseau. Cest la mesure
dans laquelle lensemble des relations dego avec ses alter impliquent directement
ou indirectement un mme alter (Burt, 1992 : 54-55). Chaque individu en relation
avec ego se voit attribu un score qui est la mesure dans laquelle il est central dans
le rseau spcifique dego. Puis ces scores sont additionns. Le Focus ci-dessous
dtaille le mode de calcul. Il faut noter que cet indice est directement corrl la
taille du rseau dego et sa densit.
521
Partie 3 Analyser
JP Taille : 6
Cyprien Taille effective : 4,33
Tanguy Contraintes dyadiques
Cyprien : 0,07
JP : 0,07
EGO
Tanguy : 0,11
Nadia : 0,09
Zack Nadia Cathy : 0,05
Zack : 0,03
Cathy
Total contrainte : 0,413
Figure 15.4 Exemple de rseau avec valeurs de taille effective et contrainte
c Focus
Calcul de la contrainte de Burt (1992)
Chaque alter j dans le rseau reprsente Formule 1 - Dfinition de la contrainte
un certain niveau de contrainte pour ego. individuelle (Burt 1992 : 54)
Cette contrainte cij dpend de la part que j
reprsente dans le total de ses relations
(plus j reprsente une part leve, plus sa
Formule 2 - Formule de la contrainte
contrainte est importante). Elle dpend
agrge (Burt 1992)
galement de la part que j reprsente
dans le rseau des autres alters dego Dans notre exemple, JP reprsente un
(plus j est une part importante du rseau sixime des relations de ego, pego/JP =
des autres alters, plus il exerce une 0,1667. pego/Tanguy = 0,1667, car Tanguy
contrainte, mme indirecte, sur ego). reprsente aussi un sixime des relations
de ego. PTanguy/JP = 0,25, car JP reprsente
un quart des relations de Tanguy. Pego/Tanguy
pTanguy/JP = 0,1667 0,25 = 0,0417. Si on
fait ce raisonnement pour lensemble des
piq = proportion dnergie et de temps
alters except JP, et si lon ajoute pego/JP, on
consacrs par i (ego) au contact q obtient un contrainte cJP/ego = 0,0696. Si ce
pqj = proportion dnergie et de temps raisonnement tenu sur JP est tenu sur
consacrs par q (ego) au contact j tous les autres alters, on obtient une
contrainte globale de 0,413.
522
COnCLusIOn
Lanalyse des rseaux regroupe un nombre important de mthodes de traitement

des donnes. Depuis les premiers dveloppements de la sociomtrie, ces mthodes
se sont raffines et ne cessent encore de samliorer, notamment sous limpulsion
de la thorie des graphes. Dans le champ du management, les recherches qui
utilisent lanalyse des rseaux sont encore bien loin davoir exploit toutes ses
possibilits. Lensemble des mthodes, dont la cohsion sinscrit dans le paradigme
structuraliste, offre un rel changement de perspective en considrant la ralit en
terme de liens entre entits. La prise en compte rcente de la dynamique des
rseaux vient encore renforcer le potentiel de lanalyse des rseaux.
La modlisation mathmatique ou statistique est souvent complexe, le choix des
outils danalyse lest galement. Le dveloppement des mthodes tant au niveau de
la collecte que de lanalyse des donnes, la matrise et la comprhension croissante
des outils contribuent toutefois faire de lanalyse des rseaux un ensemble de
mthodes trs riches, utilisables pour des types de recherche varis, quil sagisse
de recherche processuelle, sur le contenu, selon une approche inductive ou
hypothtico-dductive.

Degenne A., Fors M., Les rseaux sociaux, Armand Colin, 1994.
Hanneman R. A., Riddle M., Introduction to social network methods, Riverside,
CA : University of California, published in digital form at http://faculty.ucr.
edu/~hanneman/, 2005.
Scott J., Social Network Analysis, 3rd edition, Thousand Oaks : Sage, 2013.
Wasserman S., Faust K., Social network analysis : methods and applications,
Cambridge : Cambridge University Press, 1994.
Logiciels
UCINET 6 : https://sites.google.com/site/ucinetsoftware/home
Gephi : https://gephi.org/
Pajek : http://vlado.fmf.uni-lj.si/pub/networks/pajek/
Pnet : http://sna.unimelb.edu.au/PNet
Siena : http://www.stats.ox.ac.uk/~snijders/siena/
523
Chapitre
16 Mthodes
de simulation
Manuel Cartier
RsuM
La simulation est un outil permettant aux chercheurs dapprhender la com-
plexit inhrente aux systmes sociaux. En dveloppant un programme infor-
matique simple, il est possible de comprendre comment un systme
sapproche de lquilibre sans superviseur, par linteraction de ses membres.
La simulation facilite ltude des processus dynamiques (comme
lapprentissage ou la concur-rence). Elle permet par exemple au chercheur
qui lutilise de sintresser aux notions dinstabilit ou dirrversibilit. Ainsi,
lexprimentation in vitro est un substitut lexprimentation in vivo
difficile en sciences sociales, voire impossible au niveau de lentreprise.
Les dveloppements considrables dans le champ de lintelligence artificielle
(avec la structuration autour des automates cellulaires, du modle NK et des
algorithmes gntiques) apportent la simulation une dimension nouvelle. Cette
dernire ne se rsume plus la construction dun systme dquations
dynamiques mais permet la modlisation dagents (entits autonomes en inte-
raction). Ce chapitre vise faire dcouvrir une mthodologie accessible, du fait
du dveloppement de nombreuses plates-formes logicielles, et prsenter une
dmarche mthodologique pleine de contradictions et de promesses.
sOMMAIRE
SECTION 1 Fondements des mthodes de
simulation SECTION 2 Varit des mthodes
SECTION 3 Des dfis mthodologiques
Mthodes de simulation Chapitre 16
L
a simulation consiste utiliser un modle informatique reprsentant un systme,

quil soit social, biologique ou mcanique. En sciences humaines, ce systme peut
tre, par exemple, compos dindividus, confronts la formation de ghet-tos
(Schelling, 1978) ou la diffusion de fausses croyances (Centolla, Willer et Macy,
2005). La simulation permet dtudier des relations simples dans un monde
artificiel recr par le chercheur. Simuler, cest observer ce qui se passe dans des
conditions dtermines. Si la simulation est une approche mthodologique de
plus en plus importante (Davis, Bingham et Eisenhardt, 2007), ses racines sont
anciennes. De nombreux ouvrages vantant les mrites de la simulation en sciences
sociales ont t publis dans les annes soixante et 70 (e.g. Forrester, 1961 ; Meier,
Newell, et Pazer, 1969 ; Guetzkow, Kotler et Schultz, 1972 ; Lave et March, 1975),
alors que les chercheurs dcouvraient avec enthousiasme les possibilits offertes
par les ordinateurs. Lexemple ci-dessous prsente lintrt de la simulation pour
rpondre une question simple mais complexe analyser : quelles rgles de dci-
sions permettent des agents (entits autonomes en interaction) de maximiser leur
gain dans le cas de cooprations avec risque dopportunisme (comportement dit du
passager clandestin ) ?
EXEMPLE Lefficacit de la rgle Tit-for-Tat dans un dilemme du prisonnier simul
Quelles sont les conditions favorables lapparition de la coopration dans un univers

peupl dopportunistes ? Axelrod (1997) sest intress cette question en utilisant un
dilemme du prisonnier itratif. La simulation lui permet de tester plusieurs rgles de com-
portement et dtudier quelles rgles permettent la fois de se prmunir contre lgosme de
son partenaire potentiel, prt faire cavalier seul pour maximiser ses gains et de laisser une
place la coopration. Axelrod a montr que la coopration peut merger et tre stable dans
un systme mme dmuni de toute autorit centrale, selon certaines conditions (si le
dilemme se reprsente dans le futur et si le nombre de parties jouer est inconnu des
agents). En comparant, grce des tournois virtuels, les stratgies des agents (des partici-
pants avec des rgles de comportement prtablies saffrontent), Axelrod dmontre que la
stratgie anti-prdateur Tit-for-Tat (ou un prt pour un rendu ) est la plus efficace. Cette
stratgie consiste simplement dbuter la partie en cooprant et en rptant le coup prc-

dent de lautre. Dune manire gnrale Axelrod conclut quune bonne stratgie doit tre
bienveillante (ne pas tre le premier faire cavalier seul), indulgente mais susceptible (punir
rapidement une dfection de lautre mais ne garder aucune rancune) et transparente (tre
simple et reconnaissable par lautre).
Ainsi, la simulation permet de tester lefficacit dune multitude de rgles dans

un jeu dynamique et peut donner des rsultats plus complets que ceux obtenus par
lobservation dacteurs humains .
La simulation implique un processus de recherche spcifique. Le tableau suivant
propose un guide permettant de mettre en place un dispositif mthodologique
utilisant la simulation. Volontairement caricatural, ce guide prsente un processus
525
Partie 3 Analyser
linaire de recherche, mme si, comme le monde que la simulation tend

reprsenter, ce dernier est souvent fait de phases qui se chevauchent, de boucles de
rtroaction et de complexit.
Tableau 16.1 guide dutilisation de la simulation en management
tape Objectif
Trouver une question de Mettre laccent sur les champs thoriques dans lesquels la simulation est
recherche efficace : localisation, coordination et adaptation.
Identifier une thorie Choisir une thorie pour laquelle les preuves empiriques sont difficiles obtenir
simple (comme la thorie des ressources) et qui met en balance des processus relis
(comme la comptition et la lgitimation).
Choisir une mthode de Chaque famille de mthodes (automate cellulaire, modle NK, algorithme
simulation gntique) peut tre mobilise pour correspondre la problmatique retenue.
Crer son modle Oprationnaliser les construits (entrer les concepts forts dans le modle) et
spcifier toutes les hypothses implicites ncessaires au fonctionnement du
modle.
Tester la validit interne du Rplication de rsultats simples issus de la thorie et test de robustesse.
modle
Raliser les simulations Pour tester des hypothses ou faire merger de nouvelles propositions, on doit
se concentrer sur lexploration ou lextension dune thorie simple, sans utiliser
toutes les configurations possibles du modle.
Tester la reprsentativit Comparaison des simulations des donnes empiriques.
du modle
Intgrer le modle une Lalignement des rsultats de son modle ceux de modles prexistants assure
famille laccumulation des connaissances produites.
Les divergences peuvent galement tre sources de dbats.
Le guide dutilisation de la simulation en management ayant t prsent, les

mthodes de simulation vont tre exposes dans le dtail. La premire section de ce
chapitre concerne leurs fondements, la fois historiques et thoriques. La
deuxime section prsente trois grandes familles de mthodes de simulation, les
automates cellulaires, le modle NK et les algorithmes gntiques, familles au sein
desquelles le chercheur peut puiser pour construire son propre modle. La
troisime section prsente les principaux dfis que les chercheurs utilisant la
simulation doivent tre capables de relever.
section
1 FOnDEMEnTs DEs MThODEs DE sIMuLATIOn
Dooley (2002 : 829) considre que la simulation a une popularit croissante en tant
quapproche mthodologique auprs des chercheurs en sciences des organisations .
Ceci peut sapprcier par les numros spciaux dAmerican Journal of Sociology en
526
2005 ou dAcademy of Management Review en 2007 et les ouvrages qui lui sont
consacrs (e.g., Lomi et Larsen, 2001 ; Rouse et Boff, 2005 ; Brabazon et ONeill,
2006). En effet, les progrs informatiques des vingt dernires annes ont permis
une utilisation renouvele des ordinateurs en science de gestion. Dune part, les
mthodes statistiques se sont sophistiques, de la rgression logistique dans les
annes quatre-vingt-dix la gestion des problmes dendognit1 dans les annes
2000 (Hamilton et Nickerson, 2003). Dautre part, la modlisation de systmes
humains et de structures sociales sest largement dveloppe. En effet, si la
simulation est une mthode ancienne en sciences sociales, dont lorigine se situe
dans les annes soixante, elle est de plus en plus utilise dans les publications en
management et fdre de nombreuses communauts de chercheurs2. Pour Axelrod
(1997 : 4), la simulation est une troisime voie scientifique, comme la dduction,
elle part dun jeu dhypothses sous-jacentes explicites, [], elle gnre des
donnes qui peuvent tre analyses de manire inductive . La simulation est un
dispositif complmentaire qui peut tre associ des recueils de donnes
quantitatifs et qualitatifs, dans une optique de triangulation des mthodes.
Si la simulation est une mthode ancienne, son essor en management se situe
dans les annes quatre-vingt-dix. Nous prsenterons les origines de la mthode,
pour ensuite dtailler quelques grandes familles de modles mobilisables
aujourdhui par les chercheurs, pas toujours experts en programmation.
1 Les origines de la simulation
Depuis Herbert Simon ou Friedrich von Hayek, les chercheurs en management sont
arrivs la conclusion que ltude de systmes complexes ncessitait un recours des
thories et des mthodes diffrentes . La simulation met laccent sur la
comprhension des effets dinteractions multiples se situant un niveau micro. Dans
les annes rcentes, les mthodes de simulation ont bnfici des dveloppements de la
physique statistique moderne et de recherches interdisciplinaires menes par le Santa
Fe Institute au Nouveau Mexique. La simulation rpond donc au besoin dtudier les
interactions disperses plutt que le contrle centralis, et linstabilit plutt que la

stabilit. Les modles incluent le plus souvent un nombre lev dentits htrognes
en interaction. Lexemple suivant permet de comprendre lapport de la simulation
ltude de phnomnes mergents.
1. Si la performance dune dcision est anticipe par les managers, cette dcision est donc endogne et ne peut
plus tre traite comme une variable indpendante.
2. Qui bnficient de supports de publication spcialiss, comme Journal of Artificial Societies and Social
Simulation, Complexity ou Computational and Mathematical Organization Theory
527
Partie 3 Analyser
EXEMPLE Le modle de sgrgation raciale de schelling
Schelling (1978) est prcurseur dans ltude de processus mergents issus dinteractions
sociales. Lobjectif est dexpliquer comment les ghettos peuvent apparatre
spontanment, en labsence dun objectif dlibr de sgrgation, mme si tous les
individus sont prts vivre dans la mixit. Dans le modle, les agents ont uniquement
des prfrences locales concernant leur voisinage : chaque agent accepte la mixit, voire
un voisinage majoritaire-ment diffrent, pour peu quil y ait au moins 37,5 % des
voisins semblables. Si la proportion de voisins diffrents dans les huit cases contigus
(lespace tant reprsent par une grille contenant des cases vides, claires ou fonces)
est suprieure 62,5 %, lagent dm-nage et choisi, alatoirement, doccuper une
nouvelle case vide. Avec des entres et des sorties dagents venant perturber un
quilibre mixte initial (Schelling en enlevait 20 et en ajoutait 5 pour un damier de 64
cases, de manire alatoire), les interactions locales suf-fisent pour faire apparatre des
configurations globales fortement homognes (voir les figures suivantes).
Situation initiale mixte Entres et sorties alatoires Ghettos stables

dagents aprs 5 itrations
Schelling (1978 : 14) note qu il faut souvent observer le systme dinteraction entre
les individus [], parfois les rsultats sont surprenants . Ici, les structures fortement
intgres demeurent fragiles ds lors quelles sont confrontes des perturbations
extrieures, mme alatoires, alors que les structures homognes sont beaucoup plus
stables. En effet, ces zones sont fortement inertes et ncessiteraient une entre massive
dagents de couleurs diffrentes pour parvenir une nouvelle mixit.
La simulation est une mthode particulirement adapte lanalyse de

lmergence. Les chercheurs pensent souvent identifier un responsable, une cause
unique un vnement : par exemple, un entrepreneur institutionnel qui a russi
imposer un nouveau standard ou un leader dopinion derrire la dferlante dune
mode quelconque. Mais cet entrepreneur ou ce leader nexiste pas toujours. Le
phnomne peut relever de lauto organisation, quon observe chez les
automobilistes, les consommateurs, les investisseurs ou les organisations. Les
quilibres (et les dsquilibres) ny sont alors pas dtermins par une autorit
centralisatrice mais mergent dagents dcentraliss. La simulation permet de
comprendre comment des rgles de comportement individuel simples peuvent
aboutir des phnomnes macroscopiques, parfois contre-intuitifs.
528
c Focus
Champs de recherche en management
ouverts par la simulation
La co-volution dorganisations : lvo- dmontrer que le moment dadoption dun
lution dune organisation est affecte par nouveau produit dpend de la sensi-bilit
lvolution dautres organisations, dans la pression exerce par le rseau social.
des relations de symbiose de parasitisme Fleder et Hosanagar (2009) montrent
ou proies-prdateurs. La simulation comment les effets dimitation de
permet donc par exemple de sintresser consommateurs par les systmes de
la ngociation au sein de clusters recommandations par les pairs sur
(Leroux et Berro, 2006), coalitions htro- internet influent sur la diversit de loffre.
gnes dentreprises formant une commu- Les quilibres ponctus : les espces
naut stratgique dintrts. biologiques, comme les organisations,
Lauto-organisation : processus dans voluent de manire pisodique, avec
lequel lorganisation interne dun systme, des pointes intermittentes dactivit
habituellement un systme hors quilibre, rvolu-tionnaire intense, spares par
augmente automatiquement sans tre de longues priodes dvolution faible et
dirige par une source extrieure. Par graduelle. Grce la simulation, Loch
exemple, quand on ajoute des grains un et Huberman (1999) sintressent par
tas de sable, celui-ci tend vers un tat exemple aux raisons du passage brutal
critique, o des avalanches se dclenchent. dune techno-logie ancienne une
Cette auto-organisation est par exemple au technologie nouvelle.
cur du travail de Centola, Willer et Macy
mergence : chez les insectes sociaux
(2005), qui tudient grce la simulation la
comme les fourmis ou les termites, on
cascade de diffusion de normes au sein
parle dmergence de comportement
dune communaut.
collectif. En management, on parle de
Les effets bandwagon : dans une organi- stratgie mergente, par opposition dli-
sation, on observe souvent des comporte- bre, rsultant de linteraction dacteurs
ments moutonniers, les individus ainsi que en labsence dintention prdfinie.
leur comportement ont tendance se
reproduction non autorise est un dlit.
partir de cette dfinition, Lee, Lee et Rho

regrouper. Thoris par les no-institu- (2002) utilisent la simulation pour
tionnalistes autour des concepts de normes comprendre lmergence de groupes stra-
ou de croyances, ce mimtisme peut tre tgiques (groupes dorganisations suivant
apprhend par des modles qui ne nient des stratgies proches) au sein dune
pas les interactions entre indi-vidus. La industrie.
simulation permet par exemple
Abrahamson et Rosenkopf (1997) de
En management, la simulation est une rponse la multiplication des

interdpendances au sein des organisations. Dans le monde des affaires, la
Dunod Toute
simulation permet de crer des modles capables den comprendre les phnomnes
mergents. Dans ces modles, ltude de niveaux infrieurs (individus, groupes
et organisations) permet de comprendre le fonctionnement du niveau suprieur
529
Partie 3 Analyser
(respectivement groupe, organisation et industrie). En outre, la simulation permet

dexplorer certaines pistes de recherche, prsentes brivement dans le Focus
page prcdente.
Ds lors que la dcision dun individu est influence par celle de ses voisins
(par le bouche oreille en matire de consommation, par le mimtisme
institutionnel en matire dorganisation), les donnes sociales ne peuvent
correspondre des lois statistiques. En effet, la non-indpendance des observations
brise la normalit statistique et rend lutilisation des mthodes quantitatives
problmatique. Mais la simulation nest pas touche par ce problme, puisquelle
intgre dans sa logique mme les interdpendances dun systme.
Enfin, la simulation sintgre dans des volutions au niveau pistmologique.
Vivement critiqu, le courant positiviste nest plus au-devant de la scne et des
travaux en philosophie des sciences. Les problmes de la mesure et de
lobservabilit de phnomnes interdpendants sont particulirement saillants. La
simulation permet au chercheur de saffranchir de cette contrainte, en travaillant,
en partie du moins, partir dun monde artificiel. loppos, le constructivisme
radical a fait de la connaissance scientifique un phnomne social dans lequel la
mthode est devenue une opration subjective et, dans une certaine mesure,
irrationnelle. La simulation repose sur la construction dartefacts de la part du
chercheur, mais les modles construits sont transparents et les mcanismes
gnrateurs explicites. Le Focus suivant prsente le ralisme, socle
pistmologique possible de la simulation.
c Focus
Le ralisme, une pistmologie au service de la simulation
Le ralisme pistmologique (Bhaskar, (1987), les meilleures thories sont celles
1978, Hooker, 1987) maintient le but qui se rapprochent de la vrit, la
dobjectivit scientifique, tout en assou- science progressant incrmentalement
plissant les critres de validit positivistes. vers une meilleure comprhension du
Il admet les interactions causales entre monde. Cette vision est inspire du posi-
lhomme et le monde. Pour Bhaskar (1978 tivisme originel qui considre que les
: 25), les objets [de connaissance] ne mthodes scientifiques sont infaillibles et
sont ni les phnomnes (empirisme), ni mnent llaboration de lois univer-
des construits humains imposs aux selles. En revanche, le ralisme critique
phnomnes (idalisme), mais des struc- de Bhaskar (1978) considre que la
tures relles qui endurent et oprent ind- progression vers la vrit nest en rien
pendamment de notre connaissance [et] garantie. Les mthodes dobservation sont
de notre exprience . Selon Hooker toutes faillibles, justement parce que la

530

ralit existe indpendamment de nos La validit des thories est relative aux
thories. Vrifications et falsifications ne possibilits qui guident la cration tho-
sont jamais dfinitives, spcifiquement rique et fonction de la ralit que ces
dans les sciences sociales. Une posture dernires reprsentent.
raliste amne donc considrer que : La compatibilit des thories entre elles
La ralit existe indpendamment de peut tre un bon indicateur de validit.
nos tentatives visant la mettre jour. Lanalyse causale reste la base de la vali-
Les proprits dun systme ne sont pas dit, mais les explications en terme de
explicables par la seule connaissance des composition, de structure et de fonction
lments qui le composent. font partie intgrante des sciences.
Lapproche de la science et de la vrit Connatre une ralit complexe requiert
est faillible. lutilisation de perspectives multiples.
Les connaissances progressent vers la
vrit travers un processus volutionniste.
Lexemple de recherche suivant illustre comment la simulation permet, en tant

que perspective complmentaire au mme titre quune narration, de progresser sur
le chemin de la connaissance . Il met en vidence loriginalit des recherches
actuelles utilisant la simulation.
EXEMPLE Les habits neufs de lempereur, rcriture du conte dAndersen en C++
Centolla, Willer et Macy (2005) formalisent, grce la simulation, les intuitions depuis
longtemps contenues dans les habits neufs de lempereur , clbre conte dAndersen.
Leur modle concerne ltude des conditions selon lesquelles les normes sappliquent et se
diffusent au sein dune population dindividus. Dans le conte dAndersen, deux escrocs
parviennent duper un empereur, qui erre nu en simaginant porter des habits magnifiques
ne pouvant tre vus par les imbciles. Sa cour, au sein de laquelle personne ne souhaite
passer pour un idiot, feint de voir la splendide parure. La cascade dacceptation de cette
norme est finalement brise par le rire innocent dun enfant devant lempereur dnud. Le
modle informatique rpartit 1 000 individus sur une grille de 25 cases sur 40. Ces indivi-
dus peuvent tre de vrais croyants , comme les deux escrocs du conte, ou des scep-
tiques , comme la foule, dont les croyances dpendent moins de leur conviction que de
celle de leur voisinage. Si le conte dAndersen voque la possibilit de propagation dune
norme sociale farfelue, les simulations ralises par Centolla et ses collgues prcisent les
conditions dapparition dune croyance, en fonction notamment de la structure dune popu-
lation de vrais croyants et de sceptiques . Sil est vident quune proportion leve
dincrdules minimise les chances de survie dune croyance fausse, le modle permet de
mettre jour dautres mcanismes de propagation. Ces derniers sont notamment lis au
degr dencastrement de la population et la rgularit de la couverture du territoire par les
vrais croyants .
531
Partie 3 Analyser
2 Dfinition et place des modles
Comme nous lavons vu, la simulation sest dveloppe en parallle avec la facilit
daccs et la puissance croissante des ordinateurs. La simulation dun phnomne rel
implique de la part du chercheur sa modlisation, comme construction dune
reprsentation simplifie de la ralit. Comme le notent Lave et March (1993), les
modles permettant deffectuer des simulations peuvent tre la fois suffisamment
prcis pour rendre compte de la ralit et suffisamment simples pour ne pas ncessiter
de connaissances mathmatiques au-del dun niveau trs basique.
2.1 une reprsentation simplifie de la ralit
La simulation est une mthode reposant sur la construction dun modle par
le chercheur. Ce modle est une reprsentation simplifie de la ralit dans laquelle
le phnomne auquel on sintresse est cern par un ensemble restreint de variables
et de liens entre ces variables (Gilbert et Troitzsch, 1999). Par exemple, le modle
de sgrgation de Schelling (1978) prsent prcdemment est constitu dune
grille (espace gographique urbain) pouvant tre occupe par des agents (individus
de races diffrentes) et de rgles simples produisant lentre (emmnagement) ou
la sortie (dmnagement) de ces agents. Pour simuler la ralit, il faut donc tre
capable de la modliser, la simplifier, voir la caricaturer. videmment, les modles
les plus courants en gestion sont statistiques. Dans ce cas, le chercheur observe un
phnomne, en btit un modle par abstraction (en dcrivant le sens des liens de
cause effet), puis estime les paramtres du modle en se basant sur les donnes
empiriques recueillies. La logique de la simulation est proche. Le modle est
galement le rsultat dun processus dabstraction de la ralit. Mais cette fois-ci,
le modle sert gnrer des donnes, lesquelles peuvent ensuite tre compares
des donnes collectes. Lexemple suivant prsente un modle, celui du garbage
can, reprsentant les organisations comme un agglomrat confus de problmes et
de solutions.
EXEMPLE Le garbage can, lorganisation dans le modle de la poubelle

Cr dans le contexte du fonctionnement des universits et des problmes de communica-
tion inter-dpartement, le modle du garbage can (Cohen, March et Olsen, 1972) vise
expliquer comment une dcision peut avoir lieu dans une anarchie organise . Le modle
informatique construit permet de simuler une prise de dcision dans ce type dorganisation,
videmment extrmement complexe, mais la reprsentation simplifie. Lorganisation,
virtuelle, se compose de problmes, de solutions (distincts des problmes), dopportunits de
choix et de participants (qui vhiculent certains problmes ou soutiennent une solution). Les
dcisions, dcoulant de la rencontre des quatre composantes de lorganisation ne pro-
viennent pas dun processus ordonn mais du hasard, ou plutt de la structure de lorgani-
sation canalisant ces flux erratiques.
532
2.2 un effort de formalisation
Tant que la thorie btie sur des observations se cantonne un niveau textuel, verbal,
elle reste floue, imprcise. Par exemple, des entretiens avec des managers portant sur
leurs orientations stratgiques peuvent se rvler confus, refltant la complexit des
choix et lventail des variables prendre en considration. Le chercheur peut ainsi
avoir limpression dcourageante que tout est li tout, et se sentir cras par la
complexit du phnomne analys. Des questions apparemment gnrales, comme le
processus de recherche de nouvelles stratgies peuvent tre formalises par des
modles de simulation, en opposant par exemple esprit de clocher 1 et
mmorisation par blocs 2 (Baumann et Siggelkow, 2013). Seule la formalisation
indispensable pour aboutir un modle permet de dpasser ce stade. cet gard, la
simulation est un puissant outil de dveloppement de la thorie. La simulation est
utile lorsquil y a assez de thorie pour dvelopper un modle mais la thorie est
suffisamment incomplte pour questionner sa validit interne (Davis et al., 2009 :
415). Elle est peut-tre encore plus exigeante que les statistiques en imposant daller
un niveau de spcification dclinable en instructions comprhensibles par lordinateur.
Lexemple suivant prsente la manire dont la simulation a donn tout leur sens aux
concepts dexploration et dexploitation.
EXEMPLE simulation des processus dexploration et dexploitation
Chez March (1991 : 85), lessence de lexploitation est le raffinement et lextension

des comptences, des technologies et des paradigmes existants () [l]essence de
lexploration est lexprimentation de nouvelles alternatives . Malgr cette dfinition,
les concepts dexploration et dexploitation restent flous, puisquils font eux-mmes
appel des termes mal dfinis sinon ambigus, comme celui de comptence. En
particulier, on ne sait pas trs bien sil sagit dun processus individuel ou collectif.
La formalisation de ce processus apparat dans le modle propos par March (1991), au
sein duquel :
lorganisation a des croyances relatives un environnement ;
la performance dune organisation rsulte du bien fond de ses croyances ;
chaque membre de lorganisation a galement des croyances qui forgent et sont

forges par les croyances de lorganisation. chaque priode, les individus socialisent
(intgrent une partie des croyances de leur organisation) tandis que lorganisation
apprend (intgre une partie des croyances des individus si ces dernires sont plus fidles
lenvironnement et fortement diffuses).
1. Traduction personnelle de parochialism.

2. Traduction personnelle de chunking.
533
Partie 3 Analyser
Les rsultats des simulations dmontrent que lorganisation est dautant plus tourne
vers lexploration que la socialisation est faible. La diversit organisationnelle est ainsi
mainte-nue, permettant lorganisation dapprendre. Ensuite, lexploration saccrot
avec lhtro-gnit des probabilits individuelles de socialisation. Lorganisation doit
tre compose dindividus suffisamment indpendants (qui refusent de se plier aux
croyances les plus diffuses) pour assurer sa plasticit.
2.3 une mthode exprimentale
Une simulation permet de runir les conditions de lexprimentation. Sil est

gn-ralement admis que seule lexprimentation est mme dassurer lexistence
de relations de cause effet (cest en manipulant une variable en conditions
exprimen-tales, cest--dire en contrlant les autres variables, que lon peut mettre
jour une relation causale), la plupart des causes ne sont pas manipulables en
management. On ne peut pas, par exemple, observer ce qui se serait pass si Carlos
Tavares navait pas rejoint PSA, si Apple navait pas lanc liPhone 5 ou si Google
navait pas rachet Nest labs. Pour surmonter ces difficults, on utilise des designs
sophistiqus palliant labsence de randomisation (quasi-exprimentation) ou
mme de tirer parti de conditions historiques (exprimentation naturelle). Mais ces
designs ne savrent pas toujours possibles et sont souvent coteux. Une des forces
de la simulation est justement dautoriser autant de manipulations que la puissance
des ordinateurs le permet. Une fois spcifis les invariants du modle de base, on
peut choisir certains paramtres, comme les rgles de comportements, la situation
initiale ou lintensit de certaines variables. Un vritable plan exprimental est
construit, visant isoler la relation de cause effet entre deux variables. La
simulation est en outre particu-lirement utile lorsque les donnes empiriques sont
difficiles obtenir (Davis et al., 2009 : 416).
EXEMPLE la recherche du bon design organisationnel
Pour trouver le design dune organisation le plus efficace, Siggelkow et Rivkin (2005) ont
construit un modle o linfluence de quatre modes de management (comme la richesse du
flux dinformation ou lintensit des incitations financires) est mesure au sein de cinq
types dorganisation (dcentralis, de liaison, communication latrale, hirarchique ou
centralise) dans des environnements variant suivant leur simplicit et leur degr dincerti-
tude. Au total, un plan factoriel complet de 80 cases a pu tre construit, avec 1 500 obser-
vations par case permettant ainsi de tester les douze hypothses formules par les cher-
cheurs en contrlant parfaitement les variables indpendantes et modratrices. Cette
dmonstration est rendue possible par la simulation. Une fois chaque concept traduit en
variable puis en ligne de code, il ny a plus de limites leur combinaison.
534
section
2 VARIT DEs MThODEs
Les premiers modles construits pour simuler des situations de management peuvent
tre qualifis de modles stochastiques (Davis et al., 2009). Ils regroupent une
classe large dalgorithmes sans structure spcifique. On peut par exemple citer les
modles de Cohen et al. (1972) ou de March (1991), voqus pr-cdemment. Dooley
(2002) ou Davis et al. (2009) prsentent de manire sommaire une taxonomie des
mthodes de simulation. Les quatre plus notables vont tre dtailles dans cette section
: la dynamique des systmes1 (Repenning, 2002 ; Rudolph et Repenning, 2002 ; Gary
et Wood, 2011), les automates cellulaires (Lomi et Larsen, 1996 ; Liarte, 2006 ; Fleder
et Hosanagar, 2009), pour leur importance historique, les drivs du modle NK
(Levinthal, 1997 ; Gavetti et Levinthal, 2000 ; Rivkin 2000, 2001 ; Gavetti et al., 2005
; Rivkin et Siggelkow, 2005 ; Levinhtal et Posen, 2007 ; Siggelkow et Rivkin, 2009 ;
Csaszar et Siggelkow, 2010 ; Aggarwal et al., 2011 ; Baumann et Siggelkow, 2013),
qui sont probablement les plus utiliss dans le domaine du management, et les
algorithmes gntiques (Bruderer et Singh, 1996 ; Lee et al., 2002 ; Cartier, 2004), qui
sont particulirement adapts ltude des phnomnes impliquant apprentissage et
volution. Si ces modles utilisent souvent des processus stochastiques, ils intgrent en
plus des hypothses spcifiques et des logiques thoriques distinctes ; cest pourquoi
ils sont regroups en familles spcifiques. Si toutes ces mthodes permettent de
sintresser la notion dmergence, elles diffrent en terme de structure de
modlisation : la dynamique des systmes modlise les liens entre des variables (par
exemple entre innovation au temps t-1 et performance au temps t) tandis que les autres
mthodes prcisent le comportement dagents (individus ou organisations) et tudient
leurs interactions (on parle dailleurs de modles multi-agents).
1 La dynamique des systmes

Invente par Forrester (1961), la dynamique des systmes est une approche
permettant dtudier et de grer les effets des boucles de rtroaction. Un modle
informatique est construit, contenant une srie de relations simples causalit
circulaire (la variable A influence la variable B qui influence son tour la variable
A). Ces boucles peuvent tre positives ( travers des squences qui amplifient la
rponse une perturbation initiale) ou ngatives. partir dune dfinition de la
structure du systme et de ses comportements lmentaires (les liens entre les
1. Les systmes dynamiques sont le plus souvent utiliss pour simuler lvolution dindustries dans une
perspective conomique, en suivant les travaux de Nelson et Winter (1982). Ils dtiennent nanmoins une certaine
importance en management.
535
Partie 3 Analyser
variables sont le plus souvent fixs partir de donnes empiriques, notamment de

taux de corrlation), on tudie son comportement global. En outre, le
comportement du systme dcoule de la structure complexe des inter-relations
dynamiques entre lments. En dautres termes, le grand nombre de boucles et de
dlais (la variation de la variable A au temps t dpend de la valeur de la variable B
au temps t1) rend impossible danalyser le comportement du systme sans
simulation. Par exemple, Rudolph et Repenning (2002) montrent, dans une revue
interdisciplinaire consacre ce type de mthode (System Dynamics Review),
quune interruption (vnement non anticip qui interrompt momentanment une
tche) peut avoir des consquences dramatiques sur le travail dun individu au sein
dune organisation. La perturbation initiale peut en effet samplifier dans la mesure
o linterruption augmente le niveau de stress, qui augmente son tour le temps
ncessaire pour traiter linterruption et reprendre lactivit dorigine. Repenning
(2002) tudie les checs dinnovations prometteuses. Pour rsoudre ce paradoxe,
Repenning sintresse au processus de dveloppement dune innovation travers
limplication dacteurs au sein dune organisation. Deux boucles de rtroaction
sont cres. La premire est positive : limplication dans linnovation accrot sa
diffusion, qui accrot elle-mme limplication des acteurs. La seconde boucle est
ngative. Les managers fixent un objectif dimplication aux acteurs. Si
limplication dpasse cet objectif, la pression des managers va entraner la
diminution de cette dernire. Si limplication est bien infrieure lobjectif, la
pression des managers sera sans effet. partir de ces deux boucles simples, il est
possible de simuler la diffusion dune innovation. Les simulations montrent que la
diffusion dune innovation est un processus long, quels que soient les efforts
consentis, et que les objectifs fixs par les managers doivent tre graduels.
EXEMPLE Cognition et htrognit des performances
Gary et Wood (2011) dmontrent que les diffrences cognitives des managers peuvent
constituer une source dhtrognit des stratgies et des performances des entreprises.
partir dun modle dquations dynamiques (intgrant des effets retard, des boucles de
rtroaction et des relations non linaires), les capacits managriales dtudiants en MBA
ont pu tre testes. Cette mthodologie permet de multiplier les contextes stratgiques
(nombre de variables en interaction par exemple) et de constituer une base de donnes reliant
les structures cognitives des managers (capacit de traitement de linformation, confiance en
soi, complexit des modles mentaux) lefficacit de leur prise de dcision. Lintrt de la
simulation est donc clair : disposer de modles conomtriques (rgressions OLS) partir de
dcisions managriales en environnement simul.
La dynamique des systmes est utile la comprhension du comportement de

systmes aux squences de causalit complexe. Cependant, cette mthode, fonde
sur la spcification de liens entre variables, semble peu peu dlaisse par les
536
chercheurs. Ces derniers utilisent des mthodes qui spcifient des relations entre
des agents. Ce sont ces mthodes qui vont tre maintenant prsentes.
2 Les automates cellulaires
Les automates cellulaires permettent de modliser un systme dagents

gographiquement relis (par exemple, concurrents dans une industrie ou villes
dans un pays). Ils font figure danctres de la simulation (on peut en retrouver la
trace dans les travaux pionniers de Von Neuman et Burks en 1966). De manire
simple, un automate cellulaire est une grille (comme un chiquier) sur laquelle
chaque cellule (ou case) est dans un tat donn (vivant ou mort ; noir ou blanc).
Cet tat est dtermin chaque priode de temps en fonction dune rgle (le plus
souvent uniforme et dterministe) prenant en compte la valeur passe de la cellule
et ltat actuel de ses voisins. Chaque cellule a en gnral 8 voisins (entourant
compltement la cellule, appel voisinage de Moore). Lautomate cellulaire le plus
connu est le Jeu de la Vie de Conway, popularis par Gardner (1970), dans
lequel les cellules ne peuvent tre que dans deux tats (vie ou mort). Ltat de
chaque cellule est mis jour une fois chaque priode du jeu suivant des rgles
extrmement simples bases sur le voisinage de Moore :
survie : une cellule vivante survit si deux ou trois de ses voisins sont vivants ;
mort : une cellule vivante avec quatre voisins vivants ou plus meurt
dtouffement, une cellule avec zro ou un voisin vivant meurt disolement ;
naissance : une cellule morte avec exactement trois voisins vivants devient vivante
litration suivante.
Cette configuration de rgles donne lautomate des proprits intressantes, et
notamment une forte sensibilit aux conditions initiales (la disparition dune seule
cellule au dbut du jeu peut bouleverser lquilibre final), ainsi que la prsence
dtats oscillants (avec parfois des amas de cellules qui se dplacent en diagonale).
Ce qui ntait au dpart quun jeu fascinant a trouv de nombreuses applications.
Dans la mesure o ltat dune cellule ne dpend que de celui de ses voisins,
lautomate cellulaire est particulirement adapt ltude de phnomnes de
propagation par interactions locales. Ainsi, la diffusion dune information par
bouche oreille peut tre simule par automate cellulaire. On pourra alors observer
quelle vitesse linformation se diffuse en fonction de la probabilit quun
individu la relaie. Le modle de Schelling (1978), prsent dans la premire section
et mettant en vidence la formation de ghettos, est un autre exemple dautomates
cellulaires. De la mme manire, on peut imaginer de compliquer les rgles pour
observer leffet de la densit dune population dorganisations (Lomi et Larsen,
1996), comme prsent dans lexemple ci-dessous.
537
Partie 3 Analyser
EXEMPLE simulation des tensions entre comptition et lgitimation
Lomi et Larsen (1996) montrent que lautomate cellulaire peut sappliquer au comporte-
ment dindustries. Ils construisent un modle au sein duquel les organisations sont rparties
dans une grille deux dimensions et possdent des rgles dimplantation gographique
fonction de lemplacement de leurs concurrents. En effet, le partage de ressources, de four-
nisseurs ou le soutien du march, justifient quune entreprise sans voisins puisse mourir
de solitude. Dun autre point de vue, les organisations luttent pour des ressources limites :
lorsquun nombre trop important dorganisations occupe une niche donne, ces dernires
peuvent disparatre. Les simulations permettent dobserver lvolution du nombre et de la
rpartition des organisations au cours du temps.
Daprs Lomi et Larsen (1996 : 1300)
Priode 0, Priode 5, Priode 30,

5 organisations 126 organisations 1367 organisations
Une fois le modle de base construit, Lomi et Larsen sont capable de tester leffet de
cer-tains facteurs sur la rpartition des organisations. Par exemple, lorsque le rayon
dinterac-tion augmente (du voisin direct au voisin situ deux cases, par exemple), la
dispersion des organisations augmente elle aussi.
Daprs Lomi et Larsen (1996 : 1302)
Priode 100, Priode 100, Priode 100,

