Méthodes de recherche et éthique

Objectifs du chapitre

À la fin de ce chapitre, vous serez capable de:

• transformer une intuition en hypothèse opérationnalisée, en explicitant la variable indépendante, la variable dépendante et la population visée, et de reconnaître que deux opérationnalisations d'une même question ne testent pas la même chose;
• choisir la méthode adaptée à une question (observation, étude de cas, enquête, corrélation, expérience) et énoncer ce que chacune permet de conclure et ce qu'elle interdit de conclure;
• calculer un accord entre observateurs corrigé du hasard (kappa de Cohen) et expliquer pourquoi un accord brut de $85\%$ peut correspondre à un accord médiocre;
• énumérer les structures causales compatibles avec une corrélation donnée et nommer, dans un cas concret, le confondant plausible;
• démontrer ce que garantit la randomisation, calculer le déséquilibre résiduel attendu entre deux groupes de taille $n$ et en déduire une taille d'échantillon;
• distinguer validité interne, externe et de construit, identifier les menaces classiques — au premier rang desquelles la régression vers la moyenne — et discuter la représentativité des échantillons WEIRD;
• exposer le cadre éthique et légal de la recherche en Suisse, et porter un jugement argumenté sur un protocole comportant une tromperie.

De l'intuition à l'hypothèse

Une question ordinaire n'est pas encore une question de recherche

«La musique aide-t-elle à réviser?» Tout le monde a un avis, et la plupart des avis sont fondés sur une expérience personnelle: j'ai révisé en musique, j'ai réussi, donc la musique aide. Le chapitre 1 a montré pourquoi ce raisonnement ne vaut rien: pas de comparaison, pas de contrôle, mémoire sélective des cas favorables. La démarche scientifique commence quand on refuse de répondre à la question telle qu'elle est posée, et qu'on la reformule en des termes qui rendent une réponse vérifiable par autrui.

Cette reformulation passe par deux opérations: identifier les variables en jeu, et dire par quelle procédure concrète on les mesurera ou on les manipulera.

Le nom trahit le rôle attendu: la VD est censée dépendre de la VI. Mais rien, dans le fait d'appeler une variable «indépendante», ne garantit qu'elle cause quoi que ce soit; ce point sera l'objet de tout ce chapitre.

L'opérationnalisation n'est pas une formalité administrative: c'est là que se joue la signification du résultat. Une même question donne naissance à plusieurs études qui ne se contredisent pas quand elles divergent, parce qu'elles n'ont pas porté sur la même chose.

Les méthodes descriptives

Avant d'expliquer, il faut décrire. Les méthodes descriptives ne visent pas à établir des causes: elles servent à documenter un phénomène, à en estimer la fréquence, à repérer les régularités qui vaudront la peine d'être testées ensuite.

Observation naturaliste et observation systématique

L'observation naturaliste consiste à enregistrer le comportement dans son milieu ordinaire, sans intervention. Elle a l'avantage de la validité écologique et l'inconvénient de l'absence de contrôle: on prend ce qui se présente. L'observation systématique ajoute des instruments qui rendent le recueil reproductible:

• une grille d'observation, c'est-à-dire une liste finie de catégories mutuellement exclusives, définies par des critères observables («l'enfant tend un objet à un pair» plutôt que «l'enfant est généreux»);
• un échantillonnage temporel: le codage ne porte pas sur la totalité du flux, mais sur des intervalles fixés d'avance (par exemple, noter la catégorie dominante toutes les $10$ secondes pendant $20$ minutes), ce qui rend les fréquences comparables d'un enfant à l'autre;
• une procédure d'insu: l'observateur ignore, si possible, à quelle condition ou à quel groupe appartient la personne observée.

Deux difficultés reviennent toujours. La première est la réactivité de l'observé: les gens se comportent différemment quand ils se savent observés. On la réduit par une phase d'habituation, par l'enregistrement vidéo différé ou par l'observation discrète, chacune ayant son coût éthique. La seconde est la subjectivité du codeur, et c'est elle qui se mesure.

