Cette fiche a pour objectif d’apporter des éléments relatifs à la construction d’un questionnaire dans le cadre d’une enquête. Deux points seront successivement abordés : 1) Comment passer d’un sujet d’enquête à un questionnaire ? ; 2) Quels sont les biais à éviter lors de l’écriture des questions ?

Un questionnaire, pour quoi faire ?

Pourquoi passer par un questionnaire

Se demander en premier lieu de ce que l’on cherche à savoir : quelles sont les questions auxquelles on souhaite répondre ? Le questionnaire est adapté dès lors que l’on souhaite recueillir des opinions sur une population importante et/ou lier des phénomènes sociaux entre eux. Il est recommandé pour les activités dont le degré de conscience est peu élevé.

On cherche à expliquer une (plusieurs) pratique(s), usage(s) ou encore opinion(s), ainsi que leurs variations : si tout le monde pense la même chose, cela n’a pas d’intérêt. On veut donc savoir qui (âge, sexe, etc.) sont les enquêtés les plus susceptibles de penser, agir comme cela.

Il convient pour autant de faire attention à l’effet d’imposition des problématique : les questions que les enquêteurs se posent ne sont pas nécessairement des questions auxquelles ont réfléchi les enquêté·e·s.

Opérationnalisation : de la thématique d’enquête au questionnaire

Formuler une ou plusieurs questions qui guideront l’enquête.

Exemple : Comment les jeunes se mobilisent face à la crise climatique ?

Un questionnaire va tout d’abord comporter ce que l’on pourrait nommer un talon sociologique, permettant de décliner les autres questions en fonction :

• Du sexe (ou du genre)
• De l’âge
• Du type d’études suivies …

Cette liste est loin d’être exhaustive. Il vous faut réfléchir en amont aux variables qui vous paraissent pertinentes en fonction de la population sur laquelle vous enquêtez (par exemple, demander la catégorie socio-professionnelle fait peu sens s’il s’agit d’étudiants uniquement). Cette étape est déterminante et ne doit pas être prise à la légère. Pour cela, ne pas hésiter à s’aider d’enquêtes existantes (cf. plus bas).

Le questionnaire réduit nécessairement la réalité. On cherche donc les éléments les plus pertinents pour décrire le phénomène. Il n’y a pour cela pas de recette miracle : il faut s’aider de sa connaissance du phénomène, mais aussi de la littérature (scientifique ou non) existant sur le sujet. On commence généralement par les questions relatives à la pratique, puis par celles ayant trait aux opinions.

Chaque question doit permettre de répondre en partie à l’une des questions de recherche.

Dresser les contours de la pratique : dans l’exemple précédent, qu’entend-on par exemple par « se mobiliser » : manifester ? voter ? discuter pour essayer de convaincre ses proches ? adopter un comportement écoresponsable ? Autant de dimensions qu’il convient d’appréhender par plusieurs indicateurs.

Prenons l’exemple « Adopter un comportement écoresponsable ». Cela peut concerner sa consommation (vêtements ; alimentation) mais aussi sa mobilité (avion ; vélo), etc. En se limitant à un indicateur pour chacune des sous-dimensions (par exemple, se déplacer en vélo plus souvent pour la mobilité), on passe peut-être à côté d’autres informations (par exemple, ne pas réduire sa pratique de l’avion).

Les questions relatives à la pratique laissent ensuite place à celles d’opinion, en nombre cependant plus limitées (cf. effet d’imposition). La pratique est en effet définie par son intensité, sa fréquence, mais aussi par des indicateurs de préférence et d’attachement.

Un enquêté peut par exemple se dire attaché aux problématiques environnementales, mais ne pas pouvoir agir sur certaines dimensions (pour des raisons économiques, pratiques etc.). La pratique ne recoupe pas nécessairement l’attachement.

S’aider des enquêtes existantes

Une enquête en lien avec votre sujet existe peut-être déjà ! Cela vous permettra : 1) De voir quels ont été les résultats obtenus et voir dans quelle mesure ils sont comparables / ce que vous apportez ; 2) De vous aider sur la formulation des questions.

Une référence : le site de l’INSEE : https://www.insee.fr/fr/accueil

Mais aussi d’autres organismes : l’INED ; le CEVIPOF ; l’OVE … Voir également le site PROGEDO, qui recense les enquêtes de plusieurs organismes.

Règles de formulation et biais du questionnaire

Comment formuler ses questions ?