1 case dinteraction 2 cases dinteraction 3 cases dinteraction
Lomi et Larsen (1996) observent donc, partir dun modle simple, comment les inter-
actions locales entre comptition et lgitimation affectent la densit de la population.
538
EXEMPLE Prennit ou dcadence de la culture du blockbuster
Fleder et Hosanagar (2009) montrent comment les systmes de recommandations par

les pairs peuvent accrotre la diversit de loffre (par la dcouverte de produits
confidentiels grce aux donnes sur les achats de produits achets par les individus
ayant des gots proches) ou au contraire la diminuer (par la mise en vidence des
produits les plus populaires, ce qui renforce leur vente). Des consommateurs sont
rpartis sur un espace deux dimensions et adoptent des produits localement, tout en
communiquant avec leurs voisins. Le modle, en dgageant deux niveaux danalyse,
montre quil est possible que la diversit de la consommation augmente au niveau
individuel (pour le consommateur) mais baisse au niveau collectif (sur le march). En
effet, la simulation montre que la prescription pousse chaque personne essayer de
nouveaux produits, tout en crant des groupes de consommateurs plutt homognes.
Pour Davis et al. (2009), les automates cellulaires sont principalement utiliss pour
exa-miner comment une tendance globale merge de processus spatiaux (comme la
diffusion, la comptition, la propagation et la sgrgation) qui oprent un niveau local
. Les appli-cations potentielles de cette famille de modle sont donc nombreuses 1. Les
chercheurs dsirant construire un automate cellulaire peuvent utiliser eVita 2, logiciel
libre ou puiser dans les nombreux programmes raliss sous langage Matlab 3.
3 Le modle nK
Le modle NK a t dvelopp en biologie volutionnaire pour tudier les systmes

gntiques (Kauffman, 1993). Cette approche sintresse la rapidit et lefficacit
de ladaptation. Ce systme est compos de N gnes en interaction avec ses K
voisins. Autrement dit, la contribution dun gne la performance du chromosome
dpend de sa valeur et de celle de ses K voisins. Lvolution de chaque gne est
effectue par optimisation locale : les caractristiques des gnes changent une une
jusqu ce quils obtiennent une contribution optimale la performance du
chromosome en fonction de leurs K voisins. Ce modle doptimisation permet ainsi
dtudier la co-volution des gnes, jusqu lobtention dun quilibre de Nash
(optimum local, pour lequel aucun gne ne peut augmenter sa contribution optimale
la performance du chromosome sans changement des gnes voisins). La forme du

paysage adaptatif4 dpend du degr dinterdpendance : le nombre de pics (optima
1. La pertinence de lautomate cellulaire en management peut nanmoins tre discute, dans la mesure o les
relations entre organisations dpendent aujourdhui moins de leur emplacement gographique que des rseaux
immatriels dans lesquelles ces dernires sont encastres.
2. http://geneffects.com/evita/
3. Voir par exemple la page http://www.math.ualberta.ca/~mathbio/summerworkshop/2003/code.html
4. Levinthal (1997 : 935) formalise les apports du concept de paysage adaptatif en sciences sociales, point de dpart
utile pour lanalyse des processus dadaptation et de slection () carte unissant des formes organisationnelles
un tat de performance ou de propension la survie . Les biologistes font rfrence des espces animales
gravissant les flancs dune montagne pour chapper la monte des eaux. Cette mtaphore indique quune
organisation doit en permanence changer pour que sa forme corresponde aux exigences de lenvironnement.
539
Partie 3 Analyser
locaux) augmente lorsque K croit, le paysage devient rugueux. La situation extrme,

pour laquelle K = 0, produit un paysage trs linaire avec un pic unique. Lautre
extrme (K = N1) produit au contraire un paysage compltement chaotique.
Pour les chercheurs dsirant construire leur propre modle NK, il est possible
dutiliser LSD1, le langage (combinaison de C++ et de langage objet) cr par
Valente (1999). Les applications du modle NK en management sont multiples,
comme lillustrent les exemples suivants.
EXEMPLE Adaptation et survie dorganisations dans le modle nK
Levinthal (1997) est le premier transposer le modle NK aux sciences des organisations et
en tirer un grand nombre de rsultats. Grce aux simulations conduites, il dmontre qu
avec un haut niveau dinteractions, la forme optimale de lorganisation a une probabi-lit
faible davoir une solution unique () en consquence, la distribution observe des formes
organisationnelles dans une population peut reflter lhtrognit . La figure suivante
prsente lvolution du nombre de formes organisationnelles distinctes en fonction du niveau
dinterdpendance (nul pour K = 0, modr pour K = 1, lev pour K = 5).
La diversit organisationnelle provient ici dune cause endogne lvolution de la

popu-lation, contrairement aux arguments avancs par lcologie des populations
(prsence de niches dans lenvironnement) et par lcole de la contingence (jeu de
conditions externes distinctes). Levinthal (1997) sintresse galement aux blocages
dorganisations dans des configurations sous-optimales. La figure suivante prsente le
taux de survie des organisa-tions en fonction de leur niveau dinterdpendance. Ainsi,
une organisation solidement couple peut avoir des difficults sadapter.
Enfin, les modes de changement organisationnel sont galement mis lpreuve puisque
Levinthal (1997 : 946) conclut qu avec un niveau plus lev de K, la survie consquente
1. http://www.business.aau.dk/evolution/lsd/
540
un changement dans le paysage adaptatif est beaucoup plus dpendante de sauts longs
russis ou de rorientation que de ladaptation locale .
Un second exemple montre comment le modle NK peut tre utilis pour traiter
dune problmatique spcifique portant sur la nature des barrires limitation.
EXEMPLE La complexit comme barrire limitation
Rivkin (2000) dfinit deux stratgies dimitation : amlioration incrmentale et suivi du

leader . Les deux stratgies consistent pour lagent imitant atteindre une rfrence
prdfinie, en se dplaant sur le paysage adaptatif pour la premire stratgie et en copiant la
rfrence avec des risques derreur pour la deuxime. Le modle NK propos montre tout
dabord que linterconnexion des ressources reprsente une barrire limitation avec am-
lioration incrmentale, le paysage rugueux (constitu de multiples pics) rendant la progres-
sion vers la rfrence difficile. Le modle NK montre galement que les imitations avec
suivi du leader sont moins efficaces lorsque les ressources sont interconnectes. Par
exemple, Rivkin (2000 : 839) explique que dans une stratgie aux parties nombreuses et
solidement soudes, les faibles probabilits que chaque lment soit incorrectement rpli-
qu se cumulent pour crer une forte chance que les imitateurs russissent mal .
Csaszar et Siggelkow (2010) compltent ltude de la relation entre imitation et
performance, en ajoutant dans un modle de simulation de nouvelles variables, comme
la proximit entre entreprise imite et imitatrice, ou lhorizon temporel, qui
interagissent de manire non triviale.
4 Les algorithmes gntiques
Comme le nom de cette troisime grande famille de modles lindique, il y a une

analogie au dpart avec la biologie, et plus prcisment avec la thorie de lvolution
par slection naturelle. Les algorithmes gntiques permettent de modliser des
processus sociaux de manire volutive (Gilbert et Troitzsch, 1999). Dans ce type de
modle, les individus ou les organisations reprsentes voluent de manire

darwiniste1, comme une espce animale. Un algorithme gntique tudie lvolution
dagents dans un environnement auquel ils ne sont pas adapts. Les agents se
dplacent, comme dans le modle NK, sur un paysage adaptatif, reprsent par des pics
et des valles, la recherche de sommets levs. Chaque agent est reprsent par un
ensemble de valeurs composant son chromosome , lequel va permettre de calculer
un score dadquation aprs comparaison loptimal (position la plus favorable sur le
paysage adaptatif). Une diffrence avec le modle NK tient au renouvellement de la
population dagents : chaque itration du modle, des agents
1. Par variation (changements alatoires), slection (des meilleurs membres de lespce) et rtention (des
caractristiques des meilleurs au sein de la population).
541
Partie 3 Analyser
sont remplacs par des nouveaux venus selon un processus inspir du croisement
gntique : deux agents parents donnent naissance deux agents enfants
composs chacun dune partie du chromosome de ses parents. Ainsi, la
composition de la population dagents volue et le modle permet lobservation de
processus volutionnistes de mutation et de slection.
Les algorithmes gntiques sont frquemment utiliss en gestion, et notamment
dans le champ de la recherche oprationnelle (par exemple dans le problme du
voyageur de commerce , qui consiste trouver le trajet le plus court pour passer
par un certain nombre de villes). En management, on peut avoir recours aux
algorithmes gntiques pour reprsenter lorganisation : chaque gne du
chromosome figure une caractristique de lorganisation (ressources, routines,
etc.). Ainsi, Bruderer et Singh (1996 : 1325) notent que lalgorithme gntique
peut tre utilis pour reprsenter des formes organisationnelles par des chanes de
symboles abstraits dans lesquelles chaque symbole incarne un choix particulier de
routine . Cette utilisation est prsente dans lexemple suivant.
EXEMPLE mergence et persistance des groupes stratgiques
partir dun algorithme gntique, Lee, Lee et Rho (2002) sintressent lmergence
et au maintien des groupes stratgiques (entreprises aux stratgies similaires). La
proximit des stratgies est apprhende dans le modle partir des codes gntiques,
ou gnes, des agents. Ensuite, diffrents concepts sont intgrs au modle. Les
capacits dynamiques sont modlises par des mutations des agents (qui changent leur
code gntique chaque itration du modle), les barrires la mobilit par un
paysage adaptatif contenant des optima locaux et les interactions stratgiques par
des croisements des agents (qui changent des parties de leur code gntique). Leur
modle montre, sans surprise, que les barrires la mobilit et les interactions
stratgiques entre les leaders de lindustrie pren-nisent les diffrences de performance
intergroupes. De manire plus surprenante, il apparat que des barrires la mobilit
trop importantes empchent lapparition de groupes strat-giques.
Les plates-formes la disposition des chercheurs proposant des algorithmes

gntiques sont nombreuses. La plus complte est certainement celle dveloppe
par Hartmut Pohlheim sous langage Matlab, Genetic and Evolutionary Algorithm
Toolbox, dj cite dans lintroduction de ce chapitre. Elle permet au chercheur de
construire son propre modle en bnficiant dune base solide.
En dehors des quatre grandes familles prsentes, dynamique des systmes,
automates cellulaires, modle NK et algorithmes gntiques, il existe videmment
dautres modles la disposition des chercheurs. Carley et Svoboda (1996) utilisent
par exemple un recuit simul, modle inspir dun processus utilis en mtallurgie,
pour reprsenter ladaptation dune organisation en terme de restructuration et
dapprentissage. Le processus alterne des cycles de refroidissement lent et de
542
rchauffage qui tendent minimiser lnergie utilise par lorganisation. Mais

limportance de ces modles est marginale, en raison de la difficult de leur
transposition aux sciences sociales.
section
3 DEs DFIs MThODOLOgIQuEs
Le chercheur dsirant utiliser la simulation possde une grande varit de

mthodes sa disposition. Une fois quun modle spcifique a t construit pour
rpondre une problmatique, il convient de sassurer de sa validit.
1 La validit des mthodes de simulation
La validit de rsultats obtenus par la simulation repose sur trois lments, la

validit interne du modle, la capacit du modle reproduire la ralit et la
capacit du modle prendre place au sein dautres types de modles abordant des
problmatiques similaires.
1.1 La validit interne
La validit interne des rsultats obtenus partir dune mthode de simulation

semble assure ( partir du moment o le modle est correctement construit). En
effet, la validit interne (voir le chapitre sur la validit et fiabilit dune recherche)
consiste sassurer que linfrence est exacte et quil nexiste pas dexplication
rivale. Or, la simulation permet le contrle de la situation exprimentale, des
variables indpendantes et des variables modratrices ou mdiatrices. Pour Masuch
et LaPotin (1989, pp. 62), la simulation peut surpasser les autres mthodes en
terme de validit interne, et, peut-tre, de validit de construit . La simulation
permet donc avec certitude didentifier des relations causales. Elle nest soumise
aucun des biais classiques limitant la validit interne, comme leffet de maturation
ou de contamination). Nanmoins, deux prcautions simposent : vrifier la
robustesse des rsultats du modle et leur adquation avec les thories mobilises
pour sa construction.
Reproduction de rsultats thoriques simples
La difficult de cette tape est de russir trouver des liens la fois admis en
sciences des organisations (tests ou utiliss comme postulats de base dans dautres
543
Partie 3 Analyser
recherches) et qui nont pas t utiliss comme hypothse dans la construction du

modle. Pour un modle sintressant la diffusion dune innovation, il sagit par
exemple de reproduire la courbe en S de diffusion, linnovation se diffusant
lentement chez une poigne de pionniers, pour acclrer avec la majorit prcoce
et de nouveau ralentir avec la conqute des derniers retardataires. Cette courbe ne
doit pas tre spcifie en amont dans lcriture du modle mais merger du
comportement individuel des agents et de leurs interactions. Une fois le modle
capable de reproduire cette courbe, ce dernier peut tre utilis comme outil de
construction thorique, en testant par exemple les effets de la nature des liens entre
consommateurs sur la vitesse de diffusion.
Davis et al. (2009) sassurent par exemple que leur modle construit sous Matlab
reproduit bien les principales relations thoriques entre structure, environnement et
performance.
EXEMPLE Tests de robustesse sur un algorithme gntique
Cartier (2005) vrifie que les rsultats de son modle sont en accord avec huit liens
com-munment admis par la littrature. Par exemple, sachant que la participation une
alliance accrot les similarits des profils technologiques des partenaires, elle doit
diminuer gale-ment la diversit au sein dune population dorganisations. Ce lien entre
alliance et diversit se retrouve dans les simulations. De mme, alors quHannan et
Carroll (1995 : 23) dmontrent que la diversit peut diminuer cause de limitation
des organisations qui russissent le mieux , lexprimentation ralise partir de
lalgorithme gntique permet de produire ce rsultat. Si sept des huit liens ont t dans
un premier temps reproduits par le modle, ladquation dfinitive a t obtenue par une
nouvelle spcification du modle. La construction dun modle permettant deffectuer
des simulations est donc un processus itratif. Un modle doit tre construit, puis
modifi jusqu ce que son comportement soit conforme non seulement aux attentes du
chercheur mais encore aux axiomes des thories mobilises pour sa construction.
Robustesse des rsultats
Si les variables indpendantes sont parfaitement contrles lors de simulation, ce

qui garantit la pertinence de lanalyse causale, lexistence dune relation peut tre
contingente la prsence de variables mdiatrices ou modratrices. En dautres
termes, rien ne garantit que les relations observes soient indpendantes de la
valeur des variables secondaires, souvent lgion dans un modle. Les relations
causales, structurelles et fonctionnelles, doivent ainsi rester stables, malgr un
changement des variables priphriques. Le test de robustesse revient donc
analyser les lments invariants dun modle, dlimiter dans quelles bornes ces
lments sont invariants et tenter dexpliquer les entorses faites linvariance.
Aggarwal et al. (2011) considrent ainsi que leurs rsultats concernant la
performance dalliances entre entreprises ne sont pas gnralisables aux situations
544
non dcrites par leur modle (deux entreprises de taille identique ayant a priori
dfini les tches concernes par lalliance). Aggarwal et al. (2011) effectuent donc
a posteriori de nouvelles simulations en intgrant plusieurs entreprises de tailles
diffrentes avec une structure de gouvernance mouvante.
1.2 Reprsentativit de la ralit simule
Un modle peut tre techniquement parfait, mais navoir aucune correspondance

avec la ralit. Labsence de reprsentativit peut tre considre comme une des
limites majeures de la simulation (Carley, 1996 ; Davis et al., 2009). Kleindorfer,
ONeill et Ganeshan (1998 : 1088) soulignent que la confusion et lanxit
relatives la validation persistent .
La reprsentativit dun modle peut tre apprhende deux niveaux. Au
niveau micro, on peut chercher sassurer que le comportement des agents est bien
conforme celui des individus, des organisations quils reprsentent.
EXEMPLE Influence sociale et consommation deau : une validation croise
Les tentatives de validation les plus abouties, partir de donnes relles, viennent de la
sociologie. Par exemple, Moss et Edmonds (2005) intgrent les reprsentations des
acteurs de lindustrie de leau et de ses rgulateurs. Il sagit dune validation au niveau
micro des rgles de comportement des agents du modle. Au niveau macro, il est
possible de vrifier la correspondance la ralit non plus des rgles de comportement
mais des donnes simu-les rsultant de linteraction entre ces dernires.
Cest le chemin de validit choisi par Moss et Edmonds (2005), qui comparent les
rsultats de leur modle la consommation relle deau en Grande Bretagne de 1994
2000. Cest galement la dmarche emprunte par Cartier (2006) et Liarte (2006). Ces
derniers sas-surent que leur modle, nourri et calibr par des donnes individuelles
(concernant respec-tivement des alliances stratgiques et des choix dimplantation de
point de vente), parvient saligner de manire statistiquement significative sur les
observations ralises au niveau de la population (respectivement la diffusion dune

technologie et la proximit de chanes de magasins concurrents).
Avec un modle bien calibr, robuste et valide, la simulation peut vritablement

contribuer lavance des connaissances, mais galement tre utilise pour remplir
de relles missions dans les organisations comme le diagnostic ou la prise de
dcision. Le modle de Cooper (1993) ou celui de Levitt et Jin (1996) utiliss dans
la gestion de projets, en sont de bons exemples. Ils permettent de nombreuses
organisations, comme la Nasa, de choisir dans un contexte incertain les projets les
plus rentables et dallouer au mieux des ressources limites un portefeuille de
tches permettant de mener bien ces derniers.
545
Partie 3 Analyser
1.3 Lalignement dune famille de modles
Lalignement de deux modles (ou docking ) permet de vrifier dans quelle

mesure deux constructions diffrentes sintressant au mme type de phnomnes
peuvent produire les mmes rsultats. Il ne sagit pas de reprogrammer un modle
ancien mais de sintresser deux modles reposant sur des mcanismes distincts
mais portant sur la mme classe de phnomnes sociaux. Aggarwal et al. (2011 :
727) indiquent par exemple que leurs conclusions concordent avec les efforts
utilisant des mthodes de simulation diffrentes suite la comparaison de leur
modle des modles plus anciens, comme celui de Burton et Obel (1980) par
exemple sur la supriorit de la structure dcentralise.
EXEMPLE Des meutes primales la transmission culturelle
Axtell et al. (1996) commencent par dcrire les deux modles compars, un modle de
transmission culturelle dvelopp par Axelrod et Sugarscape1 , un automate cellulaire
per-mettant de modliser des agents qui, entre autres choses, mangent, se dplacent, se
battent, se reproduisent et font du commerce. Ils sont ensuite capables de tester
lquivalence des modles, puis danalyser les sources des divergences (dans lcriture
du modle et de manire thorique).
2 Les piges et promesses de la simulation
Certains chercheurs, souvent par mconnaissance de la mthode, ont une attitude

assez ngative vis--vis de la simulation. Dautres, rompu la mthode, sont
conscients des possibilits mais aussi des nombreuses limites de la simulation.
Ainsi, Durand (2006) ou Davis et al. (2009) font un tat des diffrentes questions
quun chercheur doit se poser pour viter de tomber dans les facilits et les piges
de cette mthode.
2.1 une connaissance parcellaire ?
La production de connaissances issue dun modle stylis nest-elle pas parcellaire ?

Pour tre gnrique, le modle devient caricatural, et pour tre reprsentatif, il devient
singulier. Si la simulation permet de ne sintresser qu quelques variables
fondamentales et en tudier linteraction, elle fait dans une certaine mesure
abstraction du contexte, de la richesse du systme social tudi. Cest pourquoi la
simulation ne doit pas tre utilise pour figer des liens gnriques, indpendants de
lhistoire et de la spcificit dune organisation. Au contraire, le potentiel dun
1. http://www.brook.edu/es/dynamics/sugarscape/default.htm
546
modle dpend des rsultats contre intuitifs quil produit (Masuch et LaPotin,
1989 : 40). Cependant, la nature fondamentale de la connaissance gnre par la
simulation pose en particulier problme sous au moins trois angles.
Significativit des rsultats
Les rsultats obtenus par simulation sont-ils statistiquement significatifs ? Si un

rsultat ne peut tre obtenu qu partir dun nombre lev de simulations (entre
cent et mille en fonction des articles), sa significativit nest pas source de preuve,
contrairement aux mthodes empiriques classiques. En effet, le recueil de donnes
simules tant plus rapide que celui de donnes relles, le chercheur peut aisment
accrotre son chantillon. Limportant nest donc pas de constater un cart de
moyenne entre deux populations mais de dissquer les mcanismes gnrateurs
dun tel cart.
Multiplicit des niveaux danalyse
La possibilit offerte dutiliser un mme modle plusieurs niveaux danalyse nest-

elle pas problmatique ? Si Levinthal et Warglien (1999 : 344), se rjouissent par
exemple de pouvoir appliquer la mtaphore du paysage adaptatif tantt des
organisations tantt des individus, il est lgitime de se demander si une organisation
est similaire un chou romanesco1, cest--dire un objet fractal2, reproduisant
linfini les mmes schmas ? Ceci tant, la simulation permet justement ltude
simultane de dynamiques des niveaux diffrents. Levinhtal et Posen (2007)
montrent par exemple que ladaptation des organisations un niveau individuel limite
le potentiel dvolution au niveau de la population par slection naturelle. De mme,
Siggelkow et Rivkin (2009) sintressent la relation entre la recherche de solutions
nouvelles (dagents sur un terrain dadaptation) par le top management et au niveau
oprationnel, distinguant deux archtypes, lorganisation vagabonde (avec une
bonne adaptation stratgique uniquement) et lorganisation survivante (avec une
bonne adaptation oprationnelle uniquement).
Nature floue du modle
Comment tirer des enseignements si les rsultats diffrent en fonction de la

spcification du modle ? Rciproquement, que conclure de la convergence de
rsultats obtenus par des mthodes de simulations distinctes ? Paradoxalement, un
problme de la simulation nest-il pas son incapacit cumuler des rsultats ? En
quoi ce qui ressort dun modle est-il diffrent de ce que le chercheur y a intgr ?
Les rsultats dun modle, par lvolution de multiples variables sur plusieurs
priodes prcisment mesures et contrles, ne sont-ils pas quune caricature de
1. Ce lgume a des formes et des dtails similaires des chelles arbitrairement petites ou grandes.
2. Qui est autosimilaire, cest--dire que le tout est semblable une de ses parties.
547
Partie 3 Analyser
principes causaux simples qui auraient pu tre rvls par une analyse causale et
conceptuelle simple ? Pour rpondre cette question, les chercheurs se doivent de
spcifier des rgles simples de fonctionnement du modle, non pas de manire had-
hoc, mais reposant sur des bases thoriques fortes. De fait, les rsultats finaux tirs
de nombreux modles spcifis et re-spcifis sachvent sur des conclusions de
peu de relief. Par exemple, Levinthal (1997) conclut son article, souvent cit
comme rfrence concernant les mthodes de simulation, sur une leon
apparemment triviale : limportance des conditions initiales pour ladaptation
dune organisation. Mais une relecture de cet article rvle des rsultats autrement
plus fondamentaux, lis lefficacit relative de diffrents modes de changements
organisationnels (incrmentalisme, sauts longs, imitation) fonction de la forme du
systme de ressources dune organisation. Surtout, les chercheurs se doivent
dexpliciter les limites de leur modle. Par exemple, Moss et Edmonds (2005)
notent que les agents modliss ne sont pas reprsentatifs des acteurs de
lorganisation ou de la socit mais des avatars caricaturaux. Centola, Willer, et
Macy (2005) soulignent que les proprits des rseaux simuls ne sont pas celles
des rseaux sociaux rels, de mme que Bruderer et Singh (1996) qui prcisent que
les rgles de dcisions sont rduites leur plus simple expression. La simulation
est donc une mthode aborder avec humilit. Un modle, aussi sophistiqu soit-il,
ne peut apprhender toute la richesse des phnomnes sociaux et doit tre utilis
pour clairer un champ thorique particulier.
COnCLusIOn
La simulation est une mthode en progrs constant en management. Les dfis

mthodologiques restent cependant immenses et les questions thoriques
auxquelles la simulation peut rpondre importantes. Lavenir de cette mthode
dpendra de la capacit des chercheurs profiter des moyens informatiques leur
disposition, tout en restant attachs aux critres de validit des sciences sociales et
aux questions thoriques de leur champ.
Dans lavenir, nul doute que les mthodes de simulation vont se sophistiquer. Les
systmes dynamiques intgrent par exemple aujourdhui plusieurs dizaines de
variables et de boucles de rtroaction. De mme, les modles fonds sur le
comportement dagents sont aujourdhui de plus en plus labors. Par exemple, un
agent peut adopter un certain comportement en fonction de lendroit o il se
trouve, de son comportement pass, danticipations, et mme frquemment
dintentions. Ainsi, le rle du chercheur programmant un modle multi-agents est
de dfinir les capacits cognitives et sensorielles des agents, les actions quils
peuvent engager et les caractristiques de lenvironnement sur lequel ils sont situs
(Gilbert et Terna, 1999 : 8).
548
Nanmoins, comme nous lavons vu prcdemment, un chercheur utilisant la

simulation doit tout dabord tre conscient de la place de son modle dans son
design de recherche. La devise KISS , pour Keap It Simple Stupid (Carley,
1996) invite raliser des modles parcimonieux, reprsentations simplifies de la
ralit. partir dun effort de formalisation autour de quelques variables cls, le
chercheur doit tre capable de mettre en place un plan exprimental lui permettant
de tester ou de produire des hypothses (la simulation pouvant tre utilise dans
une dmarche dductive comme inductive). Le choix dune famille de modles
existants ou la ralisation dun modle had-hoc est galement crucial dans le cadre
dune recherche utilisant la simulation. Il convient darbitrer ici entre loriginalit
du modle et sa capacit communiquer des rsultats. En effet, un modle
atypique peut permettre des avances thoriques majeures mais les variantes de
modles connus (comme le modle NK) sont souvent mieux acceptes, par les
valuateurs comme par les lecteurs. Enfin, la validation des rsultats obtenus par
simulation est une tape dont le chercheur peut difficilement saffranchir.

Davis J., Bingham C. et Eisenhardt K., Developing Theory with Simulation
Methods . Academy of Management Review, vol. 32, n 2, pp. 480-499, 2007.
Gilbert N. et Troitzsch K.G., Simulation for the Social Scientist, Open University
Press, Buckingham, PA, 1999.
Lave C.A. et March J.G., An Introduction to Models in the Social Sciences,
(1re publication en 1975), University Press of America, Lanham, MD, 1993.
Rouse W. B., Boff K. R., Organizational Simulation, Wiley-Interscience, 2005.
Sorenson O., Interorganizational Complexity and Computation , in J. A. C.

Baum (dir.), The Blackwell Companion to Organizations, Blackwell, Oxford, pp.
664-685, 2002.
Plates-formes de simulation utilises en management
Swarm , cr en 2002 par le Center for the Study of Complex System, sous
licence GNU. Plus dinformations sur : swarm.org
The Repast Suite , open source cr en 1999. Plus dinformations sur : respast.
sourceforge.net.
Online MATLAB Resources , langage de calcul scientifique, difficile daccs,
avec de nombreux modules multi-agents. Plus dinformations sur : mathworks.fr
Moduleco , Plus dinformations sur : gemass.fr/dphan/moduleco.
549
Partie 3 Analyser
Laboratory for Simulation Development , simulations open source en temps dis-

crets trs facile dutilisation. Plus dinformations sur : absimdev.org
Netlogo . Plus dinformations sur : ccl.northwestern.edu/netlogo
Java Agent Development Framework , dveloppe par une communaut en
open source. Plus dinformations sur : jade.tilab.com
Starlogo , solution open source cr en 2006 pour simuler des phnomnes rels
(nues doiseaux, embouteillages). Plus dinformations sur : education.mit.edu/
starlogo.
Madkit , environnement de programmation en Java orient vers la simulation et
la communication entre systmes distribus. Plus dinformations sur : madkit.org
550
Chapitre
Exploitation
17 des donnes
textuelles
Antoine Blanc, Carole Drucker-Godard et Sylvie Ehlinger
RsuM
Comment dpouiller, classer, analyser les informations contenues dans un
docu-ment, une communication, un entretien ? Comment rendre compte de la
ralit sociale travers le discours ?
Lobjet de ce chapitre est de prsenter les mthodes et dmarches danalyse
de contenu et danalyse discursive qui nous semblent les plus pertinentes
pour ltude des organisations.
Nous prsenterons successivement ces deux types danalyse selon le point
de vue du chercheur et conclurons par une comparaison entre analyse de
contenu et analyse de discours.
sOMMAIRE
SECTION 1 Analyse de contenu
SECTION 2 Analyse de discours

Partie 3 Analyser
L es recherches en organisation et en management sappuient souvent sur des matriaux

constitus de communications orales (discours, entretien individuel ou de groupe).
Elles ont pour objet danalyser le contenu ou la structure de
ces communications. Si le tournant linguistique de ces dernires dcennies a plac
le discours au cur de la comprhension des phnomnes sociaux, cest
prcisment parce que la ralit que nous percevons comme matrielle et sensible
peut tre consi-dre comme le produit dun assemblage de discours. Quand bien
mme ces der-niers seraient partiels, fragments, contradictoires, tiraills par des
rapports de force, ils constituent un intermdiaire incontournable pour interprter le
monde et lui donner forme.
Si on se rfre lanalyse de contenu, la rptition dunits danalyse de discours
reflte les items importants pour lauteur du discours. Lanalyse de contenu peut
reposer sur diffrentes mthodes qui ne diffrent que par le choix dunits de
codage et le type danalyse des rsultats. Lanalyse discursive se positionne
diffremment puisque le discours ne traduit pas de manire parfaite le rel. Il le
distord en le rangeant dans certaines catgories de sens quil favorise et prennise.
En ce sens, le discours est la fois structur et structurant. Dans ce chapitre, nous
prsenterons dailleurs lanalyse de discours non seulement comme une mthode
mais aussi comme une mthodologie.
Prsentation de lanalyse de contenu
Lanalyse de contenu repose sur le postulat que la rptition dunits danalyse

de discours (mots, expressions ou significations similaires, phrases, paragraphes)
rvle les centres dintrt, les proccupations des auteurs du discours. Le texte
(document crit ou retranscription de discours ou dentretien) est dcoup et
ordonn en fonction des units danalyse que le chercheur a choisi dtudier, selon
une mthodologie trs prcise de codage. Les diffrentes units danalyse sont
ensuite classes dans un nombre restreint de catgories lies aux objectifs de
recherche et sur lesquelles porteront les analyses. Ces analyses passent le plus
souvent par des comptages, des analyses statistiques, ou encore des analyses plus
qualitatives du contexte dans lequel les mots apparaissent.
Comme le souligne Weber (1990), il existe diffrentes mthodes pour mener une
analyse de contenu et le chercheur doit dterminer lui-mme quelle est la mthode
la plus approprie son problme.
Prsentation de lanalyse de discours
Le discours ne traduisant pas de manire parfaite le rel, il nest pas surprenant

que de nombreux auteurs saccordent sur limportance fondamentale du discours
comme objet dtude. Analyser le discours, cest reconnatre le rle spcifique
quil joue dans la constitution de la ralit sociale. Tandis que lensemble des
travaux en gestion, dune manire ou dune autre, exploitent du discours, cest le
rle que le chercheur lui confre qui varie.
552
Exploitation des donnes textuelles Chapitre 17
Lanalyse discursive intresse la recherche en management notamment parce

quelle entend le discours comme une pratique, un ensemble dactions plus ou
moins intentionnelles. Il sagit galement danalyser les textes dans leur contexte,
en prenant en compte les conditions qui ont pouss leur production.
section
1 AnALysE DE COnTEnu
Les analyses de contenu ont t dveloppes dans les annes vingt aux tats-
Unis pour tudier des articles de presse et des discours politiques. Elles ont pour
objectif lanalyse du contenu manifeste dune communication.
Sous la classification analyse de contenu , sont regroupes diffrentes
mthodes qui, si elles suivent toutes les mmes tapes prsentes dans la figure
17.1, diffrent en fonction des units de codage choisies et des mthodes danalyse
des rsultats utilises.
lecture du texte dans loptique de la problmatique de recherche
formulation des objectifs de lanalyse
dcoupage du texte laboration des rgles classification

en units de comptage et de codage en catgories
comptage de mots, calculs de frquence
analyses statistiques (comparaisons de frquences, analyses

factorielles, analyses qualitatives
analyses de correspondances)
interprtation
Daprs Bardin (2013)
Figure 17.1 Les principales tapes de lanalyse de contenu
553
Partie 3 Analyser
1 Collecter les donnes pour une analyse de contenu
Les analyses de contenu seffectuent sur des donnes collectes selon des
mthodes non structures ou semi-structures telles que les entretiens (libres ou
semi-directifs) ou les mthodes documentaires. Certaines rponses des questions
insres dans des enqutes par questionnaire peuvent tre galement traites par
lanalyse du contenu. Plus gnralement, tout type de communication verbale ou
tout matriel crit peut faire lobjet dune analyse de contenu. Cette tape est
parfois appele pr-analyse (Bardin, 2013).
Lobjectif des mthodes non structures est de gnrer des donnes qui soient les
plus naturelles possibles. Ces mthodes dissocient les phases de collecte de celles
de codage et danalyse des donnes.
1.1 Les mthodes dentretien
Sil souhaite tablir la reprsentation dun sujet concernant un domaine

particulier ou sil ne dispose pas de donnes concernant le thme qui lintresse, le
chercheur va collecter des donnes de discours partir dun entretien libre ou
semi-structur. Ces entretiens sont en gnral enregistrs puis retranscrits dans leur
intgralit pour tre ensuite cods (cf. ci-aprs pour plus de dtails sur cette tape).
Le principal avantage de ces mthodes est la validit des donnes produites. Les
donnes ayant t gnres spontanment par le rpondant ou en rponse des
questions ouvertes, elles sont plus susceptibles de reflter ce quil pense (Cossette,
1994). Par ailleurs, ces mthodes gnrent des donnes qui sont beaucoup plus
riches que les mthodes structures.
Cependant, ces mthodes limitent la fiabilit des donnes produites. Enfin, en ce
quelles ncessitent un travail important de la part du chercheur en aval de la
collecte, elles ne sont pas envisageables grande chelle. De fait, on les utilise
davantage pour tudier en profondeur les discours.
1.2 Les mthodes documentaires
Lorsque le chercheur dispose de retranscription de discours ou de runions ou

encore de documents, il utilisera une mthode documentaire. Une fois collectes,
les donnes sont codes directement.
Le principal avantage de ces mthodes est quelles vitent les problmes lis la
fiabilit de la collecte, le chercheur nintervenant pas dans le processus de production
des donnes. Par ailleurs, ces mthodes ne ncessitent pas de travail de retranscription.
Ces mthodes sont trs utilises pour analyser des discours organisationnels
ou de groupe. Ceci pose cependant des difficults lies la conceptualisation du
554
construit que les donnes recueillies sont censes reprsenter (la cognition
organisationnelle, la pense de groupe, par exemple) : peut-on considrer un document
rdig par un membre dun groupe comme refltant la pense de ce groupe, voire de
lorganisation dans son ensemble ? Une telle utilisation des donnes documentaires
peut tre ainsi sujette des critiques danthropomorphisme et de rification (Schneider
et Angelmar, 1993). Il est donc ncessaire de dfinir trs clairement le construit que la
mthode est suppose apprhender et, plus largement, la relation que le chercheur
tablit entre le discours analys et la ralit laquelle il renvoie (Alvesson et
Karreman, 2000). Dans une moindre mesure, les mthodes documentaires sont aussi
utilises pour tudier la dynamique et le contenu dinteractions (retranscription de
runions, donnes de courrier lectronique, par exemple). Dans ce cas, les donnes
feront lobjet dune analyse de contenu.
Les donnes de discours ou documentaires ainsi recueillies font ensuite lobjet
dun codage.
2 Coder les donnes
Le processus de codage consiste dcouper le contenu dun discours ou dun texte

en units danalyse (mots, phrases, thmes) et les intgrer au sein de catgories
slectionnes en fonction de lobjet de la recherche. Ce processus ncessite deux tapes
: la dfinition des units danalyse dune part, et la catgorisation dautre part.
2.1 Lunit danalyse

Quest-ce quune unit danalyse ?
Lunit danalyse, encore appele unit de codage ou unit denregistrement, est

llment en fonction duquel le chercheur va procder au dcoupage du discours ou
du texte. Le chercheur opte gnralement pour lune des six units danalyse
suivantes (Weber, 1990) :
un mot : les noms communs, les noms propres, les verbes, les pronoms par exemple ;
le sens dun mot ou dun groupe de mots : certains programmes informatiques
sont capables de reprer les diffrentes significations dun mme mot ou des
expressions entires ;
une phrase entire ;
ou des morceaux de phrase du type sujet/verbe/objet . Par exemple, la phrase
la baisse des prix permet dattirer de nouveaux clients et de contrer la
concurrence sera divise en deux units danalyse : la baisse des prix permet
dattirer de nouveaux clients dune part, et la baisse des prix permet de
contrer la concurrence dautre part. Lidentification de ce type dunit
danalyse qui ne correspond pas une unit de texte prcise (du type mot,
phrase) est relativement dlicate ;
555
Partie 3 Analyser
un ou des paragraphes, voire un texte entier. Weber (1990) souligne les

inconvnients dun tel choix dunit danalyse en terme de fiabilit du codage. Il
est en effet beaucoup plus facile de saccorder sur la catgorisation (que lon
oprera ultrieurement) dun mot que dun ensemble de phrases.
Dterminer les units danalyse
On distingue plus particulirement deux grands types danalyses de contenu en

fonction des units danalyse retenues (Bardin, 2013) :
Les analyses lexicales, qui sont les plus frquemment menes, sintressent la
nature et la richesse du vocabulaire utilis dans le discours ou le texte, et
sattachent analyser la frquence dapparition des mots. Dans ce cas, cest le
mot qui constitue lunit danalyse.
Les analyses thmatiques adoptent comme unit danalyse une portion de phrase,
une phrase entire, ou un groupe de phrases se rapportant un mme thme. Ce
dernier type danalyse est le plus frquent dans les tudes sur les organisations
(voir Dougherty et Bowman, 1995, ou DAveni et MacMilan, 1990).
2.2 Catgoriser les units danalyse
Une fois les units danalyse repres dans le discours ou le texte, il sagit de les
placer dans des catgories. Une catgorie est un regroupement dunits danalyse.
Toutes les units danalyse appartenant une mme catgorie sont supposes soit avoir
des significations proches, soit avoir des caractristiques de forme communes.
Selon lunit de codage choisie, les catgories sexpriment le plus frquemment :
Sous la forme dun concept qui regroupera des mots ayant des significations
proches (par exemple la catgorie pouvoir pourra regrouper des mots tels que
puis-sance , force , pouvoir ). On peut ici avoir recours des logiciels
informa-tiques danalyse de contenu auxquels sont associs des dictionnaires
gnraux qui permettent de regrouper automatiquement des mots ayant des
significations simi-laires. Cela a lavantage de minimiser le temps pass dfinir
et valider des catgo-ries, de standardiser la classification et de faciliter les
comparaisons entre diffrents travaux.
Sous la forme de thmes plus larges ( les stratgies concurrentielles par exemple)
qui regrouperont alors des mots, des groupes de mots ou encore des phrases ou des
paragraphes (selon lunit danalyse dfinie par le chercheur). La principale diffi-
cult rside dans le choix de ltendue des catgories slectionnes. Par exemple, une
catgorie telle que stratgies de lorganisation est plus large que stratgies
concurrentielles ou que facteurs de comptitivit . Ltendue de la catgorie doit
tre lie la fois aux objectifs du chercheur (des catgories troites rendent plus
difficiles les analyses de comparaison) et aux matriaux utiliss (on pourra btir des
catgories plus troites plus facilement partir dentretiens en profondeur, qu partir
de lettres aux actionnaires, qui sont en gnral plus superficielles).
556
Dans certains cas, les catgories peuvent tre assimiles un seul mot. On aura ainsi
autant de catgories que de mots diffrents que le chercheur a choisi dtudier. Dans
ce cas, les mots concurrents et rivaux constitueront deux catgories
distinctes.
Enfin, les catgories peuvent tre des caractristiques de formes de discours telles
que les silences, les intonations, les formes grammaticales ou syntaxiques.
Les catgories renvoient finalement diffrents niveaux dinfrence, allant de la
description linterprtation.
La dfinition des catgories peut se faire a priori ou a posteriori.
Dans la mthode a priori, les catgories sont dfinies avant le codage partir de
lexprience ou de rsultats de recherches antrieures. On utilise cette mthode
notamment lorsquon cherche vrifier des hypothses issues dautres travaux. Le
systme de catgorisation du comportement verbal organisationnel utilis par Gioia
et Sims (1986) constitue un bon exemple de catgorisation a priori. De mme,
Boland et Pondy (1986) ont eu recours une catgorisation a priori pour coder des
retranscriptions de runions budgtaires : les catgories ont t dfinies en fonction
du modle de dcision utilis (fiscal, clinique, politique ou stratgique) et du mode
danalyse de la situation (instrumental ou symbolique) par les participants.
Dans la mthode a posteriori, la dfinition des catgories seffectue durant le
processus de codage. En gnral, les diffrentes units repres sont compares,
puis regroupes en catgories en fonction de leur similarit. Simultanment, les
units sont classes et les catgories dfinies. Cette mthode sapparente la
mthode de comparaison systmatique de codage des donnes propose par
Glaser et Strauss (1967).
EXEMPLE un codage a posteriori de rponses aux questions

ouvertes dun questionnaire
Aprs collecte des donnes dun questionnaire administr plusieurs personnes dans le
cadre dune catgorisation des donnes a posteriori, il sera ncessaire deffectuer un
dpouillement comme il suit :

caractrisation des rponses : il sagit de rsumer le sens de la rponse qui peut tre
for-mule en des phrases multiples et complexes, afin de le ramener un ou plusieurs
concepts ou thmes univoques. Par exemple, si la rponse la question que vous a
apport la formation que vous avez suivie sur le plan professionnel ? est une
meilleure capacit communiquer avec mes collgues qui aura, je lespre, une
rpercussion dans mes obligations professionnelles jusque-l pnibles, tels les
runions et les travaux de groupe , on peut rduire cette rponse deux concepts :
capacit personnelle com-muniquer et tolrance du travail en groupe ;
inventaire de tous les concepts que lon va ensuite regrouper dans diffrentes
catgories en fonction des objectifs de la recherche et du degr de diffrenciation (ou
du nombre de catgories) que lon souhaite obtenir. Limportance de chaque catgorie
pourra tre fonc-tion du nombre de concepts qui sy regroupent.
557
Partie 3 Analyser
Plus les dfinitions des units danalyse et des catgories sont claires et prcises,
meilleure sera la fiabilit du codage. Dans cette perspective, il est conseill dlaborer
un protocole de codage prcisant les rgles et dfinitions de ces lments.
2.3 La fiabilit du codage
Lambigut du discours dune part, et le manque de clart des dfinitions des

catgories, des units codes ou des autres rgles de codage dautre part,
ncessitent de sassurer de la fiabilit du codage.
La fiabilit peut tre dcline en trois sous-critres plus prcis (Weber, 1990) :
la stabilit : il sagit de ltendue avec laquelle les rsultats du codage sont les
mmes lorsque les donnes sont codes par le mme codeur plusieurs reprises ;
la prcision : cette dimension mesure la proximit entre le codage dun texte et
un standard ou une norme. Il est possible de ltablir lorsque le codage standard
dun texte a t labor. Ce dernier type de fiabilit est rarement valu. Il peut
cependant tre utile de ltablir lorsquon utilise un protocole de codage ralis
par un autre chercheur ;
la reproductibilit (ou fiabilit intercodeurs) : ce critre se rfre ltendue avec
laquelle le codage du contenu produit les mmes rsultats lorsque les mmes donnes
sont codes par diffrentes personnes. La fiabilit intercodeurs est value travers
diffrentes tapes qui sont rcapitules dans le Focus ci-aprs.
lissue du codage des donnes, on dispose de listes dunits danalyse classes
dans des catgories, listes partir desquelles on fera des comptages pour lanalyse
de contenu, quil sagira ensuite danalyser.
c Focus
Le processus dvaluation de la fiabilit
intercodeurs (Weber, 1990)
Codage dun chantillon de donnes estimations des taux daccord
Aprs avoir dfini lunit danalyse et les (Guetzkow, 1950).
catgories, le mme texte ou chantillon valuation de la fiabilit intercodeurs
de texte est cod indpendamment par
deux codeurs au moins. Le calcul de la partir des chantillons ainsi cods
fiabilit devra imprativement tre effectu sont tablis les taux daccord entre les
avant rsolution des divergences. On codeurs sur :
conseille pour le calcul des taux de dune part la dfinition des units
fiabilit que les chantillons cods codes, surtout si leurs dfinitions sont
comportent 100 150 units, nombre ambigus et ne se rapportent pas un
partir duquel le codage dunits suppl- lment clairement identifiable (du type
mentaires a un impact limit sur les mot, phrase, ou paragraphe). La

