Comment sait-on qu’un test psychologique mesure vraiment ce qu’il prétend mesurer ?
Une personne repasse un questionnaire d’anxiété deux semaines plus tard et obtient exactement le même score. Ce résultat serait spontanément reçu comme la preuve d’un bon test. Il ne prouve pourtant rien de tel : un mètre ruban donnerait lui aussi un résultat parfaitement stable s’il servait, par erreur, à évaluer une anxiété. La stabilité d’un résultat et sa justesse sont deux choses distinctes [1], et cette lecture suit pourquoi il faut les deux, dans un ordre logique, avant de pouvoir affirmer qu’un test mesure vraiment ce qu’il prétend mesurer.
Références vérifiées le 19 septembre 2026.
Avant de se demander si un résultat est stable, il faut se demander ce qu’il est censé refléter. Un construit psychologique est une notion théorique, comme une aptitude, un trait ou une attitude, qui n’est jamais lue directement dans une réponse : elle doit être délimitée et distinguée des notions voisines [2]. Sans cette définition préalable, la stabilité d’un score ne renseigne sur rien de précis, puisqu’on ignore encore ce que ce score devrait représenter.
Construit psychologique
Un construit psychologique est une notion théorique utilisée pour organiser et expliquer des observations, comme une aptitude, un trait, un symptôme ou une attitude. Le construire exige de le délimiter, de le distinguer de notions voisines et de préciser son domaine. L’opérationnalisation traduit ensuite cette théorie en indicateurs observables ; elle ne rend pas le construit identique à un score ni ne garantit à elle seule que les indicateurs le représentent correctement.
Une échelle censée mesurer l’anxiété qui ne contient que des items sur les palpitations et la transpiration sous-représente le construit.
Un questionnaire d’anxiété dont le score est aussi influencé par la tendance à minimiser ses difficultés mélange le construit et une variance non pertinente.
Le construit une fois défini doit être traduit en observations ou en indicateurs concrets : c’est l’opérationnalisation [3]. Elle ne se confond jamais avec le construit lui-même, et plusieurs opérations peuvent viser le même construit sans être équivalentes entre elles [3]. C’est cette opérationnalisation précise, et non le construit abstrait, qui produira ensuite un résultat dont on peut effectivement mesurer la stabilité.
Opérationnalisation
L’opérationnalisation relie une question théorique à une procédure concrète de mesure ou de manipulation. Elle ne se confond pas avec le construit : plusieurs opérations peuvent viser le même construit et une même procédure peut recevoir des interprétations concurrentes.
Mesurer le stress par un questionnaire, une fréquence cardiaque ou un absentéisme ne renvoie pas exactement au même aspect du phénomène.
Une étude explique pourquoi un score de questionnaire est pertinent pour l’aspect précis de l’anxiété qu’elle examine.
C’est seulement à ce stade que la stabilité d’un résultat devient une question pertinente : la fidélité désigne le degré auquel une procédure d’opérationnalisation produit des résultats cohérents et reproductibles, dans le temps, entre ses items ou entre différents évaluateurs [1]. Le questionnaire d’anxiété repassé deux semaines plus tard satisfait cette exigence. Mais la fidélité porte uniquement sur la cohérence de la mesure, jamais sur ce qu’elle mesure réellement : un instrument peut être parfaitement fidèle et pourtant mesurer autre chose que prévu [1].
Fidélité (psychométrie)
En psychométrie, la fidélité désigne le degré auquel un instrument produit des résultats cohérents et reproductibles, que ce soit dans le temps, entre ses items ou entre différents évaluateurs.
Deux évaluateurs formés qui codent des entretiens de façon proche apportent une information sur leur accord, pas sur la validité clinique de leur grille.
Un questionnaire très long peut afficher un alpha élevé tout en répétant presque les mêmes questions.
C’est précisément ce que vérifie la validité : le degré auquel les résultats reflètent effectivement le construit visé, et non un autre phénomène qui produirait, par coïncidence, des résultats tout aussi stables [1][4]. Un questionnaire d’anxiété parfaitement fidèle pourrait, par exemple, mesurer surtout un style de réponse général plutôt que l’anxiété elle-même. La validité ne s’établit pas une fois pour toutes : elle se discute pour un usage précis, avec une population précise, jamais en bloc et pour toujours [4][5].
