Data Science avec PythonStatistiques en psychologie

Comment réaliser le test de Friedman en Python

Guide académique complet pour exécuter, interpréter et rapporter le test de Friedman en Python avec scipy et pingouin en recherche psychologique.

Dr. Mohammed Looti Universitaire et chercheur spécialisé en psychologie
PUBLIÉ
Révisé scientifiquement · Dr. Marwa Abd-Alazim · septembre 17, 2026
Revu médicalement et scientifiquement Vérifié le : septembre 17, 2026
Dr. Marwa Abd-Alazim PhD in Psychology
Faculty Member • University of Kerbala
Critères d'évaluation et normes cliniques

Ce contenu fait l'objet d'un examen scientifique rigoureux et de normes éditoriales médicales afin de garantir l'exactitude clinique et la conformité aux directives fondées sur des preuves (APA / OMS).

CC BY-NC-ND 4.0

Dans le champ de la psychologie expérimentale, des neurosciences comportementales et des sciences cognitives, la modélisation rigoureuse des données issues de mesures répétées constitue une pierre angulaire de la démarche empirique. Les protocoles longitudinaux ou intra-sujets, où les mêmes participants sont évalués à travers diverses conditions expérimentales ou temporelles, permettent de contrôler efficacement la variabilité interindividuelle et d’accroître la puissance statistique globale des analyses. Cependant, la mise en œuvre de l’approche paramétrique traditionnelle — incarnée par l’analyse de variance (ANOVA à mesures répétées) — repose sur des postulats mathématiques particulièrement stricts, notamment la normalité de la distribution des résidus et l’hypothèse de sphéricité des variances de différences. Lorsque ces conditions sont enfreintes, l’analyste se heurte à des risques majeurs d’inflation de l’erreur de première espèce ou d’effondrement de la puissance statistique.

Face à des échelles de mesure de nature ordinale, telles que les échelles d’évaluation subjective de type Likert, ou face à des distributions continues fortement asymétriques issues de temps de réaction ou de marqueurs physiologiques, les méthodes non paramétriques s’imposent comme des solutions incontournables. C’est précisément dans cette niche méthodologique que s’inscrit le test de Friedman, conçu spécifiquement pour l’évaluation de trois conditions appariées ou plus. En substituant aux valeurs brutes des rangs calculés au sein de chaque individu, cette approche s’affranchit des contraintes métriques rigides tout en préservant la structure dépendante inhérente aux plans d’expérimentation intra-individuels.

Ce guide exhaustif a pour vocation de fournir aux chercheurs, statisticiens et étudiants en sciences du comportement un parcours méthodologique et technique complet pour appréhender, exécuter et interpréter le test de Friedman à l’aide de l’écosystème Python. En s’appuyant sur des bibliothèques scientifiques de premier plan telles que SciPy, Pingouin, Pandas et scikit-posthocs, cet article détaille les fondements mathématiques, les procédures diagnostiques préalables, les routines de calcul de la taille d’effet, les comparaisons post-hoc, ainsi que les standards de restitution académique conformes aux normes éditoriales les plus exigeantes.

1. Introduction théorique au test de Friedman en psychologie expérimentale

1.1 Définition et nature non paramétrique du test

Le test de Friedman, initialement conceptualisé par l’économiste et statisticien américain Milton Friedman en 1937, représente l’alternative non paramétrique par excellence à l’analyse de variance univariée à mesures répétées pour un plan à un facteur intra-sujet comportant au moins trois conditions. Sa vocation fondamentale réside dans l’analyse de données ordonnées collectées au sein de blocs appariés, où chaque bloc correspond généralement à un même participant soumis séquentiellement à différentes modalités expérimentales. Alors que l’ANOVA paramétrique postule que les observations proviennent d’une population parente distribuée selon une loi gaussienne et évalue des écarts relatifs entre les moyennes conditionnelles, le test de Friedman opère une transformation radicale des données brutes en les réduisant à leurs rangs respectifs au sein de chaque bloc individuel.

