Statistique
Corrélation
En anglais : Correlation
La corrélation mesure l'intensité du lien entre deux grandeurs qui varient ensemble. Elle se résume par un coefficient compris entre −1 et 1, et ne se lit jamais sans le nuage de points dont elle est tirée.
Ce que dit le coefficient
Le coefficient de corrélation linéaire vaut 1 quand les points sont parfaitement alignés dans le sens croissant, −1 quand ils le sont dans le sens décroissant, et 0 quand aucun alignement ne se dégage. Entre les deux, il quantifie la dispersion autour de cet alignement.
Son signe et son intensité se lisent séparément. Un coefficient de −0,8 décrit un lien fort où l'une des grandeurs diminue quand l'autre augmente ; il n'est ni meilleur ni pire qu'un +0,8, seulement orienté dans l'autre sens. C'est une confusion fréquente chez ceux qui découvrent l'indicateur.
Le coefficient est symétrique : il ne distingue pas laquelle des deux grandeurs serait la cause et laquelle l'effet. Cette neutralité est une propriété, pas une limite — elle rappelle que l'ordre causal ne se déduit jamais du calcul, mais de la connaissance du procédé.
Pourquoi le nuage passe avant le chiffre
Un coefficient proche de zéro ne signifie pas absence de lien : il signifie absence de lien linéaire. Une relation en cloche, où la sortie s'améliore puis se dégrade, produit un coefficient quasi nul alors que le lien est fort et parfaitement exploitable. Le tracé le montre instantanément ; le chiffre le cache.
À l'inverse, un coefficient élevé peut n'être porté que par quelques points extrêmes. Retirer deux valeurs aberrantes suffit parfois à le faire chuter de moitié, ce qui signifie que la relation observée reposait sur des cas particuliers et non sur le comportement habituel du procédé.
Un troisième cas trompe régulièrement : deux populations distinctes, chacune sans lien interne, produisent ensemble une corrélation apparente simplement parce qu'elles occupent des zones différentes du graphique. Le nuage révèle les deux paquets ; le coefficient ne rend qu'une valeur unique et convaincante.
La règle pratique tient en une phrase : on trace d'abord, on calcule ensuite. Un coefficient présenté sans son graphique n'est pas un résultat vérifiable, c'est une affirmation.
Ce qui fausse la lecture
La plage observée. Un lien mesuré sur un intervalle étroit paraît faible même quand il est réel : si le paramètre n'a varié que de quelques pour cent pendant la période, la variation de sortie qu'il provoque se noie dans le bruit.
Le nombre de points. Sur une dizaine de mesures, un coefficient apparemment élevé arrive fréquemment par hasard. Sur plusieurs centaines, un coefficient faible peut être parfaitement réel tout en n'ayant aucune portée pratique.
Le facteur commun caché. Deux grandeurs qui dépendent toutes deux d'une troisième varient ensemble sans avoir de lien direct. C'est le mécanisme derrière la plupart des associations spectaculaires, et il ne se détecte pas dans les données : il se détecte en connaissant le procédé.
Les erreurs fréquentes
Lire un coefficient sans avoir tracé le nuage. C'est la seule erreur qui explique à elle seule la majorité des conclusions fausses tirées d'une corrélation, parce qu'un chiffre unique ne peut pas signaler une relation courbe, un point aberrant ou deux populations mélangées.
Chercher les corrélations d'une variable contre toutes les autres et retenir les plus fortes. En testant assez de couples, on trouve toujours des liens élevés dus au seul hasard ; ce qui ressort de cette pêche demande une confirmation sur des données nouvelles avant d'être présenté.
Conclure qu'il n'y a rien parce que le coefficient est proche de zéro, sans avoir vérifié la plage de variation. Un paramètre resté quasi constant pendant la période observée ne peut pas montrer son influence, quelle qu'elle soit.
Sur le terrain — Agroalimentaire
Une corrélation forte reliait la température d'une ligne au taux de rebut, ce qui semblait désigner le réglage thermique. Le nuage montrait deux groupes de points nettement séparés, correspondant à deux équipes de production. À l'intérieur de chaque groupe, le lien disparaissait : la température ne faisait que trahir l'équipe, et la vraie différence était ailleurs.
Questions fréquentes
À partir de quelle valeur une corrélation est-elle forte ?
Il n'existe pas de seuil universel, et les grilles de lecture toutes faites induisent en erreur. Le même coefficient peut être remarquable sur des données humaines très bruitées et décevant sur un procédé physique où l'on attendrait une relation nette. Ce qui compte est la comparaison avec ce que le domaine permet d'espérer, pas avec un barème générique.
Que faire quand deux variables sont fortement corrélées entre elles ?
S'en méfier avant de les utiliser ensemble dans un même modèle : elles portent en grande partie la même information, et les coefficients obtenus deviennent instables, au point de changer de signe si l'on retire quelques observations. La démarche habituelle est d'en garder une, choisie pour sa pertinence métier ou sa facilité de mesure.
Peut-on calculer une corrélation sur des données ordonnées non numériques ?
Oui, en travaillant sur les rangs plutôt que sur les valeurs. Ce calcul détecte toute relation monotone, y compris courbe, et résiste bien mieux aux valeurs extrêmes que le coefficient linéaire. Il est indiqué dès que les données sont des classements, des notes ou des mesures dont la distribution est très déséquilibrée.
Une corrélation suffit-elle à justifier un plan d’action ?
Elle suffit à justifier un essai, jamais un déploiement. Le lien observé peut venir d'un facteur commun non mesuré, et seul le fait de faire varier volontairement le paramètre suspecté permet de trancher. C'est exactement ce que produit un plan d'expériences, et c'est pourquoi une phase d'analyse débouche normalement sur des essais plutôt que sur des conclusions.
Voir aussi
S'entraîner sur ce thème
Le parcours Six Sigma Green Belt comporte des questions sur ce sujet. Il fait partie de l’accès complet.
Voir le parcours