207

L'APPORT DE L'INFORMATIQUE
DANS
L'ANALYSE CONJOINTE DES DONNÉES
NUMÉRIQUES ET TEXTUELLES

Isabelle MARAMOTTI, Javier SANCHEZ

INTRODUCTION

Les dernières évolutions technologiques et de récents travaux en

linguistique informatique 1, en particulier en ce qui concerne les
capacités de traitement ainsi que l'élaboration de nouvelles
méthodologies de recherche linguistique, ont contribué à banaliser
l'utilisation des nouveaux logiciels. En psychologie, par exemple, le
traitement des enquêtes et des entretiens - outils courants du
psychologue - bénéficie aujourd'hui des toutes dernières techniques pour
la gestion et l'exploitation des données numériques et textuelles. Ainsi,
notamment, le C.I.S.I.A. 2 propose actuellement deux versions du logiciel
SPAD (Système Portable d'Analyse des Données) : SPAD-N 3 permettant
le traitement des données numériques (questionnaires) et SPAD-T 4
permettant l'analyse des données textuelles (entretiens ou questions
ouvertes de questionnaire). Mais l'aspect qui constitue l'évolution la plus
importante en psychologie réside dans l'intérêt méthodologique offert par
les procédures de couplage des analyses numériques et textuelles
réalisable grâce à ces deux logiciels. En effet, jusqu'à présent cette tâche
était méthodologiquement impossible à réaliser et le psychologue ne

1 Sanchez, J. (1993) : Qu'est-ce que l'analyse relationnelle informatique des textes ? Revue
Informatique et Statistique dans les Sciences Humaines, Université de Liège, 29, 135-165.
Sanchez, J. (1994) : De la désambiguïsation assistée par ordinateur à l'élaboration des
grammaires textuelles. Revue Literary and Linguistic Computing, Oxford University
Press, vol.9, n°3, 195-202.
2 Centre International de Statistique et d'Informatique Appliquée (C.I.S.I.A.), 1, Avenue
Herbillon, 94160 Saint-Mandé (France).
3 SPAD-N (Système Portable d'Analyse des Données - Numériques).
4 SPAD-T (Système Portable d'Analyse des Données - Textuelles).
LA REVUE DE L'EPI N° 78 ANALYSE DE DONNÉES
 208

disposait pas des outils nécessaires pour effectuer à la fois une analyse
qualitative et une analyse quantitative à partir d'un nombre important
de questionnaires et d'entretiens.
Nous présenterons brièvement ici, ces possibilités de traitement et
de couplage statistique des enquêtes et des entretiens qui constituent
désormais pour les étudiants et les chercheurs psychologues, grâce au
progrès informatique, une nouvelle voie de formation et de recherche
dont il faudra tenir compte dans nos filières universitaires. D'autant que,
depuis 1986, les étudiants en sciences humaines sont, grâce au plan
d'initiation à l'informatique (I.P.T.), formés précocement à l'utilisation de
l'ordinateur, ce qui rend possible la pratique, à partir de logiciels
spécialisés, des différentes méthodes statistiques enseignées et utilisées
en psychologie. Nous illustrerons notre propos à partir de nos derniers
travaux 5 - 6, où nous avons étudié et appliqué les possibilités de
traitement et de couplage des données numériques et textuelles.

2. LE TRAITEMENT DES DONNÉES NUMÉRIQUES

Après diverses explorations de logiciels, nous avons retenu SPAD-

N d'une part parce qu'il permet d'effectuer des analyses multidimension-
nelles telles que l'analyse factorielle des correspondances et les
techniques de classification automatique, et d'autre part, parce qu'il est
capable de se coupler avec SPAD-T qui permet le traitement des données
textuelles issues des entretiens et/ou des questions ouvertes des
questionnaires. SPAD-N et SPAD-T sont donc des outils bien adaptés aux
applications développées en psychologie.
Ce logiciel, dont les commandes sont parfaitement intégrées dans
des écrans spécialisés ou dans des menus déroulants, présente deux
phases préparatoires importantes permettant la construction des

5 Maramotti, I. (1994): Approche psychologique des facteurs de l'environnement:

application à la multi-exposition au bruit et aux vibrations. Thèse de Doctorat Nouveau
Régime. Université de Paris X-Nanterre.
Maramotti, I. (1994): La perception des vibrations et leur rapport avec la gêne en milieu
d'habitation en vue de la construction d'une norme européenne. Contrat avec le Ministère
de l'Environnement. 1991-94.
6 Sanchez, J. (1992): Méthodologie et outils de l'analyse relationnelle informatique des
textes. Analyse textuelle et nouvelles technologies, Centre de Recherche de l'Université de
Paris VIII, Saint-Denis, 350 p.
Sanchez, J. (1994): SPAD-N au service d'une méthodologie pour l'analyse des données
textuelles. Revue Enseignement Public et Informatique (EPI), 74, 219-236.
I. MARAMOTTI, J. SANCHEZ LA REVUE DE L'EPI
 209

"fichiers libellés" et des "fichiers données" qui serviront de base aux

différents traitements statistiques :
1) Le codage des variables et des modalités de réponse.
2) La saisie des données numériques.