L'étude de cas

L'étude de cas est l'analyse approfondie d'un individu ou d'un petit nombre d'individus. Sa valeur en psychologie est considérable, et elle tient à un point précis: un cas unique suffit à réfuter une affirmation universelle. La neuropsychologie s'est construite ainsi. Le patient de Broca, dont la production de parole était réduite à une syllabe alors que la compréhension restait largement préservée, a montré que production et compréhension du langage ne sont pas un bloc. Le patient H. M., opéré des deux lobes temporaux internes en 1953, apprenait de nouvelles habiletés motrices sans se souvenir d'avoir jamais fait l'exercice: la mémoire n'est donc pas une faculté unique. Le patient de Phineas Gage, dont la personnalité se serait modifiée après une lésion frontale, est le cas inverse: souvent raconté, il repose sur des sources cliniques minces et postérieures, et sert aujourd'hui d'exemple de ce qu'une belle histoire fait à un dossier maigre.

Statut probant. Les dissociations neuropsychologiques établies sur des séries de patients (Broca, H. M.) sont robustes et ont été confirmées par l'imagerie et par d'autres cas. Le récit de Gage est contesté dans ses détails: les descriptions du changement de personnalité sont rétrospectives et contradictoires.

La limite de l'étude de cas est structurelle: elle ne dit rien de la fréquence du phénomène dans la population, elle ne permet aucune inférence causale contrôlée, et elle sélectionne par construction des cas remarquables. Elle suggère des hypothèses et réfute des généralisations; elle n'en établit pas.

L'enquête par questionnaire

L'enquête interroge un échantillon pour estimer une quantité dans une population. Deux questions décident de sa valeur: l'échantillon est-il représentatif (qui a répondu, et surtout qui n'a pas répondu), et les items mesurent-ils ce qu'ils prétendent mesurer? La première relève de l'échantillonnage, dont il sera question à la fin de ce chapitre; la seconde relève de la fidélité et de la validité d'une mesure, objet du chapitre 3. Retenez pour l'instant qu'une enquête produit des déclarations, non des comportements: l'écart entre les deux est lui-même un objet d'étude.

Mesurer l'accord entre observateurs

Deux codeurs regardent la même séquence et remplissent la même grille. S'ils sont d'accord sur $85\%$ des intervalles, la grille est-elle bonne? Pas nécessairement: si le comportement codé est rare, deux codeurs qui répondraient au hasard, en respectant simplement la fréquence des catégories, seraient déjà d'accord très souvent. Il faut donc retrancher l'accord dû au hasard.

Démonstration. Considérons ce qu'un indice d'accord doit satisfaire. Il doit valoir $1$ dans le cas parfait, $0$ dans le cas où l'accord n'apporte aucune information, et être compris entre les deux dans les cas intermédiaires.

L'accord brut $P_o$ échoue sur le deuxième point. Si les deux observateurs codent indépendamment, la probabilité qu'ils placent tous deux une unité dans la catégorie $k$ est le produit $P_1(k)P_2(k)$; en sommant sur les catégories, on obtient l'accord attendu $P_e$ de (2.1). Cet accord-là ne mesure rien: il n'est dû qu'aux fréquences de base.

L'information utile est donc l'excédent $P_o-P_e$: de combien les codeurs font-ils mieux que le hasard? Cet excédent, pris tel quel, n'est pas comparable d'une étude à l'autre, car son maximum dépend de $P_e$. En effet, l'accord maximal possible est $P_o=1$, ce qui donne un excédent maximal de $1-P_e$. Quand le comportement codé est rare, $P_e$ est proche de $1$ et il ne reste presque rien à gagner: un excédent de $0,05$ y est un exploit, alors qu'il serait dérisoire pour $P_e=0,5$.

On normalise donc l'excédent par sa valeur maximale, ce qui donne exactement (2.2):

Les trois propriétés annoncées suivent immédiatement. Si $P_o=1$, alors $\kappa =\frac{1-P_e}{1-P_e}=1$. Si $P_o=P_e$, le numérateur s'annule et $\kappa =0$. Enfin, si $P_o<P_e$, le numérateur est négatif et le dénominateur positif (dès que $P_e<1$), donc $\kappa <0$: les observateurs sont systématiquement en désaccord, ce qui arrive lorsqu'ils ont compris la grille à l'envers l'un de l'autre. $\square$

Par convention d'usage — et ce n'est qu'une convention, non un résultat —, on lit couramment $\kappa <0,40$ comme un accord faible, $0,40$ à $0,60$ comme modéré, $0,60$ à $0,80$ comme bon, et au-delà de $0,80$ comme excellent. Ces seuils n'ont pas de justification statistique; ils servent de repère.

