Calculateur d'alpha de Cronbach
Saisissez les scores de jusqu'à six items d'échelle, un item par zone de saisie, et obtenez l'alpha de Cronbach, l'alpha standardisé, les statistiques par item ainsi que l'alpha que vous obtiendriez en supprimant chaque item.
Évaluez la cohérence interne d'une échelle
Formule de l'alpha de Cronbach
Où :
- \(k\) — nombre d'items de l'échelle
- \(s_i^2\) — variance de l'item \(i\) entre les répondants
- \(s_t^2\) — variance des scores totaux (somme des items de chaque répondant)
Cette formule compare la variance que présentent les items pris séparément à celle de leur somme. Si les items mesurent le même construit sous-jacent, leur variance commune fait varier le score total davantage que les items pris isolément, et l'alpha s'approche de 1. Une forme voisine, l'alpha standardisé, s'appuie sur la corrélation moyenne inter-items \(\bar{r}\) :
\[ \alpha' = \frac{k\bar{r}}{1 + (k-1)\bar{r}} \]
Toutes les variances sont des variances d'échantillon avec un dénominateur \(n-1\).
Alpha de Cronbach — exemple de calcul
Exemple : un questionnaire de 4 items a été rempli par 5 répondants avec les scores par défaut : item 1 — 4, 3, 5, 2, 4 ; item 2 — 5, 3, 4, 2, 5 ; item 3 — 4, 4, 5, 3, 4 ; item 4 — 3, 3, 4, 2, 4.
\[ s_1^2 = 1.3,\quad s_2^2 = 1.7,\quad s_3^2 = 0.5,\quad s_4^2 = 0.7 \quad\Rightarrow\quad \textstyle\sum s_i^2 = 4.2 \]
\[ t = 16,\ 13,\ 18,\ 9,\ 17 \quad\Rightarrow\quad s_t^2 = 13.3 \]
\[ \alpha = \frac{4}{3}\left(1 - \frac{4.2}{13.3}\right) = 0.9123 \]
La corrélation moyenne inter-items vaut \(\bar{r} = 0.786\), d'où un alpha standardisé de :
\[ \alpha' = \frac{4 \times 0.786}{1 + 3 \times 0.786} = 0.9362 \]
Résultat : \(\alpha = 0.9123\) et \(\alpha' = 0.9362\) — une cohérence interne excellente pour ce petit jeu de données de démonstration de 4 items et 5 répondants.
Comment utiliser le calculateur
- Saisissez les scores de l'item 1 dans la première zone de texte : un score par répondant, séparés par des espaces, des retours à la ligne ou des points-virgules. Les virgules décimales (par ex. 3,5) sont acceptées.
- Remplissez l'item 2 à l'item 4 de la même manière, en conservant le même ordre des répondants et en fournissant un score pour chaque répondant à chaque item.
- Ajoutez l'item 5 et l'item 6 uniquement si votre échelle compte plus de quatre items ; sinon, laissez-les vides.
- Lisez les principaux résultats : alpha de Cronbach, alpha standardisé, nombre d'items, nombre de répondants et les deux variances utilisées dans la formule.
- Consultez le tableau des statistiques par item pour la moyenne, l'écart-type, la corrélation item-total corrigée et l'alpha-si-item-supprimé de chaque item, ainsi que le texte d'interprétation qui indique comment le résultat est habituellement évalué.
Ce que mesure l'alpha de Cronbach
L'alpha de Cronbach est la mesure de cohérence interne d'une échelle la plus utilisée — un questionnaire, un test ou un inventaire dont les items sont additionnés en un score unique. Il répond à la question suivante : les items forment-ils un tout cohérent et mesurent-ils un même construit sous-jacent, ou tirent-ils chacun dans des directions différentes ? Sur le plan conceptuel, l'alpha estime la part de la variance du score total attribuable à ce que les items ont en commun plutôt qu'à l'erreur de mesure aléatoire.
L'alpha dépend de deux facteurs : la force des corrélations entre items et le nombre d'items. Une échelle longue composée d'items bien corrélés donne un alpha plus élevé, ce qui explique qu'une courte échelle de 3 items ait du mal à atteindre 0,7 même avec de bons items. L'alpha standardisé \(\alpha'\) neutralise l'effet des variances d'items différentes en partant de la corrélation moyenne inter-items ; c'est la valeur que vous obtiendriez si tous les items étaient d'abord convertis en scores z.
