Statistique
Échantillonnage
En anglais : Sampling
L'échantillonnage consiste à mesurer une partie pour conclure sur l'ensemble. Sa validité tient à la façon dont les unités sont prélevées, bien plus qu'à leur nombre.
La représentativité avant la taille
Un échantillon n'est pas un petit ensemble : c'est un ensemble dont chaque unité de la population avait une chance connue d'être retenue. Cette condition est ce qui autorise à généraliser ; sans elle, aucune taille ne rattrape le défaut.
Un prélèvement fait sur ce qui est accessible — les pièces du dessus de la caisse, les dossiers encore ouverts, les clients qui répondent — décrit fidèlement ce sous-ensemble et rien d'autre. L'erreur ne se voit pas dans les calculs, qui fonctionnent parfaitement sur des données biaisées.
C'est la raison pour laquelle un très grand échantillon mal prélevé est plus dangereux qu'un petit échantillon correct : sa taille inspire confiance et resserre l'incertitude affichée autour d'une valeur fausse.
Les manières de prélever
Au hasard simple. Chaque unité a la même chance d'être retenue, ce qui suppose une liste complète et un tirage réellement aléatoire — un tirage « au hasard » fait de tête ne l'est pas.
Par strates. On découpe la population en groupes homogènes — machines, équipes, périodes — et l'on prélève dans chacun. C'est le choix le plus utile en industrie, parce qu'il garantit que chaque source de variation est représentée et permet de la comparer aux autres.
Systématique. On prend une unité toutes les n. Simple à mettre en œuvre, ce mode devient trompeur si la production suit un cycle de même période que le pas de prélèvement.
Par grappes. On prélève des ensembles entiers plutôt que des unités isolées, faute de pouvoir accéder à chaque unité. Le procédé est économique et donne une précision moindre à effectif égal, ce qu'il faut accepter explicitement.
Combien en prélever
La taille ne se choisit pas par habitude : elle se déduit de ce qu'on veut pouvoir affirmer. Plus l'écart à mettre en évidence est petit, et plus les mesures sont dispersées, plus il faut d'unités pour le distinguer du hasard. Ce dimensionnement précède la collecte — le décider en regardant les premiers résultats revient à choisir sa conclusion.
La précision progresse à mesure que l'effectif augmente, mais de moins en moins vite : quadrupler le nombre de mesures ne fait que doubler la précision. C'est ce rendement décroissant qui fixe en pratique la limite raisonnable d'une campagne.
La taille de la population, elle, n'intervient presque pas tant qu'elle est grande devant l'échantillon. Un prélèvement de deux cents unités renseigne aussi bien sur un lot de dix mille que sur un lot de cent mille — un résultat contre-intuitif qui évite bien des campagnes surdimensionnées.
Les erreurs fréquentes
Prélever ce qui est commode. Les unités faciles d'accès diffèrent presque toujours des autres — par leur position, leur moment de production ou la personne qui les a traitées.
Décider de la taille après avoir vu les premiers résultats. C'est la façon la plus discrète de fabriquer la conclusion souhaitée, et elle ne laisse aucune trace dans les données.
Traiter un ensemble hétérogène comme une population unique. Mélanger deux machines dans un même prélèvement produit une moyenne qui ne décrit aucune des deux et masque précisément la différence qu'on cherchait.
Sur le terrain — Agroalimentaire
Le contrôle de poids se faisait sur les premières unités de chaque palette, par commodité d'accès. Le prélèvement par strates sur l'ensemble de la production a montré une dérive en fin de série, invisible jusque-là : les unités contrôlées étaient systématiquement produites dans les dix premières minutes du lot.
Questions fréquentes
Quelle taille d’échantillon faut-il ?
Elle se calcule à partir de l'écart qu'on souhaite détecter, de la dispersion attendue et du risque d'erreur accepté — il n'existe pas de nombre valable en général, et les règles du type « trente suffisent » sont des raccourcis dangereux. Le calcul se fait avant la collecte, ce qui oblige à formuler précisément ce qu'on cherche à établir.
Un échantillon plus grand est-il toujours meilleur ?
Il resserre l'incertitude, mais uniquement si le prélèvement est correct : un biais ne se dilue pas en augmentant l'effectif, il se confirme. Un grand échantillon mal constitué donne donc une réponse fausse avec beaucoup d'assurance, ce qui est la situation la moins souhaitable de toutes.
Comment prélever au hasard dans un atelier ?
En s'appuyant sur un tirage extérieur au jugement : numéros de série tirés par un outil, horaires de prélèvement déterminés à l'avance, positions décidées avant d'aller sur place. La consigne « prenez-en quelques-unes au hasard » produit invariablement un échantillon influencé par ce qui est visible, atteignable et paraissant représentatif à celui qui prélève.
Faut-il tenir compte de la taille de la population ?
Rarement : tant que la population est grande devant l'échantillon, sa taille n'influence pratiquement pas la précision obtenue. La correction ne devient nécessaire que si l'on prélève une fraction importante de l'ensemble, disons au-delà du dixième, cas dans lequel la précision est meilleure que la formule usuelle ne l'indique.
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