Commencer par des questions factuelles auxquelles il est facile de répondre. Pour cela, donner un cadre temporel précis (exemple : Pas « Avez-vous voté pour les Verts ? » mais « Au cours des dernières élections présidentielles, avez-vous voté pour les Verts »)

Les questions les plus surprenantes/sensibles sont quant à elles placées à la fin, lorsque l’enquêté est suffisamment en confiance.

Ne pas abuser des questions multiples (plusieurs choix de réponses) et limiter celles ouvertes (c’est à dire sans modalité de réponse), dont l’exploitation statistique est nettement plus complexe. La possibilité de cocher 2 ou 3 réponses permet toutefois le biais consistant à rechercher LA bonne réponse : elles s’avèrent donc parfois pratiques.

Une possibilité est par exemple d’avoir une question ouverte en fin de questionnaire, invitant l’enquêté à préciser des choses qui n’auraient pas été abordé au cours de l’enquête.

En revanche, vous pouvez utiliser les modalités de réponse « Autre : précisez » qui permettent d’éviter que la personne ne coche une case qui ne corresponde pas réellement à sa situation.

Évitez de rendre les questions obligatoires, ou inclure des modalités de réponse « sans opinion » ou « absence de pratique » pour éviter l’effet d’imposition.

Pour les questions d’échelle, établir un équilibre entre les modalités positives et négatives (pour éviter d’orienter vers une réponse qui serait perçue comme légitime), et utiliser le même vocabulaire (exemple : 1. Très satisfait … 4. Pas du tout satisfait)

Évitez les mots savants (exemple : porosité) et polysémiques (exemple : couple : cela implique-t-il de cohabiter ?) qui peuvent être mal compris et rendre les réponses inexploitables. De manière plus générale, être attentif au vocabulaire et notamment aux mots introductifs, qui peuvent orienter la question.

« À quel point prendre l’avion est une menace pour l’environnement ? » n’est pas la même chose que « Estimez-vous que prendre l’avion soit une menace pour l’environnement ? »

Une seule question par question

« Pensez-vous prendre plus souvent le vélo ou moins souvent l’avion pour des raisons écologiques ? » : un « oui » peut refléter des réponses relativement différentes.

Pensez à faire des questions filtrées, c’est à dire des questions auxquelles ne répondre que celles et ceux ayant répondu telle(s) modalité(s) de réponse à une ou plusieurs questions auparavant.

Les biais de réponse

Comment lutter contre la recherche de la bonne réponse (en plus des astuces précédemment citées) ? La question se pose lorsque la pratique interrogée diffère de l’habitude (par exemple, « combien de fois avez-vous pris l’avion le mois dernier ? ». L’enquêté l’a pris 3 fois, une exception liée à des conditions particulières, d’autant plus qu’il pense que cela est mauvais pour l’environnement : sa réponse pourra être biaisée). On va dans ce cas dissocier la norme de la pratique, en posant dans un premier temps une question relative à ce qu’il considère comme un usage normal (« En moyenne, combien de fois estimez-vous prendre l’avion mensuellement ? »), avec des modalités de réponses plus larges.

Les modalités de réponses créent des biais (inévitables ; l’objectif n’est pas de les faire disparaître, mais de les minimiser). Il faut donc être attentif à leur nombre, leur ordre de présentation (qui peut implicitement suggérer une hiérarchie) ou encore l’existence d’une opinion médiane (qui peut agir comme une valeur refuge).

En plus des biais liés à la formulation de la question, il faut aussi être attentif aux indications éventuellement fournies (donner des arguments en faveur ou défaveur oriente la réponse) ainsi qu’à sa place dans le questionnaire (toujours se demander comment les quelques questions précédentes peuvent influencer la réponse à venir)

Biais de conformité à la norme (exemple : homophobie ; préservation de l’environnement) : il faut parfois contourner l’aspect frontal des questions (ne pas demander directement : « êtes-vous contre l’homosexualité ? »), mais aussi rappeler que l’anonymat des réponses est garanti.

Effet de prestance (garder un certain statut) : « A-t-il été facile pour vous de … » : Répondre « non » peut déplaire, et donc biaiser la réponse. Pour cela, on peut proposer des modalités de réponse plus nuancées, et non avoir une réponse binaire (Oui/Non).

Pour aller plus loin

DE SINGLY François, 2016. Le Questionnaire, Armand Colin, Paris.

