Dans de nombreux questionnaires, qu’ils soient adressés à des clients, à un panel ou à des collaborateurs, les répondants se retrouvent face à des questions avec l’échelle de Likert. Mais qu’est-ce que l’échelle de Likert ? Pourquoi est-elle fréquemment utilisée dans les sondages ? Et comment l’utiliser à bon escient pour en tirer des conclusions fiables ? Voici tout ce que vous devez savoir sur cet outil incontournable.
Qu’est-ce que l’échelle de Likert ?
Définition d’une échelle
Les échelles proposent un ensemble d’options de réponses à une question fermée. Ces options peuvent être formulées sous forme numérique ou verbale. Elles permettent d’évaluer précisément et de manière nuancée l’opinion, la perception ou l’attitude d’un individu face à un sujet précis.
Définition de l’échelle de Likert
L’échelle de Likert (ou échelle d’attitude) est un système de notation sémantique, généralement composé de 5 ou 7 items, qui est utilisé dans les sondages pour mesurer et évaluer les perceptions, attitudes et opinions.
Dans les questions avec échelle de Likert, pour chaque question ou déclaration, le répondant doit utiliser le système de notation suivant pour répondre :
- Tout à fait d’accord
- Plutôt d’accord
- Neutre
- Plutôt pas d’accord
- Pas du tout d’accord
On retrouve cet outil de notation fréquemment dans les enquêtes quantitatives car il est hautement adaptable. En effet, avec une telle classification, on peut évaluer aussi bien la satisfaction d’un consommateur, l’engagement d’un collaborateur ou la viabilité d’une offre dans le cadre d’une étude de marché.
Ce système est également très utilisé car il apporte une granularité essentielle aux réponses. Au lieu d’avoir les réponses « Oui » ou « Non » qui sont catégoriques, on obtient une réponse plus nuancée qui permet de mieux comprendre l’intensité du sentiment du répondant. Vous ne vous contentez plus de savoir si un consommateur est satisfait ; vous savez à quel point il l’est.
La science derrière l’échelle : des données ordinales
Pour bien comprendre la puissance et les limites de l’échelle de Likert, il est crucial de savoir quel type de données elle produit. En statistique, on distingue plusieurs types de données :
- Données nominales : Des catégories sans ordre hiérarchique (ex : Homme / Femme ; Paris / Lyon / Marseille).
- Données ordinales : Des catégories qui suivent un ordre logique, mais où l’écart entre elles n’est pas quantifiable ou constant (ex : « Pas du tout d’accord », « Plutôt d’accord », « Tout à fait d’accord »).
- Données d’intervalle : Des données numériques où l’écart entre deux valeurs est constant et significatif (ex : la température en degrés Celsius).
L’échelle de Likert produit des données ordinales. Nous pouvons affirmer que « Tout à fait d’accord » est un sentiment plus fort que « Plutôt d’accord », mais nous ne pouvons pas prouver que l’écart psychologique entre ces deux points est le même que celui entre « Neutre » et « Plutôt d’accord ». Cette distinction est fondamentale et a des implications directes sur la manière d’analyser les résultats, comme nous le verrons plus loin.
Origine de l’échelle de Likert
L’échelle de Likert est un outil qui porte le nom de son inventeur, Rensis Likert. Ce sociologue et psychologue américain a inventé la « Likert scale » pour mener ses études psychométriques et mesurer les attitudes dans les années 1930.
Les variantes de l’échelle de Likert : 5 ou 7 points, avec ou sans point neutre ?
Si l’échelle à 5 points est la plus connue, elle n’est pas la seule option. Le choix du nombre de points et de la présence d’un point central est une décision stratégique.
Échelle à 5 ou 7 points ?
- L’échelle à 5 points est la plus courante. Elle est simple à comprendre et rapide à remplir, ce qui réduit la fatigue du répondant.
- L’échelle à 7 points offre plus de nuance. Elle peut capter des variations d’opinion plus fines, ce qui est utile pour des sujets complexes. Cependant, la distinction entre des points adjacents (par exemple, entre « Assez d’accord » et « Plutôt d’accord ») peut devenir floue pour le répondant.