558

fiabilit intercodeurs est alors le taux et le processus de double codage
daccord sur le nombre dunits dana- ritr ltape (1). Lorsque les taux
lyse identifies comme codables par apparaissent relativement bons (de
les deux codeurs dans une mme lordre de 80 % en gnral) et stabiliss,
observation ; les deux codeurs codent de faon
dautre part la catgorisation effectue indpendante lensemble des donnes.
(Robinson, 1957). Il sagit du taux dac- valuation globale de la
cord entre les codeurs quant la classi-
fication des units identifies comme fiabilit intercodeurs
codables par les deux codeurs. Les taux Il sagit enfin de ne pas postuler que
daccord classiques proposs dans la lensemble des donnes a t cod de
littrature sont tous plus ou moins faon fiable. La fatigue, mais aussi la
drivs du taux daccord K de Kruskal modification de la comprhension des
(Scott, 1955 ; Cohen, 1960). Ce taux est rgles de codage au cours du temps,
la proportion daccord entre les deux peuvent venir altrer la fiabilit interco-
codeurs sur le nombre total de dcision deurs. Le processus dvaluation de la
de codage aprs que lon a enlev fiabilit intercodeurs tant particulire-
laccord d au seul hasard 1 (Cohen, ment long et fastidieux, on peut
1960.) envisager de ne ltablir que sur des
chantillons de donnes (codes au
Prcision des rgles de codage dbut, au milieu et la fin, par
Aprs tablissement de ces taux daccord exemple). Une fois les taux de fiabilit
sur un premier chantillon, les rgles de intercodeurs tablis, il faut rsoudre les
codage peuvent tre rvises ou prcises points de dsaccord qui sont apparus.
3 Analyser les donnes
Analyser les donnes revient faire des infrences partir des caractristiques du
message qui sont apparues la suite du codage des donnes. Les rsultats peuvent
tre analyss de diffrentes faons : le chercheur peut sattacher analyser plus
spcifiquement le contenu en utilisant des mthodes quantitatives ou qualitatives,
et ce, pour comparer, dcrire, expliquer et prdire. Ces objectifs ncessitent chacun
des mthodes danalyses diffrentes.
3.1 Analyser quantitativement ou qualitativement
Les analyses quantitatives passent essentiellement par un comptage des units

danalyse voire par des analyses statistiques plus pousses en ayant recours des
logiciels spcialiss. Les analyses qualitatives permettent dinterprter lagencement de
ces units en les replaant dans un contexte plus global. Ces analyses peuvent reposer
sur des dmarches qui ne sont pas spcifiques lanalyse des donnes de discours ou
de texte comme, par exemple, le recours aux jugements dexperts. Ces
559
Partie 3 Analyser
juges, qui peuvent tre le chercheur lui-mme, des membres de lorganisation o

seffectue la recherche, le sujet interrog, ou encore des experts extrieurs,
valueront de faon plus globale la ressemblance ou la dissemblance des donnes
codes.
Ces analyses quantitatives et qualitatives sont complmentaires et peuvent tre
utilises conjointement pour permettre une interprtation plus riche des donnes
(voir Hodkinson, 2002 ; Daniels et Johnson, 2002, pour un dbat autour de ces
questions).
Analyse quantitative
Lanalyse de contenu est ne dune volont de quantification en raction

lanalyse littraire. En gnral donc, la premire tape de lanalyse consiste
dnombrer les units danalyse dans chacune des catgories et calculer leur
frquence. Ainsi, dans chaque document tudi, on compte le nombre dunits
danalyse de chacune des catgories tudies afin den dduire limportance. Les
analyses menes par Boland et Pondy (1986) ont essentiellement recours des
calculs de frquence. Les calculs de frquence se heurtent cependant plusieurs
problmes. Dune part, lorsque les catgories correspondent des mots, ceux-ci
peuvent recouvrir des significations diffrentes selon leur place dans le texte (do
la ncessit de coupler analyses quantitatives et qualitatives). Dautre part, lusage
de pronoms, souvent non comptabiliss, biaise lanalyse de frquence si celle-ci se
concentre uniquement sur les noms.
Les chercheurs qui effectuent des analyses de contenu ont galement leur
disposition diverses techniques danalyse statistique des donnes, parmi lesquelles
lanalyse factorielle est la plus frquemment utilise. Dautres types danalyses
telles que les rgressions, les analyses discriminantes, les analyses de clusters
peuvent galement tre menes. Il revient chaque chercheur de dterminer les
analyses appropries ses objectifs de recherche. Ainsi, pour tudier les liens entre
les comportements verbaux des dirigeants et de leurs subordonns lors dentretien
dvaluation des performances, et les attributions des dirigeants relatives aux
checs ou aux succs des subordonns, Gioia et Sims (1986) ont men une analyse
de contenu des comportements verbaux. Cette analyse sest notamment appuye
sur un ensemble danalyses statistiques : analyse multivarie de la variance, test t
de Student, et analyse de corrlation.
Analyse qualitative
On peut galement mener une analyse plus qualitative, dont lobjectif sera alors
dapprcier limportance des thmes dans le discours plutt que de la mesurer. La
diffrence entre analyse quantitative et qualitative rside dans la faon dont elles
conoivent la notion dimportance dune catgorie : nombre de fois pour
lanalyse quantitative ; valeur dun thme pour lanalyse qualitative. Lanalyse
560
qualitative va aussi chercher interprter la prsence ou labsence dune catgorie

donne, en tenant compte du contexte dans lequel le discours a t produit (et qui
peut expliquer la prsence ou labsence de telle ou telle catgorie). Plus finement,
lanalyse qualitative va chercher tudier les units danalyse dans leur contexte
afin de comprendre comment celles-ci sont utilises (avec quelles autres units
danalyse apparaissent-elles ou sont-elles associes dans le texte ?).
Lanalyse qualitative permet galement au chercheur de dpasser la seule analyse
du contenu dun discours ou dun document. Elle permet en effet de formaliser les
relations entre les diffrents thmes contenus dans une communication afin den
traduire la structure. Grce lanalyse de contenu, il est donc possible dtudier
aussi bien le contenu que la structure dun discours ou dun document.
3.2 Dcrire, composer, expliquer ou prdire
Lanalyse de contenu peut tre utilise des fins de description, de comparaison

ou dexplication. En rvlant limportance de certains thmes dans les discours,
lanalyse de contenu suggre des explications aux comportements des auteurs des
discours analyss ou leurs stratgies. Il est galement possible de mettre jour
des relations entre les comportements organisationnels et les proccupations des
acteurs de lorganisation. En analysant le contenu de lettres aux actionnaires, les
travaux de DAveni et MacMillan (1990) ont par exemple permis de rvler le lien
entre les centres dattention des dirigeants (focaliss sur lenvironnement interne
ou externe) et la capacit des firmes rsister une crise de la demande.
Si lobjectif du chercheur est de comparer les discours de plusieurs individus,
groupes dindividus ou organisations, ou dvaluer leur volution dans le temps, il
lui faudra alors mettre en vidence les diffrences et les ressemblances dans leur
contenu. Le chercheur pourra mener des analyses de comparaison quantitatives ou
qualitatives, comme vu prcdemment.
Lanalyse de contenu prsente lavantage de pouvoir tre utilise dans une
grande varit de cas. Cest une mthodologie qui peut tre utilise aussi bien pour
des recherches quantitatives que qualitatives. Elle est applicable des types de
documents ou de discours trs varis et peut sattacher diffrents niveaux
danalyse (individu, groupe, dpartement, organisation ou secteur dactivit).
Par ailleurs, elle peut sappliquer directement sur des donnes produites par les
membres de lorganisation indpendamment du chercheur et de ses objectifs. On peut
considrer les mesures quelle permet deffectuer comme tant des mesures non
intrusives. Enfin, la multiplication des logiciels danalyse de donnes qui permettent
deffectuer des analyses de contenu rend cette mthodologie encore plus attrayante. Le
codage est plus fiable, le gain de temps est considrable, notamment en ce qui concerne
les procdures de codage et les analyses statistiques. Il convient nanmoins de
souligner la varit des logiciels disponibles pour ce faire. Certains
561
Partie 3 Analyser
automatisent lensemble du processus mais contraignent fortement lanalyse

(catgories pr-dfinies, analyse quantitative uniquement, par exemple). Dautres
ne sont quune aide la gestion des donnes.
Certains inconvnients de lanalyse de contenu ne peuvent tre vits (Weber,
1990). Un premier type dinconvnients est li ltendue plus ou moins grande
des catgories choisies. Certaines units danalyses classes dans la mme
catgorie peuvent ne pas reflter de la mme manire la catgorie, mais avoir un
mme poids dans la comptabilisation. Un autre inconvnient est li au fait quune
analyse de contenu ne capture vraiment que le contenu manifeste dune
communication. Si lanalyse de contenu permet de rduire et danalyser une grande
quantit de donnes varies, elle ne permet pas de saisir lentire richesse dun
langage, ainsi que ses subtilits. En ordonnant des mots dans des catgories, toutes
leurs connotations, toutes leurs nuances ne sont pas prises en compte.
Plus globalement, lanalyse de contenu souffre dune trop grande attention aux
dtails et donnes textuelles. Cette mthode mriterait ainsi dtre complte
danalyses prenant en compte limplication du discours tudi (et de la recherche
elle-mme, Allard-Poesi, 2005) dans un contexte de discours et de pratiques (de
pouvoir notamment) dont il tire, au moins en partie, sa/ses signification(s), et
auquel il contribue (voir, pour plus de dtails, Alvesson et Karreman, 2000 ;
Alvesson et Skldberg, 2000).
Lanalyse des discours sinscrit dans cette approche qui replace beaucoup plus
les discours dans leur contexte et sattache aux effets structurants du langage, la
faon dont les discours construisent la ralit.
section
2 AnALysE DE DIsCOuRs
De nombreux auteurs saccordent sur limportance fondamentale du discours

comme objet dtude. Aprs avoir dfini dans une premire partie lanalyse de
discours, nous nous attacherons prsenter son utilit en lintroduisant non pas
seulement comme une mthode, mais plus globalement comme une mthodologie.
Nous aborderons ensuite les multiples approches danalyse discursive en terminant
par des rflexions plus pratiques lies la ralisation dune analyse de discours.
1 Dfinir le discours
On retrouve dans la littrature acadmique de multiples dfinitions du discours.

Cela sexplique par les diffrentes disciplines qui sy intressent, que ce soit en
562
linguistique, sociologie, psychologie, management, sciences politiques et qui

peuvent apprhender diffremment la nature du discours. En linguistique par
exemple, certains considrent le discours comme un objet qui peut tre
mticuleusement dcrit, voire compt. On peut se rfrer un travail pionnier de
Sinclair et Coutlhard (1975), qui identifient, via le discours, des structures
dinteraction. Dautres auteurs cherchent rendre compte des liens entre les
processus cognitifs et les formes textuelles, par exemple, comment des expriences
personnelles sont retranscrites textuellement travers des formes narratives
(Kintsch, 1978). Un autre courant important met laccent sur la notion de
formation discursive , introduite par Foucault dans lArchologie du savoir
(1969), caractristique de l cole franaise danalyse du discours (Dufour, 2012
; Mainguenau, 2011). Dans tous les cas, lanalyse de discours constitue un terrain
disciplinaire la fois complexe, fragment mais recelant une richesse considrable
pour apprhender bon nombre de phnomnes sociaux (cf. les ouvrages de Van
Dijk, 1996 et 1997, pour une synthse complte et de Fairclough, 1995, plus
spcifiquement pour une analyse critique du discours). Sans nous lancer dans une
synthse de lensemble des approches discursives, nous essaierons ici den reporter
quelques lments de convergence.
Lapproche dominante consiste apprhender le discours non pas comme un
ensemble de textes, mais comme une pratique. Dit autrement, le discours ne se borne
pas des contenus mais correspond surtout la pratique associe leur production et
leur diffusion. Phillips et Hardy (2002, p. 3), sinspirant de Parker (1992) offre une
dfinition passe-partout, qui a le mrite de souligner lindissociabilit entre contenus et
pratiques discursifs : On dfinit le discours comme un ensemble inter-reli de textes,
et comme les pratiques associes leur production, dissmination et rception qui font
exister un objet . Cette dfinition insiste sur plusieurs aspects fondamentaux du
discours : le discours est orient vers laction, il est incarn par une multitude de textes
et enfin il construit la ralit sociale.
1.1 Le discours orient vers laction
Sur le premier point, il est essentiel dentendre le discours comme une pratique,
cest--dire un ensemble dactions exerces plus ou moins intentionnellement par
des individus. En ce sens, lanalyse discursive invite demble se questionner sur
plusieurs lments cls : quel est limpact du discours ? Qui produit ce discours ?
Quelles en sont les motivations ? Comment le discours est construit pour atteindre
certains objectifs ? Quelles sont les ressources qui permettent aux acteurs de parler
et ventuellement de rendre leurs paroles lgitimes et efficaces ? Quelle est la part
dintentionnalit ou de routine dans le discours ?
Approcher le discours comme un ensemble dactions recle un intrt vident pour la
recherche en management. On reconnat un aspect ventuellement stratgique
563
Partie 3 Analyser
au discours, qui peut faire partie dune panoplie dinstruments pour agir sur son
environnement social. Il nest donc pas surprenant de trouver de nombreux travaux
en gestion qui porte sur une dimension entrepreneuriale du discours : par exemple
Lawrence et Phillips (2004) expliquent le rle du discours dans lindustrie de
lobservation des baleines au Canada pour expliquer certains changements macro-
culturels.
1.2 Le discours dans lintertextualit
Le discours nest ni un objet abstrait, ni un construit du chercheur ddi ltude des

phnomnes sociaux. Il est incarn par une multitude de traces matrielles qui, une fois
recomposes, permettent de restituer le discours dans son intgralit et sa complexit.
Il est dusage dans la littrature acadmique de qualifier ces traces de textes , qui
constituent alors une unit lmentaire pour apprhender le discours. On retrouve
dailleurs une acception trs large du terme texte : il reprsente videmment les
textes crits, mais aussi des paroles, des images, des symboles, des artefacts culturels
(i.e. une musique, un tableau, un lment architectural), des gestes (Grant, 1998) et
tous les autres lments qui construisent socialement la ralit.
Si le discours sappuie sur une multitude de textes, les approches discursives
admettent rciproquement que les textes individuellement sont vides de sens. Il
sagit de les analyser dans leur contexte, en prenant en compte les conditions qui
ont pouss leur production. En outre, lintertextualit est tout aussi primordiale.
Le sens est constitu travers un ensemble de textes qui simprgnent les uns des
autres. Lanalyse discursive correspond ainsi ltude des effets du discours sur la
construction du sens par lanalyse structure et systmatique des textes.
Lopration est dautant plus ardue que les processus de production, dissmination
et consommation de textes sont propres chacun deux.
1.3 Discours construit et discours comme construction sociale
Nous affirmions prcdemment que le discours est structur et structurant. Ces

deux aspects, selon le niveau danalyse, peuvent intresser le chercheur. Dune
part, les linguistes portent un intrt particulier ltude du discours construit par
un ensemble de dispositifs linguistiques ; que ce soit les mots, des expressions, ou
encore des outils rhtoriques. Il va sagir alors de comprendre dans quelle mesure
certains dispositifs contraignent les capacits former des textes et donc
finalement percevoir le monde (McConnell, 2008). Dautre part, de nombreuses
recherches se focalisent sur les pratiques discursives pour analyser leur rle dans la
construction ou la reproduction de certaines croyances et manires de penser.
564
2 Lanalyse de discours comme mthode et mthodologie
Conduire une analyse de discours, cest revendiquer un ensemble de prsupposs

sur la construction sociale de la ralit par le discours. Alors que les approches
habituelles considrent lenvironnement social comme une donne par rapport
laquelle on cherche recueillir les visions des individus, lapproche discursive
interroge les ides prises pour acquises et naturelles dans cet environnement social
pour dfinir les processus par lesquels ils sont, ont t ou pourront tre stabiliss
par le discours. Pour le dire diffremment, lapport rvolutionnaire de lapproche
discursive consiste ne pas voir les textes pris dans un sens large comme un
miroir de la ralit, mais bien comme les lments qui la construisent.
Le tableau 17.1 met en vidence la proximit entre lanalyse de discours et les autres
approches qualitatives qui sappuient sur des textes. Elles se diffrencient non pas par
la mthode, mais essentiellement par la manire dont le chercheur apprhende la porte
dun discours. Wood et Kroger lexpriment trs bien (2000, pp. 29-30) : Le rle de
lanalyse de discours nest pas dappliquer des catgories aux propos des participants,
mais plutt didentifier les moyens par lesquels ces participants construisent
activement et emploient ces catgories dans leur discours .
En cela, ce nest pas le seul contenu du discours qui en constitue lintrt, mais
aussi sa contribution vis--vis de la construction sociale de la ralit. Lanalyse de
discours ne se rsume donc pas une mthode, mais relve dun positionnement
ontologique et pistmologique spcifique.
Tableau 17.1 Exemple avec le cas de la mondialisation : comparaison

des approches de recherche (daprs Philips et al., 2002)
Approches de Exemples de donnes collectes Manire dont le concept

recherche de mondialisation est trait
Analyse quantitative Statistiques sur les investissements directs Le concept de mondialisation nest pas
ltranger, nombre dalliances questionn en tant que tel : il est pris

stratgiques entre entreprises pour acquis. Le chercheur veut
internationales, taux dquipement identifier des relations entre la
technologique des pays en mondialisation et dautres variables
dveloppement
Analyse Observations de la vie dans un village Cest la manire dont les individus
ethnographique dun pays en dveloppement pour vivent quotidiennement un aspect de
valuer limpact de larrive dune la mondialisation que le chercheur
multinationale sur les habitants veut comprendre
Analyse narrative Collecte des rcits dindividus pour Le chercheur veut comprendre
raconter larrive dune chane de comment les individus interprtent et
magasins internationale explicitent un aspect de la
mondialisation par leurs rcits

565
Partie 3 Analyser

Approches de Exemples de donnes collectes Manire dont le concept
recherche de mondialisation est trait
Analyse Le chercheur peut analyser la manire Le chercheur sintresse aux effets

conversationnelle dont plusieurs adolescents, dans dinteractions interindividuelles dans la
diffrents pays, parlent entre eux de la manire dinterprter des aspects de la
mondialisation et de son impact mondialisation
Approche discursive Analyse des textes lis la Le concept de mondialisation nest pas
mondialisation : do est n ce concept ? considr comme vident : en
De quels autres discours sinspirent-ils ? explorant les textes qui construisent le
Comment le discours sur la globalisation concept, le chercheur questionne la
rend certaines pratiques possibles ? ralit complexe de la mondialisation
et identifient les pratiques discursives
qui construisent sa ralit sociale.
3 Les approches discursives : une revue parcellaire
Comme nous le prcisions auparavant, les approches thoriques et empiriques

pour apprhender le discours varient considrablement dans la littrature en
sciences humaines. Elles dpendent de nombreux facteurs, comme la taille du
corpus de textes, la prise en compte des effets de pouvoir dans le discours, ltude
du contexte sociologique de production des discours, lintgration des aspects
culturels du discours, ltude de la dynamique conversationnelle Plusieurs
auteurs se sont dailleurs essays des typologies pour ordonner ce foisonnement
dapproches (Philips, 2002 ; Putman, 2001 ; Angermller, 2007). Nous nen
dtaillerons pas lensemble, mais nous insisterons sur les plus rpandues dans la
littrature de ces dernires annes.
3.1 Lanalyse critique de discours (ACD)
LACD appartient plus globalement la tradition critique des sciences humaines,

dont on retrouve la branche en management, connue sous ltiquette Critical
Management Studies. LACD transpose donc, dans lanalyse de discours, les questions
fondatrices des approches critiques. Sa proccupation principale concerne les relations
entre le discours et les relations de pouvoir, les idologies, les identits sociales, les
institutions Le discours est alors considr comme un lment qui, non seulement
construit la ralit sociale, mais aussi contient des indices fondamentaux pour
dbusquer des idologies naturalises ou encore des relations de pouvoir et de
domination tenus pour acquis. En outre, lACD ne constitue pas une simple analyse
explicative du discours. Elle est aussi normative (Faircoulgh, 1995) dans le sens o elle
value les ralits sociales mises nu partir de certaines valeurs juges
fondamentales pour promouvoir des socits quilibres et heureuses.
566
Le chercheur critique nest donc pas un simple observateur des phnomnes

sociaux, mais un dcrypteur qui cherche comprendre pourquoi les lments
observs ne correspondent pas une ralit souhaitable. Cela porte donc donner
davantage dimportance des thmes dhabitude marginaux, comme les ingalits,
les luttes, les souffrances dautrui
3.2 Linguistique systmique fonctionnelle (LsF)
Relativement peu connue en France, la LSF est plus rpandue dans les pays
anglophones. Elle repose sur lidentification de formes rcurrentes dans les textes, en
les reliant un contexte social spcifique. La LSF relve en ce sens de ltude du
langage socialement situ. Elle a t originellement labore par Halliday (1978). Il
reconnat le caractre fondamental du langage dans la cration du sens, langage qui
la fois structure et est structur par le contexte dans lequel il est produit. La LSF
saffaire analyser mticuleusement les choix raliss par les producteurs de textes
partir de systmes linguistiques structurs, en expliquant dans quelle mesure ces
choix construisent des significations particulires. Pour Halliday, toutes les
instances de langage refltent trois fonctions que la LSF se doit dexplorer :
une fonction idationnelle, comme la formation dune ide et la construction
dun sens ;
une fonction interpersonnelle, comme ltablissement dune relation entre un
producteur de discours et son ou ses rcepteurs ;
une fonction textuelle, comme la cration dun lien entre un propos et son
contexte, cest--dire son positionnement par rapport dautres textes.
La LSF sintresse ainsi aux manires par lesquelles les acteurs construisent par
le langage leurs expriences et tablissent des relations.
3.3 cole franaise danalyse du discours et lexicomtrie
Paralllement lessor des sciences humaines, et dans le sillage de la linguistique

formelle de Ferdinand de Saussure, lanalyse de discours se dveloppe en France

la fin des annes 1960. Deux tendances interconnectes se dveloppent, lune
porte par M. Pcheux qui sintresse une thorie discursive de la subjectivit,
teinte de notions psychanalytiques, et une autre sappuyant sur lide des
formations discursives dfendue par Foucault dans son archologie du savoir
(1969). Ces deux tendances forment ce qui est parfois appel lcole franaise
danalyse du discours, certes de manire abusive tant donn la multiplicit des
approches franaises (Angermuller, 2007).
En outre, depuis ses dbuts, lanalyse de discours la franaise accorde une
importance particulire aux outils danalyse automatise du discours, avec plusieurs
laboratoires de recherche qui ont dvelopp des outils comme Alceste (Max
567
Partie 3 Analyser
Reinert), Lexico 3 (Andr Salem), ou le logiciel Prospro rattach une sociologie

pragmatique. Les logiciels lexicographiques sont bien adapts lanalyse de larges
corpus textuels. Ils permettent de mettre en lumire des formes smantiques rcurrentes
associes des contextes spcifiques. Lanalyse lexicomtrique nest donc pas une
simple analyse automatise de contenu : elle tient compte des conditions, des acteurs,
des lieux, des instances qui participent sa production (Bonnafous et Temmar, 2007;
Demazire et al., 2006). Elle procde dune analyse systmatique qui dcrit dans sa
globalit et son dtail un corpus textuel contextualis.
c Focus
Deux logiciels de lexicomtrie, deux approches diffrentes
La description du discours par Alceste et donc travestir lobjet par linfluence des
de la vrit que ce discours institue signes qui le dcrivent. Alceste repose sur
repose sur une heuristique de la rptition le prsuppos que le vocabulaire se
des signes. Pour Reinert (1990, 2003), rpartit de manire structure, et forme
auteur du logiciel Alceste, le sens merge diffrents univers lexicaux, appels
des signes travers trois dimensions de classes . Pour chacune delle, les ides
la rptition : iconique, indicielle et symbo- sont organises de manire spcifique et
lique. La dimension iconique se rfre la faonnent des systmes dnonciation et
relation entre le signe et lobjet. Ces de construction du sens. Une classe
signes ont une rsonance physique, indique quil existe des modles dasso-
quelle soit phontique (allitration par ciations entre les mots qui fondent des
exemple) ou isotopique (mme champ systmes de significations. Tous les
smantique). La dimension indicielle se
discours sont supposs reflter un
rfre la proximit induite par un signe
ensemble de classes qui construisent la
avec un objet, comme le tableau noir est
ralit. Alceste repose sur un fonctionne-
lindice de la salle de classe. Enfin la
ment statistique systmatique qui vise
dimension symbolique renvoie aux
dfinir ces systmes de classes, et ainsi
conventions entre les locuteurs et le
met en avant le rle des mots dans la
rcepteur, qui permettent de saccorder
sur la porte dun signe. Le logiciel construction de perceptions spcifiques.
Alceste permet de dsentremler ces trois Ainsi, il met en vidence des univers lexi-
dimensions et de mieux comprendre la caux, sans pour autant rvler des scoops
construction du sens. Cette construction qui auraient chapp au regard du cher-
nest jamais totalement acheve. Elle est cheur. Il sagit surtout de prendre en
en ternel devenir dans la mesure o la compte certaines associations systma-
relation entre un objet et son rfrant (en tiques, qui peuvent traduire pas seule-
tant que signe) est incomplte et tempo- ment des stratgies affirmes et
rairement situe. Le signe nest quune conscientes, mais ventuellement des
copie imparfaite et phmre comme la contraintes institutionnelles dont lexis-
peinture qui fige le temps, lobjet et les- tence se drobe sous le sceau de lvi-
pace. Les stratgies discursives visent dence et de la naturalit.

568

Quant au logiciel Prospro, il est bien adapt aussi de distinguer les mots selon leur
une perspective longitudinale, et a t nature : noms, verbes, adverbes, adjectifs
initialement conu pour les sciences et peut identifier des rseaux de mots
sociales, par un sociologue et un informa- pour diffrents concepts. Mais surtout ce
ticien (Chateauraynaud et Charriau). Pros- logiciel savre particulirement flexible et
pro a t utilis dans plusieurs tudes (e.g. peut tre adapt de multiples mtho-
Boltanski et Thvenot, 1991), en particulier dologies fondes sur le discours. En ce
lies des controverses, et sest avr un sens, Prospro nest en aucune manire
outil prcieux pour explorer des corpus un outil cl en main qui ferait une extrac-
textuels complexes (Chateau-raynaud, 2003; tion automatique de scoops partir dun
Chateauraynaud et Torny, 1999). En corpus de textes. Il est bien davantage un
particulier, Prospro permet de raliser une assistant qui ncessite des allers et
analyse dynamique des textes. Il est venues permanents entre lanalyse et les
possible de sparer un corpus en diffrentes textes. En mme temps, il constitue un
priodes et de les comparer pour identifier compa-gnon trs utile pour tester, de
les lments stables ou au contraire en manire flexible, diffrentes hypothses
volution. Prospro permet de recherche.
3.4 structuralisme interprtatif
De nombreux auteurs sintressent en particulier au contexte social et la

manire dont le discours le faonne. Cette relation entre le discours et son contexte
peut correspondre diffrents niveaux, organisationnel, sectoriel ou socital. Cette
approche sest largement dveloppe avec le tournant linguistique des sciences
sociales qui a investi ltude des organisations (Grant, 2004). Par exemple, Bartel
et Garud (2009) sintressent aux discours narratifs lis linnovation au sein des
organisations et montrent quils sont essentiels pour recombiner et coordonner les
ides nouvelles un niveau organisationnel. Dautres auteurs tudient les effets du
discours un niveau institutionnel. Hardy et Phillips (1999) sintressent la
manire dans les luttes discursives parviennent faonner et modifier le systme
de rfugis canadiens ainsi que des discours socitaux plus larges. Dune manire
gnrale, le structuralisme interprtatif consiste identifier les liens entre des
cadrages linguistiques et les pratiques sociales un niveau macro. Cette approche
est particulirement adapte des tudes longitudinales dans lesquelles on veut
apprhender la covolution entre des discours et des pratiques. Une difficult
majeure dans ce type dapproche consiste tablir des liens de causalit entre la
diffusion de certains discours et les changements un niveau socital ou
institutionnel. En particulier, il reste difficile dterminer si les changements dans
les discours sont le reflet ou le producteur des changements institutionnels. On
trouve dans la littrature des tentatives ambitieuses de comprendre les
caractristiques de discours qui peuvent impacter le plus significativement la
cration ou la modification dinstitutions (Hardy, 2004).
569
Partie 3 Analyser
4 Dfis mthodologiques : collecte, analyse et

exploitation des donnes discursives
La multiplicit des approches discursives implique naturellement une grande
varit de mthodes utilises dans les recherches. Il est donc crucial de bien dfinir
au pralable la question de recherche ainsi que le terrain empirique. Il faut
circonscrire lobjet dtudes, tre cohrent vis--vis des prsupposs de la
recherche, et choisir un terrain dans lesquels les donnes discursives prsentent un
potentiel en termes de contributions. Dans lidal, il sagirait de collecter le plus
grand nombre de textes entendus dans un sens large et de les analyser avec la
plus grande finesse possible.
4.1 Collecte de donnes
La collecte de donnes est probablement un des aspects les plus problmatiques

dans les approches discursives (Putman, 2001).
On peut distinguer deux formes principales de sources textuelles :
Tous les textes produits au cours dinteraction naturelle : en gnral, il sagit
denregistrement audio ou vido de conversations quotidiennes, par exemple des
enregistrements de runions de travail, des conversations tlphoniques, des
conversations dans des restaurants dentreprise Ce type de donnes prsente
plusieurs avantages : elles permettent de rendre compte directement de lobjet qui
intresse le chercheur, et intgrent le caractre situationnel du discours. De plus, elles
illustrent la manire dont les producteurs de discours intriorisent les normes
dinteraction et les rgles institutionnalises. En dautres termes, elles permettent de
capter le langage en situation, comme pratique quotidienne. Cependant, il faut noter
que pour de nombreuses recherches le recours ce type de donnes nest pas
envisageable, en particulier lorsque lon veut rendre compte dun phnomne qui se
produit rarement, ou lorsquil nest pas possible denregistrer des conversations.
Les textes qui reposent sur des supports durables, que ce soient des articles de presse,
des mails, des sites Internet, des missions de radio ou tlvision, des archives
historiques, des artefacts (btiments par exemple). Leurs principaux intrts sont
en premier lieu leur disponibilit, puisque ces textes sont en gnral destins tre
reproduits, stocks et circuler. Ensuite ils sont facilement manipulables par le
chercheur : en particulier, ils ne demandent pas tre retranscrits. Lutilisation des
lments vido requiert toutefois une habilet supplmentaire (Van Dijk, 1985 ;
Hartley, 1985). Enfin, il sagit souvent du seul type de donnes disponibles pour
apprhender certains phnomnes. Cependant, la difficult de ces donnes repose
essentiellement sur le manque dlments pour contextualiser ces textes : en ce sens
il est parfois difficile dintgrer les conditions de production de ces textes et les
enjeux qui les accompagnent. Il sagit l encore de trianguler ces
570
textes avec dautres sources, comme des entretiens quand cela est envisageable,
pour dfinir les enjeux de production, diffusion et consommation de ces textes.
Pour conclure ce paragraphe, on peut rsumer les diffrentes questions se poser
pour constituer un bon corpus de textes : quels sont les textes les plus dterminants
qui participent la construction de la ralit sociale que le chercheur veut
apprhender ? Quel est le contexte de production de ces textes ? Y a-t-il un rapport
de pouvoir dans la production diffusion et consommation de ces textes ? Est-il
possible de justifier les choix qui ont permis la constitution du corpus ? Lanalyse
des textes est-elle faisable ?
EXEMPLE Quelles donnes collecter pour tudier les artefacts dans la filire musicale ?
Dans une recherche sur les artefacts et le maintien institutionnel dans lindustrie du disque,
Blanc et Huault (2013) se sont intresss aux discours produits autour de plusieurs arte-facts.
Leur corpus de textes, de ce fait, est particulirement large, comprenant la fois des
entretiens, des articles de presse, des interviews publies sur Internet, des tracts, des comptes
rendus de lAssemble nationale, des livres, des manifestes qui ont in fine per-mis de
comprendre comment certains artefacts sont construits socialement et maintiennent des
modes de pense institutionnaliss. Ce nest pas la matrialit brute de lartefact qui est
vecteur de maintien mais le discours qui leur donne un sens social et un pouvoir. La varit
des textes collects a permis de montrer des diffrences dans la manire dvoquer ces
artefacts. Certains acteurs utilisent un vocabulaire qui reproduit des valeurs traditionnelles et
contraint la perception des possibilits dutilisation de ces artefacts. Dautres acteurs essaient
de construire un discours plus stratgique de telle manire influencer par leurs textes, les
pratiques dans la filire.
4.2 Analyse des donnes discursives
L encore, il nexiste pas de recette magique pour analyser du matriel discursif.

Tout dpend des types de donnes collectes et des objectifs de recherche. Pour
certains auteurs, lanalyse du discours relve mme dun relatif bricolage. Ainsi,
Phillips et Hardy (2002) invitent ne pas adopter une approche trop systmatique
ou trop mcanique qui serait contre-productive. Pour eux, cela favoriserait
lutilisation de certaines catgories prdfinies. Au contraire, lanalyse de discours
se doit didentifier les significations multiples contenues dans les textes. Plutt que
dtablir une mthode universelle danalyse des donnes discursives qui comme
nous lavons prcis plus haut ne serait pas pertinente nous dveloppons dans les
prochaines lignes quelques lments gnraux danalyse avant de dvelopper un
exemple en particulier.
Dabord, on peut saccorder sur le fait que lanalyse des discours appartient
davantage une tradition hermneutique qu une traduction dductive. Lanalyse,
en outre, accorde une place beaucoup plus importante aux lments linguistiques,
par rapport aux autres approches qualitatives. En cela on peut identifier deux
571
Partie 3 Analyser
principales phases danalyse du discours : dabord, une analyse essentiellement

contextuelle qui consiste tudier :
les sujets voqus ;
les types dacteurs et les groupes impliqus. On peut aussi identifier les relations
de pouvoir interindividuelles ;
les motivations de production du discours ;
les idologies sociales, ainsi que certains modes de pense institutionnaliss.
Ensuite intervient une phase danalyse plus fine, qui approfondit les lments
linguistiques dun texte, par exemple :
les sujets/acteurs,
la structure active ou passive de la phrase,
les formules rhtoriques,
le registre de langage,
les stratgies argumentatives,
la logique des textes,
les connotations et insinuations,
lutilisation des mtaphores, de certains adages ou clichs,
le rfrencement certains acteurs ou certains sujets
Que ce soit pour la dimension linguistique ou contextuelle du discours, on peut
recourir une approche ou bien quantitative ou bien qualitative.
EXEMPLE de mthode danalyse Le cas de lanalyse critique de discours
Fairclough (2009) propose une mthodologie spcifique quant lanalyse critique de

discours quil qualifie dapproche relationnelle dialectique. Il identifie quatre tapes
ncessaires pour lanalyse :
1. Focalisation sur un problme social qui se traduit dans les discours : il sagit de slec-
tionner un sujet de recherche de prfrence transdisciplinaire qui prsente certaines
facettes chres aux thoriciens critiques, comme les questions de pauvret,
dingalit, de discrimination
2. Identification des lments qui expliqueraient que ce problme social soit peu abord et
mis lcart de lagenda politique ou publique. Il sagit en particulier dtudier lordre
social et les lments qui participent cette marginalisation. Une manire de le faire
consiste dcortiquer certains textes qui rvlent les styles dominants, les discours lgi-
times et les tensions entre les ordres de discours et les pratiques sociales.
3. Il sagit ensuite de questionner si le problme social identifi est inhrent lordre social
existant. En dautres termes, cela revient se demander si cest lordre social qui est la
cause du problme en ancrant dans les consciences des idologies qui transparaissent des
textes, et qui participent au maintien quasi automatique dun ordre social existant.
4. Cette dernire tape consiste transformer la critique ngative en une critique produc-
tive. En particulier, il sagit didentifier les voies possibles pour corriger le problme
social identifi. Cette critique productive passe par ltude de la manire dont le discours
dominant est contest que ce soit dans son argumentation, dans la reprsentation du
monde et les identits sociales quil construit ou encore dans les valeurs quil promeut.
572
COnCLusIOn
Aprs avoir dcrit ces deux types danalyses, une question reste en suspens :
comment positionner lanalyse de contenu par rapport lanalyse de discours ? Les
techniques danalyse de contenu peuvent-elles tre utilises dans une mthodologie
danalyse de discours ? Le dbat entre les spcialistes de ces analyses reste trs ouvert
( Symposium Discourse and Content Analysis , Qualitative Methods, Spring, 2004).
En effet, lanalyse de contenu et lanalyse de discours diffrent en de nombreux points
et en particulier reposent sur des champs ontologiques et pistmologiques opposs1.
Alors que lanalyse de contenu peut tre perue comme un ensemble de techniques
souvent quantitatives, sinscrivant dans un positivisme scientifique, lanalyse de
discours apparat comme une mthodologie qualitative, interprtative, constructiviste.
Pour lanalyse de contenu, le langage serait conu comme un miroir du monde lorsque
pour lanalyse de discours les mots auraient une action structurante sur le monde
(Fierke, 2004). Lanalyse de discours sattache trs fortement aux relations de pouvoir
sous-jacentes, alors que le pouvoir des acteurs nest pas une proccupation principale
de lanalyse de contenu (Laffley & Weldes, 2004). Alors que lanalyse de contenu est
perue comme une mthode, lanalyse discursive ne doit pas tre comprise uniquement
comme mthode danalyse mais aussi et davantage comme une posture intentionnelle
du chercheur. Malgr ces diffrences, certains chercheurs les considrent comme des
mthodes potentiellement complmentaires2 et encouragent les utiliser dans des
mthodologies de recherches mixtes, en particulier des fins de triangulation
(Neuendorf, 2004 ; Hardy et al, 2004).