Cette seconde fiche, qui fait suite à celle relative à la création du questionnaire d’enquête, a pour objectif d’apporter des éléments relatifs à la passation du questionnaire ainsi qu’au travail de mise en forme de la base de données.

Diffuser une enquête

L’importance du questionnaire-test

Il s’agit d’une étape indispensable : une fois le questionnaire envoyé, il ne peut absolument pas être modifié ! Il doit être fait auprès d’un échantillon réduit (a minima une dizaine de personnes), ayant si possible des caractéristiques distinctes (en ce qui concerne sujet de l’enquête) tout en disposant d’une expertise sur le sujet (sans être impliqué dans l’enquête).

Au cours de cette étape, il s’agit de s’assurer que les questions sont claires et comprises par les répondants ; que les modalités de réponse proposées englobent tous les cas de figure (d’où l’importance de multiplier dans la première version du questionnaire les modalités de réponse : « Autre : … »).

Lors de cette phase test, il est donc recommandé que la passation se fasse en compagnie des concepteurs du questionnaire (même s’il est amené à être diffusé sur internet, par téléphone etc.), afin que ceux-ci notent les hésitations dont ont pu faire part les répondants, leurs interrogations, les problèmes rencontrés, etc. Un questionnaire est systématiquement amené à être retouché après une phase de test !

Pensez enfin à soigner la mise en forme : un questionnaire avec des fautes d’orthographe, où un nombre important de questions s’enchaînent sans pause, etc. a plus de chances de ne pas être terminé.

A qui le questionnaire s’adresse-t-il ? (Population de référence)

Il importe de définir la population de référence, c’est à dire celle que l’on souhaite analyser. Bien entendu, il est presque impossible de pouvoir obtenir les réponses de chacun des individus concernés (ex : enquête sur les étudiants à l’université) : c’est donc une partie de celle-ci que l’on va interroger.

Si l’on veut que cet échantillon le plus représentatif possible de la population sur laquelle on souhaite enquêter / que l’on souhaite consulter, il est donc préférable d’en connaître certaines propriétés (pourcentages de femmes ; d’étudiants en licence ; âge moyen ; etc.). Ces informations peuvent être obtenues à l’aide des données administratives (ex : sur les sites des services statistiques ministériels ; mais aussi parfois et plus simplement dans les données des associations [lors des inscriptions, etc.])

Idéalement (mais c’est plus compliqué lorsque le questionnaire est passé sur internet), la méthode de l’échantillonnage par quotas est privilégiée

Par exemple, si dans ma population de référence, il y a 50% de filles et 50% de garçons, 15% d’étudiants en master et 85% en licence, et que j’ai prévu d’interroger 100 personnes, je vais essayer de m’approcher d’une enquête réalisée auprès de 50 filles, 15 étudiants en master, etc. La représentativité de l’échantillon reste toutefois un idéal à approcher.

Présenter l’enquête et s’assurer du respect du RGPD

Le message d’accueil placé en début de questionnaire est tout aussi important. Outre une présentation (relativement succincte) de l’enquête (par qui ? dans quel but ?), il permet également de s’assurer que les répondants sont bien ceux attendus. Il faut donc préciser ici (et les mettre en évidence) les critères d’éligibilité (par exemple, « les étudiants en licence uniquement »).

Il est important de préciser qu’il n’existe pas de bonne ou mauvaise réponse pour mettre en confiance le répondant, mais aussi de lui garantir l’anonymat ( a minima la pseudonymisation) de ses réponses, ainsi que l’accès à celles-ci. Pensez également à recueillir leur consentement. Certains logiciels (comme Limesurvey) peuvent vous aider.

Cette protection des données se fait aussi (surtout !) au niveau des questions qui sont posées ! Un individu ne doit théoriquement pas être identifiable (nom, prénom, adresse IP, etc.) à la lecture des réponses.

Préparer sa base de données

Choix du logiciel de traitement

Du choix du logiciel de traitement va dépendre ce que l’on est capable de faire. Par exemple, travailler sur Excel présente l’avantage d’obtenir rapidement des résultats (et des graphiques !), mais la reproductibilité des résultats est plus compliquée, tout comme le travail de transformation de la base.

Selon les compétences dont vous disposez dans l’équipe d’exploitation, il peut être intéressant de travailler sur un logiciel de traitement statistiques. Par exemple, R présente l’avantage d’être libre et gratuit, avec une communauté d’utilisateurs sur les forums en ligne importante et de nombreux sites d’aide.

