Échelle de Likert : définition, exemples et analyse des réponses

Une échelle de Likert mesure une attitude ou une opinion à l’aide de plusieurs affirmations, les items, pour lesquelles chaque répondant indique son degré d’accord, de « pas du tout d’accord » à « tout à fait d’accord ». Les réponses à l’ensemble des items sont ensuite additionnées ou moyennées en un score, qui situe chaque répondant sur l’attitude mesurée.

Qu’est-ce qu’une échelle de Likert ?

L’échelle porte le nom du psychologue américain Rensis Likert. Dans A Technique for the Measurement of Attitudes, paru en 1932 dans la revue Archives of Psychology, il cherchait une manière plus simple de mesurer les attitudes que les méthodes alors en usage, notamment celle de Louis L. Thurstone, sans passer par un jury chargé de classer les affirmations à l’avance. Une partie de son questionnaire se composait d’affirmations auxquelles on répondait en cinq positions, de « strongly approve » à « strongly disapprove », avec « undecided » au milieu.

Likert attribuait à ces positions des valeurs de 1 à 5, puis additionnait les réponses de chaque personne. Il a constaté que cette notation simple donnait pratiquement les mêmes résultats que la méthode plus élaborée qu’il avait d’abord testée.

L’échelle de Likert mesure un degré d’accord. Elle répond à des questions en « à quel point » ou « quelle proportion », pas à des questions en « comment » ou « quel sens » : la forme de votre problématique indique si une échelle convient à votre mémoire.

Item ou échelle de Likert : ne pas confondre

Le vocabulaire courant mélange deux choses :

• Un item de Likert est une seule affirmation, suivie de l’échelle de réponse. Par exemple « J’ose poser une question pendant un TD », de « pas du tout d’accord » à « tout à fait d’accord ».
• Une échelle de Likert est un ensemble d’items qui mesurent la même attitude et dont les réponses se combinent en un score. C’est ce que Likert appelait une échelle d’attitude.

Quand un questionnaire annonce « une échelle de Likert en cinq points », il désigne souvent le seul format de réponse. Or un item isolé se décrit seul, alors qu’une échelle de plusieurs items permet de calculer un score, si les items mesurent bien la même chose.

5 ou 7 points, et le point neutre

Likert utilisait cinq positions. Cinq et sept points sont les formats que l’on rencontre le plus souvent, et aucun n’est meilleur en soi : le choix dépend de vos répondants, du sujet et de la précision dont votre question a besoin.

Le point du milieu, « ni d’accord ni pas d’accord », est le plus discuté. Il permet aux personnes réellement neutres de le dire. Mais il attire aussi celles qui n’ont pas d’avis, qui ont mal compris l’item ou qui préfèrent ne pas se prononcer sur un sujet délicat. Si vous le gardez, ne lui faites pas jouer le rôle d’un « je ne sais pas » : ajoutez une modalité séparée, « je ne sais pas » ou « non concerné », placée à l’écart de l’échelle et exclue du calcul du score.

Gardez les mêmes points et les mêmes libellés pour tous les items, et nommez chaque position plutôt que les seules extrémités. Une échelle courante en cinq points : pas du tout d’accord, plutôt pas d’accord, ni d’accord ni pas d’accord, plutôt d’accord, tout à fait d’accord. Justifiez votre choix dans la méthodologie, et voyez-le avec votre directeur ou directrice de mémoire.

Rédiger les items en six étapes

La qualité d’une échelle tient d’abord à ses items. Avant de les écrire, fixez en une phrase l’attitude que vous voulez mesurer.

1. 1

   Cherchez une échelle existante

   Une échelle déjà validée vous épargne beaucoup de travail et vous permet de comparer vos résultats. Si elle n’existe qu’en anglais, la traduire ne suffit pas : Robert J. Vallerand a proposé en 1989 une méthodologie de validation transculturelle des questionnaires psychologiques, pensée pour la recherche en langue française. Citez toujours l’échelle d’origine.
2. 2

   Rattachez chaque item à l’attitude visée

   Relisez chaque item en vous demandant s’il mesure bien l’attitude définie. Un item qui mesure autre chose fausse le score.
3. 3

   Une seule idée par item

   « Les TD sont utiles et agréables » contient deux affirmations : un répondant d’accord avec une seule ne sait pas quoi cocher. Faites-en deux items.
4. 4

   Évitez les doubles négations et les mots absolus

   « Il n’est pas rare que je ne parle pas en TD » perd le lecteur, d’autant que « pas d’accord » ajoute une négation de plus. Les mots comme « toujours » ou « jamais » rendent l’accord presque impossible.
5. 5

   Ajoutez quelques items inversés

   Formulez certains items dans l’autre sens, par exemple « Parler devant le groupe me met mal à l’aise ». Ils limitent l’effet des répondants qui cochent « d’accord » partout, quel que soit le contenu : c’est le biais d’acquiescement. Notez-les dans votre plan de codage.
6. 6

   Testez le questionnaire

   Faites-le remplir par quelques personnes du public visé qui ne feront pas partie de l’échantillon, et demandez-leur comment elles ont compris chaque item. Un item que tout le monde coche au même endroit, ou que beaucoup laissent au milieu, est à revoir.

Un questionnaire en ligne recueille souvent, lui aussi, des données personnelles. Utilisez l’outil d’enquête que votre établissement met à disposition ou autorise, et dites aux répondants à quoi serviront leurs réponses.

Données ordinales ou d’intervalle : le débat

Les réponses à un item de Likert sont ordonnées : « plutôt d’accord » exprime plus d’accord que « ni d’accord ni pas d’accord ». Rien ne garantit en revanche que les écarts entre les positions soient égaux. C’est la définition d’une variable ordinale, et c’est l’origine d’un débat ancien sur les calculs permis.