2.1. Le codage des variables et des modalités de réponse

La première phase consiste à créer une codification des variables et
des modalités de réponses. Ainsi, par exemple, une de nos dernières
études comportait un total de 146 variables et de 374 modalités de
réponse, et une population de 176 individus, ce qui constitue un tableau
de contingence de 25696 entrées. Notons d'ailleurs que, malgré la grande
dimension du tableau des données, le temps de traitement est de
quelques secondes (avec des ordinateurs de type 486 et Pentium), ce qui
rend le travail d'analyse très convivial, en particulier en ce qui concerne
les nombreux essais statistiques nécessaires pour affiner certaines
analyses (définitions des variables les plus représentatives, tris par filtre
ou seuil, partition et constitution de classes, etc.).
Afin de permettre l'identification des variables, il est possible de
reformuler les questions pour que les informations essentielles soient
présentes dans les résultats statistiques (calculs et plans factoriels) car la
longueur des libellés est souvent très limitée en nombre de caractères.
Parallèlement, il est possible de déterminer le nombre de modalités
de réponse pour chaque question, de définir la variable numérique
associée à ces différentes modalités, ainsi que l'identificateur court (4
caractères) de la modalité (pour les représentations graphiques) et
l'identificateur long de chaque modalité (pour rendre plus compréhen-
sible le sens des modalités représentées sur les graphiques). Cela permet
donc de coder de manière différente et sous forme mnémotechnique les
identificateurs des modalités de réponse, afin que les graphiques
factoriels soient lisibles pour l'interprétation.

2.2. La saisie des données numériques

La phase de codage préparatoire achevée, la seconde étape consiste
à saisir les valeurs numériques représentant chaque modalité de réponse
pour les différents individus. Préalablement à cette saisie, nous avons
également la possibilité de construire un code pour chaque individu sous
la forme d'une chaîne alphanumérique afin que la lecture des plans
factoriels soit la plus claire possible.
LA REVUE DE L'EPI ANALYSE DE DONNÉES
 210

Un sous-écran spécialisé de saisie intégré au logiciel présente en

colonne les numéros des variables et en ligne les individus avec leur
identificateur. On peut ainsi visualiser le tableau de contingence qui
servira à effectuer les différentes analyses statistiques.

2.3. Les traitements statistiques

Nous réalisons généralement deux types de traitements
statistiques concernant les données numériques du questionnaire : en
premier lieu, des analyses statistiques descriptives permettant
d'effectuer des tris à plats sur les résultats de chacune de nos études et
fournissant une première approche ; en second lieu, des analyses
statistiques comparatives en utilisant les méthodes d'A.F.C.
(Analyses Factorielles des Correspondances) et de classification
automatique afin d'interpréter au mieux les résultats dans le cadre des
hypothèses.
2.3.1. L'Analyse Factorielle des Correspondances
La réalisation des A.F.C. passe par un certain nombre d'étapes
statistiques qui reposent sur un enchaînement de procédures
informatiques. Pour les enquêtes, nous utilisons l'Analyse des
Correspondances Multiples (A.C.M.), lorsqu'elles ne comportent que des
variables nominales (qualitatives). SPAD-N propose plus d'une
quarantaine de procédures correspondant à des actions statistiques
différentes, parmi lesquelles nous avons choisi celles qui nous ont semblé
adaptées à notre type de traitement. A titre indicatif, les noms des quatre

SELEC ⇒ CORMU ⇒ DEFAC ⇒ GRAPH.

procédures retenues sont, dans l'ordre chronologique, les suivantes :