Validité (psychométrie)
En psychométrie, la validité désigne le degré auquel les scores produits par un test ou un questionnaire reflètent effectivement le construit psychologique qu’il est censé évaluer, et non un autre phénomène.
Un questionnaire peut mesurer de façon cohérente la tendance à répondre socialement bien plutôt que le trait psychologique annoncé.
Un test sélectionnant correctement des candidats dans un emploi ne valide pas automatiquement son usage pour un autre métier ou une autre population.
Cette dernière précision, « pour un usage et une population donnés », devient décisive dès qu’on veut comparer des groupes entre eux plutôt qu’évaluer une seule personne dans le temps. L’invariance de mesure désigne le fait qu’un instrument possède une structure et un sens suffisamment comparables dans les groupes étudiés pour que leurs résultats puissent être mis en regard [6]. Sans elle, une différence observée entre deux groupes peut n’être qu’un effet de traduction, de style de réponse ou de fonctionnement différent des items, confondu à tort avec une différence psychologique réelle [6].
Invariance de mesure
L’invariance de mesure désigne le fait qu’un questionnaire, une échelle ou un test possède une structure et un sens suffisamment comparables dans les groupes étudiés pour que leurs scores puissent être mis en regard. Elle se vérifie par degrés : configural, métrique puis scalaire. Sans invariance scalaire au minimum, comparer directement des moyennes entre cultures peut confondre une différence psychologique avec une traduction, un style de réponse ou un fonctionnement différent des items.
Comparer la chaleur parentale de deux cultures avec un item sur les baisers : si l’item n’est pas invariant au palier scalaire, la différence peut refléter une habitude culturelle plutôt qu’une chaleur plus grande.
Un questionnaire de langage passé à plusieurs âges peut ne pas être invariant dans le temps parce que les compétences de l’enfant se réorganisent, non parce que l’instrument est défectueux.
En conclusion
Un score parfaitement stable ne garantit donc rien en soi [1] : il faut d’abord qu’il existe quelque chose de précis à mesurer, le construit ; que ce construit ait été traduit en une procédure concrète, l’opérationnalisation ; que cette procédure produise des résultats cohérents, la fidélité ; et que ces résultats cohérents reflètent effectivement le construit visé plutôt qu’un autre phénomène, la validité [1][4]. Un test peut réussir à une étape et échouer à la suivante : une fidélité élevée n’établit pas la validité, ce qui explique pourquoi la stabilité seule, si rassurante soit-elle, ne permet jamais de conclure qu’un test mesure vraiment ce qu’il prétend mesurer [1]. Lorsqu’un test est utilisé pour comparer des groupes plutôt qu’une seule personne à elle-même, une dernière exigence s’ajoute : l’invariance de mesure, sans laquelle une différence observée entre deux groupes peut n’être qu’un artefact de l’instrument plutôt qu’une différence psychologique réelle [6].
Le grand dossier psychométrieRéférences
Sources
Chaque renvoi numéroté désigne la source de l’énoncé qui le précède.
- American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. American Educational Research Association. Consulter
- Cronbach, L. J., & Meehl, P. E. (1955). Construct validity in psychological tests. Psychological Bulletin, 52(4), 281–302. https://doi.org/10.1037/h0040957 Consulter
- Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Houghton Mifflin. Consulter
- Messick, S. (1995). Validity of psychological assessment: Validation of inferences from persons’ responses and performances as scientific inquiry into score meaning. American Psychologist, 50(9), 741–749. https://doi.org/10.1037/0003-066X.50.9.741 Consulter
- Kane, M. T. (2013). Validating the interpretations and uses of test scores. Journal of Educational Measurement, 50(1), 1–73. https://doi.org/10.1111/jedm.12000 Consulter
- Putnick, D. L., & Bornstein, M. H. (2016). Measurement invariance conventions and reporting: The state of the art and future directions for psychological research. Developmental Review, 41, 71–90. https://doi.org/10.1016/j.dr.2016.06.004 Consulter