Le choix dépend de la complexité de votre sujet et du niveau de détail dont vous avez besoin. Pour la plupart des usages, une échelle à 5 points est un excellent compromis entre nuance et simplicité.
Le choix du point neutre (échelle paire ou impaire)
| Type d’échelle | Caractéristiques | Avantages | Limites |
|---|---|---|---|
| Échelle impaire (3, 5, 7 points) | Contient un point central neutre (« Neutre », « Indifférent », « Ni d’accord ni pas d’accord »). | Permet d’exprimer une position réellement neutre ou indécise, plus honnête pour certains répondants. | Peut encourager certains répondants à choisir la neutralité par facilité. |
| Échelle paire (4, 6 points) | Supprime le point neutre et impose un « choix forcé ». | Incite à prendre position et limite les réponses trop neutres. | Peut frustrer les répondants qui n’ont réellement pas d’avis. |
Quels sont les avantages de l’échelle de Likert ?
- Facile à comprendre : C’est un format connu de tous qui ne nécessite pas une réflexion approfondie.
- Forte polyvalence : Elle permet d’évaluer les préférences, ressentis, et opinions sur d’innombrables sujets.
- Sondage autonome : Elle peut constituer l’intégralité d’un sondage ou être insérée dans un questionnaire plus large.
- Réponse nuancée : Elle offre une vision plus modérée et juste des opinions que les questions binaires.
- Suivi des tendances dans le temps : En comparant les résultats sur différentes périodes, vous pouvez aisément visualiser des évolutions.
Que mesurer avec l’échelle de Likert ?
C’est l’un des avantages principaux de ce système de notation. Voici quelques exemples d’applications potentielles.
- Mesurer la satisfaction des clients (CSAT) : À quel point êtes-vous satisfait de notre produit ? (Très satisfait / … / Très insatisfait)
- Évaluer l’expérience des collaborateurs : Êtes-vous satisfait des démarches en faveur du bien-être mises en place ? (Tout à fait satisfait / … / Pas du tout satisfait)
- Mesurer la performance d’un service : À quel point les informations apportées par notre agent vous ont été utiles ? (Très utiles / … / Pas du tout utiles)
- Étudier un marché et une cible : Est-il probable que vous achetiez notre produit ? (Tout à fait probable / … / Pas du tout probable)
Comment utiliser les résultats des questions à échelle de Likert ?
C’est ici que de nombreuses erreurs sont commises. Une analyse incorrecte peut mener à des conclusions totalement fausses.
Transposer en nombre et calculer la moyenne : une fausse bonne idée
Il est tentant d’attribuer une note à chaque item (ex: « Tout à fait d’accord » = 5, « Pas du tout d’accord » = 1) et de calculer la moyenne des réponses. Si cette méthode semble intuitive, elle est statistiquement incorrecte.
Comme nous l’avons vu, l’échelle de Likert produit des données ordinales, et non d’intervalle. L’écart entre « Neutre » (3) et « Plutôt d’accord » (4) n’est pas nécessairement le même que l’écart entre « Plutôt d’accord » (4) et « Tout à fait d’accord » (5). Calculer une moyenne suppose que ces écarts sont égaux, ce qui est une supposition infondée. Un score moyen de 3,6 n’a aucune signification concrète.
Calculer les pourcentages de chaque réponse : la bonne méthode
La méthode correcte et rigoureuse consiste à traiter chaque item comme une catégorie distincte et à calculer la fréquence de réponse pour chacune, exprimée en pourcentage.
Par exemple :
- Tout à fait d’accord : 28 %
- Plutôt d’accord : 45 %
- Neutre : 12 %
- Plutôt pas d’accord : 10 %
- Pas du tout d’accord : 5 %
Ces pourcentages vous permettent d’avoir une vision claire et juste de l’opinion des répondants.
Regrouper les réponses pour une lecture simplifiée
Pour faciliter l’interprétation, vous pouvez regrouper les catégories. Cette pratique est très courante et efficace pour obtenir une vue d’ensemble. Par exemple :
- Pourcentage d’Accord : « Tout à fait d’accord » (28 %) + « Plutôt d’accord » (45 %) = 73 %
- Pourcentage de Désaccord : « Plutôt pas d’accord » (10 %) + « Pas du tout d’accord » (5 %) = 15 %
Vous pouvez alors communiquer un résultat simple et puissant : « 73 % de nos clients sont d’accord avec cette affirmation, contre seulement 15 % en désaccord. »
Comment présenter les résultats ?
