ECHANTILLONNAGE STATISTIQUE

1. Généralités sur le recensement et l’échantillonnage

Le recensement consiste à « examiner tous les sujets de la population ». Dans

l’échantillonnage, une partie seulement des sujets de la population sont examinés. Plusieurs
échantillons peuvent être constitués. L’échantillon en lui-même n’est pas intéressant, ce sont
les populations sur la population que l’on peut tirer de son observation qui en font l’intérêt :
l’inférence.

Pour introduire la notion d’échantillonnage, nous prendrons une expérience banale : la

préparation d'un plat. Avant de le servir, il est un geste que nous faisons généralement : nous
le goûtons. Le principe même du sondage et des techniques qu'il implique (dont celles de
l'échantillonnage) se trouve ainsi posé : nous recueillons de l'information sur une fraction
(échantillon) de l'ensemble (population).

Cet exemple constitue une des manières les plus pédagogiques d'introduire la question de
l'échantillonnage et de montrer, comme le souligne bien Beaud que « nous faisons tous de
l'échantillonnage sans le savoir ». Goûter un plat signifie que « nous recueillons de
l'information sur une fraction (échantillon) de l'ensemble (population) que nous voulons
étudier ».

On peut donc concevoir l'échantillon et la population comme étant un rapport à des univers
variables. Les concepts d'échantillon et de population se modifient donc en fonction de notre
connaissance.

Par définition, l’échantillonnage représente l’ensemble des opérations qui ont pour objet de
prélever un certain nombre d’individus dans une population donnée. Pour que les résultats
observés lors d’une étude soient généralisables à la population statistique, l’échantillon doit
être représentatif de cette dernière, c’est-à-dire qu’il doit refléter fidèlement sa composition et
sa complexité. La façon la plus simple de constituer un échantillon représentatif est de tirer au
sort les sujets de l’échantillon au sein de la population. L’échantillonnage se justifie pour des
raisons de coûts ou de délais.ch

2. Étapes pour sélectionner un échantillon

- Établir les objectifs de l’enquête : évaluer les avantages et les inconvénients d’un
recensement par rapport à un échantillon ou l’utilisation de dossiers administratifs ;

- Définir la population cible : c’est la population totale pour laquelle on a besoin de

l’information. Il faut définir les unités qui composent la population sous forme de
caractéristiques les identifiant :
• Nature des données dont on a besoin : sur des personnes, des parcelles ;
• Emplacement géographique : périmètre géographique (région, préfecture…) ;
• Période de référence : date.

BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 1

 - Autres caractéristiques dont on veut pouvoir tenir compte : caractéristiques socio-
économique par exemple

- Déterminer les données à recueillir :

• Définition des termes
• Libellé des questions
• Définitions des méthodes de mesures
• S’assurer que les exigences de l’enquête seront respectées sur le plan
opérationnel.

- Fixer le degré de précision.

Il y a un degré d’incertitude associé aux estimations établies à partir d’un échantillon qui
dépend notamment de la méthode d’échantillonnage et de la taille de l’échantillon. Quel
degré peut-on accepter ?

La population cible est définie à partir des éléments précédant. L’enquête prend en compte
une population différente : la population observée : Certains membres de la population cible
ne sont pas observés par exemple du fait du coût de la collecte des données. Les conclusions
ne s’appliqueront qu’à la population réellement observée.

2. La taille de l’échantillon

Combien de personnes devons-nous interroger ? Afin de répondre à cette question ; il est