La méthode corrélationnelle

Ce qu'une corrélation dit

Beaucoup de questions psychologiques interdisent la manipulation, soit pour des raisons pratiques (on ne peut pas assigner un enfant à un milieu socio-économique), soit pour des raisons éthiques (on ne peut pas assigner un adolescent à la privation de sommeil pendant trois ans). Il reste alors à mesurer deux variables telles qu'elles se présentent et à examiner si elles varient ensemble.

Une corrélation autorise deux usages parfaitement légitimes. Elle permet de prédire: si les notes de première année corrèlent à $r=0,45$ avec les notes de baccalauréat, connaître le baccalauréat améliore la prédiction, que l'on comprenne ou non le mécanisme. Et elle permet de réfuter: une théorie qui prédit une association et qui n'en trouve aucune est en difficulté.

Ce qu'une corrélation ne permet pas, c'est d'attribuer une cause. Et la raison n'est pas une prudence de principe: c'est qu'au moins quatre situations différentes produisent exactement la même corrélation observée.

Aux trois structures de la figure 2.1, il faut ajouter une quatrième possibilité: la coïncidence. Sur un grand nombre de paires de variables examinées, certaines corréleront fortement sans qu'aucun lien n'existe, simplement parce que l'on a beaucoup regardé. C'est le mécanisme des «corrélations absurdes» que l'on trouve entre la consommation de fromage et le nombre de doctorats décernés: la seule chose qu'elles partagent est une tendance temporelle croissante.

Enfin, une corrélation peut être masquée. Si l'effet réel de $X$ sur $Y$ est négatif et qu'un confondant les pousse tous deux dans le même sens, les deux contributions s'annulent et l'on observe $r\approx 0$: conclure «il n'y a pas de relation» serait alors aussi faux que conclure à la causalité.

L'explorateur ci-dessus rend le point tangible. Placez l'effet réel $\beta$ à zéro et montez les deux forces du confondant à $0,8$: aucune flèche ne relie $X$ à $Y$, et pourtant la corrélation observée atteint $r\approx 0,64$ — un chiffre que la plupart des articles de psychologie qualifieraient de «forte association». Corrigée du confondant, elle tombe à zéro. Inversement, réglez $\beta =-0,40$ avec des forces de confusion de $0,60$: la corrélation observée est quasi nulle alors que l'effet causal est réel et négatif.

Comment une étude corrélationnelle se défend

Une étude corrélationnelle bien conduite n'est pas une expérience ratée. Elle dispose de parades, qu'il faut connaître pour juger un article:

• contrôler statistiquement les confondants mesurés, ce que fait la corrélation partielle de l'explorateur — avec cette limite majeure que l'on ne contrôle que ce que l'on a mesuré, et que l'on mesure toujours imparfaitement;
• suivre les mêmes personnes dans le temps (devis longitudinal): si $X$ à $15$ ans prédit $Y$ à $18$ ans une fois $Y$ à $15$ ans pris en compte, la causalité inverse devient moins plausible — moins plausible, non exclue;
• exploiter une variation quasi aléatoire produite par une décision administrative, une réforme scolaire ou une loterie (devis quasi expérimental);
• comparer des jumeaux ou des fratries, qui partagent une partie du milieu et du patrimoine génétique.

L'expérimentation

Manipulation, randomisation, groupe témoin

L'expérience se distingue de tout ce qui précède par un geste unique: le chercheur ne se contente pas de mesurer $X$, il le fixe. Trois éléments la constituent.

1. La manipulation de la variable indépendante: c'est l'expérimentateur qui décide, pour chaque participant, la valeur de la VI.
2. La répartition aléatoire (randomisation) des participants entre les conditions, par un procédé qui ne dépend d'aucune de leurs caractéristiques.
3. Un groupe témoin (ou une condition de référence), sans lequel on ne saurait pas à quoi comparer.

Le deuxième élément est celui qu'on comprend le plus mal. On entend souvent que la randomisation «rend les groupes équivalents». C'est faux, et la formulation exacte importe.

Démonstration. Chaque participant est affecté au groupe 1 ou au groupe 2 par un tirage qui ne dépend en rien de sa valeur $Z$. Les $n$ valeurs du groupe 1 sont donc $n$ tirages de même loi que $Z$, indépendants du groupe d'affectation, et il en va de même pour le groupe 2. Par linéarité de l'espérance, $\mathbb{E}[{\bar{Z}}_1]=\mathbb{E}[{\bar{Z}}_2]=\mu$, d'où

C'est le premier résultat: il n'y a aucun biais systématique. Aucune caractéristique ne se retrouve en moyenne plus souvent d'un côté que de l'autre, et c'est vrai pour l'ensemble infini des variables que l'on n'a pas mesurées: c'est là toute la force du procédé, qu'aucun appariement sur des variables choisies à l'avance ne peut égaler.

