Taille d'échantillon pour un mémoire : formule et exemples

« Combien de personnes dois-je interroger ? » Cette question arrive tôt ou tard dans chaque mémoire, et le jury la pose souvent à la soutenance. La réponse dépend de votre population, de la précision voulue et du type d'analyse. Voici comment calculer et justifier la taille de votre échantillon, avec la formule la plus utilisée et des exemples chiffrés.

En bref : pour une grande population, la formule de Cochran donne 384 répondants avec une marge d'erreur de 5 % et un niveau de confiance de 95 %. Si la population est connue et limitée, on applique une correction qui réduit ce nombre. En pratique, la taille dépend aussi de l'analyse prévue et des moyens disponibles, et toute limite doit être justifiée dans la méthodologie.

Population, échantillon : les définitions

• La population est l'ensemble des personnes concernées par votre étude (par exemple, les 1 000 étudiants inscrits en licence dans votre faculté).

• L'échantillon est la partie de cette population que vous interrogez réellement.

Plus l'échantillon est grand et bien choisi, plus vos résultats sont précis et généralisables à la population.

La formule de Cochran

Pour estimer une proportion (le cas le plus courant avec un questionnaire), on utilise :

n = Z² × p × (1 − p) / e²

• Z = 1,96 pour un niveau de confiance de 95 % ;

• p = la proportion attendue. Si vous ne la connaissez pas, prenez 0,5 : c'est le cas le plus prudent, qui donne le plus grand échantillon ;

• e = la marge d'erreur acceptée (souvent 5 %, soit 0,05).

Avec ces valeurs : n = 1,96² × 0,5 × 0,5 / 0,05² = 384,16, soit 385 personnes (on arrondit toujours au-dessus). C'est le fameux « 384 » que l'on voit dans beaucoup de mémoires, valable pour une grande population.

Corriger pour une population connue et limitée

Si votre population est petite et connue (les infirmiers d'un hôpital, les employés d'une entreprise), appliquez la correction pour population finie :

n ajusté = n / (1 + (n − 1) / N), où N est la taille de la population.

Avec une marge d'erreur de 5 % et 95 % de confiance, voici l'échantillon nécessaire selon la taille de la population :

• N = 100 : 80 répondants

• N = 200 : 132 répondants

• N = 300 : 169 répondants

• N = 500 : 218 répondants

• N = 1 000 : 278 répondants

• N = 2 000 : 323 répondants

• N = 5 000 : 357 répondants

• N = 10 000 : 370 répondants

• Population très grande : 385 répondants

Ces valeurs sont très proches de la table de Krejcie et Morgan (1970), que vous pouvez aussi citer.

Et si je ne peux pas atteindre ce nombre ?

C'est fréquent, surtout dans un mémoire de licence avec peu de temps. Vous avez trois options honnêtes :

• Accepter une marge d'erreur plus grande : 196 répondants pour 7 %, 97 pour 10 % (grande population). Indiquez-le clairement.

• Réduire la population : une faculté au lieu de toute l'université, un service au lieu de tout l'hôpital.

• Présenter la limite dans la discussion : un échantillon plus petit réduit la généralisation des résultats, sans rendre l'étude inutile.

Prévoyez aussi 10 à 20 % de réponses en plus pour compenser les questionnaires incomplets.

Le cas des analyses avancées

La formule de Cochran sert à estimer une proportion. Pour d'autres analyses, d'autres repères existent :

• Régression multiple : une règle souvent citée est 50 + 8 × (nombre de variables explicatives) (Tabachnick & Fidell).

• Analyse factorielle : au moins 100 à 200 répondants, ou 5 à 10 répondants par item.

• SmartPLS (PLS-SEM) : voir notre guide SmartPLS pour débutants.

• Comparaison de groupes (test t, ANOVA, khi-deux) : une analyse de puissance avec le logiciel gratuit G*Power est la méthode la plus rigoureuse.

Échantillonnage : comment choisir les répondants

• Aléatoire simple : chaque personne a la même chance d'être choisie (idéal, mais demande une liste complète).

• Stratifié : on respecte la répartition de la population (par filière, par service…).

• Par commodité : on interroge les personnes accessibles. Très utilisé dans les mémoires, mais moins représentatif : dites-le dans les limites.

• Boule de neige : les répondants partagent le questionnaire à d'autres. Utile pour des populations difficiles à joindre.

Comment le rédiger dans la méthodologie

« La population de l'étude compte 1 000 étudiants. La taille de l'échantillon a été calculée avec la formule de Cochran, avec un niveau de confiance de 95 %, une marge d'erreur de 5 % et une proportion de 0,5, puis corrigée pour une population finie, soit un minimum de 278 répondants. Un échantillonnage stratifié par filière a été utilisé. »

Le parcours complet de l'analyse de données

Pour un mémoire fondé sur un questionnaire, les étapes s'enchaînent dans cet ordre :

1. construire le questionnaire ;

2. déterminer la taille de l'échantillon ;

3. vérifier la fiabilité des échelles avec l'alpha de Cronbach ;

4. croiser des variables qualitatives avec le test du khi-deux ;

5. tester l'effet de plusieurs variables avec la régression linéaire ;

6. pour les modèles avec variables latentes : SmartPLS et PLS-SEM.

Votre modèle compte plusieurs variables latentes ? La formation SmartPLS (PLS-SEM) vous apprend à le tester, même avec un petit échantillon.

Vous pouvez aussi faire ce calcul dans un tableur : voir la formation Excel pour l'analyse de données.

Questions fréquentes

Quel est le nombre minimum de répondants pour un mémoire ?

Il n'existe pas de minimum universel. Ce qui compte est de justifier votre choix. Demandez aussi à votre encadrant s'il a un minimum attendu.

Faut-il calculer l'échantillon pour une étude qualitative ?

Non. En qualitatif, on parle de saturation des données : on arrête les entretiens quand ils n'apportent plus d'information nouvelle (souvent entre 10 et 20 entretiens dans un mémoire).

Faut-il plus de répondants pour une régression ?

Oui, la taille dépend aussi du nombre de variables. Une règle souvent citée pour la régression multiple recommande au moins 50 + 8 × k répondants, k étant le nombre de variables explicatives. Voir régression linéaire sur SPSS.

Besoin d'aide pour votre méthodologie ?

Data Académique calcule et justifie avec vous la taille de l'échantillon, construit la stratégie de collecte et réalise l'analyse statistique. Découvrez notre accompagnement académique ou écrivez-nous sur WhatsApp.