L’échelle de Likert dans un questionnaire de mémoire en 2026 : conception des items, format 5 ou 7 points et analyse

Votre questionnaire est structuré, vos hypothèses formulées, et vous hésitez encore sur un point capital : faut-il proposer 5 ou 7 niveaux de réponse ? Inclure un point neutre ? Et surtout, comment analyser les données qui en résultent sans commettre d’erreur méthodologique que le jury repèrerait immédiatement ? L’échelle de Likert dans un questionnaire de mémoire est l’outil de mesure des attitudes le plus utilisé en sciences humaines et sociales — et l’un des plus mal configurés lorsque sa logique interne n’est pas comprise.

Proposée en 1932 par le psychologue américain Rensis Likert dans sa thèse sur la mesure des attitudes internationales, cette échelle permet de saisir le degré d’accord ou de désaccord des répondants face à un énoncé. Elle constitue aujourd’hui l’épine dorsale de nombreuses enquêtes empiriques dans les mémoires de master en management, psychologie sociale, sciences de l’éducation ou santé publique. Bien conçue, elle produit des données exploitables et défendables devant un jury ; mal configurée, elle fragilise l’ensemble de la partie empirique.

Ce guide méthodologique couvre chaque décision que vous devrez prendre : choix du nombre de points, formulation des items, traitement du point neutre, niveau de mesure approprié, vérification de la fiabilité et stratégie d’analyse statistique. Pour situer le questionnaire Likert dans l’ensemble de vos choix de collecte, consultez notre guide sur la méthodologie de recherche 2026.

Qu’est-ce que l’échelle de Likert ?

L’échelle de Likert est une échelle de mesure des attitudes composée d’une série d’énoncés (les items) auxquels le répondant exprime son degré d’accord sur une échelle graduée, généralement de « Pas du tout d’accord » à « Tout à fait d’accord ». Contrairement à une question fermée binaire (oui / non), elle capture à la fois la direction et l’intensité d’une opinion.

On distingue deux niveaux conceptuels :

• L’item de Likert : un seul énoncé accompagné de ses modalités de réponse graduées. Il mesure une seule facette d’une attitude.
• L’échelle de Likert (composite) : un ensemble d’items mesurant la même dimension latente, dont les scores individuels sont agrégés en un score global. C’est à ce niveau que la cohérence interne doit être vérifiée.

Dans un mémoire de master, vous travaillez presque toujours avec des échelles composites : plusieurs items par dimension, permettant une mesure plus robuste et plus fiable qu’un item unique. Cette architecture impose de vérifier la fiabilité avant toute interprétation.

5 points ou 7 points : quel format choisir ?

Le nombre de points de l’échelle conditionne la variance des réponses, la sensibilité de la mesure et le confort de réponse des participants. Les deux formats les plus répandus dans la recherche académique francophone sont présentés ci-dessous :

Règle pratique : pour un premier mémoire de master, l’échelle à 5 points est le choix le plus défendable. Elle est bien documentée dans la littérature, produit des données aisément interprétables et reste confortable pour des répondants non familiers des questionnaires de recherche. Optez pour 7 points uniquement si votre problématique exige une discrimination fine entre positions voisines — par exemple, mesurer des nuances d’opinion chez des professionnels expérimentés.

Les échelles à nombre pair (4 ou 6 points) suppriment le point central et contraignent le répondant à pencher d’un côté. Elles modifient substantiellement la nature de la mesure et appellent une justification explicite dans la méthodologie.

Point neutre ou échelle forcée ?

La présence ou l’absence d’un point central neutre — généralement étiqueté « Ni d’accord, ni pas d’accord » — est une décision que votre jury examinera. Deux positions s’affrontent :

• Conserver le point neutre : recommandé lorsqu’une partie des répondants ne dispose pas d’opinion formée sur le sujet mesuré. Forcer un choix d’accord ou de désaccord chez des personnes réellement indécises introduit un biais de réponse artificiel qui fausse l’interprétation. C’est la pratique standard pour les questionnaires portant sur des sujets peu saillants ou spécialisés.
• Supprimer le point neutre (échelle forcée) : justifié quand votre revue de littérature établit que l’indécision est improbable dans votre population cible — par exemple, des praticiens interrogés sur leurs pratiques professionnelles quotidiennes. Cette approche réduit aussi le biais d’acquiescement central, qui pousse certains répondants à choisir systématiquement la position médiane par confort.

Dans la grande majorité des mémoires de master en sciences humaines et sociales, le maintien du point neutre reste conseillé. Quelle que soit votre décision, mentionnez-la et justifiez-la dans votre section méthodologie.