Bardin L., LAnalyse de contenu, Paris, PUF, 2013.
Fairclough N., Critical Discourse Analysis : The Critical Study of Language.
Language in Social Life Series, London : Longman, 1995.
Grant D., Hardy C., Oswick C., Putman L., The SAGE Handbook of
Organizational Discourse, London : Sage Publications Inc., 2004.
Robert A.A., Bouillaguet A., LAnalyse de Contenu, Paris : PUF, Que sais-je ? ,
n 3271, 2002.
Weber R.P., Basic Content Analysis, Nexbury Park, Sage, 1990.
Wood L. A., Kroger R. O., Doing discourse analysis : Methods for studying action
in talk and text, London : Sage, 2000.
1. Pour une description plus dtaille des diffrences, voir le tableau 1 de larticle de Hardy et al., 2004 : 21.
2. Le tableau 2 de larticle de Hardy et al. (2004 : 21) propose des amnagements pour utiliser lanalyse de
contenu dans une approche danalyse de discours.
573
Partie
4
Publier Chapitre 18
Lenvironnement du chercheur Chapitre 19

Diffuser
L a quatrime et dernire partie de louvrage nous entrane dans le domaine de la

valorisation de la recherche. Une fois la recherche termine, il sagit de la com-
muniquer, den diffuser les rsultats, de transmettre la communaut scienti-fique les
fruits du travail accompli. Pour ce faire, il faut rdiger un rapport, une communication
ou un article, qui sont gnralement soumis des conventions de style et de forme quil
est recommand de respecter afin que leur diffusion soit la plus large possible et quils
puissent esprer dtre publis. La diffusion dpend aussi des rseaux auprs desquels la
recherche peut tre communique. L gale-ment, des rites existent que le chercheur se
doit de connatre sil souhaite que son
travail puisse bnficier du rayonnement quil est en droit desprer.
Chapitre
18 Publier
Bernard Forgues
Start writing. Short sentences. Describe it. Just describe it.
(Roger Ebert, cit par Grace Wang, 2013)
RsuM
Toute recherche doit (ou devrait) donner lieu une publication. Ce chapitre
pr-sente brivement le contexte qui amne privilgier les publications dans
des revues comit de lecture.
Il se focalise ensuite sur le processus dcriture, puis sur le contenu dun
article de recherche.
Enfin, il se conclut sur une tape souvent nglige : celle de la diffusion de
ses propres travaux.
sOMMAIRE
SECTION 1 Un contexte poussant la
publication SECTION 2 Processus de lcriture
SECTION 3 Contenu dun article de recherche
Publie Chapitre 18
r
L a publication des rsultats de la recherche est un problme relativement peu voqu

dans les manuels traitant de mthodologie. Cest pourtant un aspect fondamental du
processus pour trois raisons :
la recherche en tant que phnomne social ne prend son sens quune fois
communique un public, quel quil soit (pairs, acteurs de lorganisation tudie,
etc.). Une recherche nest daucune utilit sur le plan de lavancement des
connaissances ou sur le plan de la pratique si elle reste confidentielle. Elle doit
passer par une publication, cest--dire littralement tre rendue publique ;
la publication fait partie intgrante du travail des chercheurs, et sert de plus en
plus de critre quasi exclusif dvaluation. Elle joue donc un rle trs important
dans une carrire de chercheur (Rojas, 2011) ;
le fond est indissociable de la forme. En effet, le produit final (larticle publi) est
trs gnralement le seul contact des lecteurs avec la recherche mene. Aussi, les
lecteurs confronts un manuscrit de mauvaise qualit (fautes, erreurs dans les
calculs, rfrences manquantes, etc.) auront naturellement tendance penser que
lensemble de la recherche a t mal conduit (Meyer, 1995).
Ce chapitre prsente les lments prendre en compte lors de la rdaction du
travail de recherche. Parce que les conseils qui suivent sont normatifs, une mise en
perspective est ncessaire. Tout dabord, des chercheurs militent pour une plus
grande varit dans la recherche, laquelle passe par une plus grande libert de
forme laisse aux auteurs. Sur ce point, qui dborde du cadre de ce chapitre, on
peut se reporter Daft et Lewin (1990) ou Van Maanen (1995a). Par ailleurs, je
me focalise dans ce chapitre sur la publication darticles de recherche, seul support
qui compte vraiment dans notre domaine.
Le chapitre est organis en trois sections. La premire prsente le contexte auquel
sont confronts les chercheurs. Jy insiste sur la ncessit de la publication darticles et
offre des pistes de stratgies de publication. La deuxime section porte sur le processus
dcriture et vise guider le chercheur au long des tapes ncessaires. Jy aborde la
question de quand crire, fait tat de la recherche de feedback, et prsente brivement
les processus de rvision propres aux revues acadmiques. Enfin, je consacre la

troisime section larticle de recherche empirique, et voque les aspects de structure,
de forme, et du style pour le cas des recherches qualitatives. Enfin, javance en
conclusion lide que le travail du chercheur ne sarrte pas la publication de larticle
mais quil comprend une tape importante de diffusion.
577
Partie 4 Diffuser
section
1 un COnTExTE POussAnT LA PuBLICATIOn
Laccroissement de la concurrence entre tablissements et linternationalisation
de la profession ont profondment chang le contexte du monde acadmique. Ceci
se traduit, notamment pour les chercheurs en dbut de carrire, par une forte
pression la publication. Dans cette premire section, je dresse un rapide portrait
de ce nouveau contexte et montre en quoi il dbouche sur la ncessit de publier. Je
dveloppe ensuite des pistes permettant daugmenter sa productivit, en
mappuyant sur lexprience de chercheurs rputs de notre discipline.
1 Publish or perish
Lenvironnement professionnel de la recherche a considrablement chang

depuis la premire dition de cet ouvrage, il y a 15 ans. Jy combattais lide
encore rpandue lpoque suivant laquelle un doctorant ne devait pas publier
avant davoir soutenu sa thse. On entend maintenant au contraire dire quil est
impossible dtre qualifi par le CNU sans publication. Il y a srement des contre-
exemples, mais cela reflte nanmoins le changement opr dans la conception
mme du mtier denseignant-chercheur et dans la manire de mener sa carrire.
En quinze ans, on a vu progresser la concurrence entre tablissements au travers de
classements de tous genre (Shanghai, Financial Times, Ltudiant, etc.). On a vu une
pression accrue pour lobtention de financements externes pour la recherche, lesquels
sont bass en partie sur le nombre de publications des chercheurs concerns. Au plan
des carrires individuelles, on a pu observer une croissance importante de
linternationalisation. Nombre de jeunes chercheurs font tout ou partie de leur doctorat
ltranger, y partent en sjour post-doctoral ou y prennent un emploi. L aussi,
linternationalisation diffuse les pratiques internationales de publication et aligne les
critres dvaluation autour des publications. On a vu enfin lapparition des
classements des revues (FT, CNRS, AERES), qui dans le meilleur des cas
hirarchisent les supports de publication et dans le pire des cas ont une action
performative appauvrissant la recherche en lhomognisant (Willmott, 2011).
Que lon partage lopinion de Willmott ou pas, il reste que la pression la
publication est maintenant relle. Certains tablissements pondrent la charge
pdagogique en fonction des publications, dautres naccordent des financements
de recherche ou de confrences quaux chercheurs publiant. Enfin, lvolution de
carrire est largement dpendante des articles que lon publie, tant dans les
tablissements publics que privs. Ainsi, mme si nous nen sommes pas (encore ?)
un systme de tenure lamricaine, notre mtier est de plus en plus valu
laune des publications dcoulant de notre recherche.
578
Publier Chapitre 18
Cette courte prsentation de lvolution du contexte ncessite dapporter deux

bmols trs diffrents. Premirement, on voit dj se dessiner la prochaine tape.
Elle consistera passer de la comptabilisation des publications la prise en compte
de leur impact. Cest dj en partie le cas quand on regarde le classement des
revues, mais cela peut aller plus loin. Lvaluation passerait alors dune liste de
publication au facteur dimpact des revues dans lesquelles on a publi. Ceci pose
de nombreux problmes, y compris dordre technique (voir Baum, 2013). Par la
suite, on peut imaginer une prise en compte des citations obtenues par article. L
aussi, cela soulve de nombreuses questions. Mais si de nombreuses voix slvent
contre cette quantification de la valeur de la recherche, cest une heuristique
puissante et laquelle il sera donc difficile de rsister. Deuximement, et de
manire combien plus positive, publier peut tre un vrai plaisir ! Il ne sagit
heureusement pas pour un chercheur dobir une pression, mais de partager les
fruits de son travail, de contribuer lavance des connaissances, de remplir un
rle social dune importance capitale. Par la suite, je partage des techniques pour
transformer une pression anxiogne en incitation positive.
2 stratgie de publication
Un jour o je me plaignais de la difficult dcrire auprs de Mike Lubatkin, il fit

un geste du bras embrassant les 6 000 participants la confrence dAcademy of
Management et me rpondit : Tu sais Bernard, de tous les gens ici, cest sans
doute moi qui ait eu le plus darticles rejets. Cest bien possible, mais dans sa
modestie, il oubliait dindiquer quil tait aussi un de ceux qui avait eu le plus
darticles accepts (113 articles cits plus de 14 000 fois fin janvier 2014 daprs
Google Scholar). Le message que porte cette anecdote est simple : pour publier
beaucoup, il faut soumettre beaucoup darticles, et donc il faut beaucoup crire.
Cela va de soi, tout le monde le sait. Et pourtant Il est si facile de se laisser
submerger par les cours, les confrences, le travail administratif
tre un chercheur productif ncessite deux choses : une stratgie de publication,
et une mise en uvre de cette stratgie (expose dans la partie suivante). Cest
aussi un excellent moyen dviter la pression ngative expose prcdemment.
La stratgie est extrmement simple. Elle consiste concevoir ses articles comme
faisant partie dun portefeuille de publications. Ainsi, en permanence, on ne rflchit
pas sa recherche comme tournant autour dun article mais comme une pice
composant un plus vaste portefeuille. Les avantages sont nombreux. Tout dabord, cela
permet de mener en parallle un ensemble de travaux des stades diffrents. On peut
en tre la conceptualisation du modle thorique dun projet, un premier jet sur un
autre papier, au stade de la prsentation en confrence pour un troisime, la
soumission sur un quatrime, aux rvisions sur un cinquime, etc. Ensuite, en cas
(probable) de rejet dun article, on en a dautres auxquels se raccrocher, ce qui est la
fois rassurant et moins risqu au plan de la carrire.
579
Partie 4 Diffuser
Une conception en termes de portefeuille permet galement de diversifier celui-

ci. Lobjectif ici est de rechercher un quilibre. On peut quilibrer son portefeuille
suivant trois critres : les thmes, les auteurs, et les revues. Un quilibre sur les
thmes permet, ct de son thme de spcialit, daborder dautres sujets pour
lesquels on improuve un intrt sans pour autant souhaiter sy consacrer. Ceci
permet de passer autre chose quand on prouve une lassitude ou une impression
de tourner en rond, ou encore quand on est confront une pause force sur un
autre sujet (accs au terrain bloqu, coauteur non disponible, etc.). Les diffrents
thmes, sils sont bien choisis, peuvent senrichir mutuellement. Par ailleurs,
lorsque lon candidate un poste, un tel portefeuille envoie aussi le signal positif
dune ouverture desprit et de possibilits de travaux communs. Un quilibre sur
les auteurs signifie que certains papiers seront faits seul, dautres en commun. L
aussi, les avantages sont clairs. Travailler seul assure une totale autonomie : on
nest pas tributaire des agendas chargs des collgues. Mais cela peut parfois tre
pesant tant la solitude peut tre durement vcue. Avoir dautres projets avec des
collgues apporte ainsi une bouffe dair frais et permet de se relancer. Avoir des
coauteurs varis est aussi une formidable occasion dapprentissage. L aussi, le
signal sur le march de lemploi est positif puisquil rvle un chercheur la fois
capable dautonomie et de travaux collectifs. Enfin, il est fondamental de penser
ds le dpart lquilibre dans les revues vises. Il serait suicidaire de ne viser que
les revues les plus exigeantes, tout autant que ne viser que des revues mdiocres.
Les dernires se passent de commentaire. Les premires ont des taux dacceptation
tellement faibles et attirent tant de trs bons papiers que les chances de succs sont
trs restreintes. De plus, atteindre le niveau de qualit ncessaire demande
normment de temps et defforts, ce qui repousse dautant la publication, mme
en cas dissue positive. Entre-temps, il est bienvenu de voir sortir dautres articles,
mme dans des revues moins bien classes. Cest bon pour le moral et pour la
carrire. Viser systmatiquement le sommet est une erreur frquente, et l aussi la
rponse est dans lquilibre entre des papiers trs ambitieux pour lesquels on aspire
au plus haut et dautres dont on sent bien quils nont pas le potentiel requis et pour
lesquels on vise des supports plus modestes.
Comment concrtement aboutir au niveau de productivit que lon souhaite ?
Au-del de la stratgie de portefeuille que je viens de suggrer, cela requiert une
organisation, une discipline de travail qui est prsente dans la section suivante.
section
2 PROCEssus DE LCRITuRE
La deuxime section de ce texte traite du processus de lcriture. On y parlera de
quand crire et comment amliorer son texte (retours sur le manuscrit), ainsi que de
la gestion du processus de rvision des revues comit de lecture.
580
Publier Chapitre 18
1 Quand crire ?
Cette question peut tre entendue de deux manires. Premirement, quel stade
dune recherche doit-on commencer rdiger ? Cest trs simple : le plus tt
possible (Richardson, 1990). Pour bien comprendre cet argument, il convient de
garder lesprit que lcriture nest pas faite en une fois. Cest un processus long,
un travail sur lequel on revient de nombreuses fois. Commencer crire tt
comporte plusieurs avantages. Le plus trivial est purement fonctionnel : le dbut de
la recherche tant relativement peu prenant, on a plus de temps. Cette avance
permettra, le moment venu, de consacrer toute son attention lanalyse et aux
rsultats (Yin, 2014). Nous avons tous essay de nous convaincre que nous
ntions pas encore tout fait prts crire. Cest une excuse spcieuse. Wolcott
(1990) indique que les auteurs qui repoussent lcriture en voquant quils nont
pas encore les ides parfaitement claires courent le risque de ne jamais commencer.
Deuxime manire dentendre la question : quel moment de la journe ou la
semaine crire ? Il y a un consensus frappant ce sujet entre les auteurs les plus
prolifiques. Il faut crire tous les jours, sur des plages jalousement prserves, en
dehors de toute distraction (notamment en se dconnectant dInternet). Lobjectif
est de faire de lcriture une routine quotidienne (Pollock et Bono, 2013).
Beaucoup dauteurs commencent ainsi leur journe par un temps dcriture de 2
3 heures (e.g., Golash-Boza, 2013). Deux remarques simposent ici. Tout dabord,
inutile de dire que vous aimeriez bien mais navez pas le temps. Cest lexcuse n 1
mais ce nest quune excuse (Silvia, 2007). Il ne sagit pas davoir le temps on ne
la jamais, mais de prendre le temps. La meilleure chose faire est donc dallouer
du temps sur son agenda et de refuser toute sollicitation qui entrerait en conflit
avec la plage en question. Aprs tout, cest ce quon fait dj avec les cours, alors
pourquoi pas avec lcriture ? Deuxime remarque, la routine est plus importante
que la dure. Ce qui compte, cest de shabituer crire rgulirement. Silvia
(2007) parie dailleurs quavec une plage aussi restreinte que 4 heures dans la
semaine, laugmentation de votre production suffira vous convaincre dallouer
plus de plages horaires lcriture. Pour autant, il est important de faire des pauses
toutes les demi-heures et surtout de se fixer des objectifs et de sarrter ds quils
sont atteints (Boice, 1982). Daprs Bill Gartner, crire 4 heures par jour, tous les
jours, est une recette assure pour devenir un auteur dune influence majeure dans
son domaine. On peut au minimum noter que la recette a fonctionn pour lui : son
norme influence sur le champ de lentrepreneuriat est indniable.
Durant la phase dcriture, on rvise son texte de nombreuses fois, au long dun
processus dlicat. Ce processus soulve de nombreuses questions, parmi lesquelles
le niveau dexposition donner un papier en cours et le moment partir duquel
chercher avoir des commentaires. Tout dabord, on doit noter quil y a unanimit
pour inciter les auteurs solliciter des commentaires sur leur manuscrit avant de le
581
Partie 4 Diffuser
soumettre formellement une revue. Il est important de faire lire le document des
collgues, des amis, des tudiants qui puissent donner des conseils relatifs la
recherche mais galement la manire dont larticle est crit. Comme le conseille
Daft (1995, p. 180) : Laissez mrir naturellement le papier en prenant le temps,
en lexposant beaucoup, et en le rvisant plusieurs fois.
Un article devrait passer par au moins deux ou trois rvisions majeures avant
dtre soumis une revue (Meyer, 1995), celles-ci pouvant porter sur le fond et la
forme (Wolcott, 1990). Il faut galement noter que les commentaires et
modifications peuvent tre sans fin : on trouvera toujours quelque chose
amliorer dans un papier, tant du fait des commentaires dun relecteur que de sa
propre maturation sur le sujet. Il faut donc savoir sarrter. Dautre part, les
commentaires portent souvent beaucoup plus sur la forme que sur le fond
(Richardson, 1990), parce quil est plus facile de critiquer une phrase quune
dmarche gnrale, et parce que les lecteurs sont l pour aider lauteur faire
passer ses ides, pas pour imposer les leurs (Wolcott, 1990). Ds lors, il est
important de leur fournir un matriau dj bien avanc. Un manuscrit rempli
derreurs, dapproximations, incomplet, distrait lattention du lecteur des points
importants, et lempche dapporter une contribution intressante : il est plus facile
daider amliorer un bon manuscrit quun papier trop faible. Limportance du
feed-back dans lamlioration dun article apparat clairement dans les exemples
donns par Frost et Stablein (1992). Chacune des recherches exemplaires analyses
dans cet ouvrage a largement bnfici de retours, tant informels par des collgues,
que formels par les processus de rvision des revues.
Les commentaires que lon obtient sont trs gnralement ngatifs. Il faut bien en
avoir conscience lavance pour ne pas tre dcourag. En effet, on a plus tendance
relever les imperfections, problmes, difficults qu sarrter sur un excellent passage
pour en fliciter lauteur (Starbuck, 2003). La premire raison en est une lecture
prcise, pointilleuse, qui dpasse limpression gnrale pour remettre en question
chaque point de dtail. La deuxime raison en est le fait que, ce faisant, le lecteur
remplit son rle : il rpond lattente de lauteur. Pour laider amliorer son texte, il
faut bien relever toutes les imperfections. Quelle que soit la qualit du texte, un
commentaire est donc toujours disproportionn du ct ngatif. Pour en tre convaincu,
il suffit de soumettre un article dans une revue exigeante.
2 Le processus de rvision des revues majeures
Les revues majeures ont un processus de slection des articles extrmement

rigoureux. Chaque article est valu de manire anonyme par des spcialistes du
domaine, appels reviewers, et renvoy lauteur pour rvision, jusqu ce que
larticle soit rejet ou, plus rarement, accept pour publication (voir encadr).
582
Publier Chapitre 18
c Focus
Fonctionnement dune revue processus de rvision
Les revues processus de rvision Les valuateurs proposent au rdacteur
reoivent des articles et dcident de les en chef de rejeter, accepter, ou faire
publier ou non aprs valuation par des modifier larticle, et suggrent des
membres du comit de rdaction. Ainsi, modifications lauteur.
les articles sont soumis par leurs Le rdacteur en chef, sur la base des
auteurs, qui nont aucune certitude deux ou trois valuations dont il
quant lavenir de leur contribution. Les dispose, et sur son jugement personnel,
auteurs des articles publis ne sont pas tranche alors et fait part de sa dcision
pays ; de rares revues demandent au lauteur. Il lui envoie galement les
contraire un montant destin couvrir commentaires des diffrents reviewers.
les frais pour chaque soumission.
Le taux dacceptation des articles dans
Le rdacteur en chef nomme alors des les grandes revues est trs faible de
reviewers, choisis en fonction de leur lordre de 10 % , et il narrive jamais
expertise. Ceux-ci appartiennent gnra- quun article soit accept sans rvision.
lement au comit de lecture, mais ce nest
Enfin, il faut savoir que le dlai entre la
pas systmatique. Lvaluation est trs
premire rdaction des rsultats et la
gnralement anonyme : les valuateurs
parution de larticle peut couramment
ne connaissent pas lidentit de lauteur,
atteindre deux trois ans (rdaction +
qui, en retour, ne connat pas non plus les
soumission + deux ou trois rvisions +
valuateurs (double-blind review process).
dlai de parution).
Ceci doit garantir la neutralit de
lvaluation.
Le processus de rvision dans son ensemble est un phnomne souvent mal

connu, et constitue un sujet fortement motionnel. Pour en apprcier les diffrents
aspects (avancement de la recherche, diffusion des connaissances, maintien dun
seuil minimum de qualit, relations de pouvoir, etc.), et pour obtenir des conseils
clairs, louvrage de Cummings et Frost (1995) est exceptionnel.
Si lon sen tient aux aspects pratiques, on peut soulever, au-del de ce qui a t
voqu plus haut sur les commentaires en retour, les points suivants. Tout dabord, il
faut concevoir le processus de rvision comme une activit sociale (Zahra et Neubaum,
2006) dchanges entre lauteur, le rdacteur en chef et les reviewers. Ds lors, pour
que ces changes soient constructifs, il faut, comme le dit Meyer (1995, p. 265)
propos des reviewers, transformer les arbitres en entraneurs . Il faut donc joindre
la nouvelle version une rponse personnelle chacun des reviewers en expliquant,
point par point, comment on a intgr leurs remarques (et pourquoi dautres nont pas
pu ltre). Il est donc important de garder une attitude positive lors du processus de
rvision. Et une invitation resoumettre signifie toujours que le rdacteur en chef
apprcie larticle (Eden, 2008). Certes, les critiques sont souvent
583
Partie 4 Diffuser
difficiles accepter pour un travail dans lequel on a mis beaucoup de soi-mme,

mais il faut prendre du recul. Mme les commentaires les plus incendiaires ont t
crits par des reviewers qui cherchent amliorer larticle (Shaw, 2012). Si un
passage de larticle na pas t compris, cest sans doute quil ntait pas assez clair
(Daft, 1995).
Il est cependant frquent que le processus naboutisse pas au rsultat souhait et que
larticle soit rejet. Que faut-il en faire ? Le chercheur confront une telle situation
doit rsister plusieurs pulsions : prtendre que les reviewers sont stupides, jeter
larticle la poubelle, le renvoyer aussitt une autre revue. La premire solution nest
pas constructive et empche une rflexion sur les faiblesses de larticle. La deuxime
revient annihiler tous les efforts consacrs cette recherche. Enfin, la troisime
comporte un risque lev dessuyer un nouveau rejet. Il est donc prfrable de laisser
passer quelque temps pour prendre du recul, danalyser les commentaires, den discuter
avec des collgues, puis de retravailler larticle en profondeur. Ce nest quensuite que
lon pourra le soumettre une autre revue. cet gard, il est important de noter que les
revues interdisent formellement quun mme article soit soumis plusieurs dentre
elles en mme temps. Il convient donc dattendre la dcision dune revue pour en
solliciter une autre. Enfin, la stratgie de portefeuille de publications prend ici tout son
sens. Un collgue qui venait davoir un papier rejet par Academy of Management
Review my a fait repenser en prenant la chose du bon ct : Bah, si on na quun
papier en valuation, le rejet est une catastrophe, mais si on en a cinq, il en reste
toujours quatre !
section
3 COnTEnu Dun ARTICLE DE REChERChE
Dans cette dernire section, la prsentation se focalisera sur les articles de

recherche empirique. On y verra la structure la plus frquente, les problmes de
forme, et le cas particulier des recherches qualitatives.
1 structure des articles de recherche empirique
Le principal support de diffusion des travaux destination des chercheurs est

larticle de recherche, publi dans une revue acadmique. La structure de tels
articles est trs souvent identique, mme si cela na pas un caractre impratif. On
peut remarquer que la structure que nous allons prsenter, quasi systmatique pour
les recherches quantitatives, est galement adapte aux recherches qualitatives. Par
exemple, larticle quantitatif de Bidwell (2011) adopte rigoureusement la mme
584
Publier Chapitre 18
structure que celui, qualitatif, de Michel (2011) publi dans le mme numro
dAdministrative Science Quarterly. Dans les deux cas, on a un rsum de 18
lignes, 2 3 pages dintroduction, la revue de la littrature (8 et 4 pages,
respectivement), la mthodologie (3 4 pages), les rsultats de la recherche (14 et
16 pages respectivement) et la discussion (6 pages).
Cette structure est extrmement frquente, on nobserve que de trs rares
exceptions. Un point fondamental dans lcriture dun article tient son
articulation, dont la logique aidera les lecteurs comprendre largumentation et
suivre la dmarche. Ceci est obtenu en restant focalis sur lobjectif, en vitant les
digressions, en soignant les transitions
Un excellent guide sur la rdaction des articles est celui de lAmerican
Psychological Association (2009), mis jour rgulirement. On peut brivement
noter les remarques suivantes sur les diffrentes parties dun article type.
Le rsum est un exercice difficile, trop souvent remplac par un paragraphe tir
de lintroduction. Un bon rsum doit prsenter en quelques mots le contexte de
ltude et ses principaux rsultats.
Lintroduction est gnralement assez courte. On y montre lintrt du sujet, en
esquissant dj la contribution attendue au plan thorique.
Lanalyse de la littrature permet de situer la recherche par rapport aux travaux
prcdents. On y soulve les ventuelles divergences et tablit des liens entre des
domaines connexes. Il faut toutefois insister sur limportance de rester focalis sur
la problmatique, de guider les lecteurs. Cette analyse peut, le cas chant, aboutir
la formulation dhypothses.
La mthodologie est la partie dans laquelle on prsente les diffrentes tapes de
la recherche et lordre suivi. On y trouve la description de lchantillon ou du cas
tudi, loprationnalisation des concepts, les analyses menes. Il est important de
raconter ce qui a rellement t fait, sans rationalisation a posteriori (Daft, 1995).
Les rsultats sont focaliss sur les dcouvertes principales. Cette partie est
souvent la plus longue car elle rentre dans le dtail. Les rsultats sont frquemment
prsents sous forme synthtique, avec des tableaux.
Une discussion des rsultats permet une mise en perspective avec les travaux
existants. On y relvera les convergences et divergences ventuelles, en cherchant
les expliquer. On y parlera galement des implications de la recherche. On y
prsentera aussi une analyse des limites de la recherche. Enfin, on trouve souvent
dans cette partie des voies de recherches futures apportes par les nouveaux
rsultats.
La liste des rfrences cites. On doit y trouver toutes les rfrences cites dans
le texte, et uniquement celles-ci (voir Focus plus loin).
585
Partie 4 Diffuser
2 Forme : figures, tableaux, rfrences, remerciements
On trouve essentiellement deux types de figures, prsentant respectivement des

relations (nous les qualifierons de modles) et des donnes (les graphiques). Les
modles permettent dillustrer un processus quil serait fastidieux de dcrire ou un
ensemble de relations entre des variables. Les graphiques sont des reprsentations
visuelles de donnes quantitatives (courbes, histogrammes, etc.) Cest un moyen
efficace dattirer lattention sur des aspects jugs importants.
Comme le souligne Daft (1995, p. 178), les figures sont adaptes tout type de
recherche : Pour les recherches traditionnelles avec test dhypothses, une
reprsentation visuelle renforce la premire partie du manuscrit et peut tre rvise
dans la conclusion. Pour les recherches qualitatives, une reprsentation visuelle la
fin du manuscrit est le moyen idal de cristalliser la thorie dveloppe partir des
observations personnelles.
Les tableaux, largement utiliss, permettent doffrir aux lecteurs une vision
rsume des propos. Il peut sagir de synthtiser un dveloppement littraire ou des
donnes, que celles-ci soient quantitatives ou qualitatives. Tout comme les figures,
les tableaux doivent tre appels dans le texte, et tre comprhensibles en eux-
mmes.
Les rfrences sont importantes dans la mesure o elles vont situer la recherche dans
un corpus thorique et crdibiliser les rsultats. Il convient donc de les slectionner
soigneusement. Pour ce faire, on peut se fonder sur trois critres : la pertinence, la
crdibilit, et laccessibilit. Une rfrence sera pertinente si elle apporte quelque
chose aux lecteurs. Elle doit donc tre fortement lie au problme trait, et porter sur
un rsultat. Ainsi, un article ne devrait tre cit en rfrence que pour ses rsultats, et
pas sur un point mineur quil ne fait quvoquer en passant. La crdibilit dune
rfrence dpend essentiellement de son support. Ainsi, une revue de premier rang sera
considre comme trs crdible. Par ailleurs, il est important que les rfrences soient
de mme niveau. La crdibilit exige aussi que lauteur remonte aux sources : on cite
larticle lorigine de lide plutt quun travail plus rcent nayant fait que le
reprendre. Ceci peut cependant poser un problme sil sagit par exemple dun ouvrage
puis. cet gard, laccessibilit concerne la facilit avec laquelle les lecteurs
pourront se procurer les rfrences cites. Il est prfrable de recourir des travaux
publis, dans des revues largement diffuses.
Une erreur frquente consiste introduire un nombre trop lev de rfrences.
Dans ce cas, chaque phrase ou presque est renforce dune ou plusieurs rfrences,
mme si elle porte sur un aspect mineur. Ceci fait perdre de la force largument
principal, qui se trouve noy sous une masse dinformations mineures. Ainsi,
Campion (1997) a remarqu que de nombreux articles le renvoyaient sur des
rfrences sans grand intrt, ou sans rapport avec le sujet quelles taient censes
illustrer. Il a men une enqute auprs de reviewers pour dterminer des critres de
choix des rfrences dans les articles de recherche (voir Focus page suivante).
586
Publier Chapitre 18
Les notes de bas de page doivent tre limites au maximum, car elles hachent la
lecture. Certaines revues, comme Organization Studies, les interdisent dailleurs
purement et simplement, daprs le principe suivant : si le point est important, il
devrait tre dans le corps du texte, sil nest pas important, il devrait tre enlev.
Les remerciements aux personnes ou organismes ayant aid lauteur dans sa
dmarche simposent. On les trouve gnralement soit dans une note au dbut de
larticle, soit tout la fin. Dans un mtier o les gratifications sont essentiellement
de lordre de la reconnaissance, et o les chercheurs saident mutuellement,
reconnatre leur contribution est fondamental. Ces remerciements ne doivent pas
omettre les valuateurs anonymes, dont les commentaires, parfois durs accepter,
ont nanmoins permis une amlioration souvent substantielle de larticle.
c Focus
utilisation des rfrences dans les articles de
recherche (daprs Campion, 1997)
Faut-il mettre des rfrences ? Quelles rfrences faut-il mettre ?
oui, pour indiquer une source (thorie, de prfrence celles qui sont
rsultat, instrument) ; lorigine du domaine de recherche ;
oui, pour indiquer des rsultats simi- celles qui sont le plus rigoureuses au
laires ou contradictoires ; plan mthodologique ou conceptuel ;
ventuellement, pour justifier le sujet les plus rcentes et plus faciles trouver
ou lutilisation dune technique donne ; il faut viter celles choisies
ventuellement, pour supporter un uniquement parce quelles sont souvent
concept ou une assertion ; cites ou plus connues ;
non, pour les assertions videntes ou il faut viter celles qui nont pas t
les techniques bien acceptes. values ou sont difficiles trouver
Quest-ce qui fait la qualit dune (cahiers de recherche, thses).
rfrence ? Combien de rfrences faut-il mettre ?
tout dabord, le fait quelle soit appro- beaucoup pour les articles de synthse ;
prie au contexte ; plusieurs pour montrer quun point est
le rappel de rsultats originaux ou controvers ;
venant de mta-analyses ; plusieurs pour indiquer diffrents types
des rappels de recherches ou de de supports (thoriques et empiriques) ;
thories ; plusieurs pour montrer lampleur de la
par contre, certaines rfrences ne littrature ou en retracer lhistorique ;
constituent pas un support solide. Il moins dans les champs nouveaux et
sagit de rfrences des assertions peu explors ;
qui ne sont pas des rsultats, des
en aucun cas pour montrer que lon a
manuels, des supports ne bnficiant
beaucoup lu ou pour permettre au
pas de processus dvaluation.
lecteur de se cultiver ;

587
Partie 4 Diffuser

il faut viter un nombre excessif ou des non, sil sagit simplement de prouver
rfrences sur des points marginaux. son expertise dans le domaine ;
Faut-il se citer ? en gnral, il faut viter un trop grand
oui, si la recherche cite est pertinente ; nombre dauto-rfrences.
oui, pour indiquer dautres travaux Comment contrler les rfrences ?
faits sur les mmes donnes ; en sassurant de leur pertinence par
non, sil existe dautres rfrences rapport au point voqu ;
plus pertinentes ; en vrifiant lexactitude des renseigne-
ments fournis (date, revue, pages, etc.).
Une question pineuse concerne lordre dapparition des auteurs de larticle. Par
convention, les auteurs apparaissent suivant lordre alphabtique. Dans le cas contraire,
et du fait de la convention prcdente, cela signifie que le premier auteur a fourni la
plus grande partie des efforts, ou quil est lorigine de lide. Cependant, on trouve
des exceptions : les auteurs peuvent avoir dtermin lordre dapparition par tirage
alatoire, par exemple. Dans ce dernier cas, on lindiquera en note de bas de page. Pour
viter tout conflit, il est prfrable daborder cette question clairement et ouvertement
assez tt dans le processus, quitte rviser lordre si un auteur se trouve empch de
contribuer autant que prvu au dpart. Enfin, il est considr comme un manquement
grave lthique professionnelle dajouter le nom de quelquun qui na pas contribu
(mme sil sagit de son directeur de thse !) ou de ne pas indiquer celui de quelquun
ayant contribu de manire substantielle.
3 Cas particulier du style pour les recherches qualitatives
Lcriture dans le cas des recherches qualitatives a fait lobjet de nombreux

dveloppements. En effet, la forme y est cruciale pour deux raisons : la difficult
de prsenter des recherches qualitatives dune part, et la prise de conscience que les
donnes sont forcment dj des interprtations dautre part.
Sur le premier point, Richardson (1990, pp. 53-54) note que la prsentation de
matriaux qualitatifs pour les revues majeures exige dexposer la recherche dune
manire qui satisfasse les attentes des rdacteurs en chef et valuateurs de ces revues.
Cest plus facile pour les auteurs de recherches quantitatives, parce que leur travail est
dj fortement encod comme positiviste-empirique (au travers de figures rhtoriques
comme les tableaux et les modles) et parce que les critres dvaluation sont plus
prcis et plus largement partags au sein de leur communaut. Cest plus difficile pour
les auteurs de recherches qualitatives, je pense, parce que leurs papiers ont moins
dencodages forts, et leurs reviewers sont moins daccord entre eux a propos de ce qui
constitue une contribution ou dautres aspects. Cest un argument similaire que
dveloppe Pratt (2009) quand il indique que non seulement il nexiste
588
Publier Chapitre 18
pas de modle dcriture tabli pour la recherche qualitative, mais quau contraire,
la diversit des mthodes quelle recouvre empche tant lexistence dun modle
que le dsir den tablir un.
Le deuxime point insiste sur le fait quaucune description ne peut tre neutre, que
tous les textes sont biaiss (Denzin, 1994), ce qui prend une importance toute
particulire dans une recherche qualitative. Comme le souligne Geertz (1973, p. 9) en
ethnographie, une description est grosse (thick) des interprtations du chercheur : ce
que nous appelons nos donnes sont en fait nos propres constructions des constructions
dautres personnes . Ds lors, la distinction entre donne et analyse devient au mieux
malaise, voire impossible. Cest toute la chane de preuves dune dmarche positiviste
qui est ici revoir. Pour convaincre le lecteur du bien fond de lanalyse, on pourra,
comme le conseille Johanson (1996), tablir un faisceau de prsomptions. En dressant
une analogie avec la dmarche judiciaire, elle conseille aux auteurs de chercher
convaincre les valuateurs comme le procureur cherche convaincre le jury. En
labsence de preuve formelle, il sagit demporter ladhsion par un ensemble
dlments se renforant mutuellement.
Comment, ds lors, prsenter un cas ? En fait, la prsentation dun cas peut
rpondre des logiques diffrentes, qui ont chacune des avantages et
inconvnients, et qui favorisent tel ou tel objectif. Siggelkow (2007) relve trois
utilisations possibles quil nomme motivation (de la question de recherche),
inspiration (dans des dmarches inductives) et illustration (dun argument
thorique). Pour ce qui est de la prsentation proprement dite, une premire
possibilit est de construire un rcit le plus neutre possible pour laisser le lecteur se
faire sa propre opinion. On pourra alors adopter un rcit chronologique. Cependant,
il faut tre conscient que la neutralit du rcit nest quapparente : on choisit de
parler de certains aspects et pas dautres, la structure du texte sous-entend une
certaine logique, etc. Linconvnient de ce choix rside dans la structure, qui ne
permet pas un traitement par type de thmes abords, ce qui peut rendre la
comprhension plus difficile et affaiblir les arguments. La solution la plus
frquemment retenue consiste faire suivre le rcit danalyses par thme, ce qui
oblige des rptitions et allonge le document. Par opposition, une autre possibilit
consiste dcouper le cas en fonction des thmes traits. Lavantage est alors celui
dun discours plus structur, plus focalis, mais dans lequel les lments de
contexte sont moins prsents. De plus, une telle structure peut prter le flanc la
critique dans la mesure o lon peut penser que lauteur cherche dans ses
observations des exemples allant dans le sens de sa thorie. De mme, si lon a
plusieurs cas, on pourra privilgier une prsentation cas par cas ou au contraire une
prsentation transversale, par thme. La prsentation individuelle des cas a pour
avantage den donner une vision globale, mais au dtriment des comparaisons,
do un argumentaire parfois moins convaincant. La prsentation transversale par
contre est plus analytique, mais rend une vision globale dun cas trs difficile.
589
Partie 4 Diffuser
Le style utilis dans la rdaction prend une importance toute particulire dans les
recherches qualitatives. La question ici est de convaincre les lecteurs sans utiliser de
chiffre. Un texte ethnographique sera jug convaincant en fonction de trois critres
(Golden-Biddle et Locke, 1993) : lauthenticit (le chercheur tait-il prsent sur le
terrain ; sa narration est-elle sincre ?), la plausibilit (cela a-t-il un sens ; y a-t-il une
contribution ?), et le caractre critique (le texte pousse-t-il le lecteur remettre en
cause les hypothses sous-jacentes son propre travail ?). Lauthenticit sobtient en
donnant des dtails prcis, en dcrivant la relation du chercheur au terrain, en dcrivant
les mthodes de collecte et danalyse des donnes, et en expliquant comment on a
modr ses biais propres. Concernant la plausibilit, le sens sobtient en encodant le
texte pour faire accepter les mthodes utilises, en expliquant en quoi les situations
tudies peuvent tre pertinentes, en se posant en expert. La contribution, quant elle,
est mise en valeur en indiquant des manques dans les recherches existantes et en
amenant les lecteurs penser que quelque chose de nouveau va tre prsent. La
construction rhtorique de la contribution est analyse par Locke et Golden-Biddle
(1997). Enfin, la criticalit est obtenue en insistant sur les diffrences, ou en incitant
rflchir de nouvelles possibilits.
Toujours dans le domaine de lethnographie, Van Maanen (2011) distingue trois
styles principaux, et les illustre par des exemples tirs de ses travaux :
le style raliste se veut neutre et impersonnel. Il est caractris par labsence de
lauteur dans le texte final, le recours des dtails concrets organiss de manire
redondante en catgories, le point de vue du sujet tudi prsent par des
citations, et lomnipotence interprtative par laquelle le chercheur sarroge le
droit dinterprter et de prsenter la ralit ;
le style confessionnel, par contraste, est trs personnalis. Le chercheur y raconte
par le dtail ses difficults et les pripties du terrain. Les trois conventions qui
caractrisent ce style sont la mise en avant du chercheur, la prise en compte de
son point de vue qui passe par une implication forte dans le terrain, et une
distanciation finale qui tend redonner au rcit une certaine objectivit ;
le style impressionniste ne se focalise pas sur le rsultat du terrain ou sur le
chercheur, mais sur le processus. Il se caractrise par un rcit brut qui vise faire
vivre lexprience au lecteur, la fragmentation des rsultats qui est due la
narration linaire, la personnalisation dans le rcit des sujets et du chercheur qui
rend le rcit plus vivant, et la matrise dramatique qui impose les standards de la
littrature au dtriment des standards de la discipline, savoir lethnographie.
On voit bien que le choix dun style nest pas neutre. Il reflte la position
pistmologique du chercheur. Ce lien entre conception de la recherche et style
dcriture explique lhomognit de ton observe dans une revue donne. Lauteur
doit donc identifier la revue correspondant le mieux au style qui lui convient ou,
dfaut, se conformer au style de la revue dans laquelle il dsire publier.
590
Publier Chapitre 18
COnCLusIOn
En conclusion, on peut dire que le meilleur apprentissage de lcriture darticles

passe par un processus dessais-erreurs. Lcriture peut tre amliore par des
aspects purement techniques, et par une grande rigueur de la part des auteurs. Il est
toujours tonnant de voir, quand on gre une revue, quel point les auteurs
soumettent des papiers qui auraient pu tre largement amliors avec une simple
relecture. Les aspects de forme ne devraient pas tre ngligs dans la mesure o ils
sont perus comme indicateurs du niveau de qualit de lensemble de la recherche
prsente, et de la motivation de lauteur. Si celui-ci soumet un article sans
comparaison avec ce que la revue publie habituellement, ou ne respectant pas les
normes de prsentation, il rduit fortement ses chances dtre accept pour
publication. Une recherche sera qualifie dexemplaire sur la vue du produit final,
larticle qui la prsente. Produire cet article requiert avant tout de la persistance
(Frost et Stablein, 1992). Il est donc judicieux dinvestir dans lcriture afin de
dpasser le triste constat de Toor (cit par Pollock et Bono, 2013) : Se plaindre
de la mauvaise prose acadmique, cest comme discuter du temps : on parle, on
parle, on parle, et personne ne fait jamais rien.
Pour finir sur une note plus positive, jaimerais voquer ce quil faut faire aprs
que lon ait reu la lettre si convoite dacceptation dun article pour publication
dans une bonne revue. Avant toute chose, il faut fter a ! a narrive pas si
souvent, et clbrer peut tre une motivation importante pour la suite. Ensuite, il
faut faire vivre larticle, le faire connatre. Beaucoup de collgues rechignent face
ce quils craignent tre une marque darrogance ou dauto-promotion. Pourtant, l
encore, on ne fait que suivre la logique de lutilit de la recherche : pourquoi avoir
fait tout a si personne nest au courant ? Noublions pas quen moyenne, un article
reoit moins dune citation. Nest-ce pas dprimant ? On peut amliorer a en
envoyant larticle aux collgues travaillant sur le mme sujet (ils seront ravis dtre
informs dun papier dans leur domaine), en en faisant mention sur un blog, en en
facilitant laccs sur sa page web, etc. Bref, ce stade aussi, un article a besoin de
voir la lumire du jour. Jespre que ce chapitre aura pu vous aider atteindre cet
objectif et suis impatient de lire les rsultats de vos recherches.
591
Partie 4 Diffuser