Cette conversion ordinale confère au test son statut non paramétrique, signifiant qu’il ne nécessite aucune estimation des paramètres de distribution théorique tels que la moyenne ou la variance de la population source. En lieu et place, la procédure analyse si les rangs attribués aux différentes conditions expérimentales manifestent une déviation systématique par rapport à une distribution purement aléatoire. Si les conditions expérimentales n’exercent aucune influence sur la variable dépendante, l’attribution des rangs pour chaque sujet oscillera de manière équiprobable entre les différentes modalités. Dès lors que l’une des conditions engendre systématiquement des rangs supérieurs ou inférieurs chez la majorité des sujets, le test décèle cette rupture d’homogénéité stochastique pour conclure à une différence significative entre les distributions observées.

Dans la recherche psychologique contemporaine, cette méthode se révèle d’une pertinence absolue face aux mesures ordinales pures, telles que les questionnaires d’évaluation de la douleur, les échelles d’humeur ou les cotations cliniques psychiatriques, dont les intervalles numériques ne garantissent en rien une équidistance métrique sous-jacente. Elle s’applique avec une égale efficacité aux variables d’intervalle ou de ratio dont la distribution empirique s’écarte sévèrement de la symétrie attendue, empêchant toute modélisation linéaire classique sans recourir à des transformations mathématiques complexes et souvent artificielles.

1.2 Applications typiques dans la recherche comportementale

L’expérimentation en psychologie comportementale et en neurosciences cognitives mobilise fréquemment des paradigmes longitudinaux ou transversaux multi-conditions qui s’inscrivent parfaitement dans le champ d’application du test de Friedman. L’un des scénarios d’application les plus fréquents concerne l’évaluation de l’efficacité d’interventions thérapeutiques longitudinales. Par exemple, un psychologue clinicien mesurant la symptomatologie dépressive de patients à l’aide de l’inventaire de dépression de Beck à trois temps charnières — en phase pré-thérapeutique, immédiatement à l’issue de la thérapie cognitivo-comportementale, et lors d’un suivi à six mois — exploitera le test de Friedman pour déterminer si la trajectoire clinique évolue de façon statistiquement décelable au cours du temps, en dépit de la nature discrète et asymétrique des scores cliniques.

Un autre pan expérimental majeur relève de la psychopharmacologie cognitive et de la chronopsychologie, où l’on analyse les temps de réaction de participants soumis à diverses substances psychoactives ou à des niveaux progressifs de privation de sommeil. Les distributions de temps de réaction se caractérisent notoirement par une longue traîne vers les valeurs élevées (asymétrie positive prononcée) et par la présence occasionnelle de réponses aberrantes ou de distractions transitoires. L’utilisation du test de Friedman permet ici d’étudier l’effet de ces conditions pharmacologiques sans que les valeurs extrêmes ne viennent distordre de manière disproportionnée les résultats de l’inférence statistique.

Enfin, la recherche sur les biais décisionnels, la psychologie sociale expérimentale et les études d’ergonomie cognitive mobilisent abondamment des échelles de Likert répétées pour évaluer la perception du risque, la confiance envers des interfaces numériques ou le jugement moral selon plusieurs scénarios hypothétiques. Dans ces situations, le recours aux rangs intra-individuels neutralise les biais d’ancrage personnel, où certains sujets n’utilisent que les valeurs médianes de l’échelle tandis que d’autres s’orientent vers les extrêmes, permettant une comparaison transversale focalisée sur la hiérarchisation relative des conditions par chaque individu.

1.3 Avantages et limites méthodologiques

L’adoption du test de Friedman procure des atouts méthodologiques substantiels, au premier rang desquels figure une robustesse totale face aux violations des postulats paramétriques. Le test est totalement insensible à la non-normalité des données ainsi qu’à la présence de valeurs aberrantes univariées, dans la mesure où un score extrême, qu’il dépasse la moyenne de deux ou de dix écarts-types, se verra attribuer exactement le même rang maximal au sein de la ligne du participant. De plus, il conserve une puissance statistique très satisfaisante au sein de cohortes cliniques de petite taille, fréquemment rencontrées en neuropsychologie ou en psychiatrie translationnelle, où l’effectif restreint empêche de vérifier de manière fiable la conformité à la loi normale par des tests d’adéquation classiques.