Susan Jamieson (2004), dans un court article de Medical Education, défend la position stricte : les réponses de Likert relèvent du niveau ordinal, la moyenne et l’écart type ne conviennent pas, et l’on décrit les données par la médiane, le mode et les fréquences, avec des tests non paramétriques. Elle relève que beaucoup d’auteurs calculent pourtant des moyennes sans dire qu’ils supposent des intervalles égaux, ni justifier cette hypothèse.

Geoff Norman (2010), dans Advances in Health Sciences Education, soutient l’inverse. Il s’appuie sur des études qui remontent aux années 1930 pour montrer que les méthodes paramétriques, comme l’analyse de variance, la régression ou la corrélation, résistent bien quand leurs conditions ne sont pas parfaitement remplies, y compris avec des données de Likert. Selon lui, on peut les utiliser sans craindre d’obtenir une mauvaise réponse.

Pour votre mémoire, distinguez deux cas. Un item isolé reste ordinal : décrivez-le par les fréquences et la médiane. Un score qui additionne plusieurs items prend beaucoup plus de valeurs ; le traiter comme une mesure d’intervalle est courant, mais c’est une hypothèse, à énoncer et à justifier par une référence. Si vous hésitez, présentez la médiane à côté de la moyenne, ou vérifiez qu’un test non paramétrique conduit à la même conclusion.

Analyser une échelle de Likert

L’analyse va de l’item vers le score :

• Les fréquences. Pour chaque item, donnez la part de répondants dans chaque position, en pourcentage et en effectif. Un diagramme en barres empilées montre bien la répartition entre accord et désaccord.
• La médiane. Elle ne suppose qu’un ordre entre les positions, ce qui en fait l’indicateur central le plus sûr pour un item isolé.
• L’inversion. Avant tout calcul de score, recodez les items inversés : sur cinq points, 1 devient 5, 2 devient 4, 3 reste 3.
• La cohérence interne. Avant d’additionner les items, vérifiez qu’ils varient ensemble, comme des items qui mesurent la même chose. L’indicateur habituel de cette cohérence est le coefficient alpha, présenté par Lee J. Cronbach en 1951 dans la revue Psychometrika. La valeur jugée suffisante varie selon les auteurs et l’usage du score : reprenez celle de votre manuel de méthodologie, en le citant.
• Le score. Additionnez les items ou faites-en la moyenne, qui reste dans l’étendue de l’échelle et se lit plus facilement. Décidez à l’avance du sort des réponses manquantes et des « je ne sais pas ».
• Les comparaisons. Avec le score, vous pouvez comparer des groupes de répondants ou chercher une relation avec une autre variable. Le choix du test découle de votre position sur le niveau de mesure.

Un tableur suffit pour les fréquences et les scores ; pour l’alpha et les tests, utilisez le logiciel de statistiques de votre formation.

Exemple fictif : une échelle de Likert en cinq points

Inès, en master 1 de sciences de l’éducation, étudie la prise de parole des étudiants de première année en travaux dirigés. Son questionnaire, diffusé avec l’outil d’enquête de son université, contient l’échelle ci-dessous. L’exemple est fictif.

Le répondant a coché « plutôt pas d’accord » aux items 3 et 5, deux affirmations négatives : une fois inversées, ces réponses expriment de l’aisance, comme les trois autres. Sans l’inversion, son score tomberait à 17 et le rapprocherait du milieu de l’échelle, à tort. Inès annonce aussi sa position sur le niveau de mesure et choisit son test en conséquence.

Compléter l’échelle par des entretiens

Une échelle de Likert dit à quel point les répondants sont d’accord, pas pourquoi. Quelques entretiens après le questionnaire comblent ce manque : interrogez des répondants aux scores opposés, ou demandez ce que recouvre un point neutre souvent choisi. Si les entretiens portent sur la même question que l’échelle et que vous comparez les résultats, vous combinez méthodes mixtes et triangulation.

Prévoyez ces entretiens dès le questionnaire, avec une question facultative pour les volontaires et une notice qui les annonce. Menez-les comme des entretiens semi-directifs, en partant des réponses de la personne : relisez-lui un item et demandez-lui ce qu’elle avait en tête en répondant. Pour les enregistrer, utilisez le matériel ou l’application autorisés par votre établissement : beaucoup d’établissements les fixent pour des entretiens qui contiennent des données personnelles, et certains n’autorisent ni le dictaphone du téléphone ni les applications tierces.

Vérifiez d’abord les règles de votre établissement : une voix permet d’identifier la personne, et Spirelight ne propose pas d’accord de sous-traitance des données. Si votre établissement l’autorise, vous pouvez retranscrire vos entretiens de suivi avec Spirelight : vous obtenez un premier jet avec les locuteurs et un horodatage à chaque prise de parole, que vous corrigez en écoutant, avant de rapprocher chaque entretien des réponses de la même personne au questionnaire.

Les erreurs fréquentes

• Appeler « échelle » un seul item. Un item ne donne pas de score ; décrivez-le comme tel.
• Changer de format en cours de route. Cinq points ici, sept là, des libellés différents : les items ne se comparent plus et ne s’additionnent plus.
• Traiter « je ne sais pas » comme le point neutre. Codé 3, il gonfle le milieu de l’échelle et fausse le score.
• Oublier d’inverser les items inversés. Le score mélange alors accord et désaccord sur la même attitude.
• Additionner sans vérifier la cohérence. Calculez l’alpha de Cronbach avant de construire le score.
• Calculer des moyennes sans le dire. Énoncez votre position sur le niveau de mesure et justifiez-la.
• Conclure au-delà de l’échantillon. Un questionnaire diffusé dans deux groupes de TD décrit ces répondants, pas « les étudiants ».