essentiel de s’interroger sur la raison d’être de l’enquête. En fait ; il existe deux façons
d’envisager la question. Voulons-nous brosser un tableau général de la situation (même de
façon approximative) ou obtenir des données minutieuses et précises ? La taille de
l’échantillon est donc tributaire de la précision recherchée. Il est donc plus juste de se
demander : « quelle est la taille de l’échantillon qui assure un niveau de précision acceptable
pour les fins de la recherche ?». Plus spécifiquement, il s agit dévaluer si la précision
recherchée est pour une moyenne (« l’agriculteur moyen a 30 ans »), ou total (« un million de
d’agriculteurs ») ; une proportion (« 60% des agriculteurs sont des femmes ») ou un effectif
(« il y aura 1.2 millions de d’agriculteurs dans deux ans »). Il faut donc s’interroger sur les
besoins de la recherche afin d’appliquer correctement le test le plus approprié. Le résultat
recherché doit il être précis a un dixième de point prés ou serions-nous satisfaits d un écart de
plus ou moins l’erreur d’échantillonnage 5% ?
Il existe un principe voulant que la taille de l’échantillon soit indépendante de la taille de la
population en ce qui concerne. Par exemple, un échantillon de 500 personnes pour une
coopérative de 3000 membres, une ville de 100000 habitants ou un pays de 25 maillons
habitants offre la même erreur d’échantillonnage dans chacun de ces trois cas.
La taille de l’échantillon dépend de plusieurs autres facteurs. Nous en examinons deux. Le 1er
est la marge d’erreur que nous sommes disposés à tolérer. Le 2ème facteur porte sur la
connaissance statistique préalable de la population enquêtée ; connaissance qui peut provenir
de recensement ; de sondage ; etc.

BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 2

L’erreur d’échantillonnage est la variation observée, et du au hasard, entre l’échantillon. A
partir d’une même population, il est possible de tiré plusieurs échantillons. Chaque
échantillon donnera un résultat différent. Toutefois, l’écart entre les échantillons variera qu’à
l’intérieur d’une fourchette dont le pourcentage est déterminé par la taille de l’échantillon. Si
on examine la note méthodologique des sondages publiée dans les quotidiens et les
magazines, on peut lire une formule du genre : « pour une enquête de cette taille l’erreur
d’échantillonnage ne s’écartera pas de plus ou moins 4% (ou 3,5% ou 5% etc.) dix-neuf fois
sur vingt » cela signifie que si l’on prend 100 échantillons de la même population, il est
possible que 5 de ces échantillons s’écartent de la marge d’erreur de 4% (ou 3,5% ou 5%) etc.
Dans La taille de l’échantillon est souvent un compromis entre le degré de précision à
atteindre et le budget de l’enquête mais aussi d’autres contraintes opérationnelles comme le
temps disponible.

Elle repose notamment sur :

- La variabilité des caractéristiques que l’on mesure ;
- La taille de la population

Pour calculer la taille de l’échantillon dans le cas de l’estimation d’une proportion, vous
pouvez appliquer la formule suivante :

où n est la taille de l’échantillon t est une constante issue de la loi normale selon un certain
seuil de confiance (en général 95% et Z = 1.96), p est le pourcentage de gens qui présentent
le caractère observé, e est la marge d’erreur d’échantillonnage choisie.

2.1. Différence de taille d’un échantillon pour une population finie et infinie
Du point de vue statistique, une population finie est une population dont on connait la taille au
départ et elle est généralement petite (par exemple, tous les membres d’une coopérative). Une
population infinie est une population dont on ne connait pas la taille exacte ou qui est
relativement grande (par exemple, tous les agriculteurs de la Guinée).
Lorsque la population à l’étude est petite, la taille de l’échantillon peut être plus petite tout en
conservant la même marge d’erreur que pour une population plus grande. Nous devons dans
ce cas, appliquer un facteur de correction.
Exemple, nous avons une population d’agriculteurs de 200 personnes.
Nous ignorons les caractéristiques de cette population, donc l’écart-type est inconnu. Nous
décidons d’accepter une marge d’erreur de ± 5%. Pour déterminer le nombre des répondants
nécessaires, nous appliquons ensuite la formule de n = 1/E2, c’est-à-dire la taille de
l’échantillon(n) est égale a l’inverse de l’erreur E2. Comme nous avons déterminé que
l’erreur acceptable serait de 5%, nous avons donc :
n = 1/0,052 ; n = 0,0025 ; n = 400.

BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 3

Nous avons donc besoin de 400 répondants. Avec ce nombre, les résultats ne s’écarterons pas
de plus ou moins de 5%, 19 fois sur 20 (ou 95% des fois). Comme ma population de 200
agriculteurs est inferieure à la taille de mon échantillon, je dois appliquer le facteur de
correction. Ce dernier suit la formule suivante :
n’ = (N x n)/(N + n)
où n’ = l’échantillon corrigé
N = la taille de ma population (ici : 200 agriculteurs)
N = la taille de l’échantillon (ici : 400 répondants)

Donc, ici n’ = 200 x 400/200+400 = 80000/600 = 133

Nous avons donc besoin de 133 répondants.