American Psychological Association, Publication Manual of the American
Psychological Association, 6e dition, Washington, DC : APA, 2009.
Cummings L. L., Frost P. J. (eds.), Publishing in the Organizational Sciences, 2nd
ed., Thousand Oaks : Sage, 1995.
Richardson L., Writing Strategies: Reaching Diverse Audiences, Newbury Park :
Sage, 1990.
Silvia P. J., How to Write a Lot : A Practical Guide to Productive Academic
Writing, Washington, D.C. : American Psychological Association, 2007.
Thyer B. A., Successful Publishing in Scholarly Journals, Thousand Oaks : Sage,
1994.
592
Partie 4 Diffuser

American Psychological Association, Publication Manual of the American
Psychological Association, 6e dition, Washington, DC : APA, 2009.
Cummings L. L., Frost P. J. (eds.), Publishing in the Organizational Sciences, 2nd
ed., Thousand Oaks : Sage, 1995.
Richardson L., Writing Strategies: Reaching Diverse Audiences, Newbury Park :
Sage, 1990.
Silvia P. J., How to Write a Lot : A Practical Guide to Productive Academic
Writing, Washington, D.C. : American Psychological Association, 2007.
Thyer B. A., Successful Publishing in Scholarly Journals, Thousand Oaks : Sage,
1994.
592
Chapitre
19 Lenvironnement
du chercheur
Jean-Marc Xuereb
sOMMAIRE
SECTION 1 Le directeur de recherche
SECTION 2 Les consortiums de recherche
SECTION 3 Les confrences acadmiques
SECTION 4 Les liens avec le monde non acadmique
Partie 4 Diffuser
L image dpinal du chercheur, travaillant dans un rduit obscur, entour de mul-

tiples piles de papier et accdant la dcouverte par le fruit de son seul travail solitaire
nest aujourdhui plus de mise si tant est quelle lait jamais t.
Reli par Internet lensemble de la communaut scientifique et acadmique de
son domaine dexpertise, rencontrant rgulirement ses pairs dans des confrences
et colloques, le chercheur est aujourdhui au centre dun vaste rseau de relations
quil a patiemment tiss au fil du temps et dont il tire inspiration, connaissance et
reconnaissance.
Ce chapitre ne traitera ainsi ni du savoir, ni du savoir-faire, objet des chapitres
prcdents, mais sintressera lenvironnement du chercheur et sefforcera de
prsenter les diffrents moyens qui permettent au chercheur de constituer son
rseau, dlargir ses comptences et de tirer profit des possibilits offertes par
lenvironnement acadmique actuel.
La carrire dun enseignant chercheur dbute traditionnellement par lcriture
dune thse et lobtention dun doctorat. Ce premier travail de recherche constitue
nanmoins plus une tape quun aboutissement. Au-del de la ralisation dune
thse, il est donc ncessaire denvisager et de planifier le futur.
Le directeur de recherche exercera une influence certaine sur cette phase de
rdaction dune thse. Mais la nature, la qualit et lintensit des changes qui
stabliront entre directeur de recherche et jeune chercheur auront une influence
sensible sur lensemble de la carrire de ce dernier. Les dveloppements qui
suivent sont consacrs au directeur de thse qui guidera les premiers pas du jeune
enseignant chercheur. Par la suite, lenvironnement du chercheur sera examin de
manire plus exhaustive.
section
1 LE DIRECTEuR DE REChERChE
Un renard rencontre un jour un lapin fort occup avec un ordinateur portable en
bandoulire. Renard : Que fais-tu donc, lapin, avec ton ordinateur portable ?
Lapin : Jcris une thse sur la prdation des populations de renard et de loup par le
lapin. Renard, clatant de rire : Mais enfin, tout le monde sait que le renard est un
prdateur de lapin et non le contraire.
Lapin : Je sais, cest ce que tout le monde croit, mais jai dj effectu une revue de la
lit-trature prouvant le contraire. Souhaites-tu la voir ?
Renard : Je le souhaiterais, mais si cette revue de littrature nest pas crdible, tu seras
le premier en supporter, physiquement, les consquences.
Le renard et le lapin se dirigent alors vers le terrier de ce dernier et y pntrent. Vingt
minutes plus tard, le lapin ressort et, son ordinateur portable toujours en bandoulire, se
dirige vers les bois.
594
Deux heures plus tard, le lapin revient vers son terrier suivi par un loup. Arriv devant
le terrier, il scarte et laisse le loup y pntrer.
Un moment passe avant que le lapin nentre sa suite pour se diriger vers une station de
travail qui est encadre de deux amas dos ; devant chaque tas, se trouve une pancarte indi-
quant respectivement : Os de renard et Os de Loup . Aprs avoir ouvert SPSS sur son
ordinateur et entr des donnes, le lapin quitte son ordinateur et se dirige vers un impo-sant
bureau derrire lequel trne un lion. Le lapin sadresse respectueusement lui :
Cher directeur de thse, je pense que nous avons accumul assez de donnes pour
entamer les analyses statistiques qui nous permettront de tester nos hypothses.
Cette histoire, vraisemblablement aussi ancienne que le monde acadmique,

illustre en partie les trois rles principaux du directeur de recherche :
Le directeur de recherche est avant tout un guide. Il fera bnficier limptrant
chercheur de son exprience dans la dfinition de son sujet de thse, lorientera vers
des thmes de recherche sinon vierges du moins peu actifs mais nanmoins
susceptibles dtre intressants sur le long terme. Le directeur de thse est galement
un problem solver, cest lui qui aidera le chercheur identifier puis rsoudre les
diffrents problmes pistmologiques, mthodologiques voire dontologiques qui ne
manqueront pas de se poser au cours de la rdaction dun travail de doctorat. Le
directeur de thse fera alors bnficier le jeune chercheur de son exprience et laidera
dterminer, parmi les diffrentes solutions, celle qui semble tre la meilleure. Enfin,
le directeur de thse deviendra frquemment un mentor. Dans la plupart des cas, une
relation matre/disciple, au sens traditionnel de lexpression, ne manquera pas de
stablir entre ces deux personnes, unis par une communaut intellectuelle dintrts
partags. Bien souvent, la relation entame lors du travail de doctorat se poursuivra
durant la carrire acadmique du chercheur.
Le choix dun directeur est donc un acte important qui va, dans une certaine mesure,
influer sur la qualit de la thse et le dbut de carrire dun enseignant chercheur. Tout
jeune chercheur se doit donc de choisir avec la plus grande attention son futur directeur
de recherche. Plusieurs critres peuvent laider dans son choix :
La proximit intellectuelle du directeur de recherche avec la problmatique de

recherche envisage. Ce critre est prpondrant. Un directeur de recherche, quelles
que soient ses qualits acadmiques, qui ne porte que peu dintrt au domaine de
recherche envisag sera dune utilit fortement rduite. Il ne connatra pas la
littrature, ne pourra pas aider le chercheur dans la dfinition exacte de la problma-
tique, ne saura pas si cette dernire est rellement novatrice ou si elle ne fait que
reprendre des ides dj largement explores par ailleurs. De plus, ntant pas un
spcialiste de la question, il naura pu constituer un rseau de relations avec dautres
chercheurs intresss par ce domaine et ne pourra donc pas en faire bnficier son
tudiant doctoral. Enfin, la communaut intellectuelle dintrts partags, voque
prcdemment, ne pourra merger du fait de la divergence dintrt qui existe entre
le directeur de recherche et le jeune chercheur.
595
Partie 4 Diffuser
La qualit acadmique du directeur de thse (publications dans des revues, conf-

rences internationales, responsabilits ditoriales). Il est important de
considrer, dune part, lensemble des publications et communications effectues
par le direc-teur de recherche potentiel et, dautre part, le degr
dinternationalisation de ses activits acadmiques. De fait, un directeur de
recherche nayant que rarement publi dans des revues franaises et qui na
particip qu des confrences locales ne sera que de peu de secours envers un
tudiant doctoral, si celui-ci souhaite inter-nationaliser sa carrire ou effectuer un
travail doctoral conforme aux canons internationaux.
La disponibilit du directeur de thse. La rdaction dun travail de thse ncessite la
tenue de runions rgulires avec le directeur de recherche afin de faire le point sur
ltat davancement du travail, dchanger sur des ides nouvelles, didentifier des
problmes Il est donc ncessaire de sassurer de la disponibilit du directeur de
recherche potentiel. Afin de vrifier cette disponibilit, il convient tout dabord de
sassurer du nombre dtudiants inscrits en thse avec la personne envisage. Plus ce
nombre est lev, moins le directeur sera disponible pour assurer un suivi rgulier et
pertinent. Au-del du nombre dtudiants, critre objectif, des informa-tions peuvent
tre obtenues auprs de ceux qui ont t amens travailler avec lui.
Il est bien sur difficile didentifier un directeur de recherche qui corresponde
parfaitement aux trois critres, proximit, disponibilit et qualit acadmique
dvelopps cidessus. Et ce, dautant plus que ces critres sont difficilement
compatibles entre eux. Ainsi, un directeur de recherche potentiel qui est fortement
impliqu dans la vie acadmique internationale et qui publie frquemment dans les
meilleures revues sera ncessairement moins disponible, toutes choses gales par
ailleurs, pour ses tudiants. Enfin, la mesure de la qualit acadmique doit tre
module en fonction de la dure de la carrire acadmique du directeur de
recherche potentiel. On ne demandera pas le mme nombre de publications un
jeune professeur agrg qu un directeur de recherche disposant de plus de mtier.
Il convient donc chaque thsard deffectuer sa propre prquation en fonction de
sa personnalit et de son ambition. Certains tudiants auront besoin dtre aids et
soutenus rgulirement, et privilgieront ainsi la disponibilit de leur directeur de
recherche potentiel. Dautres, plus autonomes, sattacheront davantage la qualit
acadmique ou la visibilit de leur directeur de recherche.
Interrog par Le Figaro Grandes coles et Universits propos des conseils
pratiques donner un futur chercheur, Pierre-Gilles de Gennes, prix Nobel de
physique 1991, dclarait dans ldition de novembre 1997 :
Surtout, choisir un bon directeur de thse : ne pas prendre le premier qui se
prsente mais prospecter, en voyant un certain nombre de patrons. Quant au sujet,
quil soit reli un besoin national futur Certains (directeurs de recherche)
lancent des thses sur des sujets qui les intressent eux, mais dont on sait, ds le
dpart quelles nintressent aucun employeur.
596
Une fois le directeur de recherche choisi, il reste obtenir laccord. Pour faciliter
sa dcision, il est important de lui faire parvenir un projet dune dizaine de pages
qui explicite la recherche et sa problmatique. Une fois son accord obtenu, il
appartiendra au chercheur de grer au mieux ses relations avec son directeur de
recherche et de respecter ses diffrentes demandes en temps et en heures. Un
manque dimplication de la part du chercheur peut provoquer une certaine lassitude
de la part du directeur de recherche qui se tournera alors vers des chercheurs
travaillant de manire plus rgulire.
Au-del des comptences et de la personnalit du directeur de recherche, il
convient de prendre en compte la valeur du centre de recherche et de lcole
doctorale o le travail sera effectu. Le cadre de travail exercera aussi une
influence sur la qualit du premier travail de recherche. Plusieurs lments peuvent
guider le choix de la structure daccueil :
La rputation. La rputation des centres de recherches en management est
variable et la qualit des recherches qui y sont produites est souvent associe la
rputation de ces mmes centres. Bien quil nexiste pas de critres objectifs pour
mesurer la rputation dun centre de recherche, le chercheur pourra examiner les
volutions de carrire et les publications des docteurs issus des diffrents centres
de recherches potentiels.
Les aspects matriels. La prsence dun espace de travail rserv aux chercheurs,
le libre accs des ordinateurs disposant des logiciels ncessaires, la richesse de
la bibliothque, lexistence de fonds destins financer des participations des
confrences sont autant dlments qui faciliteront la rdaction du travail de
recherche et le dveloppement de rseaux.
Louverture acadmique. Certains centres de recherche organisent des sminaires
de recherche, des sminaires mthodologiques ou accueillent rgulirement des
chercheurs tant franais qutrangers. Sans tre prpondrante, cette ouverture
acadmique permettra au jeune chercheur de senrichir intellectuellement. Cette
stimulation intellectuelle aura des retombes, certes indirectes, sur la qualit des
travaux raliss.
Les diffrents critres de choix exposs ci-dessus, tant en ce qui concerne le directeur
de recherche que le centre de recherches, peuvent paratre quelque peu exigeants. Il
convient nanmoins de les replacer dans leur contexte. Un jeune chercheur qui prend la
dcision dcrire une thse sengage pour une dure moyenne de quatre annes
lissue de laquelle il se trouvera en forte concurrence avec dautres docteurs pour des
postes en nombre restreint. La qualit de la thse jouera alors un rle important dans la
facilit dentre dans la carrire tant en coles de gestion qu luniversit. Hormis les
capacits propres, il convient donc de mettre toutes les chances de son ct en
sassurant lassistance dun bon directeur de recherche et lentre dans une structure
daccueil de qualit. Pour navoir pas respect ces diffrents critres et avoir surestim
tant leur propre volont que leurs propres comptences, trop de chercheurs
abandonnent leur travail de doctorat avant
597
Partie 4 Diffuser
son achvement ou crivent une thse dont la qualit risque de les handicaper dans
lavenir.
section
2 LEs COnsORTIuMs DE REChERChE
Les consortiums de recherche runissent des chercheurs dorigine diverse autour

de thmes lis au droulement du travail de doctorat, lentre dans la vie
acadmique et la gestion dune carrire acadmique. Ils sont souvent un lieu
dchanges trs riches du fait de la diversit des problmatiques, des
mthodologies de recherche et des expriences des diffrents participants.
1 Le CEFAg (Centre dtudes et de formation approfondies en gestion)
Cr linitiative de la FNEGE, le CEFAG est un cursus post-DEA compos de cinq

sminaires rsidentiels destin offrir au futur chercheur les bases pistmologiques,
mthodologiques et pdagogiques ncessaires au dveloppement de sa carrire.
Le CEFAG entend ainsi :
contribuer la production dun flux rgulier de thses de haut niveau ;
favoriser les changes scientifiques, nationalement et internationalement ;
valoriser la recherche et le doctorat en gestion ;
La FNEGE slectionne environ 20 tudiants par an (toutes disciplines de gestion
confondues) et prend en charge leurs frais de dplacement et de sjour.
Les anciens du CEFAG ont cr les Ateliers de Thse afin de permettre aux
thsards dchanger sur leur recherche avec des chercheurs tablis.
2 LAcademy of Management
Les diffrentes divisions1 de lAcademy of Management organisent gnralement un

consortium doctoral le week-end prcdant la tenue de la confrence annuelle de
lAcademy of Management. la diffrence des consortiums organiss en France, ces
runions sont beaucoup plus spcialises dans la mesure o ne sont prsents que des
1. Du fait de la diversit et de ltendue du champ du management, lAcademy of Management a dcid de se

scinder en une vingtaine de divisions regroupant les chercheurs effectuant des recherches dans un domaine
clairement identifi. Chaque division dispose dune certaine autonomie principalement dans lacceptation des
prsentations et lorganisation de diverses manifestations dont les consortium doctoraux.
598
chercheurs et des tudiants dun domaine clairement identifi du management

(technologie et management de linnovation, comportement organisationnel,
stratgie).
Le consortium doctoral dune dure moyenne de deux jours permet lchange
dinformations entre les chercheurs prsents et les doctorants invits sur les point
suivants :
sujets de recherche actuels et futurs ;
comment effectuer une recherche ;
comment publier ;
comment enseigner diffrents niveaux et devant diffrents publics ;
comment grer sa carrire professionnelle.
Les changes sont gnralement trs informels et une fraction non ngligeable du
temps est rserve la prsentation des projets de recherche des participants.
Paralllement la tenue de consortiums doctoraux, certaines divisions de
lAcademy of Management organisent galement un Junior Faculty Consortium
. Ce consortium dune dure moyenne de deux jours est rserv aux chercheurs
venant dentrer dans la carrire acadmique. On y aborde gnralement les thmes
suivants :
obtenir sa titularisation ;
comment publier ;
comment choisir un mentor ;
La participation lun des consortium doctoraux ou lun des Junior Faculty
Consortiums de lAcademy of Management ne peut seffectuer que sur
invitation. Pour plus dinformations, le lecteur pourra consulter le site Web de
lAcademy of Management dont ladresse est prcise en section 3. Les
candidatures non nord-amricaines sont gnralement trs bien accueillies.
section
3 LEs COnFREnCEs ACADMIQuEs
1 Intrt de la participation des confrences
La participation des confrences acadmiques permet au chercheur :

de prsenter les rsultats de ses recherches et de recueillir les ractions de la com-
munaut acadmique ses travaux ;
dintgrer dans son travail final les remarques qui lui sont faites tant lors du
proces-sus dvaluation que lors de la prsentation aux pairs ;
de rester la pointe des connaissances dans son ou ses domaines de recherche en
sexposant aux travaux les plus rcents avant mme quils ne soient publis ;
599
Partie 4 Diffuser
dintgrer puis dtre un membre actif des rseaux de recherche nationaux et inter-
nationaux et dinteragir avec dautres chercheurs dans ses domaines dexpertise ;
de rencontrer les diteurs des principales revues acadmiques qui sont
gnralement prsents lors des confrences et qui organisent frquemment des
sances informelles de rencontres.
2 spcificits des confrences
Au-del de ces considrations qui peuvent sappliquer indiffremment toute

confrence ou colloque, il existe nanmoins certaines spcificits dont le chercheur
devra tenir compte avant de soumettre son travail une confrence donne. Ces
diffrences peuvent tre regroupes comme suit :
2.1 La forme de la proposition
Si certaines confrences demandent la proposition dun article de recherche classique

dau moins une vingtaine de pages (Academy of Management, European Institute for
Advanced Studies in Management, Association Internationale de Management
Stratgique), en revanche il est possible de ne soumettre quun rsum de deux
trois pages dans dautres cas (Strategic Management Society, Institute for Operations
Research and the Management Science, European Group of Organisation Studies).
Paralllement ces propositions individuelles, certaines associations acadmiques
(Academy of Management, Strategic Management Society, Institute for Operations
Research and the Management Science) acceptent, voire encouragent, une dmarche
collective qui sexprime sous la forme dun symposium : proposition groupe de quatre
ou cinq recherches traitant dun mme thme.
2.2 Le fond de la proposition
Certaines associations acadmiques nacceptent que des recherches acheves

(Academy of Management, European Institute for Advanced Studies in
Management) alors que pour dautres confrences, il est possible de soumettre
des recherches en cours (Association internationale de management stratgique)
ou des cas didactiques (Association internationale de management stratgique).
2.3 Le type de recherche
Bien quil soit trs difficile de gnraliser, il convient de signaler que certaines
associations acadmiques jugent plus favorablement les recherches utilisant une
mthodologie quantitative (Academy of Management) alors que ce nest pas le cas
600
dans dautres confrences o les dmarches qualitatives sont largement reprsentes

(Association internationale de management stratgique, Strategic Management Society,
European Group of Organisation Studies). Enfin, les modles conomtriques seront
prdominants dans dautres organisations (Institute for Operations Research and the
Management Science). Afin dviter un rejet uniquement li un positionnement
mthodologique donn, le chercheur pourra consulter les actes des diffrentes
confrences envisages o il dcouvrira rapidement lapproche mthodologique
dominante et la ou les thories de rfrence. Il pourra ainsi soumettre son projet auprs
de lorganisation qui est la plus susceptible daccepter sa proposition.
3 Caractristiques des principales associations
Les dveloppements qui suivent prsentent les caractristiques principales des

confrences acadmiques majeures dans le domaine du management.
3.1 LAOM (Academy of Management)
http://www.aom.org/
LAOM est une association dorigine nord-amricaine de chercheurs en
management. Elle compte aujourdhui plus de 10 000 membres de toute nationalit.
La confrence de lAOM est gnralement organise dbut aot aux tats-Unis ;
elle regroupe entre 4 000 et 5 000 chercheurs et tudiants doctoraux provenant du
monde entier. La proportion de recherches prsentes par des chercheurs non nord-
amricains est en constante augmentation depuis une dizaine dannes et atteint
dsormais 40 % dans certaines divisions.
La confrence se droule sur cinq jours ; le samedi et le dimanche sont gnralement
consacrs des activits de prconfrence (Doctoral consortium, Junior Faculty
Consortium, Teaching Seminar, All Academy Symposium, Distinguished Speaker) ;
sur les trois jours restants se droule la confrence proprement dite.
Chaque division tablit son propre programme en fonction des propositions soumises
directement par les auteurs. Ces propositions, dune vingtaine de pages, doivent tre
envoyes au Program Chair de la division vise dont les coordonnes postales et le-
mail sont disponibles sur le site web de lAOM. Chaque proposition est examine par
deux lecteurs et la dcision finale dacceptation ou de rejet, accompagne des
commentaires effectues par les lecteurs, est envoye courant avril.
Environ un tiers des propositions est accept pour prsentation lors de la confrence.
En revanche, tous les auteurs recevront des valuations fondes qui aideront
lamlioration de la recherche. Les deux ou trois meilleurs articles soumis chaque
division sont publis dans lAcademy of Management Proceedings, publication qui
reprend galement le rsum de chaque recherche accepte.
601
Partie 4 Diffuser
Durant sa confrence annuelle, lAcademy of Management organise galement

une bourse du travail o se rencontrent universits et professeurs du monde entier.
Une rubrique du site web de lAOM permet galement de consulter tant les offres
que les demandes demploi soumises lorganisation.
LAOM est diteur de Academy of Management Review, Academy of
Management Journal, Academy of Management Discoveries, Academy of
Management Learning and Education, Academy of Management Perspectives..
Le cot dinscription la confrence est infrieur 300 dollars US.
3.2 La sMs (strategic Management society)
http://www.strategicmanagement.net/
La SMS est une association acadmique internationale qui organise son congrs
annuel en alternance sur le continent amricain, en Asie et en Europe. La SMS
organise une confrence dite ABC (Academic, Business, Consultant) ouverte
plusieurs publics. Les chercheurs reprsentent toutefois la majorit des personnes
prsentes lors de la confrence.
La confrence se droule sur trois jours avec la prsentation denviron 400
communications. La date limite de soumission est gnralement courant mars pour
une confrence organise en septembre/octobre. Les propositions se prsentent
sous la forme dun rsum de deux trois pages rsumant la recherche effectue,
ou sous la forme dun symposium semblable ceux dcrits dans le point 2.1. Les
propositions sont values par un comit denviron quinze chercheurs qui dcident
de lacceptation de la communication sur la base du rsum qui leur est soumis.
Environ 50 % des propositions sont acceptes pour prsentation. La dcision finale
est notifie courant juin.
lissue de la confrence, la SMS publie un livre partir des meilleures
communications effectues (John Wiley and Sons, Collection SMS). Cet ouvrage,
gnralement codit par Howard Thomas et lorganisateur de la confrence,
comprend une vingtaine de recherches.
La SMS est lditeur de Strategic Management Journal , Strategic
Entrepreneurship Journal et Global Strategy Journal.
Le cot dinscription la confrence est denviron 1 000 dollars US.
3.3 InFORMs (Institute for Operations Research and the

Management science)
http://www.informs.org/
Informs rsulte dune fusion ralise en 1995 entre Operations Research Society
of America (ORSA) et The Institute of Management Sciences (TIMS). Informs est
602
principalement une confrence de recherche oprationnelle, de statistiques et

dinformatique. Nanmoins, bon nombre de sections sont consacres lun des
domaines du management. Informs permet ainsi de rencontrer et dchanger avec
un public acadmique dorigine trs diverse.
Contrairement dautres confrences, Informs prsente la particularit daccepter
lintgralit des propositions de prsentation qui lui sont soumises sous la forme
dun rsum. Le but recherch par cette dmarche est doffrir un auditoire toute
recherche, quelle que soit sa mthodologie ou sa problmatique. Les organisateurs
doivent souvent faire preuve dune grande crativit pour trouver un titre
certaines sessions qui relvent de lauberge espagnole par la diversit des thmes
traits et des approches utilises. Afin dassurer une plus grande homognit des
prsentations dans un mme section, Informs a dcid rcemment daccepter des
soumissions qui lui sont faites sous forme de symposiums.
Informs est diteur de Management Science et Organization Science.
Le cot dinscription la confrence est denviron 500 dollars US.
3.4 EgOs (European group of Organisation studies)
http://www.egosnet.org/
EGOS sest cr en 1973 sous la forme dun rseau informel de chercheurs. Elle
est rapidement devenue la principale association europenne de chercheurs dans le
domaine de lorganisation. EGOS sest constitu formellement en association en
1997. Bien que dessence europenne, EGOS compte parmi ses membres une forte
proportion de chercheurs du monde entier.
EGOS organise sa confrence annuelle dbut juillet en Europe. La procdure de
slection est base sur lvaluation de rsums envoys dbut fvrier aux
responsables des diffrents thmes de recherche envisags. En cas dacceptation,
lauteur a lobligation dadresser une copie de sa communication chacun des
chercheurs dont la communication a t accepte pour un thme de recherche
donn. Lors de la confrence, les diffrents chercheurs sont regroups en ateliers

dune trentaine de personnes en fonction du thme de recherche. Les chercheurs
sont alors fortement incits participer lensemble des prsentations de leur
atelier de manire dvelopper au fil de la confrence un rfrentiel commun.
EGOS organise galement des consortiums doctoraux semblables ceux de
lAcademy of Management lors de sa confrence annuelle.
EGOS est diteur dOrganisation Studies.
Le cot dinscription la confrence est denviron 400 euros.
603
Partie 4 Diffuser
3.5 EIAsM (European Institute for Advanced studies in Management)
http://www.eiasm.org
LEIASM est une institution europenne qui organise annuellement ou
bisannuellement des colloques et sminaires dans lensemble des domaines des
sciences de gestion. Chaque manifestation runit entre trente et cent professeurs
chercheurs dun domaine donn. LEIASM permet ainsi la participation des
confrences taille humaine qui sont plus susceptibles de favoriser des
changes personnaliss et permettre ainsi la cration dun rseau pour le chercheur.
Il convient de noter que lEIASM organise gnralement ses colloques en
collaboration avec dautres associations acadmiques ou avec des universits tant
europennes que non-europennes. Lassistance aux colloques et sminaires de
lEIASM ne se limite donc pas aux chercheurs europens.
Dans la majorit des manifestations de lEIASM, les recherches acceptes sont
publies sous forme dactes.
Le cot de linscription est trs variable dune manifestation lautre. En
moyenne, il stablit environ 300 euros.
LEIASM abrite galement les activits de lEURAM (European Association of
Management), organisation rcente qui adopte un positionnement acadmique
proche de celui de lAOM.
3.6 LAIMs (Association internationale de management stratgique)
http://www.strategie-aims.com
LAIMS est une organisation francophone rcente (cration en 1991) qui
regroupe des chercheurs en management. Elle organise une confrence annuelle
(gnralement en juin) et anime un forum de discussions sur internet. LAIMS
accepte environ 80 % des propositions qui lui sont faites sous forme de recherches
en cours, de recherches acheves ou de cas didactiques. Assister une confrence
de lAIMS permet de rencontrer et dchanger avec la quasi-totalit de la
communaut francophone de recherches en management. Toutes les
communications acceptes figurent dans les actes du colloque de lAIMS publis
sous forme de CD-Rom. lissue de la confrence, lAIMS publie galement un
volume des meilleures recherches prsentes (conomica, collection Perspectives
en management stratgique).
Le cot de linscription est denviron 300 euros.
3.7 Lcole de Paris du management
http://www.ecole.org
604
Lcole de Paris nest pas une organisation acadmique classique. La volont de

ses crateurs est de fonder un lieu de rencontres et dchanges entre le monde
acadmique et le monde de lentreprise. Lcole de Paris organise diffrents
sminaires mensuels ou bimestriels (vie des affaires, gestion des ressources
technologiques, vies collectives, fonctionnaires) au cours desquels elle invite des
praticiens, des consultants ou des professeurs chercheurs exposer leurs
tmoignages et leurs rflexions puis en dbattre avec lassistance. Chaque
runion donne lieu un compte-rendu largement diffus. Lintgralit des
comptes-rendus dune anne est publi dans les Annales de lcole de Paris.
Lcole de Paris est diteur du Journal de lcole de Paris.
Paralllement ces grandes confrences, de nombreuses universits ou
groupes informels de chercheurs organisent rgulirement des colloques autour
dun sujet clairement identifi et dfini. Ces colloques runissent, pour une dure
variable, des chercheurs autour dune problmatique commune. Les appels
contribution sont alors plus confidentiels et relvent plus de linvitation
nominative que dune diffusion gnrale. Laccs cette information est facilit
par une participation antrieure aux grandes confrences ou par des publications
qui permettent au chercheur dtre identifi par un des membres de ces rseaux
informels comme un ajout ou un apport potentiel. Ces colloques spcialiss
permettent alors de rencontrer et dchanger avec des chercheurs qui ont travaill
et/ou travaillent encore sur des problmatiques trs proches.
section
4 LEs LIEns AVEC LE MOnDE nOn ACADMIQuE
En 1991, Fortune publiait un article de trois pages sur lidiot de troisime
gnration . Sous cette expression quelque peu provocatrice, le journal amricain
dsignait un tudiant en MBA de 28 ans qui tudiait sous la responsabilit dun
professeur assistant de trente ans, lui-mme sous la coordination dun professeur

associ de trente-cinq ans. Aucun des trois nayant jamais, ou pour trs peu de
temps, travaill hors du monde acadmique. Au-del de son aspect purement
provocateur, cette expression recouvre un problme beaucoup plus profond.
Comment peut-on enseigner la gestion dentreprise, et a fortiori effectuer des
recherches ayant un impact hors du microcosme acadmique, lorsque lon na aucune
exprience de la vie en organisation ? Comment peut-on relier des thories, des
concepts, des abstractions des problmes rels dorganisation sans avoir soi-mme
des relations, quelle quen soit la forme et la nature, hors du monde acadmique ?
Chaque chercheur devra sefforcer de trouver sa propre rponse ce problme et
construire un rseau qui lui permette simultanment de maintenir des liens
605
Partie 4 Diffuser
acadmiques forts avec son domaine dexpertise et des retours frquents sur le
terrain afin de garder le contact avec le monde de lentreprise. Il se devra de
dterminer sa propre prquation et sa propre pondration entre les diffrents
modes de contact avec le monde de lorganisation possible :
Lalternance en entreprise. Cest certainement le mode dchanges le plus riche
puisque le professeur travaille temps plein dans une entreprise sur une dure suf-
fisamment longue pour y tre parfaitement intgr. Certains professeurs utilisent leur
anne sabbatique ou un cong sans solde pour raliser cette exprience.
Le conseil. Engag dans une activit de conseil, le chercheur sefforcera de
rsoudre un problme particulier qui lui aura t pralablement soumis par
lorganisation. Il naura nanmoins pas une vision globale des problmes et des
attentes de lorgani-sation pour qui il travaille et restera peu, voire pas impliqu,
dans son fonctionnement au jour le jour.
La recherche sur le terrain. Base sur lobservation, lentretien ou lanalyse histo-
rique, une recherche sur le terrain obligera le chercheur sortir de son cocon
acad-mique et pourra le mettre face des problmes rels dorganisation. Le
risque est que le chercheur possde des notions prconues sur la nature du
phnomne tudi et quil impose ses conceptualisations, ralises a priori, la
ralit de son tude et de sa collecte de donnes.
La formation permanente. Confront un public de cadres-dirigeants, le
chercheur recevra ncessairement un retour des plus intressants concernant les
diffrentes thories et concepts quil utilise durant son intervention de formation.
dfaut de sengager dans lun, ou dans un panachage de plusieurs de ces modes de
contact avec le monde de lorganisation, un chercheur en management stratgique
senfermera rapidement dans une tour divoire. Ds lors, les recherches effectues
nauront que rarement un impact hors du monde acadmique, et le professeur-
chercheur se trouvera dans une situation trs difficile, du fait de sa mconnaissance du
monde de lentreprise, sil est amen quitter la carrire acadmique.
Les diffrentes dveloppements ci-dessus peuvent galement tre relis aux
anecdotes suivantes que sous une forme ou une autre, tout professeur-chercheur a
connu un jour ou lautre dans sa vie sociale :
Quest-ce que tu fais dans la vie ?
Enseignant-chercheur en gestion ?
Ah bon ! Quest-ce quon peut bien chercher en gestion ?
ou encore :
Quest-ce que tu fais dans la vie ?
Enseignant-chercheur en gestion.
Ca veut dire quoi ?
Deux volets : enseignement luniversit et je termine une thse de doctorat.
606
Ah oui, alors tu es tudiant.

Oui et non car jexerce dj mon mtier.
Ah bon, mais aprs quest-ce que tu vas faire ?
Pareil.
Oui, mais non, aprs, en entreprise ?
Non, pas en entreprise, je compte rester dans luniversit.
Ah oui ! ternel tudiant !
Non. Je suis pay, cest un mtier.
Quoi ! Mais cest une planque : tre tudiant et tre rmunr.
la lecture des dialogues ci-dessus, le professeur-chercheur pourra ragir de
deux manires diffrentes :
Il pourra considrer ces remarques comme le fait de botiens qui ne comprennent
rien rien et qui sont incapables dapprhender les difficults et les subtilits de
la vie dun professeur-chercheur. Cette attitude ne pourra que renforcer lopacit
de la tour divoire acadmique dans laquelle tout professeur-chercheur peut
senfer-mer. Il considrera alors que les malheureux cadres ont le nez dans le
guidon et sont incapables datteindre et de comprendre les niveaux
dabstraction et de rflexion qui sont les siens.
Il peut sinterroger sur lutilit sociale de son mtier et sur la reprsentation que peut
en avoir le quidam. Pour ce dernier, recherches, mthodologie, pistmologie, tho-
rie sont des concepts sotriques qui ne peuvent en rien laider dans les difficults et
les problmes quil rencontre tous les jours dans sa vie professionnelle. Prenant la
place du quidam, le professeur-chercheur sapercevra alors que seules des recherches
pertinentes tant pour le monde acadmique que pour le monde non acadmique lui
permettront de justifier de son utilit sociale . Ces recherches pertinentes ne
peuvent tre que le fruit dune connaissance relle de la vie des organisations, do la
ncessit pour le chercheur de dvelopper des modes de contact frquents et fruc-
tueux avec lenvironnement non acadmique.
Il ne sagit pas dans cette section dtablir une opposition entre recherche sur le
terrain, en contact direct avec le monde non acadmique, et recherche thorique,
qui ne serait ralise que dans et pour le monde acadmique.
Une grande proximit avec le monde des organisations nest pas ncessairement
la condition dune recherche, ou dune carrire de chercheur, russie . Cette
proximit peut, dans certains cas, constituer un obstacle une rflexion critique ou
conceptuelle en biaisant la perception du chercheur. A contrario, un travail
thorique peut trs bien constituer la source dapplications ou de rflexions trs
riche pour le monde des organisations.
Ainsi, tout professeur-chercheur se doit de mesurer son utilit sociale par
rapport deux rfrentiels distincts. Le premier est un rfrentiel acadmique o
607
Partie 4 Diffuser
lutilit se mesure par rapport la valeur des enseignements dlivrs et la

qualit acadmique des publications et autres travaux de recherche. Le deuxime
est un rfrentiel non acadmique o lutilit se mesure par rapport la
pertinence pour le monde de lentreprise, ou plus gnralement par rapport la vie
des organisations, des enseignements dlivrs et des recherches effectues. Il
appartient chaque professeur-chercheur en management de trouver son propre
quilibre entre ces deux rfrentiels.