Pour la dispersion, la variance de la moyenne de $n$ tirages indépendants vaut $\mathrm{Var}({\bar{Z}}_j)={\sigma }^2/n$. Les deux groupes étant formés indépendamment, les variances s'ajoutent:

et l'écart-type est la racine carrée de cette quantité, soit $\sigma \sqrt{2/n}$, ce qui est (2.3). En divisant par $\sigma$, le déséquilibre exprimé en écarts-types vaut $\sqrt{2/n}$, indépendant de l'unité et de la variable considérée. $\square$

Devis inter-sujets et intra-sujets

Le devis intra-sujets élimine d'un coup toute la variabilité entre personnes: il est bien plus sensible, et il demande beaucoup moins de participants pour détecter le même effet. Il paie ce gain par les effets d'ordre: apprentissage et entraînement (on est meilleur à la seconde condition parce qu'on a compris la tâche), fatigue, ennui, et surtout effets de report (carry-over), quand la première condition modifie durablement l'état du participant. Certaines manipulations l'interdisent absolument: on ne peut pas apprendre une information deux fois pour la première fois.

La parade est le contrebalancement: on fait varier l'ordre des conditions entre les participants, de sorte que l'effet d'ordre se répartisse également sur toutes les conditions. Avec deux conditions, la moitié des participants reçoit A puis B, l'autre moitié B puis A. Avec plus de conditions, on utilise un contrebalancement complet (toutes les permutations) si leur nombre le permet, ou un carré latin, où chaque condition apparaît une fois à chaque position.

Le devis en cross-over pousse la logique plus loin: chaque groupe reçoit successivement les deux conditions dans l'ordre inverse, avec une période de latence (washout) destinée à laisser s'éteindre l'effet de la première. Il combine la sensibilité de l'intra-sujets et le contrôle du contrebalancement, au prix d'une durée doublée et d'un risque d'abandon accru.

Contrôler les attentes: insu, placebo, caractéristiques de demande

Une expérience ne comporte pas que la manipulation voulue: elle comporte aussi tout ce que le participant et l'expérimentateur croient savoir.

• L'effet placebo est l'amélioration produite par l'attente d'une amélioration. Il est robuste sur les mesures subjectives (douleur rapportée, humeur, fatigue), beaucoup plus faible ou absent sur les mesures objectives (taille d'une tumeur, glycémie): la distinction est essentielle et souvent escamotée dans la vulgarisation. Le remède méthodologique est le groupe témoin recevant un traitement inactif indiscernable.
• Les caractéristiques de demande (demand characteristics) sont les indices par lesquels le participant devine l'hypothèse et adapte sa conduite — pour coopérer, ou parfois pour contrarier. On les réduit par une couverture crédible, par des mesures indirectes et par un contrôle final: demander aux participants ce qu'ils croient que l'étude cherchait.
• L'effet expérimentateur est l'influence involontaire de celui qui fait passer l'épreuve, par le ton, le regard, la durée d'attente accordée avant de coder une réponse comme fausse. Il ne suppose aucune malhonnêteté.

La validité

Une étude peut être impeccable sur un plan et sans valeur sur un autre. Trois questions distinctes se posent, et les confondre est la source de la plupart des disputes stériles.

Les menaces classiques à la validité interne

• Maturation: les participants changent d'eux-mêmes avec le temps (un enfant progresse, un blessé récupère, un endeuillé va mieux). Sans groupe témoin, toute amélioration est attribuée au traitement.
• Histoire: un événement extérieur survient entre les deux mesures et affecte tout le monde (une réforme, une épidémie, une période d'examens).
• Effet de test: le simple fait d'avoir passé le pré-test améliore le post-test.
• Sélection: les groupes différaient déjà avant la manipulation, parce qu'ils se sont constitués eux-mêmes (les volontaires pour le cours de méditation ne ressemblent pas à ceux qui refusent).
• Mortalité expérimentale (attrition): les abandons ne sont pas aléatoires. Si les participants qui souffrent le plus quittent le groupe traité, le groupe restant s'améliore mécaniquement. Un taux d'abandon différent entre les groupes détruit le bénéfice de la randomisation, quelle que soit la qualité du tirage initial.
• Régression vers la moyenne: la menace la plus insidieuse, parce qu'elle imite exactement un effet de traitement.