Cette démarche doit être adoptée si nous utilisons des tests statistiques qui extrapolent ls
résultats à l’ensemble de la population.

Remarquez que nous parlons ici du nombre de répondants. Le nombre de personnes à

contacter est habituellement plus grand que le nombre répondants. Car, à moins d’une enquête
très ciblée, il est possible que certaines personnes sélectionnées n’acceptent pas de participer à
l’étude. En d’autres termes, il faut tenir compte du faux d’incidence et du taux de refus.

2.2. Le taux d’incidence

Dans notre exemple, le taux d’incidence représente le pourcentage des agriculteurs qui
satisferont aux critères de l’étude sur le nombre total des agriculteurs de la coopérative.

2.3. Le taux de refus

Dans l’exemple précédent, nous avons besoin de 133 répondants, mais est ce qu’ils vont tous
répondre ? S’ils ne répondent pas tous, nous serons en déficit. Il est donc essentiel d’estimer
au préalable le nombre d’agriculteurs sur la base de l’expérience, du lieu et du moment de
déroulement de l’enquête et des particularités des questions.
Dans notre exemple, si 10% des agriculteurs sélectionnés pour l’enquête refusent de répondre,
il faudra sélectionner 13 agriculteurs de plus.

3. Méthodes d’échantillonnage

Il existe deux actions interreliées par lesquelles tout chercheur passe pour décider de
l’échantillon : l’action de sélectionner et l’action d’échantillonner comme tel. L’action de
sélectionner se réfère au processus général de décider, de cibler, non seulement l’objet de
l’étude, mais aussi l’angle par lequel on souhaite l’approcher. C’est lors de l’opération de la
sélection que les balises théoriques et conceptuelles sont utiles, que les considérations
pratiques, matérielles et logistiques sont prises en compte.

L’opération de sélection va guider, orienter le chercheur dans le choix du/des sites. L’action
d’échantillonner découle ainsi des décisions prises lors de la sélection. Il y a deux types de

BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 4

décisions à prendre dans le processus d’échantillonnage : choisir un site et ensuite
échantillonner à l’intérieur de ce site en fonction des considérations avancées précédemment.

Il existe deux méthodes d’échantillonnage : l’échantillonnage probabiliste et l’échantillonnage

non probabiliste.

L’échantillonnage probabiliste comprend la sélection d’unités dans une population selon le

principe du choix aléatoire ou du hasard. Chaque unité de la population a une probabilité
mesurable d’être choisie.

Dans l’échantillonnage non probabiliste, une méthode subjective de sélection des unités est
appliquée à une population. On suppose que la distribution des caractéristiques à l’intérieur de
la population est égale.

3.1. Échantillonnage probabiliste

L’échantillonnage probabiliste comprend :

- Échantillonnage aléatoire simple

- Échantillonnage systématique
- Échantillonnage avec probabilité proportionnelle à la taille
- Échantillonnage stratifié
- Échantillonnage en grappes
- Échantillonnage à plusieurs degrés
- Échantillonnage à plusieurs phases

3.1.1. Échantillonnage aléatoire simple

Dans un échantillonnage aléatoire simple (EAS), chaque membre d'une population a une
chance égale d'être inclus à l'intérieur de l'échantillon. Chaque combinaison de membres de la
population a aussi une chance égale de composer l'échantillon. Ces deux propriétés sont ce
qui définit un échantillonnage aléatoire simple. Vous devez dresser une liste de toutes les
unités incluses dans la population observée pour sélectionner un échantillon aléatoire simple.
Un échantillonnage aléatoire simple peut s'effectuer avec ou sans remplacement.
L'échantillonnage aléatoire simple est la méthode d'échantillonnage la plus facile à appliquer
et la plus couramment utilisée. L'avantage de cette technique tient au fait qu'elle n'exige pas
de données additionnelles dans la base de sondage.
Puisque l'échantillonnage aléatoire simple est une méthode simple et que la théorie qui la
sous-tend est bien établie, il existe des formules-types pour déterminer la taille de
l'échantillon, les estimations, etc., et ces formules sont faciles à utiliser.