Gmelch W.H., Coping With Faculty Stress, Newbury Park, CA, Sage, 1993.
Metzger R.O., Developing a Consulting Practice, Newbury Park, CA, Sage, 1993
Rudestan K.E., Newton R.R., Surviving Your Dissertation, Newbury Park, CA,
Sage, 1992.
608
Bibliographie
Aaker D.A., Bagozzi R.P., Unobservable Aggarwal V. A., Siggelkow N., Singh H.,
Variables in Structural Equation Model Governing Collaborative Activity:
With an Application in Industrial Selling , Interdependence and the Impact of
Journal of Marketing Research, vol. 16, Coordination and Exploration , Strategic
1979, pp. 147-158. Management Journal, vol. 32, 2011, pp.
Abbott A., A Primer on Sequence 705730.
Methods , Organization Science, vol. 1, Aggeri F., Labatut J., La gestion au
1990, pp. 375-392. prisme de ses instruments. Une analyse
Abrahamson E., Rosenkopf L., Social gnalogique des approches thoriques
Network Effects on the Extent of fondes sur les instruments de gestion ,
Innovation Diffusion: A Computer Finance Contrle Stratgie, vol. 13,
Simulation , Organization Science, vol. 2010, pp. 5-37.
8, 1997, pp. 289-309. Ahuja G., Polidoro JR F., Mitchell W.,
Ackroyd S., The Quality of Qualitative Structural homophily or social asymme-
Methods: Qualitative or Quality try? The formation of alliances by poorly
Methodology for Organization Studies , embedded firms, Strategic Management
Organization, vol. 3, 1996, pp. 439-451. Journal, vol. 30, 2009, pp. 941-958.
Adler P., Forbes L., Willmott H., Allard-Poesi F., Representations and
Critical Management Studies , in Influence Processes in Groups: Towards a
Walsh J., Brief A. (Eds), Academy of Socio-Cognitive Perspective on
Management Annals 1, Lawrence Cognition in Organization ,
Erlbaum, 2008, pp. 119-180. Scandinavian Journal of Management,
Adlfinger A.C., Sequential Sampling vol. 14, 1998, pp. 395-420.
Technique Reduces the Fixed-Size Allard-Poesi F., The Paradox of
Sampling Number and Corresponding Sensemaking in Organizational Analysis
Labor , Industrial Engineering, vol. 13, , Organization, vol. 12, 2005, pp. 169-
1981, pp. 74-80. 196.
Allard-Poesi F., Hollet-Haudebert S., La Amabile T.M., Barsade S. G., Mueller J. S.,
construction du sujet souffrant au travers Staw B. M., Affect and Creativity at
des instruments scientifiques de mesure , Work, Administrative Science
@grh, n 5, 2012 , pp. 45-74. Quarterly, vol. 50, 2005, pp. 367-403.
Allard-Poesi F., Perret V., Peut-on faire American Psychological Association,
comme si le postmodernisme nexis-tait Publication Manual of the American
pas ? , in Mourgues, N. et al. (dir.), Psychological Association, 6e d.,
Questions de mthodes en sciences de Washington, DC, APA, 2009.
gestion , EMS, 2002, chapitre 10, pp. Amit R., Schoemaker J.H., Strategic
255-291. Assets and Organizational Rent ,
Allard-Poesi F., Perret V., La recherche- Strategic Management Journal, vol. 14,
action , in Giordano Y. (d.), 1993, pp. 33-46.
Conduire un projet de recherche : une Anderson P.F., Marketing, Scientific
perspective qualitative, Caen, EMS, Progress and Scientific Method , Journal
2003, pp. 245-290. of Marketing, automne, 1983, pp. 18-31.
Allard-Poesi F., Perret V., La recherche Angermller J., Lanalyse du discours en
action, e-thque, coll. Mthodes quanti- Europe , In Bonnafous S., Temmar M.
tatives et qualitatives , http://www.numi- (Eds.), Analyse du discours et sciences
log.com/, 2004. humaines et sociales, Paris : Ophrys.,
Allard-Poesi F., Perret V., La construc- 2007, pp. 9-22.
tion collective du problme dans la Angu K., Mayhofer U., Cooprations
recherche-action : difficults, ressorts et internationales en R&D: les effets de la
enjeux , Finance Contrle Stratgie, vol. distance sur le choix du pays des parte-
7, 2004, pp. 5-36. naires , M@n@gement, vol. 13, 2010,
Allison G.T., Essence of Decision: pp. 2-37.
Explaining the Cuban Missile Crisis, Anteby, M., Relaxing the Taboo on Telling
Boston, Little Brown and Co., 1971. Our Own Stories: Upholding Professional
Almandoz J., Arriving at the Starting Line: Distance and Personal Involvement,
The Impact of Community and Financial Organization Science, vol. 24, 2013, pp.
Logics on New Banking Ventures, 1277-1290.
Academy of Management Journal, vol. Antonakis J., Bendahan S., Jacquart P.,
55, 2012, pp. 1381-1406. Lalive R, On making causal claims: A
Alvesson M., Krreman D., Taking the review and recommendations , The
Linguistic Turn in Organizational Leadership Quarterly, vol. 21, 2010, pp.
Research: Challenges, Responses, 1086-1120.
Consequences, The Journal of Applied Arbuckle J.L., AMOS Users Guide:
Behavioral Science, vol. 36, 2000, pp. Version 3.6, Chicago, SPSS, 1997.
136-158. Archer M., Bhaskar R., Collier A., Lawson
Alvesson M., Sandberg J. O., Generating T., Norrie A. (eds), Critical Realism/
Research Questions through Problema- Essential Readings, Londres : Routledge,
tization, Academy of Management 1998.
Review, vol. 36, 2011, pp. 247-271. Argyris C., Putnam R., MacClain Smith D.,
Alvesson M., Skldberg M., Reflexive Action Science: Concepts, Methods and
Methodology. New Vistas for Qualitative Skills for Research and Intervention, San
Research, London, Sage, 2e d., 2009. Francisco, Jossey-Bass, 1985.
610
Bibliographie
Asparouhov T., Muthn B., Exploratory Your Business , Sloan Management

structural equation modeling, Structural Review, summer, 1997, pp. 11-19.
Equation Modeling, vol. 16, 2009, pp. Bala P., Ciuccarelli P., Collina L., De
397-438. Leeuw B., Jgou F. Luiten H., Manzini
Atkinson P., Hammersley M., E., Marras I., MeroniA.,Strandbakken P.,
Ethnography and Participant Vadovics E., Creative communities :
Observation , in Denzin N.K., Lincoln People inventing sustainable ways of liv-
Y.S. (eds.), Handbook of Qualitative ing, Edited by Anna Meroni, (2007).
Research, Thousand Oaks, CA, Sage, http://www.academia.edu/877752/
1994, pp. 248-261. Creative_Communities._People_inven-
Austin, J. L., How to do things with words, ting_sustainable_ways_of_living
London: Penguin, 1963. Balkundi P., Kilduff M., Barsness Z.I.,
Avenier M.-J., M.-L. Gavard-Perret, Michael J.H., Demographic anteced-ents
Inscrire son projet de recherche dans un and performance consequences of
cadre pistmologique , in M.-L. structural holes in work teams, Journal
Gavard-Perret, D. Gotteland, C. Haon, A. of Organizational Behavior, vol. 28,
Jolibert (d.), Mthodologie de la 2007, pp. 241-260.
recherche en sciences de gestion, Russir Balogun J., Huff A.S., Johnson P., Three
son mmoire ou sa thse, 2e d., Responses to the Methodological
Montreuil : Pearson, pp. 12-62, 2012. Challenges of Studying Strategizing ,
Axelrod R., The Complexity of Journal of Management Studies, vol. 40,
Cooperation : Agent-Based Models of 2003, pp. 197-224.
Competition and Collaboration, Princeton Balogun J., Johnson G., Organizational
University Press, Princeton, NJ, 1997. Restructuring and Middle Manager
Axtell R., Axelrod R., Epstein J.M., Cohen Sensemaking , Academy of Management
M.D., Aligning Simulation Models: A Journal, vol. 47, 2004, pp. 523-549.
Case Study and Results , Bamberger P.A., Pratt M.G. Moving
Computational and Mathematical Orga- forward by looking back: reclaiming
nization Theory, vol. 1, 1996, pp. 123- unconventional research contexts and
141. samples in organizational scholarship,
Ayache M., La construction de la relation Academy of Management Journal, vol.
managriale : la manager face son sup- 53, 2010, pp. 665-671.
rieur , thse de doctorat en sciences de Barbier J-M., Le vocabulaire des rapports

gestion, Universit Paris-Ouest Nanterre, entre sujets et activits , in Avenier M.-
2013. J., Schmitt C. (dir.), La construction de
Bachelard G., La Formation de lesprit savoirs pour laction, Paris :
scientifique, contribution une psychana- LHarmattan, 2007, chapitre 2, pp. 49-67.
lyse de la connaissance objective, Paris, Bardin L., LAnalyse de contenu, Paris,
J. Vrin, 1968. PUF, 1977, 2001, 2007, 2013.
Baillargeon G., Rainville J., Statistique Barley S.R., Images of Imaging: Notes on
applique, tome 2, Trois-Rivires, Les Doing Longitudinal Field Work ,
ditions SMG, 6e dition, 1978. Organization Science, vol. 1, 1990, pp.
Bailyn L., Fletcher J.K., Kolb D., 220-266.
Unexpected Connections: Considering Barney J.B., Hoskisson R.E., Strategic
Employees Personal Lives Can Revitalize Groups: Untested Assertions and Research
611
Proposals , Managerial and Decision Citation Distributions, M@n@gement,

Economics, vol. 11, 1990, pp. 187-198. vol. 16, 2013, pp. 697-706.
Bartel C. A., Garud R., The Role of Baumann O., Siggelkow N., Dealing with
Narratives in Sustaining Organizational complexity: Integrated vs. Chunky search
Innovation , Organization Science, vol. processes, Organization Science, vol.
20, 2009, pp. 107-117. 24, 2013, pp. 116-132.
Bartlett C.A., Ghoshal S., Managing Across Bearden W.O., Netmeyer R.G., Mobley
Borders, Boston, Harvard Business M.F., Handbook of Marketing Scales,
School Press, 1989. Thousand Oaks, Sage, 2001, 3e d., 2011.
Bartunek J.M., Changing interpretive Becker H., Les ficelles du mtier. Comment
schemes and organizational restructuring: conduire sa recherche en sciences
The example of a religious order, sociales, La Dcouverte, 2002.
Administrative Science Quarterly, 1984, Bentler P.M., EQS: Structural Equation
355-372. Manual, Los Angeles, BMDP Statistical
Bartunek J.M., Bobko P., Venkatraman N. Software, 1989.
(guest co-editors), Introduction : Bentler P.M., Chou C.P., Practical
Toward Innovation and Diversity , in Issues in Structural Modeling ,
Management Research Methods , Sociological Methods and Research, vol.
Academy of Management Journal, vol. 16, 1987, pp. 78-117.
36, 1993, pp. 1362-1373. Benzcri J.-P., LAnalyse des donnes.
Baruch Y., Holtom B.C. Survey response Tome 1 : La Taxinomie. Tome 2 :
rate levels and trends in organizational LAnalyse des correspondances, Paris,
research, Human Relations, vol. 61, Dunod, 3e d., 1980.
2008, pp. 1139-1160. Berger P., Luckmann T., La construction
Bascle G., Controlling for endogeneity sociale de la ralit, 2e d., Paris :
with instrumental variables in strategic Mridiens Klincksieck, 1996. Traduit de :
management research , Strategic The Social Construction of Reality, New
Organization, vol. 6, 2008, pp. 285-327. York: Doubleday, 1966.
Bass B.M., Stogdill R.M., Bass & Stogdills Berger-Douce S., Durieux F., Le rai-
Handbook of Leadership, New York, sonnement par analogie et par mtaphore
Simon & Schuster Adult Publishing en sciences de gestion , in N. Mourgues
Group, 1990. et al. (eds), Questions de mthodes en
Bateman T.S., Zeithaml C., The Sciences de Gestion, EMS, 2002.
Psychological Context of Strategic Berry M., Une technologie invisible ?
Decisions : A Model and Convergent Limpact des instruments de gestion sur
Experimental Findings , Strategic lvolution des systmes humains ,
Management Journal, vol. 10, 1989, pp. Cahier de recherche de lcole
59-74. Polytechnique, n 1113, 1983.
Baum J. R., Wally S., Strategic decision Berthelot J-M., Lintelligence du social : le
speed and firm performance, Strategic pluralisme explicatif en sociologie, Paris
Management Journal, vol. 24, 2003, pp. : PUF, 1990.
1107-1129. Berthelot J.-M. (dir.), pistmologie des
Baum J. A. C., The Excess-Tail Ratio: sciences sociales, Paris, PUF, 2001.
Correcting Journal Impact Factors for
612
Bibliographie
Berthelot J-M., Lemprise du vrai. Bolton G.E., Ockenfels A., Thonemann

Connaissance scientifique et modernit, U.W., Managers and students as news-
Paris: PUF, 2008. vendors, Management Science, vol. 58,
Bhaskar R., A Realist Theory of Science, 2012, pp. 2225-2233.
London : Leeds Books, 1978. Bonneuil C., Joly P-B., Sciences, tech-
Bhaskar R., Philosophy and Scientific niques et socit, Paris : La Dcouverte,
Realism, in M. Archer, R. Bhaskar, A. coll. Repres , 2013.
Collier, T. Lawson, A. Norrie (eds), Bono J. E., McNamara G., Publishing in
Critical Realism: Essential Readings, AMJ. Part 2: Research Design, Academy
London: Routledge, 1998, pp.16-47. of Management Journal, vol. 54, 2011,
Bidwell M., Paying More to Get Less: The pp. 657-660.
Effects of External Hiring versus Internal Borgatti S.P., Mehra A., Brass D.J.,
Mobility, Administrative Science Labianca G., Network Analysis in the
Quarterly, vol. 56, 2011, pp. 369-407. Social Sciences, Science, vol. 323, 2009,
Bitektine A., Prospective Case Study Design: pp. 892-895.
Qualitative Method for Deductive Theory Bouchard T.-J., Field Research Methods :
Testing, Organizational Research Interviewing, Questionnaires, Participant
Methods, vol. 11, 2008, pp. 160-180. Observation, Systematic Observation,
Black J., Champion D., Methods and Issues Unobstrusive Measures , in Marvin D.,
in Social Research, New York, John Dunette M.D. (ed.), Handbook of Industrial
Wiley & Sons Inc., 1976. and Organizational Psychology, Chicago,
Blanc A., Huault I. , Against the digital Rand McNally College Publishing Co.,
revolution? Institutional maintenance and 1976, pp. 363-413.
artefacts within the French recorded music Bourdieu P., Choses dites, Paris : Ed. de
industry , Technological Forecasting and Minuit, 1987.
Social Change, doi: http://dx.doi. Bourdieu P., Mditations pascaliennes,
org/10.1016/j.techfore.2013.03.009. Paris, Seuil, 1997.
Blaug M., Des ides reues aux ides de Bourdieu P., Passeron C., Les Hritiers, les
Popper , in La Mthodologie cono- tudiants et la culture, Paris, Minuit,
mique, Economica, Paris, 1982, pp. 4-25. 1964.
Boice, R. Increasing the Writing Boursin J.-L., Duru G., Statistique, Paris,
Productivity of Blocked Academicians, Vuibert, 1995.
Behaviour Research & Therapy, vol. 20, Bovasso G., A Structural Analysis of the
1982, pp. 197-207. Formation of a Network Organization ,
Boje D. M., Stories of the Storytelling Group & Organization Management, vol.
Organization: A Postmodern Analysis of 17, 1992, pp. 115-135.
Disney as Tamara-land, Academy of Boxenbaum E., Battilana J., Importation as
Management Journal, vol. 38, 1995, pp. innovation: transposing managerial
997-1035. practices across fields, Strategic
Boland B.J., Pondy L.R., The Micro- Organization, vol. 3, 2005, pp. 355-383.
Dynamics of Budget-Cutting Process: Boyd B., Corporate Linkages and
Modes, Models and Structure , Organizational Environment: a Test of
Accounting, Organizations and Society, the Resource Dependence Model ,
vol. 11, 1986, pp. 402-422. Strategic Management Journal, vol. 11,
1990, pp. 419-430.
613
Boyd B. K., Gove S., Hitt M. A., Bruner et al., Marketing Scale Handbook,
Construct measurement in strategic American Marketing Association, 2013,
management research: illusion or 2005, 2001, 1998, 1994.
reality?, Strategic Management Journal, Bryman A., The Debate about Quantitative
vol. 26, 2005, pp. 239-257. and Qualitative Research , in Bryman A.,
Brabazon A., ONeill M., Biologically Burgess R.G. (eds.), Qualitative Research,
Inspired Algorithms for Financial volume I, Fundamental Issues in
Modelling, Springer, Berlin, 2006. Qualitative Research, Thousand Oaks, CA,
Brabet J., Faut-il encore parler dap- Sage, 1999, pp. 35-69.
proche qualitative et dapproche quantita- Bryman A., Integrating Quantitative and
tive ? , Recherches et Applications en Qualitative Research: How is it Done?,
Marketing, vol. III, 1988, pp. 75-89. Qualitative Research, vol. 6, 2006, pp.
Brass D. J., Galaskiewicz J., Greve H.R., 97-113.
Tsai W., Taking Stock Of Networks And Bunge M., Scientific Research, Berlin,
Organizations: A Multilevel Perspective, Springer-Verlag, 1967.
Academy of Management Journal, vol. Burgelman R., Fading Memories: a
47, 2004, pp. 795-817. Process Theory of Strategic Business
Brewer D.D., Rinaldi G., Mogoutov A., Exit in Dynamic Environments ,
Valente T.W., A Quantitative Review of Administrative Science Quartely, vol. 39,
Associative Patterns in the Recall of 1994, pp. 24-56.
Persons, Paper presented at the 20th Burrell G., Morgan G., Sociological
International Sunbelt Social Network Paradigms and Organizational Analysis,
Conference, Vancouver, 2000. London, Heinemann, 1979.
Bromley P. Hwang H. Powell WW., Burt R.S., Structural holes: the social
Decoupling revisited: Common pres- structure of competition. Cambridge:
sures, divergent strategies in the US non- Harvard University Press, 1992.
profit sector , M@n@gement, vol. 15, Burt R.S. A Note on Social Capital and
2013, pp. 468-501. Network Content , Social Networks, vol.
Brown S.L., Eisenhardt K.M., The Art of 19, 1997, pp. 355-373.
Continuous Change: Linking Complexity Burt R.S., Structural holes and good
Theory and Time-Paced Evolution in ideas, American Journal of Sociology,
Relentlessly Shifting Organizations , vol. 110, 2004, pp. 349-399.
Administrative Science Quarterly, vol. Burton R. M., Obel B., A computer
42, 1997, pp. 1-34. simulation test of the M-form hypothe-sis
Brown W., Some Experimental Results in , Administrative Science Quarterly, vol.
the Correlation of Mental Abilities , 25, 1980, pp. 457-466.
Bristish Journal of Psychology, vol. 3, Butler J., Gender trouble: Feminism and
1910, pp. 296-322. the subversion of identity, Routledge,
Bruderer E., Singh J.V., Organizational New York, 1990, rdition : 1999. Trad.
Evolution, Learning, and Selection: A fran-aise : Trouble dans le genre, le
Genetic-Algorithm-Based Model , fminisme et la subversion de lidentit,
Academy of Management Journal, vol. La Dcouverte/Poche, Paris, 2000, 2005.
39, 1996, pp. 1322-1349. Butler, J., Excitable speech: A politics of
the performative, Routledge, New York,
1996. Trad. franaise : Le pouvoir des
614
Bibliographie
mots, discours de haine et politique du Structure and Selection, New York :

performatif, Editions Amsterdam, Paris, Oxford University Press, 1995, pp. 3-16.
2004. Caroll L., La Logique sans peine, rassem-
Callon M., Latour B., La Science telle quelle blement de textes tirs de Symbolic Logic
se fait, Paris, La Dcouverte, 1991. (1896) et de Fallacies (1894), Paris,
Camerer C., Redirecting Research in Hermann, 1992.
Business Policy and Strategy , Strategic Cartier M., An Agent-based Model of
Management Journal, vol. 6, 1985, pp. 1- Innovation mergence in Organizations:
15. Renault and Ford through the Lens of
Campbell D.T., Fiske D.W., Convergent Evolutionism , Computational and
and Discriminent Validitation by the Mathematical Organization Theory, vol.
Multitrait-Multimethod Matrix , 10, 2004, pp. 147-153.
Psychological Bulletin, vol. 56, 1959, pp. Cartier M., Simulation de la dynamique de
81-105. ladaptation dindustries, Vuibert, 2005.
Campbell D.T., Stanley J.C., Experimental Cartier M., Alliances et diversit dans
and Quasi Experimental Designs for lindustrie photographique , Revue
Research, Chicago, Rand McNally Franaise de Gestion, vol. 32, 2006, pp.
College Publishing Company, 1966. 181-196.
Campion M.A., Rules for References: Cashen L.H., Geiger S.W. Statistical
Suggested Guidelines for Choosing power and the testing of null hypotheses:
Literary Citations for Research Articles in a review of contemporary management
Applied Psychology , Personnel research and recommendations for future
Psychology, vol. 50, 1997, pp. 165-167. studies, Organizational Research
Carley K.M., Validating Computational Methods, vol. 7, 2004, pp. 151-167.
Models , Working Paper: Social and Cattani G., Ferriani S., A Core/ Periphery
Decision Sciences, Carnegie Mellon Perspective on Individual Creative
University, Pittsburg, PA, 1996. Performance: Social Networks and
Carley K.M., Svoboda D., Modeling Cinematic Achievements in the
Organizational Adaptation as a Simulated Hollywood Film Industry, Organization
Annealing Process , Sociological Science, vol. 19, 2008, pp. 824-844.
Methods and Research vol. 25, 1996, pp. Centolla D., Willer R., Macy M., The
138-168. Emperors Dilemma: A computational
Carmines E., Zeller R., Reliability and Model of Self-Enforcing Norms ,

Validity Assessment, London, Sage, 1990. American Journal of Sociology, vol. 110,
Carnap R., Statistical and Inductive 2005, pp. 1009-1040.
Probability , in Madden E.H. (ed.), The Ceresta, Aide-mmoire pratique des
Structure of Scientific Thought, Boston, techniques statistiques , Revue de statis-
Houghton Mifflin Company, 1960. tique applique, vol. XXXIV, numro
Carnap R., Logical Foundations of spcial, 1986.
Probability, Chicago, University of Cha S.E., Edmondson A.C., When values
Chicago Press, 1962. backfire: Leadership, attribution, and dis-
Carroll G. R., Hannan M. T., Focus on enchantment in values-driven organiza-
Industry: The Organizational Lens , in tion , The Leadership Quarterly, vol. 17,
Carroll G. R. et Hannan M. T. (Eds), 2006, pp. 57-78.
Organizations in Industry: Strategy,
615
Chakavarthy B., Doz Y., Strategy Process Regressions , Econometrica, vol. 28,
Research: Focusing on Corporate Self- 1960, pp. 591-605.
Renewal , Strategic Management Churchill G.A., Iacobucci D., Marketing
Journal, vol. 13, 1992, pp. 5-14. Research : Methological Foundations,
Chalmers A. F., Quest-ce que la science ?, Mason, OH, South Western, Cengage
Paris, La Dcouverte, 1987. Traduit de : Learning, 10th edition, 2009.
What is This Thing Called Science ? An Clarke J., Revitalizing Entrepreneurship:
Assessment of the Nature and Status of How Visual Symbols are Used in
Science and its Methods, St Lucia, Entrepreneurial Performances , Journal
University of Queensland Press, 1976. of Management Studies, vol. 48, 2011,
Chanal V., Lesca H., Martinet A.-C., Vers pp. 1365-1391.
une ingnierie de la recherche en sciences Claveau N., Tannery F., La recherche
de gestion , Revue Franaise de Gestion, vise ingnierique en management strat-
n 116, 1997, pp. 41-51. gique ou la conception dartefacts mdia-
Chandler A., Strategy and Structure, teurs , in Mourgues N. et al. (eds),
Cambridge, MA, MIT Press, 1962. Questions de mthodes en sciences de
gestion, Caen, EMS, 2002, pp. 121-150.
Charmaz K., Constructing Grounded
Theory: A Practical Guide Through Coccia M., Accords technology transfer-
Qualitative Analysis, London: Sage, 2006. based: thorie et mthodologie danalyse du
processus, Working Paper, n9, Ceris-
Charreire S., Huault I., Le constructi-
CNR, http://www.ceris.cnr.it/ceris/wor-
visme dans la pratique de recherche : une
kingpaper/2001/wp09_01_coccia.pdf, 2001.
valuation partir de seize thses de doc-
torat , Finance Contrle Stratgie, vol.
Cohen J., Statistical Power Analysis for the
4, septembre 2001, pp. 31-55.
Behavioral Sciences, Hillsdale, New
Charreire-Petit S., Huault I.,From practice- Jersey, Lawrence Erlbaum Associates
based knowledge to the practice of
Publishers, 2nd ed., 1988.
research : Revisiting constructivist
Cohen M.D., March J.G., Olsen J.P., A
research works on knowledge,
Garbage Can Model of Organizational
Management Learning, vol. 39, 2008, pp. Choice , Administrative Science
73-91. Quarterly, vol. 17, 1972, pp. 1-25.
Chauvet V., Chollet B., Soda G., Huault I., Combs J.G., Big samples and small
The contribution of network research to effects: lets not trade relevance and rigor
managerial culture and prac-tice, for power. Academy of Management
European Management Journal, vol. 29, Journal, vol. 53, 2010, pp. 9-13.
2011, pp. 321-334. Comte A., Discours sur lesprit positif,
Chen M.J., Competitor Analysis and Paris, Vrin, 1995. Premire dition :
Interfirm Rivalry: Toward a Theoretical Paris, Carillian-Gury et Dalmont, 1844.
Integration , Academy of Management Cook T.D., Campbell D.T., Quasi-
Review, vol. 21, 1996, pp. 100-134. Experimentation: Design and Analysis
Chia R., From Modern to Postmodern Issues for Field Settings, Skokie, IL,
Organizational Analysis , Organization Rand Mc Nally, 1979.
Studies, vol. 16, 1995, pp. 579-604. Cool K., Dierickx I., Jemison D.,
Chow G.C., Tests for Equality Between Business Strategy, Market Structure and
Sets of Coefficients in Two Linear Risk-Return Relationships : a Structural
616
Bibliographie
Approach , Strategic Management Methods Approaches, Sage Publications,

Journal, vol. 10, 1989, pp. 507-522. 2003, 2009, 2013.
Coombs C., La Mesure dans les sciences Creswell J.W., Plano Clark V.L.,
sociales : thories et mthodes , in Gutmann M.L., Hanson W.E., Advanced
Festinger L., Katz D. (eds), Les Mthodes Mixed Methods Research Designs,
de recherche dans les sciences sociales, Handbook of Mixed Methods in Social
Paris, PUF, 3e d., 1974, pp. 538-611. and Behavioral Research, 2003, 209-240.
Creswell J. W., Plano Clark V. L.,
Cooper R., Modernism, Postmodernism and Designing and Conducting Mixed Methods
Organizational Analysis 3: The contri- Research, 2e d., Sage Publications, 2013.
bution of Jacques Derrida , Organization Cross R., Making Invisible Work Visible:
Studies, vol. 10, 1989, pp. 479-402. Using Social Network Analysis to
Cooper R.G., Winning at New Products: Support Strategic Collaboration ,
Accelerating the Process from Idea to California Management Review,
Launch, 2e d., Addison-Wesley, Berkeley, Winter, vol. 4, Is 2, p. 25.
Reading, MA, 1993. Csaszar F. A., Siggelkow N., How Much
Corbett-Etchevers I., Mounoud E., A to Copy? Determinants of Effective
narrative framework for management ideas: Imitation Breadth , Organization
Disclosing the plots of knowledge Science, vol. 21, 2010, pp. 661-676.
management in a multinational company, Cummings L.L., Frost P.J. (ed.), Publishing
Management Learning, vol. 42, 2011, pp. in the Organizational Sciences, Thousand
165-181. Oaks, Sage, 2e ed., 1995.
Corbin J., Strauss A., Basics of Qualitative Czarniawska B., De la polyphonie dans
Research, 3e d., Thousand Oaks, Sage, lanalyse des organisations , Revue fran-
2008. aise de gestion, n 159, novembre/
Corley K.G., Gioia D.A., Identity ambi- dcembre 2005, pp. 359-370.
guity and change in the wake of a corpo- DAveni R.A., MacMillan I.C., Crisis and
rate spin-off , Administrative Science the Content of Managerial
Quarterly, vol. 49, 2004, p. 173-208. Communications : a Study of the Focus
Cossette P., Cartes cognitives et of Attention of Top Managers in
Organisations, Qubec, Presses Surviving and Failing Firms ,
Universitaires de Laval et Eska, 1994.
Administrative Science Quarterly, vol.

Cossette P., La cartographie cognitive vue 35, 1990, pp. 634-657.
dune perspective subjectiviste : mise Daft R.L., Why I Recommended That
lpreuve dune nouvelle approche , Your Manuscript Be Rejected and What
M@n@gement, vol. 11, 2008, pp. 259- You Can Do About It , in Cummings
281. L.L., Frost P.J. (eds.), Publishing in the
Coulon A., LEthno-Mthodologie, Paris, Organizational Sciences, Thousand Oaks,
PUF, 1987. Sage, 2e d., 1995, pp. 164-182.
Couper M.P., Designing Effective Web Daft R.L., Lewin A.Y., Can Organization
Surveys, Cambridge: Cambridge Studies Begin to Break Out of the Normal
University Press, 2008. Science Straitjacket? An Editorial Essay ,
Creswell J.W., Research Design: Organization Science, vol. 1, 1990, pp. 1-
Qualitative, Quantitative, and Mixed 9.
617
Dameron S., Opportunisme ou besoin tion methods, Academy of Management

dappartenance? La dualit cooprative Review, vol. 32, 2007, pp. 480-499.
dans le cas dquipes projet , M@n@ Degenne A., Fors M., Les Rseaux
gement, vol. 7, 2004, pp. 137-160. sociaux, Paris, A. Colin, 1994.
Daniels K., Johnson G., On Trees and De Groot A., Methodology, Foundations of
Triviality Traps: Locating the Debate on Inference and Research in the Behavioral
the Contribution of Cognitive Mapping to Sciences, The Hague, Mouton & Co,
Organizational Research, Organization 1969.
Studies, vol. 23, 2002, pp. 73-81.
Delattre P., Thellier M., laboration et
David A., Outils de gestion et dynamique justification des modles, Paris, Maloine,
du changement , Revue Franaise de 1979.
Gestion, n 120, 1998, pp. 44-59.
Deleuze G., Foucault, Paris : Les ditions
David A., Logique, pistmologie et de Minuit, 1986.
mthodologie en sciences de gestion :
Denzin N.K., The Art and Politics of
trois hypothses revisites , in David A.,
Interpretation , in Denzin N.K., Lincoln
Hatchuel A., Laufer R. (eds), Les nou-
Y.S. (eds.), Handbook of Qualitative
velles fondations des sciences de gestion,
Research, Thousand Oaks, Sage, 1994,
Paris, Vuibert, 2000a, pp. 83-109.
pp. 500-515.
David A., La recherche-intervention,
Denzin N.K., Lincoln Y.S., The Sage
cadre gnral pour la recherche en mana-
Handbook of Qualitative Research, Sage,
gement , in David A., Hatchuel A.,
2011.
Laufer R. (eds), Les nouvelles fondations
des sciences de gestion, Paris, Vuibert, Dess G., Beard D., Dimensions of
2000b, pp. 193-213. Organizational Task Environments ,
David A., Hatchuel, A., Laufer R., (eds), Administrative Science Quarterly, vol.
Les nouvelles fondations des sciences de 29, 1984, pp. 52-73.
gestion, Paris, Vuibert, 2000. Deutskens E., DeRuyter K., Wetzels M.,
Davis D., Holtz C. A., Experimental Oosterveld P., Response rate and
Economics, Princeton University Press, response quality of Internet-based sur-
1993. veys: An experimental study, Marketing
Davis J., Bingham C., Eisenhardt K., Letters, vol. 15, 2004, pp. 21-36.
Developing Theory with Simulation Dewey J., Logic: The Theory of Inquiry,
Methods , Academy of Management New York, Holt, 1938. Trad. franaise :
Review, vol. 32, 2009, pp. 480-499. Davis Logique : la thorie de lenqute, Paris :
J.A., The Logic of Causal Order, PUF, 1967.
Sage University Paper, Series : Dillman D.A., Smyth J.D., Christian L.M.,
Quantitative Applications in the Social Internet, mail, and mixed-mode sur-veys:
Sciences , Thousand Oaks, Sage, 1985. the tailored design method, 3e d., John
Davis J.P., Eisenhardt K.M., Rotating Wiley & Sons, 2009.
Leadership and Collaborative Innovation Direnzo G., Concepts, Theory and
Recombination Processes in Symbiotic Explanation in the Behavioral Sciences,
Relationships, Administrative Science New York, Random House, 1966.
Quarterly, vol. 56, 2011, pp. 159-201. Dodd S.C., Introducing Systemmetrics
Davis J.P., Eisenhardt K.M., Bingham C.B., for Evaluating Symbolic Systems: 24
Developing theory through simula- Criteria for the Excellence of Scientific
618
Bibliographie
Theories , Systematics, vol 6, 1968, pp. aise : perte ou profit? , Langage et

29-51. socit, vol. 2, 2012, pp. 5-13.
Dodge Y., Statistique : Dictionnaire ency- Dumez H., lments pour une pistmo-
clopdique, Paris, Dunod, 1993. logie de la recherche qualitative en ges-
Donada C., LAvantage partenarial des tion , Le Libellio dAegis, vol. 6, 2010,
entreprises fournisseurs ; une tude empi- pp. 3-16.
rique des relations clients-fournisseurs Dumez H., Mthodologie de la recherche
dans lentreprise automobile , Thse de qualitative, les 10 questions cls de la
Doctorat HEC, 1998. dmarche comprhensive, Vuibert, 2013.
Dooley K., Simulation Research Methods Durand R., Essai : ralit simule ou
, in J. A. C. Baum (dir.), The Blackwell pour de vrai ? , Revue Franaise de
Companion to Organizations, Oxford, gestion, n 165, 2006, pp. 211-217.
Blackwell, 2002, pp. 829-848.
Durkheim E., Les Rgles de la mthode
Doreian P., Woodard K., Defining and sociologique, Paris, Flammarion, 1988.
Locating Cores and Boundaries of Social
Dutton J.E., Dukerich J.M., Keeping an
Networks , Social Networks, vol. 16,
1994, pp. 267-293. eye on the mirror: Image and identity in
organizational adaptation, Academy of
Doty H., Glick W.H., Huber C.P., Fit,
Management Journal, vol. 34, 1991, pp.
Equifiality and Organizational
517-554.
Effectiveness: a Test of Two
Configurational Theories , Academy of Eco U., I Limiti dellInterpretazione, Milan,
Management Journal, vol. 36, 1993, pp. Gruppo Editoriale Fabbri, Bompiani,
1196-1250. Sonzogno, 1990. Trad. fr. : Les Limites
Dougherty D., Bowman E.H., The Effects de linterprtation, Paris, Grasset, 1990.
of Organizational Downsizing on Product Eden C., Jones S., Sims D., Messing About
Innovation , California Management in Problems: An Informal Structured
Review, vol. 37, 1995. Approach to Their Identification and
Dougherty D., Dunne D., Organizing Management, Oxford, Pergamon Press,
ecologies of complex innovation, 1983.
Organization Science, vol. 22, 2011, pp. Eden, D., What Authors Need to Know to
1214-23. Navigate the Review Process Successfully:
Douglas J.D., Investigative Social Understanding and Managing the Editors
Research, Bervely Hills, Sage, 1976. Dilemma , in Baruch Y., Konrad M.,
Douglas J.D., Creative Interviewing, Aguinis H. et Starbuck W. H. (ds),
Beverly Hills, Ca, Sage, 1985. Opening the Blackbox of Editorship,
Downey K.H., Ireland D.R., Quantitative Basingstoke, Palgrave, 2008, pp. 239-249.
versus Qualitative: Environment Eisenhardt K.M., Building Theories from
Assessment in Organizational Studies , Case Study Research , Academy of
Administrative Science Quaterly, vol. 24, Management Review, vol. 14, 1989, pp.
1979, pp. 630-637. 532-550.
Droesbeke J.-J., Ficher B., Tassi P., Les Eisenhardt K.M., Graebner M.E. Theory
Sondages, Paris, conomica, 1987. Building from Cases: Opportunities and
Dufour F., Rosier L., Introduction. Challenges, Academy of Management
Hritages et reconfigurations conceptu- Journal, vol. 50, 2007, pp. 25-32.
elles de lanalyse du discours la fran-
619
Erickson F., Qualitative Methods in Fiss P.C., Building better causal theories:
Research on Teaching , in Wittrock M. A Fuzzy Set Approach to Typologies in
(ed.), Handbook of Research on Teaching, Organization Research, Academy of
New York, Macmillan, 1986, pp. 119-161. Management Journal, vol. 54, 2011, pp.
Erikson K.T., A Comment on Disguised 393-420.
Observation in Sociology , Social Fleder D., Hosanagar K., Blockbuster
Problem, vol. 14, 1967, pp. 366-373. Cultures Next Rise or Fall: The Impact
Everitt B., Cluster Analysis, Halsted, New of Recommender Systems on Sales
York, 3th ed., 1993. Diversity , Management Science, vol.
Evrard Y., Pras B., Roux E., Market. 55, 2009, pp. 697-712.
Fondements et mthodes des recherches en Fleetwood S., An Ontology for
marketing, Paris, Dunod, 2009, 1re d. : Organisation and Management Studies ,
2000. in S. Fleetwood and S. Ackroyd (Eds.),
Fairclough N., Discourse and social Critical Realist Applications in
change, Cambridge: Polity Press, 1992. Organization and Management Studies.
Fairclough N., Critical Discourse London: Routledge, 2004, pp. 27-53.
Analysis: The Critical Study of Language. Flynn F.J., Wiltermuth S.S., Whos With
Language in Social Life Series, London: Me? False Consensus, Brokerage, And
Longman, 1995. Ethical Decision Making In
Fairclough N., A dialectical-relational Organizations, Academy of Management
approach to critical discourse analysis in Journal, vol. 53, 2010, pp. 1074-1089.
social research, In Wodak R., Meyer M. Fontana A., Frey J.H., The interview.
(Eds.), Methods of critical discourse From neutral stance to political involve-
anal-ysis, London: SAGE Publications, ment , in Denzin N.K., Lincoln Y.S.
2009, pp. 162-186.
(Eds), The Sage Handbook of Qualitative
Fairhurst G.T., Considering context in Research, Thousand Oaks, CA, Sage,
discursive leadership research, Human 2005, pp. 695-727.
Relations, vol. 62, 2009, pp. 1607-1633.
Ford J.D., Hegarty W.H., Decision Makers
Faraj S., Johnson S.L., Network Exchange Beliefs About Causes and Effects of
Patterns in Online Communities, Structure , Academy of Management
Organization Science, vol. 22, 2011, pp.
Journal, vol. 27, 1984, pp. 271-291.
1464-1480.
Forgues B., Sampling on the dependent
Fernandes V., (Re)discovering the PLS
variable is not always that bad: Quantitative
approach in management science,
case-control designs for strategic organi-
M@n@gement, vol. 15, 2012.
zation research, Strategic Organization,
Fiegenbaum A., Thomas H., Strategic
vol. 10, 2012, pp. 269-275.
Groups and Performance: The U.S.
Insurance Industry, 1970-1984 , Forrester J.W., Industrial dynamics,
Strategic Management Journal, vol. 11, Cambridge, MA : MIT Press, 1961.
1990, pp. 197-215. Foucault M., Larchologie du savoir,
Fierke K., World or Worlds? The Analysis Paris: Gallimard, 1969.
of Content and Discourse , in Fourez G., Apprivoiser lpistmologie, De
Symposium Discourse and Content Boeck Suprieur, 2009.
Analysis , Qualitative Methods, Spring, Fournier V., Grey C., At the Critical
2004, pp. 36-39. Moment: Conditions and Prospects for
620
Bibliographie
Critical Management Studies , Human Gavard-Perret M.L., Gotteland D., Haon C.