La régression vers la moyenne

Quand deux mesures d'une même variable sont imparfaitement corrélées — et elles le sont toujours, puisque toute mesure comporte une part d'erreur et de fluctuation —, les individus sélectionnés sur une valeur extrême de la première mesure ont, en moyenne, une seconde mesure moins extrême. Ce n'est pas un phénomène psychologique: c'est une propriété arithmétique de toute paire de mesures dont la corrélation est inférieure à $1$.

Formellement, si les deux mesures ont même moyenne $\mu$ et même écart-type $\sigma$ et sont corrélées à $r$, la valeur attendue de la seconde mesure pour un individu ayant obtenu $z_1$ à la première est

L'écart à la moyenne est multiplié par $r$: il rétrécit d'autant plus que la corrélation est faible.

Contrôle contre représentativité

Il y a un arbitrage. Plus on contrôle, plus la validité interne est forte et plus la situation s'éloigne de la vie ordinaire; plus on se rapproche du terrain, plus les variables parasites reviennent. Ce n'est pas un défaut à corriger, c'est une division du travail: le laboratoire établit qu'un mécanisme existe et à quelles conditions, l'étude de terrain établit qu'il opère hors du laboratoire et avec quelle ampleur. Les deux se répondent, et une théorie n'est solide que lorsqu'elle a passé les deux épreuves.

Les échantillons WEIRD

Reste une question de représentativité que la psychologie a longtemps ignorée: qui sont les participants? L'acronyme WEIRD (Western, Educated, Industrialized, Rich, Democratic — occidentaux, éduqués, industrialisés, riches et démocratiques) désigne le profil très particulier de la population sur laquelle repose l'essentiel de la littérature: en pratique, des étudiants de premier cycle des universités d'Amérique du Nord et d'Europe.

Statut probant. Le constat descriptif est solidement documenté: plusieurs recensements indépendants des grandes revues aboutissent au même ordre de grandeur, environ deux tiers de participants états-uniens et plus de neuf sur dix issus de pays occidentaux, pour une douzaine de pour cent de la population mondiale. Ce que ce constat implique est plus discuté: pour certaines fonctions (acuité visuelle, limites de la mémoire de travail, courbe d'oubli), rien n'indique une variation culturelle importante; pour d'autres (perception de certaines illusions géométriques, styles d'attribution, raisonnement moral, définition du soi), les comparaisons interculturelles montrent des différences substantielles, et les échantillons occidentaux y occupent souvent une position extrême plutôt que moyenne.

La leçon n'est donc pas que tout résultat obtenu sur des étudiants genevois est faux. C'est que la généralisation est une hypothèse empirique, non un droit acquis: affirmer qu'un résultat vaut pour l'espèce humaine suppose de l'avoir testé ailleurs, et l'ampleur du risque dépend du processus étudié. Un article honnête écrit «chez des étudiants universitaires suisses» dans sa conclusion, pas «chez l'être humain».

L'éthique de la recherche

Le cadre suisse

La recherche impliquant des personnes est encadrée en Suisse par la loi fédérale relative à la recherche sur l'être humain (LRH), en vigueur depuis 2014, et par ses ordonnances. Elle couvre la recherche sur les maladies humaines et sur la structure et le fonctionnement du corps humain; les projets qui en relèvent doivent être approuvés par la commission cantonale d'éthique de la recherche compétente avant tout recrutement. Ces commissions sont réunies dans l'organisation faîtière swissethics, qui publie les modèles de formulaires d'information et de consentement.

Une part importante de la recherche en psychologie — une expérience de mémoire sur des étudiants, une enquête sur les habitudes d'étude — ne tombe pas dans le champ de la LRH. Elle n'échappe pas pour autant à l'examen éthique: les facultés et les hautes écoles ont leurs propres commissions, et le Fonds national suisse (FNS), principal bailleur public, exige que les questions éthiques soient traitées dans la requête, que les données soient gérées selon un plan explicite et que les résultats soient rendus accessibles. La protection des données relève de la nouvelle loi fédérale sur la protection des données (nLPD), entrée en vigueur en 2023, qui impose notamment la minimisation des données collectées et l'information des personnes concernées.