Pondérer ses données ?

Selon les modes de passation, il est plus ou moins facile de contrôler qui sont les répondants, et donc de s’assurer que les caractéristiques des répondants sont les mêmes que celles de la population-cible. Certaines populations peuvent par ailleurs être exclues car l’enquête ne leur parvient pas.

Par exemple, en souhaitant consulter les étudiants, je fais passer mon questionnaire dans les groupes de promotion des réseaux sociaux. Je peux me retrouver avec une surreprésentation des étudiants en écoles, tout en passant à côté des étudiants qui n’utilisent pas les réseaux sociaux.

Si l’écart avec la population de référence est trop important (par exemple, j’ai interrogé 85% de filles alors que dans ma population de référence, il y en a 50%), il convient de pondérer ses données : un poids plus important va être attribué aux répondants sous-représentés.

Ils existent des méthodes de pondération plus ou moins complexes. Par ailleurs, une pondération devient rapidement impossible lorsqu’une partie de la population est fortement sous-représentée, car on accorde alors un point trop important à un nombre trop restreint d’individus. L’étape en amont de constitution de l’échantillon est donc primordiale.

Nettoyer et recoder ses données

Une fois les données récoltées (par exemple, Limesurvey vous permet d’obtenir les données sous format Excel [.xlsx] ou csv [.csv]) et chargées dans votre logiciel de traitement, avant tout traitement statistique, il est nécessaire de nettoyer vos données, c’est à dire de s’assurer que les répondants répondent bien aux critères fixés en amont (une ou deux questions posées peuvent vous y aider), puis de recoder certaines réponses.

Par recodage, on entend principalement le regroupement de certaines réponses à des questions : des modalités de réponses ont trop peu de répondants, ce qui va empêcher le croisement de variables entre elles.

Par exemple, à la question « Êtes-vous d’accord avec l’idée que … » sur une échelle de 1 à 10, si 1% des répondants ont mis 10 et 7% ont mis 9, je peux choisir de regrouper 9 et 10 en disant qu’il s’agit de ceux « fortement d’accord ». On perd ici en précision, mais on gagne en puissance statistique, car on va pouvoir savoir s’il s’agit davantage des femmes ou des hommes, etc. qui sont plus ou moins d’accord.

Attention ! N’effacez jamais les données initiales : créer une nouvelle variable avec un nom différent.

Le recodage implique de faire des choix non neutres, qui doivent avoir un sens :

Si on reprend l’exemple précédent, vous ne pouvez pas regrouper de 3 à 10, même si la somme de ces répondants fait 10%, car vous agrégez des réponses qui ne disent pas la même chose.

Lors de la phase de recodage, c’est aussi l’occasion de regrouper les réponses « Autres : … » avec d’autres modalités de réponse (si elles sont peu nombreuses, tout en gardant à l’esprit que ce regroupement doit être justifié), ou de créer une modalité de réponse à part. Le recodage permet aussi de simplifier les variables quantitatives (exemple : revenu ; âge) : il est -souvent- plus facile de raisonner par « classes » (les plus jeunes ; les plus aisés ; etc.) pour le traitement statistique à suivre.

Enfin, le recodage permet de regrouper/combiner des variables qui vont permettre de mieux rendre compte de ce que l’on cherche à étudier :

Par exemple, ne pas observer en fonction du sexe puis du lieu de résidence, mais de dissocier dans une seule et même variable les femmes des territoires ruraux, les femmes des territoires urbains, etc. 

Pour aller plus loin

Sur la protection des données :

PLESSZ Marie, 2020. Un protocole pour une enquête par questionnaire anonyme au sens du Règlement européen, Bulletin de méthodologie sociologique, 145, 100-110.

Parmi les logiciels permettant de réaliser une enquête par questionnaire (disposant d’une aide en ligne et plutôt facile d’accès) : Limesurvey ; Surveymonkey 

Une fois la base de données mise en forme, il s’agit ensuite de faire les traitements statistiques associés : quelles sont les principales opérations possibles ? Quels sont les pièges à éviter ? Que puis-je dire et ne pas dire ? En outre, comment les résultats que j’ai obtenus peuvent ils être mis en évidence ?