Un tirage à la loterie est un bon exemple d'échantillonnage aléatoire simple. Par exemple,
lorsqu'un échantillon de six numéros est généré au hasard à partir d'une population de 49
numéros, chacun de ces derniers a une chance égale d'être sélectionné et chaque combinaison
de six numéros a la même chance d'être la combinaison gagnante. Même si les gens tendent à
éviter une combinaison comme 1-2-3-4-5-6, cette combinaison a la même chance d'être la
série gagnante de numéros que la combinaison 8-15-21-28-32-40.

BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 5

Avantages :

On a seulement besoin de la liste des membres sans leurs caractéristiques respectives.

Méthode simple lorsqu’on a la liste de tous les membres de la population.

Inconvénients:

- Non-représentativité
- Coûteux et irréalisable pour de grandes populations

Exemple :

On souhaite évaluer la satisfaction des agriculteurs d’une Préfecture de 30 000 agriculteurs à

propos de la satisfaction pour l’accès aux engrais de la campagne agricole de 2012. On décide
donc de construire un échantillon de 2000 agriculteurs par la méthode d’échantillonnage
aléatoire. Un ordinateur choisit donc au hasard le nom de 2000 des agriculteurs. Ces gens
formeront l’échantillon qui représente la population.

3.1.2. Échantillonnage systématique

Parfois appelé échantillonnage par intervalles, l'échantillonnage systématique (SYS) signifie

qu'il existe un écart, ou un intervalle, entre chaque unité sélectionnée qui est incluse dans
l'échantillon. Vous devez suivre les étapes énumérées ci-dessous pour sélectionner un
échantillon systématique :

1. Numéroter de 1 à N les unités incluses dans votre base de sondage (où N est la taille
de la population totale).
2. Déterminer l'intervalle d'échantillonnage (K) en divisant le nombre d'unités incluses
dans la population par la taille de l'échantillon que vous désirez obtenir. Par exemple,
pour sélectionner un échantillon de 100 unités à partir d'une population de 400, vous
auriez besoin d'un intervalle d'échantillonnage de 400 ÷ 100 = 4. K = 4, par
conséquent. Vous devrez sélectionner une unité sur 4 pour avoir finalement au total
100 unités à l'intérieur de votre échantillon.
3. Sélectionner au hasard un nombre entre 1 et K. Ce nombre s'appelle l'origine choisie
au hasard et serait le premier nombre inclus dans votre échantillon. À l'aide de
l'échantillon fourni ci-dessus, vous sélectionneriez un chiffre entre 1 et 4 à partir d'une
table de nombres aléatoires (pris au hasard). Si vous choisissiez 3, la troisième unité
incluse dans votre base de sondage serait la première unité comprise dans votre
échantillon; si vous choisissiez 2, le début de votre échantillon serait la deuxième unité
incluse dans votre base de sondage.
4. Sélectionner chaque Ke (dans ce cas, chaque 4e) unité après ce premier nombre.
L'échantillon pourrait, par exemple, se composer des unités suivantes de façon à
constituer un échantillon de 100 : 3 (l'origine choisie au hasard), 7, 11, 15, 19... 395,
399 (jusqu'à N, qui est 400 dans ce cas).

Vous pouvez constater, à l'aide de l'exemple fourni ci-dessus, que dans le cas d'un
échantillonnage systématique, seuls quatre échantillons possibles, qui correspondent aux
quatre origines choisies au hasard également possibles, peuvent être sélectionnés :
BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 6
1, 5, 9, 13... 393, 397
2, 6, 10, 14... 394, 398
3, 7, 11, 15... 395, 399
4, 8, 12, 16... 396, 400

Chaque membre de la population ne fait partie que de l'un des quatre échantillons et chaque
échantillon a une chance égale d'être sélectionné. Cela nous permet de constater que chaque
unité a une chance sur quatre d'être sélectionnée à l'intérieur de l'échantillon. Sa probabilité
d'être sélectionnée est la même que si l'on sélectionnait un échantillon aléatoire simple de 100
unités. La principale différence tient au fait que dans le cas d'un échantillonnage aléatoire
simple, toute combinaison de 100 unités aurait une chance de constituer l'échantillon, tandis
que dans celui d'un échantillonnage systématique, il n'y a que quatre échantillons possibles.
Cela nous permet aussi de constater à quel point l'échantillonnage systématique est précis
comparativement à l'échantillonnage aléatoire simple. L'ordre de la population incluse dans la
base de sondage déterminera les échantillons possibles pour l'échantillonnage systématique.