Les principes

• Consentement libre et éclairé. Libre: sans contrainte ni incitation disproportionnée — ce qui pose un vrai problème quand la participation donne des crédits d'étude, d'où l'obligation d'offrir une alternative équivalente. Éclairé: la personne a reçu, dans une langue qu'elle comprend, l'information sur le but général, la durée, les procédures, les risques, l'usage des données et son droit de refuser.
• Droit de retrait. À tout moment, sans justification et sans conséquence. Il doit être annoncé au début et rester praticable: un participant qui ne voit pas comment interrompre la séance n'a pas de droit de retrait réel.
• Confidentialité et protection des données. Anonymisation ou pseudonymisation, séparation de la clé d'identification et des données, durée de conservation annoncée, accès restreint. Le partage ouvert des données, désormais encouragé, ne dispense pas de ces obligations: il les rend plus exigeantes.
• Débriefing. À la fin de la participation, on explique le but réel, on répond aux questions et l'on offre de retirer ses données. Le débriefing n'est pas une politesse: c'est le moment où la personne redevient partenaire de la recherche plutôt qu'objet.
• Protection des personnes vulnérables. Enfants, personnes sous curatelle, patients en situation aiguë, personnes en rapport de dépendance avec le chercheur: consentement des représentants légaux et assentiment de la personne quand il est possible de le recueillir, bénéfice attendu proportionné, risque minimal.

Les expériences classiques qui ne passeraient plus

Deux études occupent une place particulière dans l'imaginaire de la discipline, et il faut savoir en parler avec précision — c'est-à-dire ni les brandir comme des preuves, ni les balayer comme des scandales.

L'obéissance (Milgram, Yale, début des années 1960). Des participants recrutés par annonce croyaient administrer des chocs électriques d'intensité croissante à un autre «participant» — en réalité un complice — chaque fois qu'il se trompait, sous l'injonction d'un expérimentateur en blouse. Dans la condition de base publiée en 1963, $26$ des $40$ participants, soit $65\%$, sont allés jusqu'au dernier interrupteur, marqué $450$ volts. Le résultat est allé à l'encontre de toutes les prédictions, y compris de celles de psychiatres consultés à l'avance.

Apport. Le déplacement de l'explication: la conduite ne s'explique pas par une disposition sadique des individus, mais par la situation, la légitimité perçue de l'autorité et la fragmentation de la responsabilité. Ce déplacement structure encore la psychologie sociale, et le taux d'obéissance élevé a été retrouvé dans une réplication partielle conduite en 2009, arrêtée à $150$ volts pour des raisons éthiques.

Critiques documentées. Les archives de Milgram, examinées à partir des années 2010, montrent que l'expérimentateur s'écartait fréquemment des quatre injonctions prévues par le protocole, insistant bien au-delà de ce que la procédure publiée décrivait; que le taux d'obéissance variait énormément selon les variantes (proximité de la victime, présence de pairs désobéissants, lieu de l'étude), de la quasi-totalité à la quasi-absence, ce qui interdit de citer «$65\%$» comme une constante humaine; et qu'une partie des participants a déclaré avoir douté de la réalité des chocs, ce qui affaiblit l'interprétation. Le débriefing a par ailleurs été, pour beaucoup, très différé.

Statut probant. Le phénomène — la situation pèse davantage qu'on ne le croit, et un individu ordinaire peut être conduit à infliger un dommage — est plausible et convergent avec d'autres travaux. La valeur numérique de $65\%$ et l'interprétation en termes d'obéissance pure sont discutées.

La prison de Stanford (Zimbardo, 1971). Vingt-quatre étudiants furent répartis en «gardiens» et «prisonniers» dans un sous-sol aménagé de l'université; l'étude, prévue pour deux semaines, fut interrompue au bout de six jours devant la dureté des conduites observées.

Apport revendiqué. La démonstration que des rôles institutionnels suffiraient à produire brutalité et soumission chez des personnes ordinaires.

Critiques documentées. Les enregistrements et les documents d'archive, publiés notamment en 2019, montrent que les gardiens reçurent des consignes explicites de sévérité, et furent rappelés à l'ordre lorsqu'ils se montraient trop doux: la variable «rôle» n'a donc pas été laissée à elle-même. S'y ajoutent l'absence de groupe témoin, un effectif très faible, des caractéristiques de demande majeures, un recrutement par annonce mentionnant une «étude sur la vie carcérale» (qui attire un profil particulier), et le témoignage tardif d'un participant affirmant avoir simulé sa crise. L'étude n'a jamais fait l'objet d'un article de méthode complet dans une revue à comité de lecture. Une étude ultérieure conduite selon un protocole différent, filmée pour la télévision britannique en 2002, n'a pas reproduit le basculement décrit.