Il faut commencer par définir les variables actives et les variables

illustratives, ce choix déterminant l'objectif de chaque analyse. Cette
première opération est réalisée grâce à la procédure SELEC (SELECtion
des variables). Ces variables étant établies, les principaux calculs de
l'A.C.M. sont ensuite exécutés par la seconde procédure appelée CORMU
(CORrespondances MUltiples), qui fournit différentes indications listées
pour l'aide à l'interprétation. D'autre part, cette aide est complétée par la
troisième procédure DEFAC (DEscription des FACteurs) qui se révèle
utile notamment pour l'interprétation des axes car elle propose les points
considérés comme les plus représentatifs à partir de la "valeur test".
Enfin, les graphiques factoriels sont construits au moyen d'une
dernière procédure GRAPH (construction des GRAPHiques). Nous
soulignons que le C.I.S.I.A. propose actuellement SPAD-GF (GraFic) qui
I. MARAMOTTI, J. SANCHEZ LA REVUE DE L'EPI
 211

est un excellent outil d'exploitation graphique des plans factoriels, et par

conséquent, d'aide à l'interprétation.
2.3.2. La classification
Pour pousser au-delà de l'interprétation des deux premiers axes
obtenus avec l'analyse factorielle, le logiciel propose la méthode de
classification automatique, qui présente l'avantage d'établir des classes
sur l'ensemble des axes factoriels. Le but de cette méthode est de
découvrir l'existence de structures cachées de l'ensemble des individus,
ces structures étant des groupes et ces groupes comportant les mêmes
modalités de réponse. Ainsi, une classe est composée par un ensemble
d'individus et un ensemble de réponses qui la caractérisent. C'est un
point particulièrement intéressant pour l'interprétation des résultats et

les suivantes : RECIP ⇒ PARTI ⇒ DECLA ⇒ GRAPH.

la validation des hypothèses. Les quatre procédures de classification sont

La première procédure RECIP (ou voisins RECIProques) construit

le dendrogramme des classes établies à partir des individus caractérisés
par leurs coordonnées factorielles, puis la procédure PARTI (PARTItion)
permet de couper l'arbre selon les paramètres définis par l'utilisateur
afin d'obtenir une partition statistiquement valable en nombre de classes.
La liste et le contenu de chacune des classes obtenues par la troisième
procédure DECLA (DEscription des CLAsses) aident à définir le nombre
des partitions et à interpréter le contenu de chaque classe. Tout comme
pour l'A.F.C., la procédure GRAPH permet d'obtenir les représentations
factorielles des classes.

3. LE TRAITEMENT DES DONNÉES TEXTUELLES

Comme nous l'avons déjà indiqué, le logiciel SPAD-T permet le

traitement des données textuelles - les entretiens pour les psychologues -
et l'importation des données numériques de SPAD-N en vue d'effectuer le
couplage avec les données textuelles. C'est-à-dire que le psychologue qui
a utilisé une méthode d'enquête par questionnaire et par entretien, va
pouvoir mettre en relation les réponses au questionnaire de chaque
individu avec le contenu de son discours lors des entretiens. Cela permet
donc d'atteindre une analyse à la fois quantitative et qualitative.
Le première difficulté de cette analyse textuelle est la préparation
des données afin d'aboutir à l'équivalent d'un tableau de contingence qui
puisse nous permettre de réaliser les différents traitements statistiques.
Ainsi comme la parole de chaque sujet ne comporte pas la même forme
LA REVUE DE L'EPI ANALYSE DE DONNÉES
 212