Néanmoins, la méthode comporte des limitations épistémologiques et statistiques que le chercheur doit scrupuleusement évaluer avant d’arrêter son plan d’analyse. La principale concession réside dans la perte irréversible d’information métrique consécutive au passage des scores bruts vers les rangs ordinaux. Deux conditions différant par un écart quantitatif colossal recevront les rangs consécutifs 1 et 2, exactement de la même manière que deux conditions ne différant que d’une fraction infinitésimale d’unité. Cette propriété réduit la sensibilité du test de Friedman face à de légères variations quantitatives et affaiblit sa puissance statistique comparativement à une ANOVA paramétrique lorsque les postulats de cette dernière sont pleinement respectés.

Par ailleurs, le test de Friedman classique demeure confiné aux plans d’expérience unifactoriels simples à mesures répétées. Il ne permet pas d’examiner directement des interactions factorielles complexes, telles que l’effet combiné d’un facteur intra-sujet et d’un facteur inter-groupes (plans mixtes dits split-plot). Dans de telles configurations factorielles imbriquées, le chercheur devra obligatoirement se tourner vers des modélisations plus avancées, telles que les modèles linéaires mixtes ou les approches non paramétriques factorielles généralisées développées par Akritas, Arnold et Brunner.

2. Fondements mathématiques et comparaison avec l’ANOVA à mesures répétées

2.1 Algèbre du calcul de la statistique de Friedman

L’armature formelle du test de Friedman repose sur une matrice de données organisée en N blocs (généralement N participants) et k colonnes correspondant aux différentes conditions de traitement ou points temporels mesurés. Soit X l’observation associée au sujet i sous la condition j, avec i variant de 1 à N, et j variant de 1 à k. La première étape du calcul mathématique consiste à remplacer, pour chaque sujet i pris individuellement, les valeurs observées par leurs rangs respectifs r(i, j), classés par ordre croissant de 1 à k. Si la condition présente une valeur plus faible, elle reçoit le rang 1, et la valeur la plus élevée reçoit le rang k.

Une fois l’ensemble de la matrice transformé en rangs, la somme des rangs attribués à chaque condition j est calculée en sommant les rangs sur l’ensemble des N participants :

Rj = Somme pour i allant de 1 à N de r(i, j)

La moyenne théorique globale des rangs pour chaque condition sous l’hypothèse nulle d’équivalence est définie par la quantité N(k + 1) / 2. La statistique de test de Friedman, conventionnellement notée Q ou Fr, quantifie la déviation quadratique pondérée des sommes de rangs observées par rapport à cette espérance théorique. Sa formulation algébrique canonique, établie pour des données dénuées d’égalités de rangs (ex æquo), s’exprime comme suit :

Q = [12 / (N * k * (k + 1))] * [Somme pour j allant de 1 à k de (Rj)2] – 3 * N * (k + 1)

Lorsque l’échantillon comporte des valeurs identiques au sein d’un même bloc de sujet, des rangs moyens (dits rangs fractionnaires) sont attribués. La présence substantielle d’ex æquo tend à réduire artificiellement la variance des rangs, ce qui nécessite l’application d’un facteur de correction d’échelle au dénominateur de la formule. Soit ti,m le nombre de valeurs identiques dans le m-ième groupe d’ex æquo pour le sujet i. Le terme correctif d’égalités C s’exprime par la somme, sur l’ensemble des groupes d’égalités, des quantités (t3 – t). La statistique Q ajustée devient alors le rapport entre la statistique Q initiale et le coefficient réducteur [1 – (C / (N * k * (k2 – 1)))].