Si la population est distribuée au hasard dans la base de sondage, un échantillonnage

systématique devrait alors produire des résultats similaires à ceux d'un échantillonnage
aléatoire simple.

On utilise souvent cette méthode dans l'industrie, où l'on sélectionne une unité pour des essais
à partir d'une chaîne de production afin de s'assurer que la machinerie et l'équipement sont
d'une qualité uniforme. Un essayeur à l'intérieur d'une usine pourrait, par exemple, soumettre
à un contrôle de la qualité chaque 20e produit sur une ligne de montage. L'essayeur pourrait
choisir une origine au hasard entre les nombres 1 et 20. Cela déterminerait le premier produit
à essayer; chaque 20e produit serait ensuite soumis à des essais.

Les intervieweurs peuvent utiliser cette technique d'échantillonnage lorsqu'ils interrogent des
gens pour une enquête-échantillon. Les avantages de l'échantillonnage systématique tiennent
au fait que la sélection de l'échantillon peut être plus facile (vous n'obtenez qu'un seul nombre
aléatoire – l'origine choisie au hasard – et le reste de l'échantillon suit automatiquement) et
que l'échantillon est distribué dans des proportions égales à l'intérieur de la population
répertoriée.

Le plus gros inconvénient de la méthode d'échantillonnage systématique tient au fait que les
échantillons possibles risquent de ne pas être représentatifs de la population s'il existe un
certain cycle sur le plan du mode d'ordonnancement de la population inscrite sur une liste et si
ce cycle coïncide d'une quelconque façon avec l'intervalle d'échantillonnage.

Exemple :

Un annuaire téléphonique contient la quasi-totalité des individus de votre région et on en fait

la liste de base. Comme 25 013 noms figurent dans l’annuaire et que votre échantillon sera
composé de 1250 individus, vous devrez choisir un nom dans chaque bloc de 20 individus. Le
hasard veut que l’on commence au 7e abonné téléphonique. Notre deuxième unité sera le 27e,
notre troisième unité le 47e et ainsi de suite.

BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 7

3.1.3. Échantillonnage avec probabilité proportionnelle à la taille

Pour l'échantillonnage probabiliste, il faut que chaque membre de la population observée ait
une chance d'être inclus dans l'échantillon, mais il n'est pas nécessaire que cette chance soit la
même pour tous. Si la base de sondage renferme de l'information sur la taille de chaque unité
(comme le nombre d'employés de chacune des entreprises qui y sont inscrites) et si la taille de
ces unités varie, on peut utiliser cette information dans le cadre de la sélection de
l'échantillonnage afin d'en accroître l'efficacité. Cela s'appelle l'échantillonnage avec
probabilité proportionnelle à la taille (PPT). Dans le cas de cette méthode, plus la taille de
l'unité est grande, plus sa chance d'être incluse dans l'échantillon est élevée. Il faut que la
mesure de la taille soit exacte pour que cette méthode accroisse l'efficacité. C'est une méthode
d'échantillonnage plus complexe dont nous ne traiterons pas ici davantage.

La probabilité d’un individu de la base de sondage d’être sélectionné dépend de la taille de

l’unité. Plus la taille de l’unité est grande, plus sa chance d’être incluse dans l’échantillon est
élevée. Cette méthode va être privilégiée si on s’intéresse à une caractéristique qui pourrait
être influencée par sa taille. Son avantage est qu’il augmente l’efficacité. Par contre son
inconvénient est qu’il nécessite une information supplémentaire sur l’unité à sonder.

Exemple :
Un village a 8 vergers contenant respectivement 50, 30, 25, 40, 26, 44, 20 et 35 arbres. Un
échantillon de 3 vergers doit être sélectionné avec probabilité proportionnelle au nombre de
pommiers.