Interpréter : les principaux traitements statistiques

Statistiques univariées (une seule variable)

Deux types de variables s’offrent à vous : qualitatives (ex : sexe ; pratique ou non d’une activité) et quantitatives (salaire, âge). Pour les premières, on va avoir recours à des tableaux de distribution (il est préférable de présenter les chiffres en pourcentages et non en valeurs brutes). Pour les secondes, la moyenne est l’indicateur le plus fréquemment utilisé. Pensez toutefois à la combiner avec d’autres indicateurs (médiane ; quartiles) : à une même moyenne peut correspondre plusieurs cas de figure.

Parmi les membres de deux associations, la distribution du nombre de présences mensuelles à une activité associative est la suivante :

A : 0, 0, 1, 4, 15 – B : 3, 4, 4, 4, 5. Pour chacune d’elles, les membres sont là 3 fois par mois en moyenne, mais la répartition des présences est en réalité très inégale dans l’association A, plutôt égalitaire dans B.

Statistiques bivariées (deux variables) et tests statistiques

Le cas le plus fréquent lors d’une enquête est lorsque les deux variables sont de types qualitatives. Il s’agit alors de voir si des sous-populations pratiquent ou encore ont une opinion différente (par exemple, les jeunes et les retraités considèrent-ils dans des proportions similaires que le réchauffement climatique doit être la priorité du gouvernement ?). Plutôt que de présenter le tableaux des effectifs (premier tableau), on va privilégier un tableau avec les pourcentages en lignes : la variable expliquée (ou dépendante, celle que l’on cherche à expliquer,) est en colonnes, celle explicative (ou indépendante) en ligne (second tableau). La somme des pourcentage d’une ligne vaut 100%, l’effet est appréhendé à travers les différences de pourcentages observées.

Tableau 1. Le réchauffement climatique comme priorité du gouvernement selon la classe d’âge.

Lecture : Parmi les 360 jeunes interrogés, 200 pensent que le réchauffement climatique doit être la priorité du gouvernement.
Champ : 1165 répondants âgés de 18 à 80 ans représentatifs de …
Source : Nom de l’enquête.

Tableau 2. Le réchauffement climatique comme priorité du gouvernement selon la classe d’âge (en %)

Lecture : Parmi les jeunes interrogés, 56% pensent que le réchauffement climatique doit être la priorité du gouvernement.
Champ : 1165 répondants âgés de 18 à 80 ans représentatifs de …
Source : Nom de l’enquête.

Les exemples ci-dessus illustrent également pourquoi on raisonne plutôt en termes de pourcentages : les retraités sont numériquement plus nombreux (250) à penser que cela doit être la priorité, mais c’est aussi car ils sont plus nombreux à être interrogés (525). Ils sont en revanche moins nombreux en proportion.

Pour vérifier si les écarts sont significatifs au sens statistique du terme), c’est à dire qu’ils ne sont pas dû au hasard de la constitution de l’échantillon, on peut faire un test d’indépendance des variables (test du khi-deux, cf. O. Martin en référence pour plus de détails). Par exemple, dans le cas présent, les actifs sont un peu moins nombreux à avoir répondu « oui ». Si j’avais interrogé 280 autres actifs, j’aurais pu avoir la même distribution, mais aussi 50% de oui, ou 44%.

Plus le nombre de répondants est important, plus la distribution des réponses observée a de chances d’être celle qu’on aurait effectivement observée sur l’ensemble de la population que l’on souhaite étudier. D’où l’importance d’avoir le plus de répondants possibles.

D’autres tests statistiques sont possibles lorsque l’on croise deux variables quantitatives (calcul du coefficient de corrélation) ou une variable qualitative avec une variable quantitative (test d’égalité des moyennes).

Retour réflexif sur les résultats obtenus

Utiliser les pourcentages nécessite toutefois de faire attention aux effectifs. Si j’ai interrogé 5 jeunes et que 2 répondent « oui » (40%), 5 retraités et que 3 répondent « oui » (60%), alors l’écart en termes de pourcentage sera important, mais reflétera probablement peu la réalité. Il est donc important d’avoir suffisamment de répondants et, si besoin, de regrouper parfois certaines modalités de réponses (ex : les 15-20 ans avec les 20-24 ans ; les ouvriers avec les employés …). Ces regroupements doivent toutefois faire sens !

