20. Les biais méthodologiques

Qu'est-ce qu'un biais?

Un biais est une erreur systématique qui fausse les résultats d'une recherche, créant une différence non due au hasard entre les observations et la réalité. Les biais introduisent une déviation constante dans une direction spécifique, contrairement aux erreurs aléatoires qui fluctuent de manière imprévisible.

Pourquoi les biais sont-ils problématiques?

Les biais compromettent la validité des études, réduisent la généralisabilité et peuvent conduire à de mauvaises décisions cliniques ou théoriques. Ils ne disparaissent pas avec un grand échantillon et peuvent même être renforcés par celui-ci.

Les biais à chaque étape

1. Biais dans le recrutement

1.1. Biais de sélection

L'échantillon n'est pas représentatif de la population cible.

1.2. Biais d'échantillonnage

Certains groupes sont plus susceptibles d'être inclus que d'autres.

1.3. Biais d'auto-sélection

Les participants volontaires ont des caractéristiques spécifiques qui faussent les résultats.

1.4. Biais d'attrition (biais de survie)

Certains participants abandonnent l'étude de manière non aléatoire.

2. Biais dans la collecte de données

2.1. Biais de l'observateur (effet de l'expérimentateur)

L'attente du chercheur influence involontairement la collecte des données.

2.2. Effet Hawthorne

Les participants changent leur comportement simplement parce qu'ils savent qu'ils sont observés.

2.3. Caractéristiques de la demande

Les participants modifient leur comportement en fonction de ce qu'ils pensent être attendu.

2.4. Biais de désirabilité sociale

Les participants donnent des réponses perçues comme socialement acceptables.

2.5. Biais de réponse extrême

Certains participants utilisent systématiquement les catégories extrêmes dans les questionnaires.

2.6. Biais d'acquiescement

Tendance des participants à répondre "oui" ou à être d'accord avec toutes les propositions.

2.7. Biais de disponibilité (heuristique de disponibilité)

Jugements basés sur des exemples facilement accessibles en mémoire.

2.8. Biais de rappel

Les participants se souviennent différemment des événements passés en fonction de leur état actuel.

2.9. Biais rétrospectif

Un événement rappelé sera forcément incomplet et perçu comme plus prévisible qu'il ne l'était réellement.

2.10. Effet d'ordre (biais de primauté et de récence)

Les premiers et derniers éléments d'une liste sont mieux retenus.

2.11. Effet de cadrage

La manière dont une question est formulée influence la réponse.

3. Biais dans l'interprétation des données

3.1. Biais de confirmation

Tendance à privilégier les informations qui confirment une hypothèse préexistante.

3.2. Biais de persévérance

Maintien d'une croyance même après la présentation de preuves contraires.

3.3. Biais de taux de base (Base rate fallacy)

Ignorer les probabilités de base en tirant des conclusions.

3.3. Biais lié au “p-hacking” (exploration excessive des données)

Réaliser de multiples tests statistiques jusqu'à obtenir des résultats significatifs.

3.4. Biais de sélection des données “cherry-picking”

Choisir uniquement les données qui confirment une hypothèse.

3.5. Biais de régression vers la moyenne

Les valeurs extrêmes ont naturellement tendance à se rapprocher de la moyenne.

3.6. Paradoxe de Simpson

Une tendance observée dans plusieurs groupes disparaît ou s'inverse lorsqu'ils sont combinés.

3.7. Biais des comparaisons multiples

Tester plusieurs hypothèses augmente artificiellement les faux positifs.

3.8. Erreur écologique (Ecological fallacy)

Appliquer les tendances d'un groupe à des individus.

4. Biais dans la communication des résultats

4.1. Biais narratif

Transformer des résultats scientifiques en une histoire exagérée ou simplifiée.

4.2. Biais d'exagération (Amplification des résultats)

Surévaluer la portée des résultats obtenus.

4.3. Biais de surgénéralisation

Appliquer les résultats d'une étude à des populations non concernées.

4.4. Biais de rapport

Sélectionner uniquement certains résultats à communiquer.

4.5. Biais de publication (Effet tiroir)

Les études aux résultats négatifs restent souvent non publiées.