Numéro de série du Taille (xi) Taille cumulée Nombres associés

verger
1 50 50 1 - 50
2 30 80 51 - 80
3 25 105 81 - 105
4 40 145 106 - 145
5 26 171 146 - 171
6 44 215 172 - 215
7 20 235 216 - 235
8 35 270 236 - 270

Enfin, on choisit trois nombres aléatoires entre 1 et 270 : ces nombres sont 200, 116 et 47.
Les unités associées à ces nombres sont la 6ème, 4ème et la 1ère. L’échantillon ainsi
sélectionné contient donc les unités portant les numéros de série 1, 4 et 6.

(http://www.fao.org/docrep/003/x6831f/X6831f15.htm)

3.1.4. Échantillonnage stratifié

Lorsqu'on utilise l'échantillonnage stratifié, on divise la population en groupes homogènes

(appelés strates), qui sont mutuellement exclusifs, puis on sélectionne à partir de chaque strate
des échantillons indépendants. On peut utiliser n'importe quelle des méthodes
d'échantillonnage mentionnées dans la présente section (et il en existe d'autres) pour
sélectionner l'échantillon à l'intérieur de chaque strate. La méthode d'échantillonnage peut
varier d'une strate à une autre. Lorsqu'on utilise l'échantillonnage aléatoire simple pour
sélectionner l'échantillon à l'intérieur de chaque strate, on appelle le plan d'échantillonnage un
plan d'échantillonnage aléatoire simple stratifié. On peut stratifier avant l'échantillonnage une
BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 8
population au moyen de toute variable dont on dispose pour la totalité des unités incluses dans
la base de sondage (comme l'âge, le sexe, la province de résidence, le revenu, etc.)

Pourquoi doit-on créer des strates? Pour bien des raisons, la principale étant que leur création
peut rendre la stratégie d'échantillonnage plus efficace. C'est l'idée qui sous-tend le gain
d'efficacité qu'on réalise grâce à la stratification. Si vous créez des strates à l'intérieur
desquelles des unités auraient des caractéristiques qui seraient similaires (comme le revenu) et
qui différeraient considérablement de celles d'unités incluses dans d'autres strates (comme la
profession et le type de logement), vous n'auriez alors besoin que d'un petit échantillon tiré de
chaque strate afin d'obtenir une estimation précise du revenu total pour la strate en question.
Vous pourriez ensuite combiner ces estimations afin d'obtenir une estimation précise du
revenu total de l'ensemble de la population. Si vous deviez utiliser un échantillonnage
aléatoire simple de la population entière sans effectuer de stratification, il vous faudrait un
échantillon plus grand que la totalité de tous les échantillons de strate afin d'obtenir pour le
revenu total une estimation du même degré de précision.

L'échantillonnage stratifié nous assure d'obtenir une taille d'échantillon suffisante pour des
sous-groupes de la population à laquelle nous nous intéressons. Étant donné que chaque strate
devient une population indépendante lorsque vous stratifiez une population, vous devrez
déterminer pour chaque strate la taille de l'échantillon.
La stratification est des plus utiles lorsque les variables de stratification sont :
- simples à utiliser;
- faciles à observer;
- étroitement reliées au thème de l'enquête.

3.1.5. Échantillonnage en grappes

Il est parfois trop dispendieux de disséminer un échantillon dans l'ensemble de la population.

Les coûts de déplacement risquent de devenir élevés lorsque les intervieweurs doivent sonder
des gens d'un bout à l'autre du pays. Les statisticiens peuvent choisir la technique de
l'échantillonnage en grappes pour réduire les coûts.

La technique de l'échantillonnage en grappes entraîne la division de la population en groupes

ou en grappes comme son nom l'indique. Suivant cette technique, on sélectionne au hasard un
certain nombre de grappes pour représenter la population totale, puis on englobe dans
l'échantillon toutes les unités incluses à l'intérieur des grappes sélectionnées. On n'inclut dans
l'échantillon aucune unité de grappes non sélectionnées; ces unités sont représentées par celles
tirées de grappes sélectionnées. La technique en question diffère de la technique
d'échantillonnage stratifié, qui entraîne la sélection d'unités de chaque groupe.

Mentionnons, entre autres exemples de grappes, les usines, les établissements d'enseignement
et les régions géographiques telles que les subdivisions électorales.