(choix et ordre des mots) et ne développe pas les mêmes thèmes (sens des
mots et thèmes traités) notre principale préoccupation, en tant que
psychologue, est de pouvoir définir à partir du discours de chaque sujet
les différents thèmes que chaque individu a développés, pour ensuite
construire un fichier qui permet, grâce à un codage spécifique, de
l'utiliser comme un tableau de contingence.
Néanmoins, afin de pallier certains problèmes d'analyse contex-
tuelle, nous avons mis en place d'autres procédures complémentaires à
celles proposées par SPAD-T pour étudier les différents mots présents
dans les discours retranscrits. Mais ce choix personnel n'est pas
obligatoire pour pouvoir effectuer l'analyse textuelle avec SPAD-T. Nous
insisterons seulement sur le fait que nous avons opté pour des procédures
lexicométriques contextuelles afin de préserver les informations
nécessaires pour déterminer le sens des mots. En effet, nous n'avons pas
voulu nous contenter de l'examen des données textuelles hors contexte
(liste de mots isolés) car ces listes ne permettent pas une interprétation
correcte du point de vue sémantique. Donnons l'exemple du mot "bruit" :
il peut faire référence à un bruit positif ("j'aime le bruit de l'eau de la
fontaine") ou à un bruit négatif ("je n'aime pas le bruit des voitures"). Si
nous réalisons l'analyse thématique hors contexte les deux sens de la
forme bruit seront représentés par un même point dans le plan factoriel,
ce qui induit une erreur d'interprétation. Par contre si cette analyse est
réalisée en contexte, le sens de "bruit" est bien défini et nous pouvons
ainsi créer deux "items" différents de bruit, l'un positif et l'autre négatif,
qui seront traités et représentés à part sur les plans factoriels.
Les procédures du traitement statistico-lexicométrique sont
fondamentales pour bien comprendre les principes des analyses
textuelles. Les analyses sont surtout basées sur l'utilisation de logiciels et
la mise au point de principes lexicométriques (mesure et description
informatique du lexique) qui supposent la maîtrise d'un certain nombre
de définitions dont nous présenterons les plus importantes :
1) Les unités de traitement : forme, occurrence,
2) Les listes des formes : index et concordances.
La forme graphique est l'unité de base que l'ordinateur est capable
de traiter, c'est-à-dire, une chaîne de caractères séparée par deux blancs
(avant et après) et accompagnée ou non d'une ponctuation. Autrement
dit, il s'agit d'une chaîne de caractères alphanumériques non-délimiteurs
(lettres et chiffres) qui est entourée par d'autres caractères différents
appelés délimiteurs (blancs, points, virgules, deux points, etc.). A partir
I. MARAMOTTI, J. SANCHEZ LA REVUE DE L'EPI
 213

de là nous pouvons définir les occurrences qui correspondent tout

simplement au nombre de fois où une forme graphique apparaît dans un
texte, un entretien ou une question ouverte. Ainsi on dira que la forme
graphique "bruit" comporte 48 occurrences si cette forme apparaît 48 fois
dans le texte.
En psychologie, la récurrence de certains thèmes étant importante,
il est donc intéressant d'étudier le poids en nombre d'occurrences de
chaque "item", c’est-à-dire, de croiser toutes les fréquences des "items"
avec l'ensemble des individus afin de caractériser l'utilisation des formes
qui sont sémantiquement le support du message et de l'information. Pour
cela il faut se munir des outils linguistico-informatiques d'aide à
l'interprétation : les index et les concordances (ou index contextuels) qui
présentent de façon différente mais complémentaire le lexique du corpus.
L'index présente l'ensemble des formes du corpus, classées soit par ordre
alphabétique soit par ordre hiérarchique (ordre de fréquence). La
concordance (ou index contextuel) présente les mêmes informations que
l'index mais en contexte, c'est-à-dire, que contrairement aux index, les
mots listés dans les concordances sont présentés dans leur
environnement contextuel qui permet de les analyser. Un index ne donne
que des indications sur l'existence et le poids des mots en nombre
d'occurrences alors que les concordances permettent de réaliser les
analyses contextuelles qui sont à la base de toute étude sérieuse visant à
atteindre le contenu de l'information textuelle informatiquement
retranscrite. Les concordances sont par conséquent des outils qui nous
aident, dans nos analyses de contenu, à dégager les différents thèmes que
les sujets ont traités dans les entretiens et dans les questions ouvertes.

3.1. Le protocole d'analyse des données textuelles

Il faut tout d'abord commencer par la retranscription des
entretiens et/ou la saisie des questions ouvertes. A partir des bandes
sonores enregistrées, l'ensemble des entretiens est regroupé dans un
même fichier afin d'être utilisé comme données sources selon une
codification spéciale qui permet de construire un tableau de contingence
théorique qui sera ensuite associé aux individus déclarés sous SPAD-N.
Cette dernière opération constitue la codification des données
textuelles. Pour cela chaque sujet est codé de la même façon que dans
SPAD-N mais on associe également des codes spécifiques aux différentes
questions des entretiens.
A titre d'exemple, nous donnons un petit échantillon de codification
d'un individu selon la méthode SPAD-T :
LA REVUE DE L'EPI ANALYSE DE DONNÉES
 214