Les seuils conventionnels, popularisés par George et Mallery, sont : \(\alpha \ge 0.9\) excellent, \(\ge 0.8\) bon, \(\ge 0.7\) acceptable, \(\ge 0.6\) douteux, \(\ge 0.5\) médiocre, en dessous de 0,5, inacceptable. Environ 0,8 est l'objectif habituel pour les échelles de recherche ; pour les échelles courtes ou les travaux exploratoires, 0,7 est souvent jugé suffisant. Des valeurs supérieures à 0,95 ne sont pas automatiquement meilleures — elles peuvent révéler des items redondants qui posent presque deux fois la même question.
Un alpha élevé prouve la cohérence, pas la validité : une échelle peut être parfaitement cohérente tout en mesurant autre chose que ce qu'elle devrait. Si vous souhaitez vérifier comment votre score total se rapporte à d'autres mesures, consultez le calculateur de corrélation de rang de Spearman ; pour comparer les distributions des items individuels avant de les additionner, le calculateur d'asymétrie et d'aplatissement est un compagnon utile.
Hypothèses, limites et conseils pratiques
- Les items inversés doivent être recodés au préalable. Si certains items sont formulés dans le sens inverse, leurs scores doivent être retournés (par ex. sur une échelle de 1 à 5, 6 moins le score) avant la saisie, sinon l'alpha sera artificiellement bas, voire négatif.
- Données complètes, même ordre. Chaque item doit comporter un score pour chaque répondant, dans le même ordre des répondants. Les entrées manquantes produisent une erreur plutôt qu'un résultat erroné passé inaperçu.
- Équivalence tau. L'alpha suppose que tous les items mesurent le construit avec des variances de score vrai égales. Quand les items diffèrent en qualité, l'alpha sous-estime la fidélité réelle : considérez-le comme une borne inférieure.
- Unidimensionnalité. L'alpha est conçu pour un seul construit à la fois. Si vos items recouvrent deux dimensions distinctes, calculez l'alpha séparément pour chaque sous-échelle plutôt que pour l'ensemble.
- Utilisez les statistiques par item pour améliorer l'échelle. Une corrélation item-total corrigée inférieure à environ 0,3 signale un item inadapté, et un alpha-si-item-supprimé nettement supérieur à l'alpha global désigne un candidat à la suppression. Ne retirez qu'un item à la fois, puis recalculez.
- La taille de l'échantillon compte. L'alpha est estimé à partir des données ; avec peu de répondants, l'estimation est imprécise, donc indiquez toujours le nombre de répondants à côté du coefficient.
- Type d'items. L'alpha convient aux items mesurés sur une échelle continue ou ordinale (par ex. des échelles de Likert). Pour des items dichotomiques, le même calcul donne la formule 20 de Kuder–Richardson : le calculateur fonctionne donc aussi pour des données de tests avec réponses justes/fausses.
Aide-mémoire d'interprétation
| Alpha de Cronbach | Lecture conventionnelle | Action habituelle |
|---|---|---|
| 0,9 et plus | Excellent | Vérifier les items redondants si > 0,95 |
| 0,8 – 0,89 | Bon | Convient pour la recherche |
| 0,7 – 0,79 | Acceptable | Convient pour les échelles courtes |
| 0,6 – 0,69 | Douteux | Réexaminer les items faibles |
| 0,5 – 0,59 | Médiocre | Réviser ou raccourcir l'échelle |
| En dessous de 0,5 | Inacceptable | Ne pas utiliser comme score unique |
Une fois votre échelle validée, vous voudrez peut-être comparer les scores entre groupes ou conditions — le calculateur du test de Kruskal–Wallis traite trois groupes ou plus, et le calculateur du d de Cohen quantifie l'ampleur de la différence.
Questions fréquentes
Comment calculer l'alpha de Cronbach à la main ?