Formuler les items : règles de rédaction

La qualité des données dépend avant tout de la clarté des énoncés. Un item ambigu produit des réponses impossibles à interpréter et affaiblit mécaniquement la cohérence interne de l’échelle. Les règles suivantes sont incontournables :

• Un seul concept par item : évitez les questions « double-barrelled » comme « La formation est pertinente et bien organisée » — le répondant ne sait pas à quel aspect répondre.
• Formulation simple : phrases courtes (15 mots maximum si possible), vocabulaire accessible au niveau de la population cible.
• Équilibre positif / négatif : intégrez 20 à 30 % d’items inversés pour détecter les réponses automatiques par acquiescement. Pensez à les recodifier avant l’analyse (sur 5 points : 1 ↔ 5, 2 ↔ 4, 3 inchangé).
• Évitez les absolus : les mots « toujours », « jamais », « tous » biaisent les réponses vers les extrêmes.
• Nommez explicitement les deux pôles : chaque extrémité de l’échelle doit porter une étiquette verbale. Les points intermédiaires peuvent rester numérotés.

Exemple d’items bien formulés pour une dimension « Satisfaction à l’égard de l’encadrement pédagogique » :

Avant toute diffusion, réalisez un pré-test auprès de 5 à 10 personnes comparables à votre population cible. Les incompréhensions signalées révèlent les items à reformuler. Cette étape est souvent citée comme critère de rigueur lors de la soutenance, notamment dans les jurys exigeants en méthodologie.

Niveau de mesure : ordinal ou intervalle ?

Le débat sur le statut des données issues d’une échelle de Likert est l’un des plus durables en méthodologie quantitative. Deux camps s’affrontent :

• Position traditionnelle (données ordinales) : les modalités 1, 2, 3, 4, 5 permettent d’ordonner les répondants, mais rien ne garantit que l’intervalle entre « Pas du tout d’accord » et « Plutôt pas d’accord » soit psychologiquement identique à l’intervalle entre « Plutôt d’accord » et « Tout à fait d’accord ». Dans cette logique, seuls la médiane et le mode sont des statistiques appropriées pour un item isolé, et toute moyenne est formellement inappropriée.
• Position pragmatique (pseudo-intervalle) : lorsque plusieurs items forment une dimension cohérente — démontrée par un alpha de Cronbach satisfaisant — les scores agrégés peuvent être traités comme des données d’intervalle. Cette approche permet le calcul de moyennes, de corrélations de Pearson et de régressions linéaires. Elle est dominante dans les revues de sciences de gestion, d’éducation et de psychologie appliquée.

Recommandation opérationnelle : déclarez explicitement dans votre section méthodologie que vous êtes conscient du débat ordinal/intervalle, justifiez votre choix en vous appuyant sur au moins une référence (par exemple la convention de Nunnally, 1978, fixant α ≥ 0,70 comme seuil minimal de cohérence interne). Utilisez la médiane pour décrire les items isolés et les moyennes uniquement pour les scores agrégés de dimensions validées.

Analyser les données d’une échelle de Likert

Statistiques descriptives item par item

Pour chaque item, présentez dans votre mémoire :

• La fréquence et le pourcentage de chaque modalité de réponse, sous forme de tableau de distribution.
• La médiane et le mode comme mesures de tendance centrale adaptées aux données ordinales.
• L’écart interquartile (IQR) comme indicateur de dispersion, préférable à l’écart-type pour des items pris isolément.

Pour un score agrégé de dimension, ajoutez la moyenne et l’écart-type, ainsi qu’un graphique en barres empilées à 100 % montrant la distribution des réponses à l’ensemble des items de la dimension. C’est la visualisation la plus lisible pour un jury et la plus fréquente dans les publications académiques de référence.

Ces éléments trouveront leur place dans la section dédiée à la rédaction des résultats et de la discussion de votre mémoire.

L’alpha de Cronbach : vérifier la cohérence interne

Avant d’interpréter un score composite, vous devez démontrer que les items qui le composent mesurent bien la même dimension. Le coefficient alpha de Cronbach (α) est l’indice standard de cohérence interne. Il varie théoriquement de 0 à 1 :

Le seuil minimal retenu en recherche académique est α ≥ 0,70 (convention de Nunnally, 1978). Si votre alpha se situe en dessous, examinez la colonne « Alpha si l’élément est supprimé » produite par SPSS, jamovi ou R : supprimer l’item qui affaiblit la cohérence peut faire remonter l’alpha au-dessus du seuil acceptable. Documentez systématiquement cette décision dans votre mémoire.

Calcul de l’alpha selon le logiciel :

• SPSS : Analyse → Échelle → Analyse de fiabilité → modèle Alpha
• R : package psych, fonction alpha(dataframe)
• jamovi : module jmv → Fiabilité → Alpha de Cronbach

Pour approfondir la combinaison quantitatif-qualitatif et la triangulation des données, notre guide sur l’entretien semi-directif détaille comment articuler les résultats du questionnaire avec des données verbatim. Pour une analyse comparative détaillée de la fiabilité et des alternatives modernes à l’alpha (coefficient oméga de McDonald), consultez également l’article de référence sur tesify.fr.

FAQ : échelle de Likert questionnaire de mémoire