Réduire les coûts est l'une des raisons d'utiliser l'échantillonnage en grappes. Ce dernier crée
des « poches » d'unités échantillonnées, au lieu de disséminer l'échantillon sur tout le
territoire. Le fait que l'on ne dispose pas parfois d'une liste de toutes les unités incluses dans la
population nécessite qu'on effectue un échantillonnage aléatoire simple, un échantillonnage
systématique ou un échantillonnage avec probabilité proportionnelle à la taille, tandis qu'une
BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 9
liste de toutes les grappes est disponible ou facile à dresser, constitue une autre raison
d'utiliser l'échantillonnage en grappes.

Dans la plupart des cas, une perte d'efficacité comparativement à ce qu'il en est lorsqu'on
utilise un échantillonnage aléatoire simple représente le principal inconvénient de l'emploi de
l'échantillonnage en grappes. Il est habituellement préférable de sonder un grand nombre de
petites grappes, plutôt qu'un petit nombre de grandes grappes. Pourquoi? Parce que les unités
avoisinantes tendent à se ressembler davantage, ce qui donne un échantillon ne représentant
pas l'éventail complet d'opinions ou de situations de l'ensemble de la population.

L'échantillonnage en grappes ne permet pas de contrôler totalement la taille finale de

l'échantillon, ce qui constitue un autre inconvénient de son utilisation.

3.1.6. Échantillonnage à plusieurs degrés

La méthode d'échantillonnage à plusieurs degrés ressemble à la méthode d'échantillonnage en

grappes, sauf qu'il faut dans son cas prélever un échantillon à l'intérieur de chaque grappe
sélectionnée, plutôt que d'inclure toutes les unités dans la grappe. Ce type d'échantillonnage
exige au moins deux degrés. On identifie et sélectionne au premier degré de grands groupes
ou de grandes grappes. Ces grappes renferment plus d'unités de la population qu'il n'en faut
pour l'échantillon final.

Pour obtenir un échantillon final, on prélève au second degré des unités de la population à
partir des grappes sélectionnées (à l'aide de l'une des méthodes d'échantillonnage probabiliste
possibles). Si l'on utilise plus de deux degrés, le processus de sélection d'unités de la
population à l'intérieur des grappes se poursuit jusqu'à l'obtention d'un échantillon final.

3.1.7. Échantillonnage à plusieurs phases

Un échantillonnage à plusieurs phases entraîne la collecte de données de base auprès d'un

échantillon d'unités de grande taille et ensuite, pour un sous-échantillon de ces unités, la
collecte de données plus détaillées. La forme la plus courante d'échantillonnage à plusieurs
phases est l'échantillonnage à deux phases (ou l'échantillonnage double), mais il est également
possible d'effectuer un échantillonnage à trois phases ou plus.

L'échantillonnage à plusieurs phases est assez différent de l'échantillonnage à plusieurs

degrés, malgré les similarités entre eux sur le plan de leur appellation. Même si
l'échantillonnage à plusieurs phases suppose aussi le prélèvement de deux échantillons ou
plus, dans son cas, tous les échantillons sont tirés de la même base de sondage et les unités
sont structurellement les mêmes à chaque phase. Comme dans le cas de l'échantillonnage à
plusieurs degrés, plus l'on utilisera de phases, plus le plan d'échantillonnage et l'estimation
deviendront complexes.

L'échantillonnage à plusieurs phases est utile lorsqu'il manque à l'intérieur de la base de

sondage des données auxiliaires qui pourraient servir à stratifier la population ou à rejeter à la
sélection une partie de la population.

Exemple :
BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 10
Supposez qu'une organisation a besoin d'information sur des éleveurs de bétail de l'Alberta,
mais que dans la base de sondage sont énumérés tous les types d'exploitations agricoles :
d'élevage de bétail et de production laitière, de grains, de porcs, de volailles et de fruits et de
légumes. Pour compliquer les choses, la base de sondage ne fournit aucune donnée auxiliaire
sur les exploitations agricoles qui y sont énumérées.