----0029
mon village, blotti le long de la forêt, qui lui fait une couleur verte ou ocre, suivant les
saisons, est ce que j’aime dans mon environnement. cette coulée de verdure, avec un soleil
couchant qu’on ne trouve que dans notre village. la forêt, pleine d’oiseaux qu’on voit
évoluer avec les saisons (...).
++++
je déteste ces maisons prétentieuses qu’on érige sans ordre et sans génie, ces décharges
sauvages, ces dépôts d’herbe tondue que d’abominables citadins, qui se croient devenus des
ruraux, essaiment dans la forêt. je déteste ces voitures, sans parler des cyclomoteurs, des
tondeuses, des camions et tous ces cancres qui tolèrent le boucan des moteurs mais
gueulent si un coq chante, ces avions, ces télés, tous ces objets de consommation qui nous
rendent cons et nous empêchent de rêver (...).
++++
oui, je suis préoccupé par les promoteurs immobiliers qui ne peuvent pas voir un espace
vierge sans vouloir le violer. j’ai peur de tous ces citadins avides qui prétendent aimer la
campagne mais voudraient avoir le métro à leur porte. j’ai peur d’un avenir où la
mégalopole nous rejoindra (...).
++++
fermer Roissy. interdire tout nouveau permis de construire dans la commune. interdire les
camions et surtout réprimer le peu de cas qu’ils font des interdictions de circuler, qui
existent dans le village. mettre fin à l’exploitation du gypse. obliger les agriculteurs à
respecter la nature en luttant contre les pesticides, les nitrates, etc. éduquer les gens,
depuis nos voisins jusqu’aux directeurs de l’aéroport de paris, pour que chacun respecte la
liberté des autres et la propriété collective, places, routes, etc. (...)

L'échantillon que nous venons de présenter reproduit le format du

contenu du "fichier données textuelles" qui a été saisi et où l'on peut
constater un certain nombre de séparateurs informatiques. En effet, il
s'agit d'un échantillon sur un individu ayant répondu à quatre questions.
Celui-ci est identifié par "----0029" (car c'est le sujet n°29) et les questions
sont séparées par "++++". SPAD-T peut ainsi reconnaître chaque numéro
d'individu toujours précédé de quatre tirets consécutifs. De la même
façon, le logiciel peut soit travailler sur l'ensemble du discours de chaque
individu, soit dissocier le lexique de chaque question grâce au délimita-
teur "++++". La fin du corpus est marquée par le codage suivant : = = = =.
Pour chaque sujet, il est donc impératif de garder la même
structure afin d'éviter les erreurs de codification qui fausseraient les
analyses statistiques. D'autre part, il est possible également d'introduire
des séparateurs de groupes d'individus à partir du code suivant : ****.
Cela permet d'effectuer des études du point de vue individuel et/ou
collectif.
A ce codage spécifique qui sert de tableau de contingence théorique
des données textuelles, on pourra y associer les données numériques

I. MARAMOTTI, J. SANCHEZ LA REVUE DE L'EPI

 215

issues de SPAD-N, rendant ainsi réalisable l'étude conjointe des

variables nominales et textuelles des individus.

3.2. Le traitement statistique des données textuelles

Le protocole que nous venons de présenter constitue donc la phase
initiale de l'analyse des données textuelles qui rend possible les analyses
statistico-linguistiques. En effet, la codification du corpus permet
d'exploiter les données à partir de la création des listes de formes (index
et concordances) en proposant un classement des informations textuelles
recueillies qui seront analysées de façon thématique. Nous pouvons ainsi
étudier la liste des formes, leur poids statistique (fréquence) et les
différents thèmes présents dans les discours.
Nous passerons en revue rapidement les différentes procédures
employées pour le traitement des corpus textuels ainsi que le couplage
avec les données numériques issues des questionnaires.
Afin de ne pas être redondant par rapport à la présentation des
procédures de traitement statistique de SPAD-N, nous définirons
sommairement les différentes phases utilisées avec SPAD-T :
1) Archivage des données numériques à coupler avec les données
textuelles (ARDON),
2) Archivage des données textuelles (ARTEX),
3) Sélection questions/individus : définition des numéros des
questions (ouvertes ou entretiens) à traiter et éventuellement des
filtres pour la sélection des individus (SELOX),
4) Définition des formes graphiques, calcul des fréquences, création
du tableau lexical, tri alphabétique et hiérarchique hors contexte
(NUMER),
5) Analyse factorielle des correspondances simples du tableau de
contingence croisant en ligne les individus et en colonne les formes
graphiques. Calcul des valeurs propres, coordonnées factorielles
pour les plans factoriels (ASPAR),
6) Positionnement des variables nominales en illustratif sur les axes
factoriels des données textuelles (POSIT),
7) Création de l'arbre hiérarchique (voisins réciproques) et partition
en classes (RECIP / PARTI),
8) Caractérisation des classes par les mots-items les plus
représentatifs (MOCAR).
LA REVUE DE L'EPI ANALYSE DE DONNÉES
 216