Calculez la variance d'échantillon de chaque item, additionnez-les pour obtenir \(\sum s_i^2\), puis calculez le score total de chaque répondant ainsi que sa variance \(s_t^2\). Insérez les deux valeurs dans \(\alpha = \frac{k}{k-1}\left(1 - \frac{\sum s_i^2}{s_t^2}\right)\). Utilisez le dénominateur \(n-1\) pour toutes les variances et vérifiez bien que les items formulés en sens inverse ont été recodés avant de commencer. Le calculateur automatise précisément ces étapes : vous pouvez donc confronter votre résultat manuel au sien.
Quelle est une bonne valeur d'alpha de Cronbach ?
Tout dépend de l'usage. Pour les échelles de recherche, on vise généralement autour de 0,8 ; 0,7 est habituellement considéré comme le minimum acceptable, et les échelles courtes (moins d'une dizaine d'items) ont souvent du mal à l'atteindre même avec de bons items. Les valeurs inférieures à 0,6 sont douteuses ou médiocres. Les valeurs très élevées, au-delà de 0,95, ne sont pas forcément idéales — elles indiquent fréquemment des items redondants. Pour des décisions à fort enjeu, rappelons que l'alpha ne reflète que la cohérence interne, pas le fait que l'échelle mesure le bon construit.
Que signifie un alpha de Cronbach négatif ?
Un alpha négatif signale presque toujours un problème de codage plutôt qu'une véritable cohérence négative. La cause la plus fréquente est l'oubli du recodage des items inversés : les items formulés dans le sens inverse corrèlent négativement avec les autres, et leurs variances dépassent la variance totale commune. Vérifiez que chaque item a été recodé dans le même sens. Parmi les autres causes : des erreurs de saisie ou un ordre des répondants incohérent entre les items. Corrigez les données plutôt que d'essayer d'interpréter le coefficient lui-même.
Quelle est la différence entre l'alpha de Cronbach et l'alpha standardisé ?
L'alpha standardisé correspond à ce que vous obtiendriez si chaque item était d'abord converti en score z, de sorte que tous les items aient une variance de 1. Il se calcule à partir de la corrélation moyenne inter-items \(\bar{r}\) selon \(\alpha' = \frac{k\bar{r}}{1+(k-1)\bar{r}}\). Utilisez-le lorsque vos items présentent des variances nettement différentes (par ex. des échelles de réponse mixtes) ; avec des items assez homogènes, les deux valeurs seront proches et l'une ou l'autre peut être rapportée.
Pourquoi un résultat manque-t-il ou une erreur s'affiche-t-elle pour un item constant ?
Un item auquel tous les répondants ont attribué le même score a une variance nulle : il ne peut donc être corrélé à rien, et la corrélation item-total corrigée est indéfinie. L'alpha global reste calculable, car l'item apporte 0 à \(\sum s_i^2\), mais cet item est en réalité un poids mort : il n'apporte aucune information et modifie légèrement \(k\). Envisagez de le supprimer ou vérifiez si la plage de réponse était trop étroite pour cette question.
Combien de répondants et d'items faut-il pour un alpha fiable ?
Il n'existe pas de minimum absolu, mais l'alpha est une estimation issue d'un échantillon et devient très imprécise avec de petits échantillons — avec 10 répondants ou moins, il peut varier fortement. À titre indicatif, au moins 30 répondants donnent une estimation plus stable, et les études pilotes visent souvent 50 répondants ou plus. Le nombre d'items compte aussi : l'alpha augmente avec la longueur de l'échelle, si bien qu'une échelle de 3 items peut plafonner à 0,7 même avec des items forts. Indiquez toujours \(k\) et \(n\) en même temps que le coefficient.
Puis-je utiliser ce calculateur pour des items de type oui/non ou juste/faux ?
Oui. Lorsque chaque item est noté 0 ou 1, le même calcul produit la formule 20 de Kuder–Richardson (KR-20), mathématiquement identique à l'alpha de Cronbach pour des données dichotomiques. Saisissez les scores 0/1 comme pour n'importe quels autres items, en gardant un ordre des répondants cohérent. Les valeurs de KR-20 s'interprètent avec les mêmes repères approximatifs que l'alpha, même si les tests de classe comportant des niveaux de difficulté hétérogènes peuvent afficher des valeurs plus basses que ce que la cohérence réelle des items laisserait penser.