Ne pas sur-interpréter les résultats. Dans l’exemple précédent, s’il est juste de dire que les jeunes pensent davantage que les retraités que le réchauffement climatique doit être la priorité du gouvernement, il est en revanche incorrect de dire que les jeunes pensent que cela doit être la priorité du gouvernement, tandis que les retraités ne le pensent pas : dans les deux cas, près de la moitié d’entre eux ont répondu l’autre réponse.

Dans certains cas, la non-réponse est tout aussi parlante que les autres modalités proposées : si 15% des répondants n’ont pas d’avis sur la question, il est intéressant de le faire apparaître (et de se demander pourquoi c’est le cas !).

Statistiques multivariées

Lorsque l’on veut croiser plus de deux variables, on utilise des méthodes statistiques plus complexes.

Les analyses factorielles permettent entre autres d’observer quelles sont les réponses à plusieurs questions qui vont de pair, et avec lesquelles elles s’opposent.

Les méthodes de régression permettent de décomposer l’effet de chacune des variables indépendantes sur la variable que l’on cherche à expliquer. Cela permet en partie d’éviter d’attribuer à une variable ce qui relève d’une autre :

Par exemple, si on observe que les retraités s’engagent davantage que les actifs, on peut aussi se dire que c’est parce qu’ils ont davantage de temps libre. On va alors observer, à temps libre identique, si le fait d’être retraité a effectivement un effet sur un engagement plus important. Il faut cependant disposer de cette variable de temps disponible, d’où l’importance de bien poser toutes les questions dans le questionnaire (fiche 1).

Mise en valeurs des résultats

Gardez à l’esprit que les objectifs des tableaux et graphiques sont de transmettre des informations précises, de faciliter la compréhension du sens de ces informations. Des tableaux, graphiques trop grands, trop compliqués peuvent parfois desservir vos propos.

Tableaux

Un tableau avec son titre et ses notes doit pouvoir se comprendre sans le texte. Le titre doit par conséquent être précis (population, année, variable dépendante). Pensez à le numéroter pour les références dans le texte.

Le libellés des lignes et des colonnes doit être explicites, si besoin précisés en notes. Renseignez les unités (% ; euros ; etc.)

La source, le champ et la note de lecture sont des éléments indispensables : ce qui est clair pour vous parce que vous avez produit l’enquête ne l’est pas forcément pour votre lecteur.

Harmonisez vos tableaux. De même, ordonnez vos lignes et colonnes lorsque nécessaire (par exemple, dans le tableau 1, cela a peu de sens de mettre les jeunes, puis les retraités, puis les actifs).

Graphiques

Les règles sont sensiblement les mêmes que pour les tableaux : il faut une numérotation ; un titre explicite ; indiquer source, champ et notes de lecture.

Selon les variables que vous souhaitez représenter, le type de graphique va différer : nuage de points lorsqu’il s’agit de deux variables quantitatives (âge et salaire par exemple), diagramme en bâtons pour un croisement de variables qualitatives. Les diagrammes circulaires peuvent être utilisés lorsque le nombre de modalités est peu ou moyennement élevé.

En cas de séries sur plusieurs années, vous pouvez utiliser des diagrammes temporels : les points sont reliés par des lignes indiquant une évolution d’une variable dans le temps.

Ne pas hésiter à aller voir le site de l’INSEE pour voir comment sont présentés les tableaux et graphiques. De la qualité de votre graphique (et notamment de sa simplicité de lecture) dépendra la transmission du message à vos lecteurs.

Rédiger son texte

Présentez toujours vos données et votre enquête (dans l’introduction, dans un encadré, etc.), ainsi que la/les questions auxquelles vous souhaitez répondre.

Ne pas présenter tous les résultats, mais simplement ceux qui vous permettent de faire passer votre message. Choisissez par conséquent les tableaux les plus parlants.

Pour aller plus loin

Sur l’exploitation statistique :

LEBARON Frédéric, 2006. L’Enquête quantitative en sciences sociales. Recueil et analyse des données, Dunod, Paris, 182 p.

MARTIN Olivier, 2020. L’Enquête et ses méthodes. L’Analyse quantitative des données, 5ème édition, Armand Colin, Paris, 128 p.

Pour le traitement des données et la réalisation de graphiques :

Excel ;

R (cf. fiche 2) et son extension (elle aussi libre et gratuite) R-studio. R permet de faire de la data visualisation (Site de Joseph Larmarange notamment)  et également de la cartographie.

SPSS ; Modalisa ; SAS ; …

Parmi les outils de data visualisation (souvent payants) : Flourish ; Plotly