Une bonne visualisation vaut mieux qu’un long discours.
Option 1 : Le graphique à barres classique
C’est l’option la plus simple. Vous créez un graphique à barres où chaque barre représente un item de l’échelle (ex: « Tout à fait satisfait », « Satisfait », etc.). La hauteur de chaque barre correspond au pourcentage de répondants ayant choisi cette option. C’est clair, facile à lire et permet de voir immédiatement quelle est la réponse la plus fréquente.
Option 2 : Le graphique à barres empilées divergentes (recommandé)
Pour une analyse visuelle plus poussée, ce type de graphique est idéal. Il centre les réponses sur le point « Neutre ». Les pourcentages de réponses positives (« D’accord », « Tout à fait d’accord ») sont affichés comme des barres allant vers la droite, et les pourcentages de réponses négatives (« Pas d’accord », « Pas du tout d’accord ») vont vers la gauche. Le point neutre est soit affiché au centre, soit réparti des deux côtés.
Ce graphique permet de voir en un clin d’œil non seulement la répartition, mais aussi l’équilibre entre les opinions positives et négatives.
Comment rédiger les questions utilisant l’échelle de Likert ?
La formulation des intitulés joue un rôle importante.
Simplicité
Soyez clair, concis et précis. Le répondant doit comprendre la question instantanément.
À ne pas faire : « Compte tenu de votre expérience globale avec nos divers points de contact, comment évaluez-vous la performance de notre service après-vente ? » (trop long et complexe).
À faire : « Êtes-vous satisfait de votre dernière interaction avec notre service client ? » (clair et direct).
Cohérence
L’échelle choisie doit être harmonieuse et logique.
À ne pas faire : « Très satisfait / D’accord / Moyen / Pas content / Horrible » (sémantique incohérente).
À faire : « Très satisfait / Plutôt satisfait / Neutre / Plutôt insatisfait / Très insatisfait » (progression logique et symétrique).
Questionner plutôt qu’affirmer
Formuler des questions plutôt que des affirmations limite le biais d’acquiescement — la tendance naturelle à être d’accord avec une déclaration.
À ne pas faire : « Notre service de livraison est rapide. » (incite à être d’accord).
À faire : « Comment évaluez-vous la rapidité de notre service de livraison ? » (plus neutre, réduit le biais).
Variation
Pour maintenir l’attention des répondants, il est possible d’inverser ponctuellement l’ordre de l’échelle (du négatif vers le positif). Cette technique doit rester occasionnelle afin d’éviter confusion ou irritation.
Les 5 pièges à éviter avec l’échelle de Likert
Pour garantir la qualité de vos données, voici un résumé des erreurs à ne pas commettre :
- Calculer une moyenne : C’est l’erreur la plus grave. Elle est statistiquement fausse et mène à des interprétations erronées. Utilisez toujours les pourcentages.
- Formuler des questions doubles : Évitez de poser deux questions en une. (Ex: « Le produit est-il beau et facile à utiliser ? »). Séparez-les.
- Utiliser une sémantique ambiguë : Assurez-vous que les termes de votre échelle (« Plutôt », « Assez », « Modérément ») sont compris de la même manière par tous.
- Ignorer le point neutre sans raison : Forcer un choix peut être utile, mais cela peut aussi biaiser les résultats si de nombreux répondants sont réellement neutres.
- Négliger la visualisation : Des données brutes sont difficiles à interpréter. Un bon graphique révèle instantanément les tendances principales.
Conclusion
L’échelle de Likert est bien plus qu’une simple série de cases à cocher. C’est un outil psychométrique puissant pour quantifier des attitudes et des opinions nuancées. Sa valeur, cependant, ne réside pas dans l’outil lui-même, mais dans la rigueur avec laquelle il est conçu, administré, analysé et présenté. En suivant les bonnes pratiques méthodologiques, vous transformerez de simples opinions en données stratégiques fiables, prêtes à guider vos décisions.