Relations, vol. 53, 2000, pp. 5-32. et Jolibert A., Mthodologie de la
Fowler F.J., Survey Research Methods, 3e recherche en sciences de gestion, 2e d.,
d., Thousand Oaks, CA: Sage, 2002. Pearson, 2012.
Freeman L.C., Centrality in Social Gavetti G., Levinthal D.E., Looking
Networks I. Conceptual Clarification , Forward and Looking Backward:
Social Networks, vol. 1, 1979, pp. 215- Cognitive and Experiential Search ,
239. Administrative Science Quarterly, vol.
45, 2000, pp. 113-137.
Friedkin N.E., Johnsen E.C., Social
Positions in Influence Networks , Social Gavetti G., Levinthal D.A., Rivkin J.W.,
Networks, vol. 19, 1997, pp. 209-222. Strategy-Making in Novel and Complex
Worlds : The Power of Analogy ,
Frost P.J., Stablein R.E., Themes and
Strategic Management Journal, vol. 26,
Variations: An Examination of the
2005, pp. 691-712.
Exemplars , in Frost P.J., Stablein R.E.
Geertz C., Thick Description: Toward an
(eds.), Doing Exemplary Research,
Interpretive Theory of Culture, in The
Newbury Park, Sage, 1992, pp. 243-269.
Interpretation of Culture, New York,
Galbraith, C., Merrill C., Morgan G., Basic Books, 1973, pp. 3-30.
Bilateral Strategic Groups: the market for
Geertz C., Ici et l-bas, Paris, PUF, 1985.
nontactical navy information systems,
Gephart R.P., Qualitative Research and
Strategic Management Journal, vol. 15,
the Academy of Management Journal ,
1994, pp. 613-626.
Academy of Management Journal, vol.
Galbraith C., Schendel D.E., An 47, 2004, pp. 454-462.
Empirical Analysis of Strategy Types ,
Gersick C.J.G., Time and Transition in
Strategic Management Journal, vol. 4, Work Teams: Toward a New Model of
1983, pp. 153-73. Group Development , Academy of
Gardner M., Mathematical Games: The Management Journal, vol. 31, 1988, pp.
Fantastic Combinations of John Conways 9-41.
New Solitaire Game Life , Scientific Giard V., Statistique applique la gestion,
American, vol. 223, 1970, pp. 120-123. Paris, conomica, 7e d., 1995, 8e d,
Garreau L., Lapport du concept de sens 2003.
ltude du fonctionnement des quipes Gilbert N., Terna P., How to Build and Use
projet. tudes de cas de dveloppement Agent-Based Models in Social Science ,

de centres commerciaux chez Immochan Working Paper, University of Surrey,
, Thse de doctorat, Universit Paris- Centre for Research on Simulation for the
Dauphine, 2009. Social Sciences, Guildford, 1999.
Gary M.S., Wood R.E., Mental models, Gilbert N., Troitzsch K.G., Simulation for
decision rules, and performance the Social Scientist, Open University
Heterogeneity , Strategic management Press, Buckingham, PA, 1999.
journal, vol. 32, 2011, pp. 569-594. Gioia D.A., Chittipeddi K., Sensemaking
Gauzente C., Peyrat-Guillard D. (d.), and Sensegiving in Strategic Change
Analyse statistique de donnes textuelles Initiation , Strategic Management
en sciences de gestion. Editions Journal, vol. 12, 1991, pp. 443-448.
Management et Socit, coll. questions Gioia D.A, Corley K.G., Identity
de socit , 2007. Ambiguity and Change in the Wake of a
621
Corporate Spin-off, Administrative Girod-Sville M., Perret V.,

Science Quarterly, vol. 49, 2004, pp. 173- Fondements pistmologiques de la
208. recherche , in : R.-A. Thitart et al.,
Gioia D.A, Corley K.G., Hamilton A.L., Mthodes de recherche en management,
Seeking Qualitative Rigor in Inductive Paris : Dunod, 1re dition, 1999, pp. 13-33.
Research: Notes on the Gioia Girod-Sville M., Perret V., Les cri-tres
Methodology, Organizational Research de validit en sciences des organisa-tions
Methods, vol. 16, 2013, pp. 15-31. : les apports du pragmatisme , in
Gioia D.A., Price K.N., Hamilton A.L., Mourgues, N. et al. (Dir), Questions de
Thomas J.B., Forging an identity: An mthodes en Sciences de Gestion, EMS,
insider-outsider study of processes 2002, pp. 319-337.
involved in the formation of organiza- Glaser B., Theoritical Sensitivity, Mill
tional identity , Administrative Science Valley, CA, Sociology Press, 1978.
Quarterly, vol. 55, n 1, 2010, pp. 1-46. Glaser B.G., Strauss A.L., The Discovery of
Gioia D.A., Sims H.P., Cognition- Grounded Theory, Strategies for
Behavior Connections: Attributions and Qualitative Research, Aldine Publishing
Verbal Behavior in Leader/Subordinates Company, New York, 1967.
Interactions , Organizational Behavior Glenn N.D., Cohort Analysis , Sage
and Human Decision Processes, vol. 37, University Paper Series on Quantitative
1986, pp.197-229. Applications in the Social Sciences,
Gioia D.A., Thomas J., Identity, Image Beverly Hills, Sage, 1977.
and Issue Interpretation: Sensemaking Glick W.H., Huber G.P., Miller C.C., Doty
During Strategic Change in Academia , D.H., Sutcliffe K. M., Studying
Administrative Science Quartely, vol. 41, Changes in Organizational Design and
1996, pp. 370-403. Effectiveness: Retrospective Event
Giordano Y., Spcifier lobjet de la Histories and Periodic Assessments ,
recherche , in Gavard-Perret M.-L., Organization Science, vol. 1, 1990, pp.
Gotteland D., Haon C., Jolibert A. (Eds.), 293-312.
Mthodologie de la recherche en Gobo C., Sampling, Representativeness
sciences de gestion, Russir son mmoire and Generalizability, in Seale C., Gobo
ou sa thse, 2e d., Montreuil : Pearson, G., Fubrium J. and Silverman D.,
2012, pp. 64-105. Qualitative Research Practice, Newbury
Girin J., Lopportunisme mthodique Park CA, Sage, 2004.
dans les recherches sur la gestion des Godbout J.T., Caill A., LEsprit du don,
organisations , Communication la jour- Paris, La Dcouverte, 1992.
ne dtude La recherche-action en Golash-Boza T., Start the Semester off
action et en question , AFCET, Collge Right: Make a Weekly Template, billet
de systmique, cole centrale de Paris, 10 sur le blog Get a Life, Ph.D. du 18 Aot
mars 1989. 2013, consult en janvier 2014 : http://
Girin J., Lanalyse empirique des situa- getalifephd.blogspot.fr/2013/08/start-
tions de gestion: lments de thorie et de semester-off-right-make-weekly.html.
mthode , in Martinet, A.-C. (dir.), Golden-Biddle K., Locke K., Appealing
pistmologies et Sciences de Gestion, Work: An Investigation of How
Paris : Economica, 1990, pp. 141-182. Ethnographic Texts Convince ,
622
Bibliographie
Organization Science, vol. 4, 1993, pp. Greenacre M., Blasius J., Correspondence
595-616. Analysis in the Social Sciences, Academic
Golsorkhi D., Huault I., Pierre Bourdieu : Press, London, 1994.
critique et rflexivit comme attitude Grenier C., (2011) Structuring an inte-grated
analytique en sciences de ges-tion , care system: interpreted through the enacted
Revue Franaise de Gestion, n 165, diversity of the actors involved
2006. the case of a French healthcare net-work,
Goodman J.S., Blum T.C., Assessing the International Journal of Integrated Care,
Non-Random Sampling Effects of Subject Volume 11 (on-line journal)
Attrition in Longitudinal Research , Griffin A., Hauser J.R., The Voice of the
Journal of Management, vol. 22, 1996, Consumer , Marketing Science, vol. 12,
pp. 627-652. 1993, pp. 1-27.
Goold M., Campbell A., Strategies and Grunow D., The Research Design in
Styles, London, Blackwell, 1987. Organization Studies , Organization
Gordon, M.E., Milne, G.R., Selecting the Science, vol. 6, n 1, 1995, pp. 93-103.
Dimensions that Define Strategic Groups Guba E.G., Lincoln Y.S., Competing
: a Novel Market-Driven Approach , Paradigms in Qualitative Research , in
Journal of Managerial Issues, 1999, pp. Denzin N.K., Lincoln Y.S. (eds.),
213-233.
Handbook of Qualitative Research,
Gouriroux C., Thorie des sondages, Paris, Thousand Oaks, CA, Sage, 1994, pp.
conomica, 1989. 105-117.
Govindarajan V.A., Contingency Guetzkow H., Kotler P. et Schultz R.,
Approach to Strategy Implementation at
Simulation in social and administrative
the Business Unit Level: Integrating
science, Englewood Cliffs, NJ : Prentice
Administrative Mechanisms With
Hall, 1972.
Strategy , Academy of Management
Guillard V., La tendance de certains
Journal, vol. 31, 1988, pp. 828-853.
consommateurs tout garder , Thse de
Goxe F., Communauts daffaires et
doctorat, Universit Paris Dauphine, 2009.
rseaux sociaux : facteur de dveloppe-
ment pour linternationalisation des entre- Haag C., Laroche H., Dans le secret des
prises ? , Vie & Science de lEntreprise, comits de direction, le rle des mo-
vol. 193, 2013, pp. 53-77. tions : proposition dun modle tho-
rique , M@n@gement, vol. 12, 2009, pp.

Grant D, Hardy C., Oswick C., Putman L.,
The SAGE Handbook of Organizational 82-117.
Discourse, London: Sage Publications Hacking I., Entre science et ralit. La
Inc, 2004. construction sociale de quoi ?, Paris :
Grant D., Keenoy T., Oswick C., ditions La Dcouverte, 2001.
Organizational discourse: Of diversity, Hair J., Black W., Babin B., Anderson
dichotomy and multi-disciplinarity, In R., Multivariate data analysis, 7e d.,
Grant D., Keenoy T., Oswick C. (Eds.), Pearson Education Inc. Upper Saddle
Discourse and Organization, London: River, USA, 2010.
Sage, 1998, pp. 1-14. Hallen B.L., Eisenhardt K.M.,
Grawitz M., Mthodes des sciences Catalyzing strategies and efficient tie
sociales, Paris, Dalloz, 1re d. : 1993, 10e formation: how entrepreneurial firms
d. : 2000. obtain investment ties, Academy of
623
Management Journal, vol. 55, 2012, pp. Hardy C., Philips N., No Joking Matter:
35-70. Discursive Struggle in the Canadian
Halliday M. A. K., Language as social Refugee System , Organization Studies,
semiotic the social interpretation of lan- vol. 20, 1999, pp. 1-24.
guage and meaning, London: E. Arnold, Hardy C., Harley B., Philips N.,
1978. Discourse Analysis and Content
Hambrick D.C., An Empirical Typology Analysis: Two Solitudes? , in
of Mature Industrial-Product Environ- Symposium Discourse and Content
ments , Academy of Management Analysis , Qualitative Methods, Spring,
Journal, vol. 26, 1983, pp. 213-230. 2004, pp. 19-22.
Hamilton B.A., Nickerson J.A., Hargadon A., Douglas Y., When innova-
Correcting for Endogeneity in Strategic tions meet institutions: Edison and the
Management Research , Strategic design of the electric light,
Organization, vol. 1, 2003, pp. 53-80. Administrative Science Quarterly, vol.
Hammer M., Explorations into the mean- 46, 2001, pp. 476-501.
ing of social network interview data, Harrison J.R., Lin Z., Carroll G.R., Carley
Social Networks, vol. 6, 1984, pp. 341- K.M., Simulation Modeling in
371. Organizational and Management
Hammersley M., Deconstructing the Research, Academy of Management
Qualitative-Quantitative Divide , in Review, vol. 32, 2007, pp. 1229-1245.
Bryman A., Burgess R.G. (eds.),
Hartley J., Montgomery M.,
Qualitative Research, volume I, Reprensentations and Relations:
Fundamental Issues in Qualitative
Ideology and Power in Press and TV
Research, Thousand Oaks, CA, Sage,
News , In van Dijk T. A. (Ed.),
1999, pp. 70-83.
Discourse and communication: new
Hancock G.R., French B.F., Power anal- approaches to the analysis of mass media
ysis in covariance structure models , in
discourse and communication. Berlin:
Hancock G.R., Mueller R.O. (eds.),
Walter de Gruyter, 1985.
Structural equation modeling: A second
Hassard J., Cox J.W., Can Sociological
course, 2nd ed., Charlotte, NC: Information
Age Publishing, Inc, 2013, pp. 117-159. Paradigms Still Inform Organizational
Analysis? A Paradigm Model for Post-
Hannan M.T., Freeman J., The Population
Paradigm Times, Organization Studies,
Ecology of Organizations ,
vol. 34, 2013, pp. 1701-1728.
American Journal of Sociology, vol. 82,
1977, pp. 929-964. Hatch M.J., Organization Theory. Modern,
Hanneman R. A., Riddle M., Introduction symbolic and postmodern perspectives,
to social network methods, Riverside, Oxford University Press, 1997.
CA: : University of California, Riverside, Hatten K.J., Schendel D.E.,
published in digital form at http://faculty. Heterogeneity Within an Industry: Firm
ucr.edu/~hanneman/, 2005. Conduct in the U.S. Brewing Industry ,
Hardy A., An Examination of Procedures Journal of Industrial Economics, vol. 26,
Determining the Number of Clusters in a 1977, pp. 97-113.
Data Set , in Diday E. et al. (eds), New Hayduk L.A., Should Model Modifications
Approaches in Classification and Data be Oriented Toward Improving Data Fit or
Analysis, Springer Verlag, Berlin, 1994. Encouraging Creative and Analytical
624
Bibliographie
Thinking?, Multivariate Behavioral the number of cluster, Neural

Research, vol. 25, 1990, pp. 193-196. Information Processing, vol. 4, 2004.
Hayduk L.A., LISREL Issues, Debates and Huang Y., Shen C., Contractor N.S.,
Strategies, Baltimore, MD : John Distance matters: Exploring proximity and
Hopkins University Press, 1996. homophily in virtual world networks,
Hempel C., Philosophy of Natural Science, Decision Support Systems, vol. 55, 2013,
Prentice Hall, Englewood Cliffs, New pp. 969-977.
Jersey, 1966. Trad. fr. : lments Huault I., Perret V., Extension du
dpistmologie, Paris, A. Colin, 1972, domaine de la stratgie : Plaidoyer pour
1996. un agenda de recherche critique ,
Heerwegh D., Vanhove T., Matthijs K., conomies et Socits, Srie KC, vol. 1,
Loosveldt G., The Effect of 2009, pp. 2045-2080.
Personalization on Response Rates and Hudson L., Ozanne J.L., Alternative Ways
Data Quality in Web Survey , of Seeking Knowledge in Consumer
International Journal of Social Research Research , Journal of Consumer Research,
Methodology, vol. 8, 2005, pp. 85-99. vol. 14, 1988, pp. 508-521.
Henry G. T., Practical Sampling, Newbury Huff A.S., Writing for Scholarly
Park, CA, Sage, 1990. Publication, Thousand Oaks, Sage, 1999.
Hickson D., Butler R., Gray G., Mallory Ingram P., Morris M.W., Do People Mix
G., Wilson D., Top Decisions : Strategic at Mixers? Structure, Homophily, and the
Decision Making in Organizations, San Life of the Party, Administrative
Science Quarterly, vol. 52, 2007, pp. 558-
Francisco, Blackwell, 1986.
585.
Hodkinson P., Goth. Identity, Style and
Itami H., Numagami T., Dynamic
Subculture, Oxford, Berg, 2002.
Interaction Between Strategy and
Hofstede G., Identifying Organizational Technology , Strategic Management
Subcultures: An Empirical Approach, Journal, vol. 13, 1992, pp. 119-135.
Journal of Management Studies, vol. 35,
Jacques E., The Form of Time, Heinemann,
1998, pp. 1-12.
London, UK, 1982.
Holstein J. A., Gubrium J. F., The Active
Jarzabkowski P., Balogun J., The Practice
Interview, Thousand Oaks, CA, Sage, and Process of Delivering Integration
1995. through Strategic Planning ,
Hooker C.A., A Realist Theory of Science, Journal of Management Studies, vol. 46,
Albany, NY : State University of New 2009, pp.1255-1288.
York Press, 1987. Jarzabkowski P., Spee A.P., Smets M.,
Horwitch M., Thitart R.-A., The Effect Material Artefacts: Practices for Doing
of Business Interdependencies on Product Strategy with Stuff , European
R & D Intensive Business Performance , Management Journal, vol. 31, 2013, pp.
Management Science, vol. 33, 1987, pp. 41-54.
178-197. Jauch L., An Inventory of Selected
Hoyle R.H., Structural Equation Modeling. Academic Research on Strategic
Concepts, Issues, and Applications, Management , Advances in Strategic
Thousand Oaks, Sage, 1995. Management, vol. 1, 1983, pp. 141-175.
Hu X., Xu L., Investigation of several Jemison D., The Importance of an
model selection criteria for determining Integrative Approach to Strategic
625
Management Research , Academy of M.-L., Gotteland D., Haon C., Jolibert A.

Management Review, vol. 1, 1981, pp. (ds), Mthodologie de la Recherche -
601-608. Russir son mmoire ou sa thse en
Jick T.D., Mixing Qualitative and sciences gestion, Paris, Pearson
Quantitative Methods : Triangulation in Education France, 2008, pp. 139-176.
Action , Administrative Science Journ B., Raulet-Croset N., Le concept
Quaterly, vol. 24, 1979, pp. 602-611. de situation : contribution lana-lyse de
Jick T.D., Mixing Qualitative and lactivit managriale dans un contexte
Quantitative Methods : Triangulation in dambigut et dincertitude ,
Action , in Van Maanen J. (ed.), M@n@gement, vol. 11, 2008, pp. 27-55.
Qualitative Methodology, Newbury Park, Junker B.H. (ed.), Field Work: An
CA, Sage, 1983, pp. 135-148. Introduction to the Social Science,
Johanson L., Convincing the Jury , Chicago, University of Chicago Press,
Academy of Management Workshop : 1960.
Writing Up Qualitative Research : Kalton G., Introduction to Survey Sampling,
Practical Insights from Authors and Newbury Park, CA, Sage, 1983.
Editors, Academy of Management Kanji G.K., 100 Statistical Tests, Thousand
Conference, Cincinnati, aot 1996. Oaks, Sage, 1993.
Johansson J.K., Yip G.S., Exploiting Kaplan A., The Conduct of Inquiry:
Globalization Potential : U.S. and Methodology of Behavioral Science, New
Japanese Strategies , Strategic York, Chandler Publishing Company,
Management Journal, vol. 15, 1994, 1964.
pp. 579-601. Kaplan S., Strategy and PowerPoint: An
Johnson P., Duberley J., Reflexivity in Inquiry into the Epistemic Culture and
Management Research , Journal of Machinery of Strategy Making ,
Management Studies, vol. 40, 2003, pp. Organization Science, vol. 22, 2011, pp.
1279-1303. 320-346.
Joreskog K.G., Testing Structural Kaufmann J-C., Lentretien comprhensif,
Equation Models , in Bollen K.A, Long Paris, Armand Colin, 2007.
J.S. (eds.), Testing Structural Equation Kaufmann P., Statistique, Paris, Dunod,
Models. Newbury Park, CA, Sage, 1993. 1994.
Kauffman S.A., The Origins of Order:
Joreskog K.G., Sorbom D., Recent Self-Organization and Selection in
Developments in Structural Equation Evolution, New York, Oxford University
Modeling , Journal of Marketing Press, 1993.
Research, vol. 19, 1982, pp. 404-416. Kerlinger F.N., The Foundation of
Jorgensen D.L., Participant Observation : Behavioral Research, 3e d., Harcourt
a Methodology for Human Studies, Brace College Publishers, Fort Worth,
Newbury Park, CA, Sage, 1989. Texas USA, 1999. 1re d. : New York,
Journ B., tudier le management de Holt. Rinehart & Winston, 1973.
limprvu: mthode dynamique dobser- Ketchen D.J., Thomas J.B., Snow C.C.,
vation in situ , Finance-Contrle- Organizational Configurations and
Stratgie, vol. 8, 2005, pp. 63-91. Performance : a Comparison of Theoritical
Journ B., Collecter les donnes par Approaches , Academy of Management
lobservation . In: Gavard-Perret Journal, vol. 36, 1993, pp. 1278-1313.
626
Bibliographie
Ketchen D.J., Shook C. L., The aristotliciens et la smantique gn-

Application of Cluster Analysis in rale, Paris : ditions Lclat, 1998.
Strategic Management Research, An Kremer-Marietti A., Le Positivisme, Paris,
Analysis and Critique , Strategic PUF, 2e d., 1993.
Management Journal, vol. 17, 1996, pp. Krieg-Planque N., Analyser les discours
441-458. institutionnels, Paris : Armand-Colin,
Keucheyan, R. (2007), Le constructivisme. 2013.
Des origines nos jours, Paris : Hermann Kuhn T., The Structure of Scientific
diteur. Revolutions, Chicago, University of
Kintsch W., Van Dijk T. A., Toward a Chicago Press, 1962, 1970. Trad. fran-
model of text comprehension and produc- aise : La Structure des rvolutions scien-
tion, Psychological review, vol. 85, tifiques, Paris, Flammarion, 1983.
1978, pp. 363-394. Kwan K-M., Tsang E.W.K., Realism and
Kirk J., Miller M., Reliability and Validity constructivism in strategy research: a crit-
in Qualitative Research, London, Sage, ical realist response to Mir and Watson,
1986. Strategic Management Journal, vol. 22,
Kleindorfer G.B., ONeill L., Ganeshan R., 2001, pp. 1163-1168.
Validation in Simulation: Various Labardin P., Accounting prescription and
Positions in the Philosophy of Sciences , practice in nineteenth-century France. An
Management Science, vol. 44, 1998, pp. analysis of bankruptcy cases ,
1087-1099. Accounting History Review, vol. 21,
Knoke D., Marsden P. V. , Kallenberg A. L. 2011, pp. 263-283.
Survey Research Methods, In: Baum J. Labatut J., Aggeri F., Girard N.,
A.C. (ed.), The Blackwell Companion to Discipline and Change. How
Organization, Blackwell, 2002, pp. 781- Technologies and Organizational Routines
804. Interact in New Practice Creation ,
Knig G., Production de la connaissance et Organization Studies, vol. 33, 2012, pp.
constitution des pratiques organisation- 39-69.
nelles , Revue de Gestion des Ressources Laffley M., Weldes J., Methodological
Humaines, n 9, novembre 1993, pp. 4-17. Reflections on Discourse Analysis, in
Knig G., Karl E. Weick , Revue fran- Symposium Discourse and Content
aise de gestion, n 108, 1996, pp. 57-70. Analysis, Qualitative Methods, Spring,
Knig G., tudes de cas et valuation de 2004, pp. 28-30.

programmes : une perspective campbe- Lahire B., La variation des contextes en
lienne , Actes de la XIVe confrence de sciences sociales. Remarques pistmolo-
lAssociation internationale de manage- giques , Annales HSS, mars-avril, n 2,
ment stratgique, Angers, 2005. 1996, pp. 381-407.
Knig G., Realistic Evaluation and Case Lakatos I., Falsification and the
Studies: Stretching the Potential, Methodology of Scientific Research
Evaluation, vol. 15, 2009, pp. 9-30. Programs , in Lakatos I., Musgrove A.
Knig G., Thories mode demploi , (eds.), Criticism and the Growth of
Revue franaise de gestion, n 160, 2006, Knowledge, Cambridge, Cambridge
pp. 9-27. University Press, 1974, pp. 91-196.
Korzybski A., Une carte nest pas le terri- Lambin J.-J., Recherche en marketing,
toire : Prolgomnes aux systmes non- Paris, Mc-Graw Hill, 1990.
627
Landry M., A Note on The Concept of Organization Science, vol. 5, 1994, pp.
Problem , Organization Studies, vol. 16, 322-343.
1995, pp. 315-343. Lave C.A. et March J.G., An Introduction
Langfield-Smith K., Exploring the Need to Models in the Social Sciences, 1re pub-
for a Shared Cognitive Map , Journal of lication en 1975, University Press of
Management Studies, vol. 29, 1992, pp. America, Lanham, MD, 1993.
349-368. Lawrence T. B., Phillips N. , From Moby
Langfield-Smith K., Wirth A., Measuring Dick to Free Willy: Macro-cultural
Differences Between Cognitive Maps , discourse and institutional entrepreneur-
Journal of Operational Research Society, ship in emerging institutional fields ,
vol. 43, 1992, pp. 1135-1150. Organization, vol. 11, 2004, pp. 689-711.
Lazarsfeld P., Des concepts aux indices
Langley A., Strategies for Theorizing empiriques , in Boudon R., Lazarsfeld
from Process Data , Academy of P. (eds.), Le Vocabulaire des sciences
Management Review, vol. 24, 1999, pp. sociales, Paris, Mouton & Co, 1967.
691-710. Lazega E., Analyse de rseaux et sociolo-
Langley A., Abdallah C., Templates and gie des organisations , Revue Franaise
Turns in Qualitative Studies of Strategy and de Sociologie, n 35, 1994, pp. 55-78.
Management . In: Research Methodology Lazega E., Jourda M.-T.R.S., Mounier L.,
in Strategy and Management, Stofer R.L., Catching up with big fish
Bingley, Emerald Group Publishing, in the big pond? Multi-level network
2011, pp. 201-235. analysis through linked design , Social
Langley A., Mintzberg H., Pitcher P., Networks, vol. 30, 2008, pp. 159-176.
Posada E., Saint-Macary J., Opening up Lebart L., Morineau A., Piron M.,
Decision Making : the View From the Statistique exploratoire multidimension-
Black Stool , Organization Science, vol. nelle, Dunod, 1997, 2004, 2006.
6, 1995, pp. 260-279. Lecocq X. Comportements dacteurs et
Langley A., Royer I., Perspectives on dynamique dun rseau interorganisation-
Doing Case Study Research in nel: le phnomne des carts relation-nels
Organizations, M@n@gement, vol. 9, , Thse de doctorat en stratgie et
2006, pp. 73-86. management des organisations, IAE de
Laplanche A., Com-Nougu C., Flamant R., Lille, 2003.
Mthodes statistiques appliques la Lee J., Lee K., Rho S., An Evolutionary
recherche clinique, Paris, Flammarion, Perspective on Strategic Group
1987. Emergence: A Genetic Algorithm-Based
Laroche H., La querelle du contenu et du Model , Strategic Management Journal,
processus : les enjeux de la transfor- vol. 23, 2002, pp. 727-746.
mation du champ de la stratgie , Actes de Lee R. M., Doing Research on Sensitive
la VIe confrence de lAIMS, Montral, 24- Topics, Thousand Oaks, CA, Sage, 1993.
27 juin, tome 2, 1997, pp. 141-146. Lee W.T., Mitchell R.T., Sablynski J.C.,
Latour B., Woolgar S., La vie de labora- Qualitative research in organizational and
toire, Paris: La Dcouverte, 1979. vocational psychology, 19791999 ,
Laukkanen M., Comparative Cause Journal of Vocational Behavior, vol. 55,
Mapping of Organizational Cognitions , 1999, pp. 161-187.
628
Bibliographie
Le Goff J., Vertus problmatiques de Organization , Journal of Computational

ltude de cas , in Mourgues N., Allard- and Mathematical Organization Theory,
Posi F., Amine A., Charreire S., Le Goff vol. 2, 1996, pp. 171-195.
J. (dir.), Questions de mthodes en Lewin K., Action Research and Minority
Sciences de Gestion, Editions EMS, Problems , Journal of Social Issues, n
Management et Socit, 2002, pp. 193- 2, 1946, pp. 36-46. Rdit in Lewin K.,
212. Resolving Social Conflicts & Field
Lehmann E.L., Testing Statistical Theory in Social Science, Washington,
Hypotheses, Pacific Grove, California, American Psychological Association,
Wadsworth & Brooks, 1991. 1997, pp. 143-152.
Leik R., Chalkley M., On the Stability of Lewin K., Frontiers in Group Dynamics ,
Network Relations Under Stress , Social Human Relations, vol. I, n 1, 1947a, pp. 2-
Networks, vol. 19, 1997, pp. 63-74. 38. Rdit in Lewin K., Resolving Social
Le Moigne J.-L., Le Constructivisme. Tome Conflicts & Field Theory in Social Science,
1 : Des fondements, Paris, ESF, 1994. Washington, American Psycholo-gical
Le Moigne J.-L., Les pistmologies Association, 1997, pp. 301-336.
constructivistes, coll. Que Sais-je ? , Lewin K., Group Decision and Social
Paris, PUF, 1995. Change , in Newcomb T.M., Hartley
Leonard-Barton D., A Dual Methodology E.L. (eds), Readings in Social
for Case Studies : Synergistic Use of a Psychology, New York, Holt Rinehart
Longitudinal Single Site With Replicated and Winston, 1947b, pp. 330-344.
Multiples Cases , Rdit in Gold M. (ed), The complete
Organization Science, vol. 1, 1990, pp. Social Scientist, A Kurt Lewin Reader,
248-266. Washington, American Psychological
Lerbet G., Approche systmique et produc- Association, 1999, pp. 265-284.
tion de savoir, Paris, LHarmattan, 1993. Liarte S., Implantation concurrentielle des
Levina N., Collaborating on Multiparty entreprises multi-units multi-mar-chs :
Information Systems Development une simulation par automate cellu-laire ,
Projects: A Collective Reflection-in- Revue Franaise de Gestion, vol. 32,
Action View , Information Systems 2006, pp. 139-160.
Research, vol. 16, 2005, pp. 109-130. Lincoln Y.S., Guba E.G., Naturalistic
Levinthal D.A., Adaptation on Rugged Inquiry, Beverly Hills, CA, Sage, 1985.
Landscapes , Management Science, vol. Linstead S., Postmodernism , in A. J.

43, 1997, pp. 934-950. Mills, G. Durepos et E. Wiebe (Eds),
Levinthal D. A., Posen H., Myopia of Encyclopedia of Case Study Research.
Selection: Does Organizational Adaptation London: Sage, 2009, pp. 694-701.
Limit the Efficiency of Population Liu B., Web Data Mining. Springer, New
Selection?, Administrative Science York, 2007.
Quarterly, vol. 52, 2007, pp. 586-620. Loch C.H., Huberman B.A., A
Levinthal D.A., Warglien M., Landscape Punctuated-Equilibrium Model of
Design : Designing for Local Action in Technology Diffusion , Management
Complex Worlds , Organization Science, vol. 45, 1999, pp. 160-177.
Science, vol. 10, 1999, pp. 341-357. Locke K., Golden-Biddle K.,
Levitt R.E., Jin Y., Virtual Design Team : Constructing Opportunities for
A Computational Model of Project Contribution, Structuring Intertextual
629
Coherence and Problematizing in Mantere S., Schildt H.A., Sillince

Organizational Studies , Academy of J.A.A., Reversal of strategic change,
Management Journal, vol. 40, 1997, pp. Academy of Management Journal, vol.
1023-1062. 55, 2012, pp. 172-196.
Lollivier S., Endognit dune variable Mantere S., Vaara E., On the Problem of
explicative dichotomique dans le cadre Participation in Strategy: A Critical
dun modle probit bivari : une applica- Discursive Perspective , Organization
tion au lien entre fcondit et activit Science, vol. 19, 2008, pp. 341-358.
fminine , Annales dconomie et de March J.G., Exploration and Exploitation
statistique, vol. 62, 2001, pp. 251-269. in Organizational Learning , Organi-
Lomi A., Larsen E.R., Interacting Locally zation Science, vol. 2, 1991, pp. 71-87.
and Evolving Globally : A Computational Marchal C.-G., Dynamiques action-
Approach to the Dynamics of rflexion et construction de la connais-
Organizational Populations , Academy of sance au sein des organisations. Une
Management Journal, vol. 39, 1996, pp. contribution mthodologique constructi-
1287-1321. viste. , Thse de doctorat, Universit
Lomi A., Larsen E.R. (dir.), Dynamics of Paris-Dauphine, 2006a.
Organizations: Computational Modeling Marchal G. Deconstructing Borders:
and Organization Theories, Cambridge, Inside Out? Propositions for a Reflexive
MA, MIT Press, 2001. Constructivist Methodology ,
Lynd R.S., Lynd H.M., Middletown; a Proceedings of the 22nd EGOS
study in contemporary American culture, Colloquium, Bergen, Norway, 6-8 July,
Oxford: Harcourt, Brace, England, 1929. 2006b.
Lyotard J.F., La condition postmoderne, Marin A., Are respondents more likely to
rapport sur le savoir, Paris : Les ditions list alters with certain characteristics?:
de Minuit, 1978. Implications for name generator data,
Lyotard J.-F., La Phnomnologie, Paris, Social Networks, vol. 26, 2004, pp. 289-
PUF, 12e d., 1995. 351.
MacCallum R.C., Browne M.W., Sugawara Marsh H.W., Hau K.-T., Wen Z., In search
H. M., Power Analysis and of golden rules, Comment on hypothesis-
Determination of Sample Size for testing approaches to setting cutoff
Covariance Structure Modeling , values for fit indexes and dangers in
Psychological Methods, vol. 1, 1996, pp. overgeneralizing Hu and Bentlers (1999)
130-149. findings, Structural Equation Modeling,
Maclean N., Young Men and Fire, Chicago vol. 11, 2004, pp. 320-341.
Illinois, University of Chicago Press, Marshall C., Rossman G.B., Designing
1993. Qualitative Research, Beverly Hills, CA,
Maingueneau D., Pertinence de la notion Sage, 1989.
de formation discursive en analyse de dis- Martin J.A., Eisenhardt K.M.,
cours , Langage et socit, vol. 135, Rewiring: Cross-business-unit collabo-
2011, p. 87. rations in multi-business organizations ,
Maitlis S., Taking it from the top: How Academy of Management Journal, vol.
CEOs influence (and fail to influence) 53, 2010, pp. 265-301.
their boards, Organization Studies, vol. Martinet A.-C., Savoir(s), connatre, agir
25, 2004, pp. 1275-1311. en organisation : attracteurs pist-
630
Bibliographie
miques , in Avenier M.-J., Schmitt C. McConnell-Ginet S., Words In The

(dir), La construction de savoirs pour World: How And Why Meanings Can
laction, chapitre 1, 29-48, Paris : Matter, Language, vol. 84, 2008, pp.
LHarmattan, 2007. 497-527.
Martinet A.-C., La gense des sciences de Meier R., Newell W.T. et Pazer H.L.,
gestion , in Martinet A.-C., Pesqueux Y., Simulation in Business and Economics,
pistmologie des sciences de gestion, Englewood Cliffs NJ : Prentice-Hall,
chapitre 1, 3-20, Paris : Vuibert, coll. 1969.
Fnege, 2013a. Menard S., Longitudinal Research, Sage
Martinet A.-C., Sciences de gestion et des University Paper Series on Quantitative
organisations : carrefour, discipline ou Applications in the Social Sciences,
science fondamentale , in Martinet A.- Newbury Park, Sage, 1991.
C., Pesqueux Y., pistmologie des Merton R. K., The Sociology of Science,
sciences de gestion, chapitre 2, 21-37, University of Chicago Press, 1942, 1973.
Paris : Vuibert, coll. Fnege, 2013b. Merton R.K., Fiske M., Kendall P.L.,
Masuch M., LaPotin P., Beyond Garbage The Focused Interviews: A Manual of
Cans : An AI Model of Organizational Problems and Procedures, New York,
Choice , Administrative Science 2nd ed., 1990, Free Press.
Quarterly, vol. 34, 1989, pp. 38-67. Meyer A.D., Balls, Strikes, and Collisions
Mbengue A., Les Groupes stratgiques on the Base Path : Ruminations of a
rexamins : une approche perceptuelle , Veteran Reviewer , in Cummings L.L.,
Thse de doctorat, Universit Paris Frost P.J. (eds.), Publishing in the
Dauphine, 1992. Organizational Sciences, Thousand Oaks,
Mbengue, A., Faut-il brler les tests de Sage, 1995, 2e dition, pp. 257-268.
signification statistique ? , M@n@ Meyer R.E., Hllerer M.A., Jancsary D.,
gement, vol. 13, 2010, pp. 100-127. van Leeuwen T., The Visual Dimension
McAuley J., Duberley J., Johnson P., in Organizing, Organization, and
Organization Theory. Challenges and Organization Research: Core Ideas,
Perspectives, Prentice Hall, 2007. Current Developments, and Promising
McCabe D., Strategy-as-Power: Ambiguity, Avenues , The Academy of Management
Contradiction and the Exercise of Power in Annals, vol. 7, 2013, pp. 489-555.
a UK Building Society , Organization, vol. Meznar M.B., Nigh D., Kwok C. Y.,
17, 2009, pp. 151-15. Effect of Announcements of Withdrawal
McCall M., Bobko P., Research Methods from South Africa on Stokeholder Wealth
and Discovery in Industrial/Organizational , Academy of Management Journal, vol.
Psychology , in Dunnette M., Hough L. 37, 1994, pp. 1633-1648.
(eds.), Handbook of Industrial and Michaud V., Business as a pretext?
Organizational Psychology, Consulting Managing social-economic tensions on a
Psychologists Press, Palo Alto, CA, vol. 1, social enterprises websites, M@n@
1990, pp. 381-418. gement, vol. 16, 2013.
McClave J.T., Benson P.G., Sincich T., Michel A., Transcending Socialization: A
Statistics for business and economics, 11e Nine-Year Ethnography of the Bodys
d., Upper Saddle River, N.J.: Prentice Role in Organizational Control and
Hall, 2011. Knowledge Workers Transformation,
631
Administrative Science Quarterly, vol. Milton J.S., A Sample Size Formula for
56, 2011, pp. 325-368. Multiple Regression Studies , Public
Miles M.B., Qualitative Data as an Opinion Quarterly, vol. 50, Spring 1986,
Attractive Nuisance: The Problem of pp. 112-118.
Analysis , Administrative Science Miner A.S., Amburgey T.L., Stearns T.M.,
Quaterly, vol. 24, 1979, pp. 590-601. Interorganizational Linkages and
Miles M.B., Huberman A.M., Analysing Population Dynamics: Buffering and
Qualitative Data : A Source Book for Transformational Shields , Adminis-
New Methods, Bervely Hills, Sage, 1979, trative Science Quarterly, vol. 35, 1990,
1994. Trad. franaise : Analyse des pp. 689-713.
donnes qualitatives : Recueil de Mintzberg H., The Nature of Managerial
nouvelles mthodes, Bruxelles, De Boeck, Work, New York, Harper & Row, 1973.
1991, 2003. Mintzberg H., Structure in 5s: a
Miles M. B., Huberman A. M., Saldaa J., Synthesis of the Research on
Qualitative Data Analysis. A Methods Organization Design , Management
Sourcebook, 3e d., Newbury Park, Sage, Science, vol. 26, 1980, pp. 322-341.
2014. Mintzberg H., Le Manager au quotidien :
Miller C.C., Cardinal L.B., Glick W.H., les dix rles du cadre, Paris, ditions
Retrospective Reports in Organizational dOrganisation, 9e d., 1994.
Research : A Reexamination of Recent Mintzberg H., Pascale R., Goold M.,
Evidence , Academy of Management Rumelt R., The Honda Effect Revisited
Journal, vol. 40, 1997, pp. 189-204. , California Management Review, vol.
Miller D., Friesen P., Archetypes of 38, 1996, pp. 78-117.
Strategy Formulation , Management Mintzberg H., Raisinghani D., Thort A.,
Science, vol. 24, 1978, pp. 921-933. The Structure of Unstructured
Miller D., Friesen P., Momentum and Decision Processes , Administrative
Revolution in Organizational Adaptation , Science Quarterly, vol. 21, 1976, pp.
Academy of Management Journal, vol. 246-275.
23, 1980, pp. 591-614. Mitchell R.G., Secrecy and Fieldwork,
Miller D., Friesen P., The Longitudinal Newbury Park, CA, Sage, 1993.
Analysis of Organizations : a Methodolo- Mohr L.B., Explaining Organizational
gical Perspective , Management Science, Behaviour, San Francisco, Jossey-Bass,
vol. 28, 1982, pp. 1013-1034. 1982.
Miller D., Friesen P., Strategy-Making Moisdon J.-C. (dir.), Du mode dexistence
and Environment : The Third Link , des outils de gestion, Paris, Sli-Arslan,
Strategic Management Journal, vol. 4, 1997.
1983, pp. 221-235. Monge P., Theoretical and Analytical
Miller D., Le Breton-Miller I., Russir dans Issues in Studying Organizational
la dure. Leons sur lavantage Processes , Organization Science, vol.
concurrentiel des grandes entreprises 1, 1990, pp. 406-430.
familiales, Presses de lUniversit de Monin P., Noorderhaven N., Vaara E.,
Laval, 2010. Kroon D., Giving Sense to and Making
Miller D.C., Salkind N.J., Handbook of Sense of Justice in Postmerger
Research Design and Social Measurement, Integration , Academy of Management
Thousand Oaks, CA, Sage, 6e d., 2002. Journal, vol. 56, 2013, pp. 256-284.
632
Bibliographie
Morfaux L.-M., Lefranc J., Nouveau Nelson R.R. et Winter S.G., An

vocabulaire de la philosophie et des Evolutionary Theory of Economic
sciences humaines, Paris, Armand Colin, Change, Cambridge, MA : Harvard
2011 University Press, 1982.
Morgan G., Images of Organization, Neuendorf K., Content Analysis: A
Beverly Hills, Sage Publications, 1986, Contrast and Complement to Discourse
2006. Trad. fr. : Images de Analysis, in Symposium Discourse and
lOrganisation, Qubec, Presses de Content Analysis, Qualitative Methods,
lUniversit de Laval, 1999. Spring, 2004, pp. 33-36.
Morse J.M., Designing Funded Nguyn-duy V., Luckerhoff J.,
Qualitative Research , in Denzin N.K., Constructivisme/positivisme : o en
Lincoln Y.S. (eds.), Handbook of sommes-nous avec cette opposition ? ,
Qualitative Research, Thousand Oaks, Recherches Qualitatives, Hors-srie, n 5,
CA, Sage, 1994, pp. 220-235. 2007, pp. 4-17.
Moscovici S., Prez J.A., La mthode Northrop F.S., The Logic of the Sciences
exprimentale , In : Moscovici S., and the Humanities, Cleveland, World,
Bushini F., (eds.) Les mthodes des 1959.
sciences humaines, Paris : PUF, 2003, pp. Nutt P., Types of Organizational Decision
59-83. Processes , Administrative Science
Quarterly, vol. 29, 1984, pp. 414-450.
Moss S., Edmonds B., Sociology and
Simulation: Statistical and Qualitative Nyeck S., Paradi S., Xuereb J.-M., Chebat
Cross-Validation , American Journal of J.-C., Standardisation ou adap-tation
Sociology, vol. 110, 2005, pp. 1095-1131. des chelles de mesure travers diffrents
contextes nationaux : lexemple dune
Mouricou P., Stratgie et imitation
chelle de mesure de linnovati-vit ,
concurrentielle: Une tude des pratiques Recherche et Application en Marketing,
des programmateurs des radios musicales vol. 11, 1996, pp. 57-74.
franaises . Thse de doctorat,
Ohana M., Le contexte : itinraire autour
Universit Paris-Dauphine, 2009.
de la justice organisationnelle ,
Moyon E., Le changement du business Habilitation Diriger des Recherches,
model de lentreprise : une tude des Universit Paris Dauphine, 2011.
majors de lindustrie phonographique
Orlikowski W.J., Knowing in practice:
(1998-2008) , Thse de doctorat, univer-
Enacting a collective capability in distrib-

sit Lille-I, 2011. uted organizing, Organization Science
Mulgan G., Measuring Social Value, vol. 13, 2002, pp. 249-73.
Stanford social innovation review, sum- Osborn N., Baughn C., Forms of
mer 2010. Interorganizational Governance for
Muthn L.K., Muthn B.O., Mplus Users Multinational Alliances , Academy of
Guide, 4th edition, Los Angeles, CA, Management Journal, vol. 33, 1990, pp.
Muthn & Muthn, 1998-2006. 503-519.
Nag R., Gioia D.A. From Common to Ozkaya H.E., Dabas C., Kolev K., Hult
Uncommon Knowledge: Foundations of G.T.M., Dahlquist S.H., Manjeshwar
Firm-Specific Use of Knowledge as a S.A., An assessment of hierarchical lin-
Resource , Academy of Management ear modeling in international business,
Journal, vol. 55, 2012, pp. 421-457. management, and marketing,
633
International Business Research, vol. 22, perspective franaise, 209-231, Qubec :

2013, pp. 663-677. Les Presses de lUniversit de Laval,
Parker I., Discourse dynamics : critical 2009.
analysis for social and individual psychol- Peterson M.F., Embedded Organizational
ogy, London, New York: Routledge, 1992. Events: The Units of Process in
Parker M., The Less Important Sideshow: Organization Science , Organization
The Limits of Epistemology in Orga- Science, vol. 9, 1998, pp. 16-33.
nizational Analysis, Organization,vol. 7, Peton H., Mouvements sociaux et proces-
2000, pp. 519-523. sus de dsinstitutionnalisation : le cas de
Paroutis S., Heracleous L., Discourse lamiante en France , Thse de doctorat,
revisited: Dimensions and employment of universit Paris-Dauphine, 2012.
first-order strategy discourse during insti- Pettigrew A., The Awakening Giant:
tutional adoption , Strategic Management Continuity and Change in ICI, London,
Journal, vol. 34, 2013, pp. 935-956. Blackwell, 1985.
Pascale R., Athos A., Le management est-il Pettigrew A.M., Longitudinal Field
un art japonais ?, Paris, ditions dOr- Research on Change: Theory and
ganisation, 1984.
Practice, Organization Science, vol. 1,
Pascale R.T., Perspectives on strategy : 1990, pp. 267-292.
the real story behind Hondas success ,
Pettigrew A., The Character and
California Management Journal, vol. 26,
Significance of Strategy Process
1984, pp. 47-72.
Research , Strategic Management
Passeron J.-C., Le Raisonnement sociolo- Journal, vol. 13, 1992, pp. 5-16.
gique : lespace non popprien du raison-
Pettigrew A.M., What is a processual
nement naturel, Albin Michel, 2006, 1re
analysis? , Scandinavian Journal of
d. : Paris, Nathan, 1991.
Management, vol. 13, 1997, pp. 337-348.
Patton M., Qualitative Research &
Evaluation Methods, Newbury Park, CA, Pettigrew A.M., Woodman R.W., Cameron
K.S., Studying Organizational Change
Sage, 3e d., 2002.
and Development: Challenges for Future
Pelz D.C., Innovation Complexity and the
Sequence of Innovating Stages , Research , Academy of Management
Knowledge: Creation, Diffusion, Journal, vol. 44, 2001, pp. 697-713.
Utilization, vol. 6, 1985, pp. 261-291.
Pentland T.B., Grammatical Models of Pez S., Penser limpensable. Cadrage
Organizational Processes , Organization cognitif des suicides lis au travail et pra-
Science, vol. 6, 1995, pp. 541-555. tiques des organisations , XVIIIe
Perret V., Les Difficults de laction Confrence de lAIMS, Grenoble, 2-6
intentionnelle de changement : dualit de juin 2009.
laction et ambivalence des reprsenta- Pez S., Les reprsentations du stress des
tions , Thse de doctorat, Universit dirigeants : quelles implications pour la
Paris Dauphine, 1994. gestion du stress au travail ? , XXIe
Perret V., Quand le changement devient Congrs AGRH, St Malo, 17-19
soluble ou lidologie managriale du novembre, 2010.
changement organisationnel , in D. Pez S., La construction identitaire en
Golsorkhi, I. Huault & B. Leca (Eds.), situation. Le cas de managers lpreuve
Les tudes critiques en management. Une de la dtresse de leurs collaborateurs ,
634
Bibliographie
thse de doctorat en sciences de gestion, Human Communication Research, vol.