Statut probant. Contesté, méthode compromise. L'expérience de Stanford ne peut pas servir de preuve; elle reste un excellent matériel pédagogique — sur la puissance des caractéristiques de demande et sur ce qui arrive quand un chercheur est à la fois expérimentateur et directeur de prison.

Aujourd'hui. Aucune commission d'éthique suisse n'autoriserait l'un ou l'autre protocole: risque psychologique élevé et non minimal, droit de retrait entravé (à Stanford, des «prisonniers» durent demander une libération conditionnelle), tromperie portant sur des éléments qui auraient modifié la décision de participer, débriefing insuffisant, et double rôle du chercheur.

Synthèse

• Une question devient scientifique lorsqu'elle est opérationnalisée: variables indépendante et dépendante définies par des procédures publiques et reproductibles. Deux opérationnalisations d'une même question ne testent pas la même hypothèse, et leur divergence n'est pas une contradiction.
• Les méthodes descriptives documentent sans expliquer. La qualité d'une observation systématique se mesure par l'accord entre observateurs corrigé du hasard: $\kappa =\frac{P_o-P_e}{1-P_e}$. Plus un comportement est rare, plus l'accord brut flatte et moins il informe.
• Une corrélation permet de prédire et de réfuter, jamais d'attribuer une cause: quatre situations — causalité directe, causalité inverse, variable confondue, coïncidence — produisent le même nuage de points, et un confondant peut aussi masquer un effet réel. La consigne opératoire est de nommer le confondant plausible.
• La randomisation n'égalise pas les groupes: elle annule l'écart attendu sur toute variable, connue ou inconnue, et laisse un déséquilibre typique de $\sigma \sqrt{2/n}$, soit $\sqrt{2/n}$ écart-type, qui ne décroît qu'en $1/\sqrt{n}$. D'où l'appariement ou la stratification sur petits échantillons, et la nécessité d'un groupe témoin, du double insu et du contrebalancement.
• Trois validités à ne pas confondre: interne (est-ce bien la manipulation?), externe (cela vaut-il ailleurs?) et de construit (mesure-t-on ce qu'on dit mesurer?). Parmi les menaces, la régression vers la moyenne produit à elle seule des effets apparents considérables dès qu'on sélectionne sur un score extrême: $\mathbb{E}[Z_2\mid Z_1]=\mu +r(Z_1-\mu )$.
• L'éthique suisse repose sur la LRH, les commissions cantonales, swissethics et les exigences du FNS: consentement libre et éclairé, droit de retrait, confidentialité (nLPD), débriefing, protection des personnes vulnérables, tromperie sous conditions strictes. Milgram et la prison de Stanford ne seraient pas autorisées aujourd'hui, et leurs résultats se citent avec leur statut probant réel.

Exercices

Vous pouvez afficher le corrigé directement sous chaque énoncé après avoir cherché la solution.

Références

• Gazzaniga, M., Heatherton, T. et Halpern, D., Psychological Science, W. W. Norton, New York, chapitres sur les méthodes de recherche et l'éthique.
• Schacter, D., Gilbert, D. et Wegner, D., Psychologie, De Boeck Supérieur, Louvain-la-Neuve, chapitre «Méthodes de recherche en psychologie».
• Myers, D. G., Psychologie, Flammarion / Worth, chapitre sur la pensée critique et les méthodes.
• Arnett, J. J., «The neglected 95 %: Why American psychology needs to become less American», American Psychologist, 63, 2008; Henrich, J., Heine, S. J. et Norenzayan, A., «The weirdest people in the world?», Behavioral and Brain Sciences, 33, 2010.
• Milgram, S., «Behavioral study of obedience», Journal of Abnormal and Social Psychology, 67, 1963; Perry, G., Behind the Shock Machine, Scribe, 2012; Le Texier, T., «Debunking the Stanford Prison Experiment», American Psychologist, 74, 2019.
• Loi fédérale relative à la recherche sur l'être humain (LRH, RS 810.30) et son ordonnance; swissethics, modèles d'information et de consentement; Fonds national suisse, règlement des subsides et exigences en matière d'intégrité scientifique et de gestion des données.