Toutes ces procédures ouvrent donc la possibilité de coupler, pour

l'analyse, les résultats des questionnaires avec le discours contenu dans
les entretiens. On obtient ainsi des graphiques comportant à la fois les
informations issues des données numériques saisies dans SPAD-N et les
différents aspects des discours qui apparaissent dans les entretiens et qui
sont thématisés et comptabilisés dans l'analyse. Ainsi le psychologue
peut en même temps étudier les variables fermées qu'il a définies dans
son questionnaire et les informations d'ordre textuel (à partir des
entretiens) beaucoup plus ouvertes qu'il ne peut pas toujours inventorier
a priori et qui constituent des éléments importants qui viennent s'ajouter
à l'étude (perception, représentations, évaluations, opinions, attitudes,
etc.).
Afin d'illustrer au mieux cette démarche, nous proposerons une
représentation schématique moins techniques de la méthodologie que
nous pratiquons pour l'analyse et le couplage statistique des données
numériques et textuelles :

Traitement des données :

Données numériques (SPAD-N) :

Création et codification des variables et des modalités de réponse,
Saisie des données numériques,
Analyses factorielles des correspondances multiples,

⇓
Classifications hiérarchiques.

Données textuelles (SPAD-T) :

Saisie et codification des entretiens et des questions ouvertes,
Création des index et des concordances,
Constitution d'items sémantiques,
Analyse factorielle des items sémantiques,

⇓
Méthode de classification automatique.

Couplage des données textuelles et numériques

(SPAD-T et données SPAD-N) :
Analyses factorielles et classification des items sémantiques
et des variables nominales,
Interprétation.

I. MARAMOTTI, J. SANCHEZ LA REVUE DE L'EPI

 217

4. EN CONCLUSION

A travers l'exemple de l'analyse conjointe des questionnaires et des

entretiens, nous pouvons nous rendre compte du rôle important des
dernières évolutions informatiques en matière de traitement de
l'information numérique et textuelle grâce à l'amélioration des perfor-
mances des ordinateurs et à la mise en oeuvre de nouvelles techniques
d'analyse des données textuelles (procédures lexicométriques et analyses
contextuelles).
Dès lors que l'on dispose de moyens informatiques performants, il
devient possible d'analyser des données de très grande dimension, telles
que celles recueillies par les méthodes d'enquête. A l'analyse statistique
des questionnaires, utilisée depuis déjà longtemps, vient s'ajouter une
nouvelle perspective qui offre deux possibilités extrêmement intéres-
santes. En premier lieu, celle de pouvoir effectuer des analyses de
contenus de nombreux entretiens (plusieurs centaines, par exemple)
difficilement réalisables manuellement. Or, nous savons combien le
discours des individus est riche d'informations, et lorsque l'on s'intéresse
à la perception, aux représentations, à l'évaluation, etc., comme c'est le
cas en psychologie, il devient très utile d'employer ce type de méthode sur
de grands échantillons. Mais surtout, la seconde possibilité, qui consiste à
coupler informatiquement deux formats de données d'origine différente,
est particulièrement attractive dans la mesure où elle rend possible la
mise en relation des informations recueillies par questionnaires et de
celles issues d'entretiens.
Cette méthode a déjà fourni des résultats dans le cadre de nos
études psychologiques sur les stress de l'environnement et leurs
conséquences sur l'homme. Ainsi, le couplage des thèmes des entretiens
avec les résultats des questionnaires a permis d'expliquer certains
phénomènes d'interactions entre l'homme et son environnement, tel que
le lien entre le niveau de gêne exprimée dans un site bruyant et la
représentation positive ou négative du cadre de vie. On a pu constater,
par exemple, que plus les sujets appréciaient leur cadre de vie et moins
ils toléraient l'intrusion de nuisances.
Nous ne nous attarderons pas davantage sur les résultats de nos
études, mais nous conclurons en rappelant que la banalisation de ce type
d'outils, auparavant réservés à des spécialistes (statisticiens), ouvre
aujourd'hui, moyennant une formation méthodologique pluridisciplinaire
(informatique, linguistique, statistique), de nouvelles perspectives non
LA REVUE DE L'EPI ANALYSE DE DONNÉES
 218

seulement en psychologie mais également dans bien d'autres disciplines

qui travaillent à partir du texte ou du discours.

Isabelle MARAMOTTI,
Département de Psychologie
Université de Paris X-Nanterre
Javier SANCHEZ
Université de Limoges

I. MARAMOTTI, J. SANCHEZ LA REVUE DE L'EPI