On pourrait mener une enquête toute simple dont la seule question serait : « Votre exploitation
agricole est-elle en partie ou en totalité consacrée à l'élevage du bétail? » Si elle ne comptait
qu'une seule question, cette enquête devrait entraîner un faible coût par interview (surtout si
elle était faite par téléphone), ce qui, par conséquent, permettrait à l'organisation de prélever
un grand échantillon. Une fois le premier échantillon prélevé, on pourrait en extraire un
second, plus petit, à partir des éleveurs de bétail et poser à ces derniers des questions plus
détaillées. En utilisant cette méthode, l'organisation éviterait de dépenser de l'argent à sonder
des unités ne faisant pas partie du champ d'observation (c'est-à-dire les producteurs agricoles
autres que les éleveurs de bétail).

On pourrait utiliser l'échantillonnage à plusieurs phases lorsqu'on disposerait d'un budget

insuffisant pour recueillir des données auprès de l'échantillon entier ou lorsque recueillir des
données auprès de l'échantillon entier imposerait un fardeau excessif aux répondants ou même
quand les coûts de collecte pour différentes questions d'une enquête différeraient énormément.

3.2. Echantillonnage non-probabiliste

L’échantillonnage non-probabiliste est utilisé lorsqu’il n’est pas possible d’utiliser une liste
exhaustive de toutes les unités du sondage. Dans le cas d’échantillonnage probabiliste, chaque
unité à une chance d’être sélectionnée. Ce qui n’est pas vrai dans le cas d’échantillonnage non
probabiliste. On se fixe alors comme règle que l’échantillon retenu doit avoir la même
composition que la population-mère par rapport à une ou plusieurs caractéristiques.

3.2.1. Echantillonnage par quotas

Sélection d’un échantillon jusqu’à ce qu’un nombre précis d’unités (quotas) pour diverses
sous-populations ait été sélectionné.
La différence principale entre ce type d’échantillonnage et celui stratifié découle du fait qu’ici
c’est l’enquêteur qui décide des unités formant l’échantillon.

Avantages :

- Moins coûteux et plus facile à réaliser ;

- Respecte les proportions de la population.

Inconvénients :

- Cette méthode n’est pas réalisée grâce au hasard peut biaiser l’échantillon ;
- Non-représentativité ;
- On doit connaître la distribution de la variable dans la population pour la reproduire
dans l’échantillon.
BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 11
Exemple :

Dans une université, 70% des étudiants sont au premier cycle, 20% au deuxième cycle et 10%
au troisième cycle. Pour constituer un échantillon de 200 étudiants de cette université,
l’enquêteur choisi de façon arbitraire 140 étudiants au premier cycle, 40 au deuxième cycle et
20 au troisième cycle.

3.2.2. Échantillonnage au jugé

Prélèvement d’un échantillon en se fondant sur certains jugements au sujet de l’ensemble de

la population c’est-à-dire qu’un enquêteur sélectionne des unités qu’il considère
caractéristiques de la population.

Avantage : Réduction du coût et du temps.

Inconvénient : Subjectivité de l’enquêteur.

Exemple :

Un conseil municipal choisit de tenir son enquête socioéconomique dans un seul quartier de la
ville, prétextant que ce quartier choisi ressemble à la majorité des autres. En considérant le
rapport coûts/bénéfices, il n’y a pas d’avantages à étendre leur enquête à un deuxième
quartier.

3.2.3. Volontariat

On prélève l’échantillon à partir d’un groupe de volontaires, ce qui biaise l’échantillon.

3.2.4. Méthode d’itinéraire

Cette méthode impose un point de départ à l’enquêteur et un itinéraire à suivre avec tirage
systématique des variables à mesurer. L’objectif étant de reproduire un certain tirage aléatoire
des enquêtés sans donner d’explication sur les noms et les adresses des enquêtés.

On peut citer d’autres méthodes non-probabilistes comme :

- la Technique de boule de neige : qui consiste à utiliser les personnes-ressources

comme sources d’identification d’unités additionnelles ;
- l’échantillonnage sur place : qui consiste à échantillonner sur pace. Cette méthode est
appliquée dans l’échantillonnage des populations mobiles, rares, spécifiques. Avec
cette méthode, il faut faire attention (i) à ne pas sur-représenter les individus passant
plus de temps sur place ; (ii) les périodes d’enquête ; (iii) les pondérations a posteriori
pour tenir compte de la probabilité de présence.

BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 12

BEAVOGUI, S (2012). Echantillonnage statistique. Atelier de biométrie. IRAG. Page 13