Universit Paris-Dauphine, 2012. 15, 1989, pp. 323-356.
Phillips N, Hardy C., Discourse Analysis: Popper K.R., The Logic of Scientific
Investigating Processes of Social Discovery, Londres, Hutchinson, 1959.
Construction, Newbury Park, Sage, 2002. Trad. fr. : La Logique de la dcouverte
Phillips N., Lawrence T. B., Hardy C., scientifique, Paris, Payot, 1973.
Discourse and institutions, Academy of Popper K.R., Objective Knowledge,
Management Review, vol. 29, 2004, pp. Londres, Oxford University Press, 1972.
635-652. Trad. fr : La Connaissance objective,
Philogne G., Moscovici S., Enqutes et Paris, Aubier, 2e d., 1991.
sondages , In : Moscovici S. , Bushini Porter M., Competitive Strategy, New York,
F., (eds.) Les mthodes des sciences Free Press, 1980.
humaines, Paris, PUF, 2003, pp. 39-58.
Porter M.E., Location, Competition and
Piaget J., Logique et Connaissance scienti- Economic Development: Local Cluster in
fique, Paris : Gallimard, 1967. a Global Economy, Economic
Piaget J., Lpistmologie gntique, Paris, Development Quarterly, vol. 14, 2000,
collection Que sais-je ? , PUF, 1970. pp. 15-34.
Pitt M., Thomas H., Industry Groups and Potter J., Handbook of data analysis, In
Strategic Management : A Reappraisal of Hardy M. A., Bryman A. (Eds.),
Strategic Group Concepts and Research Handbook of Data Analysis, London:
Methodologies , in Herman, Thomas Sage, 2004, pp. 607-624.
(Eds), Strategic Groups, Strategic Moves
Pounds W., The Process of Problem
and Performance, Oxford, UK, Elsevier,
Finding , Industrial Management
1994, pp. 81-102.
Review, vol. 11, 1969, pp. 1-19.
Podsakoff P.M., Dalton D.R., Research
Methodology in Organization Studies , Pratt M. G., Fitting Oval Pegs Into Round
Journal of Management, vol. 13, 1987, Holes. Tensions in Evaluating and
pp. 419-441. Publishing Qualitative Research in Top-
Tier North American Journals,
Pollock T.G., Bono J.E., Being
Organizational Research Methods,
Scheherazade: The Importance of
Storytelling in Academic Writing , vol. 11, 2008, pp. 481-509.
Academy of Management Journal, vol. Pratt M.G., From the editors: For the lack
56, 2013, pp. 629-634. of a boilerplate: Tips on writing up (and

Pondy L.R., Mitroff I.I., Beyond Open reviewing) qualitative research ,
System Models of Organization , in The Academy of Management Journal,
Staw B. M., Research in Organizational vol. 52, 2009, pp. 856-862.
Behavior, vol. 1, 1979, pp. 3-39. Pratt M.G., Rockmann K.W., Kaufmann
Poole M. S., Decision Development in J.B., Constructing professional identity:
Small Groups III: a Multiple Sequence The role of work and identity learning
Model of Group Decision Development , cycles in the customization of identity
Communication Monographs, vol. 50, among medical residents , Academy of
1983, pp. 321-341. Management Journal, vol. 49, 2006, pp.
Poole M.S., Roth J., Decision 235-262.
Development in Small Groups IV: A Prost A., Douze leons sur lhistoire,
Typology of Group Decision Paths , ditions du seuil, 1996.
635
Pugh D.S., Hickson D.J., Hinings C.R., Reagans R., Zuckerman E.W., Mc Evily B.,
Turner C., Dimensions of organisation How to make the team: social net-works
structure, Administrative Science vs. demography as criteria for designing
Quarterly, vol. 13, 1968, pp. 65-105. effective teams, Administrative Science
Puhakainen P., Siponen M., Improving Quarterly, 49 (1), 2004, pp. 101-133.
Employees Compliance Through
Information Systems Security Training: Reason, P., Bradbury, H., Handbook of
An Action Research Study, MIS Action Research: Concise Paperback
Quarterly, vol. 34, 2010, pp. 757-778. Edition, London, Sage, 2006.
Punj G., Steward D.-W., Cluster analy-sis Reed M. I., Reflections on the Realist
in marketing research: Review and Turn in Organization and Management
suggestions for application , Journal of Studies, Journal of Management
Marketing Research, vol. 20, 1983, pp. Studies, vol. 42, 2005, pp. 1621-1644.
134-148. Reeves Sanday P., The Ethnographic
Paradigm(s) , in Van Maanen J. (ed.),
Putnam L. L., Fairhurst G. T., Discourse
Qualitative Methodology, Newbury Park,
analysis in organizations , In Putnam L.
CA, Sage, 1983, pp. 19-36.
L., Fairhurst G. T. (Eds.), The new
handbook of organizational communica- Reichardt C.S., Coleman S.C., The
tion, 2001, pp. 78-136. Criteria for Convergent and Discriminant
Validity in a Multitrait-multimethod
Quidu M., Les STAPS face la pluralit
Matrix , Multivariate Behavioral
pistmique. Approches analytique, nor- Research, vol. 30, 1995, pp. 513-538.
mative et comprhensive , Thse de doc-
Repenning N., A Simulation-Based
torat, Universit de Nancy II, 2011.
Approach to Understanding the Dynamics
Quinn R., Cameron K., A Dynamic of Innovation Implementation ,
Theory of Organization and Organization Science, vol. 13, 2002, pp.
Management , Paradox and 109-127.
Transformation, 1988, pp. 289-308. Rescher N., Process Philosophy: An
Quivy R., Van Campenhoudt L., Manuel de Introduction to Process Philosophy,
recherche en sciences sociales, Paris, Albany: State University of New York
Dunod, 2e d., 1995. Press, 1996.
Rabardel P., Instrument, activit et dve- Richards L., Handling Qualitative Data: A
loppement du pouvoir dagir , in Teulier Practical Guide, 2nd ed., London, Sage
R., Lorino P. (eds), Entre connaissance et Publications, 2010.
organisation : lactivit collective, Paris, Richardson L., Writing Strategies :
La Dcouverte, 2005, pp. 251-265. Reaching Diverse Audiences, Newbury
Ragin C.C., The Comparative Method: Park, Sage, 1990.
Moving Beyond Qualitative and Ricoeur P., Temps et Rcit, Paris : ditions
Quantitative Strategies, Berkeley: du Seuil, 1983.
University of California Press, 1987. Riegler A., Quale A., Editorial : Can
Reagans R., Mc Evily B., Network Radical Constructivism Become a
Structure and Knowledge Transfer: The Mainstream Endeavor ?, Constructivist
Effects of Cohesion and Range, foundations, vol. 6, 2010, pp. 1-5.
Administrative Science Quarterly, vol. Rihoux B., Qualitative Comparative
48, 2003, pp. 240-267. Analysis (QCA) and Related Systematic
636
Bibliographie
Comparative Methods: Recent Advances sociales, Bruxelles, De Boeck Universit,

and Remaining Challenges for Social 2005, pp. 101-137.
Science Research, International Roose H., Lievens J., Waege H., The Joint
Sociology, vol. 21, 2006, pp. 679-706. Effect of Topic Interest and Follow-Up
Rivkin J.W., Imitation of Complex Procedures on the Response in a Mail
Strategies , Management Science, vol. Questionnaire, Sociological Methods
46, 2000, pp. 824-844. Research, vol. 35, 2007, pp. 410-428.
Rivkin J.W., Reproducing Knowledge:
Replication Without Imitation at Rost K., The strength of strong ties in the
Moderate Complexity , Organization creation of innovation, Research Policy,
Science, vol. 12, 2001, pp. 274-293. vol. 40, 2011, pp. 588-604.
Rivkin J.W., Siggelkow N., Designing Ross J., Staw B. M., Organizational
Organizations for Turbulence and Escalation and Exit: Lessons from the
Complexity , Organization Science, vol. Shoreham Nuclear Power Plant ,
16, 2005, pp. 101-122. Academy of Management Journal, vol.
Roberts K.H., OReilly C.A., Some 36, 1993, pp. 701-732.
Correlations of Communication Roles in RouseW.B.,Boff K.R. (dir.), Organizational
Organizations , Academy of Management
Simulation, Wiley, Hoboken, NJ, 2005.
Journal, vol. 22, 1979, pp. 12-35.
Roy B., Laide la dcision aujourdhui :
Robins G., Snijders T.A.B., Wang P.,
que devrait-on en attendre ? , in David
Handcock M., Pattison P., Recent
A., Hachtuel, A., et Laufer R., (Coord),
developments in exponential random
Les nouvelles fondations des sciences de
graph (p*) models for social networks,
gestion, chapitre 6, 141-174, Paris :
Social Networks, vol. 29, 2007, pp. 192-
Vuibert, 2000.
215.
Royer I., Number of Cases, In: Mills
Robinson R.B., Pearce J.A., The impact
of formalized strategic planning on finan- A.J., Durepos G., Wiebe E. (eds), The
cial performance in small organizations , Sage Encyclopedia of Case Study
Strategic Management Journal, vol. 4, Research, London: Sage, 2009, pp. 614-
1983, pp. 197-207. 617.
Rodan S., Galunic C., More than net-work Royer I., La responsabilit des chercheurs
structure: how knowledge heteroge-neity en gestion , Revue franaise de gestion,
influences managerial performance and 2011, pp. 65-73.

innovativeness, Strategic Management Royer I., Zarlowski P., volution du design
Journal, vol. 25, 2004, pp. 541-562. au cours de la recherche, http://
royeri.free.fr/Evolution du design.pdf,
Rogers E.M., Diffusion of innovation, Free 2014.
Press, 1982. Rubin H.J., There arent going to be any
Rojas, F., Grad Skool Rulz, What You Need to bakeries here if there is no money afford
Know about Academia from Admissions to jellyrolls: The Organic Theory of
Tenure, Smashwords, 2011. Community Based Development , Social
Romelaer P., Lentretien de recherche . Problems, vol. 41, 1994, pp. 401-424.
In: P. Roussel & F. Wacheux (ds), Rubin H.J., Rubin I.S., Qualitative
Management et Ressources Humaines. Interviewing, The Art of Hearing Data,
Mthodes de recherche en sciences Thousand Oaks, CA, Sage, 1995.
637
Rudolph J.W., Repenning N.P., Disaster Schffer U., Management Accounting and
Dynamics: Understanding the Role of Control Scales Handbook, Deutscher
Quantity in Organizational Collapse , Universittsverlag, 2008.
Administrative Science Quarterly, vol. Schatzman L., Strauss A.L., Field
47, 2002, pp. 1-30. Research, Strategies for a Natural
Ruiz F.J., The Supplier-Retailer relation- Sociology, NJ, Englewood Cliffs,
ship in the context of strategic groups, Prentice-Hall, Inc., 1973.
International Journal of Retail & Schelling T. C., Micromotives and
Distribution Management, vol. 28, 2000, Macrobehavior, New York, Norton, 1978.
pp. 93-106. Schlesselman J.J., Case-control Studies:
Rumelt R.P., The Many Faces of Honda, Design, Conduct, Analysis, New York,
California Management Review, vol. 38, Oxford University Press, 1981.
1996, pp. 103-117. Schneider S.C., Angelmar R., Cognition
Rumelt R.P., Schendel D., Teece D.J., in Organizational Analysis : Whos
Fundamental Issues in Strategy, Boston Minding the Store ? , Organization
MA, Harvard University Press, 1994. Studies, vol. 14, 1993, pp. 347-374.
Sanday P., The Ethnographic Paradigms , Schulte M., Cohen N.A., Klein K.J., The
Administrative Science Quarterly, vol. Coevolution of Network Ties and
24, 1979, pp. 527-538. Perceptions of Team Psychological
Safety, Organization Science, vol. 23,
Sandberg J., How Do We Justify
2012, pp. 564-581.
Knowledge Produced With Interpretive
Schwandt T.A., Constructivist,
Approaches?, Organizational Research
Interpretivist Approaches to Human
Methods, vol. 8, 2005, pp. 41-68.
Inquiry , in Denzin N.K., Lincoln Y.S.
Saporta, G., Probabilits, analyse des don- (eds), Handbook of Qualitative Research,
nes et statistique, 3e d, Paris, Technip, London, Sage, 1994, pp. 118-137.
2011.
Schwenk C., Why Sacrifice Rigour for
Sarason I.G., Smith R.E., Diener E., Relevance? A Proposal for Combining
Personality Research: Components of Laboratory and Field Research in Strategic
Variance Attributable to the Person and Management , Strategic Management
the Situation , Journal of Personality Journal, vol. 3, 1982, pp. 213-225.
and Social Psychology, vol. 32, 1975, pp. Seber G.A.F., Multivariate observations,
199-204. 3e d., New York, John Wiley & Sons,
SAS Institute Inc, SAS Users Guide : 2009.
Statistics, Version 6 Edition, Cary, NC, Segal L., The Dream of Reality, New York,
SAS Institute, 1989. Norton, 1986. Trad. fr. : Le Rve de la
Sawyer A.G., Ball A.D., Statistical Power ralit, Paris, Le Seuil, 1990.
and Effect Size in Marketing Research , Selltiz C., Wrightsman L.S., Cook S.W.,
Journal of Marketing Research, vol. 18, Les Mthodes de recherche en sciences
1981, pp. 275-290. sociales, Montral, HRW ditions, 1977.
Sayer A., Why critical realism? , in S. Sgourev S.V., How Paris Gave Rise to
Fleetwood and S. Ackroyd (Eds.), Cubism (and Picasso): Ambiguity and
Critical realist applications in organiza- Fragmentation in Radical Innovation ,
tion and management studies, London: Organization Science, vol. 24, 2013, pp.
Routledge, 2004, pp. 6-20. 1601-1617.
638
Bibliographie
Shadish W.R., Cook T.D., Campbell D.T., teachers and pupils, London: Oxford
Experimental and Quasi-Experimental University Press, 1975.
Designs for Generalized Causal Inference, Singleton R.A., Straits B.C., Approaches to
Boston, MA: Houghton Mifflin, 2002. Social Research, 5e d., Oxford
Shaver J.M., Mitchell W., Yeung B., The University Press, 2009.
Effect of Own-Firm and Other Firm Slater S., Olson E. M., Marketings
Experience on Foreign Direct Investment Contribution to the implementation of
Survival in the United States, 1987-92 , Business Strategy: an Empirical Analysis,
Strategic Management Journal, vol. 18, Strategic Management Journal, vol. 22,
1997, pp. 811-824. 2001, pp. 1055-1067.
Shrivastava P., Grant J.H., Empirically Smith K.G., Grimm C.M., Wally S., Young
Derived Models of Strategic Decision- G., Strategic Groups and Rivalrous
Making Processes , Strategic Firm Behavior: Towards a Reconciliation
Management Journal, vol. 6, 1985, , Strategic Management Journal, vol.
pp. 97-113. 18, 1997, pp. 149-157.
Siggelkow N., Persuasion with Case Snijders T.A.B., Van Den Bunt G.G.,
Studies, Academy of Management Steglich C.E.G., Introduction to sto-
Journal, vol. 50, 2007, pp. 20-24. chastic actor-based models for network
Siggelkow N., Rivkin J.W., Speed and dynamics, Social Networks, vol. 32,
Search : Designing Organizations for 2010, pp. 44-60.
Turbulence and Complexity , Snow C.C., Thomas J.-B., Field Research
Organization Science, vol. 16, 2005, pp. Methods in Strategic Management :
101-122. Contributions to Theory Building and
Siggelkow N., Rivkin J. W., Hiding the Testing , Journal of Management
Evidence of Valid Theories: How Coupled Studies, vol. 31, 1994, pp. 457-479.
Search Processes Obscure Performance Spearman C., Correlation Calculated
Differences among Organizations , With Faulty Data , British Journal of
Administrative Science Quarterly, vol. Psychology, vol. 3, 1910, pp. 271-295.
54, 2009, pp. 602-634. Spector P.E., Research Designs, Beverly
Silverman D., Interpreting Qualitative Hills, CA, Sage, 1981.
Data, Methods for Analysing Talk, Text, Spicer A., Alvesson M., Krreman D.,
and Interaction, London, Sage, 1993,
Critical performativity: The unfinished

2001, 2006, 2012. business of critical management studies,
Silvia P. J., How to Write a Lot: A Practical Human Relations, vol. 62, 2009, pp. 537-
Guide to Productive Academic Writing, 560.
Washington, DC: APA Life Tools, 2007. Stablein R., Data in Organization Studies
Simon H., The Sciences of the Artificial, , in : Clegg S.R., Hardy C., Nord W.R.
MIT Press, 1981. (eds.), The SAGE Handbook of
Simon H., Hidden Champions, Boston, Organization Studies, 2e d., Londres,
MA, Harvard Business School Press, Sage, 2006, pp. 347-370. 1re d. : 1996,
1996. Trad. fr. : Les Champions cachs pp. 509-525.
de la performance, Paris, Dunod, 1998. Stake R.E., The Art of the Case Study
Sinclair J., Coulthard M., Towards an Research, Thousand Oaks, CA, Sage,
Analysis of Discourse: The language of 1995.
639
Stake R.E., Case studies, in: Denzin Sugar C.A., James G.M., Finding the
N.K., Lincoln Y.S. (eds.), Handbook of number of clusters in a data set: An infor-
Qualitative Research, 2nd ed., Thousand mation-theoretic approach, Journal of
Oaks: Sage, 2000, pp. 435-454. American Statistical Association, vol. 98,
Stam W., Elfring T., Entrepreneurial ori- 2003, pp. 750-778.
entation and new venture performance: Tashakkori A., Teddie C., Handbook of mixed
the moderating role of intra- and extrain- methods in the social and behavorial
dustry social capital, Academy of sciences, Thousand Oaks, Sage, 2003.
Management Journal, vol. 51, 2008, pp. Taylor M.S., Audia G., Gupta A.K., The
97-111. Effect of Lengthening Job Tenure on
Starbuck W.H., Turning Lemons into Managers Organizational Commitment
Lemonade: Where Is the Value in Peer and Turnover , Organization Science,
Reviews?, Journal of Management vol. 7, 1996, pp. 632-648.
Inquiry, vol. 12, 2003, pp. 344-351. Taylor P., Bain P., Humour and
Starbuck W.H., Miliken F.J., Executive Subversion in Call centers , in S.
Perceptual Filters : What They Notice and Fleetwood and S. Ackroyd (Eds.),
How They Make Sense , in Hambrick D. Critical realist applications in organiza-
(ed.), The Executive Effect : Concepts and tion and management studies, London:
Methods for Studying Top Managers, Routledge, 2004, pp. 274-297.
Greenwich, CT, JAI Press, 1988, pp. 35- Tellis G.J., Golder P.N., First to Market,
65. First to Fail? Real Causes for Enduring
Steers R.M., Problems in the Market Leadership , Sloan Management
Measurement of Organizational Review, vol. 37, 1996, pp. 65-75.
Effectiveness , Administrative Science Tenenhaus M., Statistique : Mthodes
Quarterly, vol. 20, 1975, pp. 546-558. pour dcrire, expliquer et prvoir, Paris :
Steinmetz G. (Ed), The Politics of method Dunod, 2007.
in the Human Sciences. Positivism and its Thomas H., Venkatraman N., Research
epistemological others, Londres : Duke on Strategic Groups : Progress and
university Press, 2005. Prognosis , Journal of Management
Stewart D. W., The Application and Studies, vol. 25, 1988, pp. 537-555.
Misapplication of Factor Analysis in Toepoel V., Das M., Van Soest A., Design
Marketing Research, Journal of of Web questionnaires: The effect of lay-
Marketing Research, vol. 18, 1981, pp. out in rating scales, Journal of Official
51-62. Statistics, vol. 25, 2009, pp. 509-528.
Stigliani I., Ravasi D. Organizing Thoughts Tomaskovic-Devey D., Leiter J.,
and Connecting Brains: Material Practices Thompson S., Organizational Survey
and the Transition from Individual to Nonresponse , Administrative Science
Group-Level Prospective Sensemaking , Quarterly, vol. 39, 1994, pp. 439-457.
Academy of Management Journal, vol. 55, Toyoda T., Use of the Chow Test Under
2012, pp. 1232-1259. Heteroscedasticity , Econometrica, vol.
Strauss A.L., Corbin J., Basics of 42, 1974, pp. 601.
Qualitative Research : Grounded Theory Tsang E.W.K., Kwan K.-M., Replication and
Procedures and Technics, Newbury Park, Theory Development in Organizational
Sage, 1990, 2e d. : 1998. Science: A Critical Realist Perspective,
640
Bibliographie
Academy of Management Review, vol. 24, of Innovation: The Minnesota Studies,

1999, pp. 759-781. New York, Harper & Row, 1989.
Tsoukas H., The Missing Link: A Van de Ven A.H., Huber G.P.,
Transformational View of Metaphors in Longitudinal Field Research Methods for
Organizational Science , Academy of Studying Processes of Organizational
Management Review, vol. 16, 1991, pp. Change , Organization Science, vol. 1,
566-585. 1990, pp. 213-219.
Tsoukas H., The practice of theory: A Van De Ven A.H., Poole M., Methods for
knowledge-based view of theory develop- Studying Innovation Development in the
ment in organization studies, In Tsoukas Minnesota Innovation Research Program
H., Complex knowledge, Oxford: Oxford , Organization Science, vol. 1, 1990, pp.
University Press, 2005, pp. 321-339. 313-333.
Tsoukas H., Chia R., On organizational Van De Ven A., Poole M., Explaining
becoming: Rethinking organizational Development and Change in Organizations
change Organization Science, vol. 13, , Academy of Management Review, vol.
2002, pp. 567-582. 20, 1995, pp. 510-540.
Van de Ven A.H., Poole M.S., Alternative
Tuma M.N., Decker R., Scholz S., A
Approaches for Studying Organizational
survey of the challenges and pitfalls of
Change , Organization Studies, vol. 26,
cluster analysis application in market seg-
2005, pp. 1377-1404.
mentation, International Journal of
Van Dijk T A., Discourse and
Market Research, vol. 53, 2011, pp. 391-
Communication: new approaches to the
414.
analysis of mass media discourse and
Uzzi B., Spiro J., Collaboration and communication, Berlin: Walter de Gruyter,
Creativity: The Small World Problem, 1985.
American Journal of Sociology, vol. 111,
Van Dijk T. A., Discourse Studies: A
2005, pp. 447-504.
Multidisciplinary Introduction, London:
Valente M., Evolutionary Economics and Sage, 2011.
Computer Simulations - A Model for the Van Maanen J., Reclaiming Qualitative
Evolution of Markets , Doctoral Thesis, Methods for Organizational Research: a
Department of Business Studies, Preface , Administrative Science
University of Aalborg, Denmark, 1999. Quarterly, vol. 24, 1979, pp. 520-526.
Van Campenhoudt L., Quivy R., Manuel de Van Maanen J., Tales of the Field : on
recherche en sciences sociales, Paris, Writing Ethnography, 2e d., Chicago,
Dunod, 4e d., 2011. University of Chicago Press, 2011, 1 re d.
Vandangeon-Derumez I., La Dynamique : 1988.
des processus de changement, Thse de Van Maanen J., Fear and Loathing in
doctorat , Universit de Paris-Dauphine, Organization Studies , Organization
1998. Science, vol. 6, 1995 a, pp. 687-692.
Van de Ven A.H., Suggesting for Studying Van Maanen J., Style as Theory ,
Strategy Process: a Research Note , Organization Science, vol. 6, 1995 b, pp.
Strategic Management Journal, vol. 13, 133-143.
1992, pp. 169-188. Van Maanen J., Ethnography then and
Van De Ven A.H., Angle H.L., Poole M.S. now , Qualitative Research in
(eds.), Research on the Management Organizations and Management: An
641
Bibliographie
Whittington R., Molloy E., Mayer M., Second Generation of Multivariate

Smith A., Practices of Strategising/ Analysis, New York, Praeger, 1982.
Organising: Broadening Strategy Work Wood L. A., Kroger R. O., Doing Discourse
and Skills , Long Range Planning, vol. Analysis: Methods for studying action in
39, 2006, pp. 615-629. talk and text, London: Sage, 2000.
Whyte W.F., Street Corner Society: The Woolgar S., Reflexivity is the Ethnographer
Social Structure of an Italian Slum, of the Text, in Woolgar S. (Ed),
Chicago, The University of Chicago Knowledge and Reflexivity: New Frontiers
Press, 1955, 4e d., 1993. Trad. fran. : in the Sociology of Scientific Knowledge,
Street Corner Society, la structure sociale
London, Sage, 1988, pp. 1-13.
dun quartier italo-amricain, Paris, La
Dcouverte, 1996. Woolgar S., Coopmans C., Neyland D.,
Does STS Mean Business?,
Wiertz C., de Ruyter K., Beyond the Call
Organization, vol. 16, 2009, pp. 5-30.
of Duty: Why Customers Contribute to
Firm-hosted Commercial Online Yin R.K., Case Study Research, Design and
Communities, Organization Studies, vol. Methods, Sage, 1984, 1994, 2003, 2014.
28, 2007, pp. 347-376. Zahra S.A., Neubaum D.O., Revising to
Willmott H. Journal List Fetishism and the Be Published: Building Trust to Win the
Perversion of Scholarship: Reactivity and Acceptance of Journal Editors and
the ABS List, Organization, vol. 18, Reviewers , in Baruch Y., Sullivan S. E.
2011, pp. 429-442. et Schepmyer H. N. (ds.), Winning
Wiltermuth S.S., Flynn F.J., Power, Moral Reviews: A Guide for Evaluating
Clarity, and Punishment in the Scholarly Writing, Basingstoke, Palgrave,
Workplace, Academy of Management 2006, pp. 205-223.
Journal, vol. 56, 2013, pp. 1002-1023. Zaltman C., Pinson C., Angelmar R.,
Wittgenstein L., Le cahier bleu et le cahier Metatheory and Consumer Research, New
brun, Paris, Gallimard, 1958. York : Holt, Rinehart and Winston, 1973.
Wolcott H.F., Writing Up Qualitative Zeller R., Carmines E., Measurement in the
Research, Newbury Park, Sage, 1990. Social Sciences: The Link Between
Wold H, Systems under indirect observa- Theory and Data, Cambridge, Cambridge
tion using PLS , in Fornell C. (ed.), A University Press, 1980.
643
Index
A mixte 162
oblative 286
Abduction 80, 81, 99 qualitative 106, 118, 141
Abstraction 198 quantitative 106, 118
ACM 489 Architecture de la recherche 169
ACP 489 Automates cellulaires 537 Auto-
Actionnabilit 40 organisation 529 Axiologie 15
AFC 489
AFCS 489
Algorithme 483
Algorithmes gntiques 541 B
Analogie 81, 91
Analyse 106, 117 Biais de lchantillon 229
causale 350
de contenu 553
de discours 562 C
critique 566
des cohortes 405 Cadre
des donnes 116 conceptuel 303
factorielle 475, 488 dobservation 272
inter-cas 353 Catgorisations 203
longitudinale 388 Causalit 335, 339
typologique 475, 482 Chane de preuves 125
Ancrage pistmologique 90 Chercheur 123
Approche ethnographique 216
critique 70 hypothtico- Choix
dductive 140 inductive pistmologique 90
141 raisonn 233
Index
Chronologie 391 Double codage 363

Classes 475 Dure 391
Classification 474 Dynamique des systmes 535
hirarchique 483
non hirarchique 483
Codage 205 E
axial 205, 339
ouvert 205 chantillon 220
slectif 205 appari 232, 256
Coder 203 probabiliste 225
Co-volution 529 chantillonnage 241
Cohorte 391, 405, 406, 407 probabiliste 253
Collecte des donnes 190, 262, 394 chelle 205, 264
Comprendre 34, 35 de mesure 264
Concept 83, 198 de proportion 119, 120
Confidentialit 293 dintervalle 119, 120
Confirmabilit 38 mtrique 121 nominale
119
Confirmatoire 475
non mtrique 119, 121
Connaissance 28, 36
ordinale 119
Constitution
Effet 243
dchantillon 225, 233
additif 340
Constructionnisme 17
bandwagon 529
Constructivisme 20, 42, 54
de halo 265
ingnierique 19, 21, 28, 35, 40
interactif 340
Contamination 284 mdiateur 341
Contenu 130, 131, 163 modrateur 341
Contexte 25, 34 Efforts dajustement 212
Corrlation 481 Endognit 466
Corroboration 39, 95 Enqute 172
Crdibilit 39 Entretien 274, 399
Cycle 394, 409 pistmologie 15, 170
quilibres ponctus 529
Essentialisme 22, 53
D tape 394
Ethnographie 177
Data structure 348
tude de cas 176, 250, 353
Dcomposition 409 tude rtrospective 398
Dduction 78, 79, 82
dlit.
vnement 393
Dmarche Exognit 466
abductive 93 Exprimentation 172, 232, 235, 249, 273, 342
est un
hypothtico-dductive 79, 96 Expliquer 32, 34

Dendogramme 484 Exploration 89, 90, 102
autoris
e
Design de la recherche 169 empirique 91

laboration 184 hybride 93
Dterminisme 23 thorique 90
non
Dilemme du prisonnier 525 Exploratoire 475

reproducti
Docking 546 Explorer 78

on
Donne 106, 107, 198, 477

externe 292
interne 291 F
primaire 111, 112, 114, 117, 118, 263, 273,
Toute
281 Facteur 490

qualitative 108, 119, 121 de dynamique 393
D
u
n
o
d
secondaire 111, 112, 114, 115, 117, 290

quantitative 119, 120, 121 Fiabilit 210, 298, 305, 486
de la recherche 316

645
de linstrument 308 M
dun instrument de mesure 306
Flexibilit 112, 114, 116 Mesure 198
de la recherche 125 discrte 280
Mtaphore 81
Mthode 121, 127, 198, 473
G danalyse 188
de catgorisation 216
Gamma de Goodman et Kruskal 403 des quotas 228, 253
Gamma de Pelz 403 exprimentale 102, 273, 534
Garbage can 532 mixte 181
Gnralisation 249 quali-quantitative compare 356
qualitative 118
des rsultats 322
squentielle 401
Mthodologies qualitatives 90
H Modalits de rponses 265
Modle 87, 335, 532
Modle NK 539
Hermneutique 35
Modlisation 367 Modlisation
Hypothse 84, 86, 94
causale 368 Modes
falsifiable 96
dadministration 266, 272 Monde
empirique 198
I thorique 198
Idiographique 35
Indices 203 N
de distance 481 de
similarit 481 Niveaux danalyse 547
Induction 79, 80, 82 Nomothtique 35
Inhibition des sentiments 217 Non essentialisme 22, 24, 53
Instrumentation 198 Intensit Non-rponse 231, 248, 257
des variables 362
Intentionnaliste 25, 26
Interprtativisme 17, 21, 26, 27, 35, 39, 54
O
Intersubjectivit 26, 27, 39 Objectif 123
Intervalle de confiance 326 Objectivisme 29, 30
Objectivit 106, 110, 114, 124
de la recherche 124
J Observation 272, 277, 395, 474
non participante 279
Justification processuelle 159 participante 278
Ontologie 15, 22, 27
Oprationnalisation 198
K Ordonnancement des donnes 215
Khi2 481
P
L Paradigme 19
Perception 217
Levier conceptuel 216 Performativit 41, 43, 45
Lexicomtrie 567 Phase 394, 409
Liaison cl 208 Phnomne 29, 389
Liste de contrle 342 Points extrmes 479
Littrature 198 Population 220, 242
646
Index
Positivisme 16, 21, 23, 30, 54 Simulation 172, 524

Postmodernisme 21, 27, 35, 54, 60, 70 Sites dobservation 198
Post-positivisme 16, 21 Sources de donnes 281
Prcision 241 Spcification des modles 469
Prtest 266 Standardisation 479
Preuve 360 Statut 107, 112, 113, 114, 115
Problmatisation 71 de la donne 106
Processus 130, 141, 163, 347, 394 Stratgie de recherche 161
de rvision 582 Stratification 257
Proxy 205 Structuration 474 Subjectif
Publication 577 123
Puissance 243, 463 Subjectivit du chercheur 109, 110, 123, 124
Sujet 110, 124
Q
T
Quartimax 492
Quasi-exprimentation 346 Taille de lchantillon 236
Questionnaire 263 Taux de rponse 248 Taux
de sondage 242
Taxonomie 138
R Temps 391
Test 94, 102
Ralisme 20, 22, 30, 42, 54, 530 non paramtrique 451
critique 21, 23, 31, 54, 56 paramtrique 429
Recherche statistique 324, 419
descriptive 136 Tester 78
ingnierique 59, 66 Thorie 88
mixte 160 substantive 89
qualitative 273 Thick description 35, 40
quantitative 263 Traduction 198
Recherche-action 51, 65, 177, 395 dune chelle 212
Recherche-intervention 59, 66 Transfrabilit des rsultats 322
Recueil 106, 107, 117 Triangulation 126, 127
Recueil des donnes 116
Redressement de lchantillon 257
Rflexivit 15, 20, 41, 44, 70 V
Rfutabilit 38
Relation 335, 360 Valeur manquante
dlit.
causale 159 479 propre 490

Relativisme 33
est un
Rplication 251 Validation 295

Reprsentativit 545 Validit 210, 308, 476, 486, 543
autoris
Rtrospectif 399 convergente 301

e
Robustesse 544 de concept 300 de

Rotations obliques 493 contenu 300 de
reproduction non
critre 299
Rotations orthogonales 492 discriminante 301
du construit 299, 301
dun instrument de mesure 305, 310
S externe 113, 114, 115, 122, 222, 249, 321,
323, 327, 486
Toute
Saturation 252
Sensibilit de linstrument de mesure 211 externe dune recherche qualitative 329
globale 298
uno
D
Squence non rcurrente 401

d
Squentialit 126 interne 113, 114, 115, 122, 222, 249, 312,
Seuil de signification 240 313, 543
prdictive 486
647
Variable 474 Varimax 492

de contexte 341 Vrifiabilit 38
latente 476 Vrit 36
proxy 205 Vrit-adquation 37, 39
Variance 239, 249, 489 Vrit-correspondance 37, 38
648

Méthodes de Recherche en Management by Imihi

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Méthodes de Recherche en Management by Imihi

Uploaded by

Copyright:

Available Formats

mAnAgemenTsup

Raymond-Alain Thietart et al.

Dunod, Paris, 2014

Florence Allard-Poesi Elle est professeur lUniversit Paris-Est

Bernard Forgues Il est professeur lEMLYON Business

1 Table des matires

1 Fondements pistmologiques de la recherche 14

2 Construction de lobjet de la recherche 47

3 Explorer et tester : les deux voies de la recherche 76

4 Quelles approches avec quelles donnes ? 105

5 Recherches sur le contenu et recherches sur le processus 129

Partie 2 Mettre en uvre

6 Le design de la recherche 168

7 Comment lier concepts et donnes ? 197

9 La collecte des donnes et la gestion de leurs sources 261

Section 2 La collecte des donnes primaires

10 Validit et fiabilit de la recherche 297

11 Construire un modle 334

12 Analyses longitudinales 388

13 Estimation statistique 418

14 Mthodes de classification et de structuration 473

Section 2 Mise en uvre des principales mthodes 482

15 Analyse des rseaux sociaux 498

16 Mthodes de simulation 524

17 Exploitation des donnes textuelles 551

19 Lenvironnement du chercheur 593

L e management est un domaine de recherche de grande ampleur. Partageant la

mme manire selon nos reprsentations du monde. Contradictions galement de

pratiques diverses en matire de mthodes sont mises en uvre, des thories

Nul ne peut prtendre nanmoins dtenir la vrit, et la diversit des recherches

La recherche se nourrit dexpriences multiples. De leur confrontation peut

prmaturment, une technique danalyse peut se rvler insatisfaisante lusage,

dune part, et design de recherche et maturit de la connaissance dautre part, sont

La quatrime partie de louvrage, Diffuser , nous emmne dans un domaine

pistmologie peut se dfinir comme la discipline philosophique qui vise

tablir les fondements de la science. En ce sens elle cherche caractriser la

Apprhender les prsupposs et hypothses implicites et participer aux dbats

1 Le rfrentiel des sciences de la nature

Les sciences de la nature ont souvent t prsentes comme porteuses dune

dune posture de neutralit et dobjectivit du chercheur et de sa dmarche. Ce

2 Le rfrentiel des sciences humaines et sociales

La domination du modle scientifique hrit des sciences de la nature est

conduit galement remettre en cause la neutralit de la science et lindpendance

Revendiquer lappartenance des sciences de gestion aux sciences sociales nest

3 Le rfrentiel des sciences de lingnieur1

1. Il ny a pas dappellation stabilise de ce rfrentiel. En revendiquant lhritage de Piaget (1970), de Simon

Croset, 2008) rejoint les proccupations de la philosophie pragmatiste, et permet

1. Le label de constructivisme pragmatique a rcemment t propos par Avenier et Gavard-Perret (2012).

nous permet en effet de concevoir diffremment nos objets de recherche et de

En second lieu, il est important de saisir que ces dmarcations se dplacent,

Lorientation raliste peut se dfinir, en premire analyse, partir des

particulirement dans la recherche en management (Reed, 2005).

Si lobjet de la recherche en management fait rgulirement dbat lentreprise ?

Positivisme Ralisme critique Interprtativisme Post-modernisme

Ainsi pour le positivisme, la ralit est indpendante de lesprit et des

y a de plus essentiel dans la notion de la ne soient pas ou quelles soient

Cette conception essentialiste oriente le travail du chercheur vers la dcouverte des

cependant du positivisme en considrant que le chercheur na pas accs cette

Les paradigmes inscrits dans une orientation constructiviste (linterprtativisme,

Lontologie non essentialiste amne considrer que la ralit est

Les paradigmes inscrits dans lorientation constructiviste partagent donc la mme

Quel est le sens des phnomnes humains ?

La dimension intentionnelle souligne que lactivit humaine est le fruit de la

Linterprtativisme concevra, en accord avec ces spcificits, que la ralit sociale