Sur le plan distributionnel, lorsque la taille d’échantillon N s’accroît vers l’infini pour un nombre de conditions k fixé, la statistique Q converge asymptotiquement vers une loi du Chi-deux dont le nombre de degrés de liberté est strictement égal à k – 1. Pour les échantillons de très petite dimension (par exemple N < 10 et k < 5), les logiciels modernes procèdent parfois à un calcul de probabilité exacte basé sur la distribution combinatoire complète des permutations de rangs possibles.

2.2 Hypothèses nulle et alternative

La formulation rigoureuse des hypothèses statistiques conditionne l’interprétation exacte des résultats générés par le test de Friedman. L’hypothèse nulle (H0) énonce qu’il n’existe aucune différence systématique entre les distributions des variables associées aux k conditions expérimentales au sein de la population. Formulé de manière stochastique, le postulat d’homogénéité implique que pour chaque sujet, chacune des k! permutations possibles des rangs est rigoureusement équiprobable. Sous l’hypothèse nulle, la médiane des rangs attribués à chaque condition converge vers la valeur centrale commune (k + 1) / 2, traduisant l’absence totale d’effet de la modalité expérimentale sur le positionnement relatif des scores individuels.

L’hypothèse alternative (H1) stipule qu’au moins l’une des conditions expérimentales tend à générer des scores systématiquement plus élevés ou plus faibles qu’au moins une autre condition, établissant ainsi une relation de supériorité ou d’infériorité stochastique ordinale. Il convient de souligner avec insistance que l’hypothèse alternative du test de Friedman ne postule pas simplement une différence entre les moyennes arithmétiques des conditions — concept purement paramétrique dénué de sens sur des échelles ordinales — mais bien un décalage structurel dans les fonctions de répartition empiriques sous-jacentes, se matérialisant par une distribution asymétrique des rangs préférentiels.

Sur le plan probabiliste, le rejet du modèle nul à un seuil alpha prédéterminé (usuellement 0,05) autorise le chercheur à affirmer que les variations observées dans les classements relatifs intra-sujets ne relèvent pas du hasard de l’échantillonnage. Néanmoins, en raison de son caractère omnibus, le test de Friedman ne permet pas d’inférer directement quelles conditions spécifiques diffèrent significativement les unes des autres. Il indique exclusivement la présence d’une discordance globale dans la matrice des classements, nécessitant impérativement une étape ultérieure de comparaisons multiples par paires.

2.3 Critères d’arbitrage : ANOVA paramétrique versus Friedman

Le choix entre l’ANOVA à mesures répétées et le test de Friedman place régulièrement le méthodologue face à un compromis classique entre la puissance statistique maximale et la robustesse analytique. L’ANOVA univariée à mesures répétées requiert la validation conjointe de deux exigences fondamentales : la normalité multidimensionnelle des distributions conditionnelles (ou du moins la normalité univariée des résidus de l’estimation linéaire) et l’hypothèse de sphéricité, formellement évaluée par le test de sphéricité de Mauchly. La sphéricité exige que les variances de toutes les différences possibles calculées entre chaque paire de conditions expérimentales soient rigoureusement homogènes.

Lorsque la sphéricité est violée dans une ANOVA, le taux d’erreur de première espèce s’élève dramatiquement au-dessus du seuil nominal d’erreur consenti, forçant l’application de correctifs d’aplatissement des degrés de liberté tels que les procédures de Greenhouse-Geisser ou de Huynh-Feldt. Si, en sus de cette rupture de sphéricité, la distribution des données présente une forte asymétrie ou un aplatissement marqué (kurtosis pathologique), la fiabilité des valeurs p de l’ANOVA s’effondre. Le test de Friedman, n’impliquant aucune considération de variances de différences ou de covariances inter-conditions, s’avère totalement insensible à la violation de la sphéricité. Il constitue donc le choix de prédilection lorsque le plan expérimental génère des variances d’erreurs fortement hétérogènes entre les étapes du suivi temporel.

Inversement, si les données sont mesurées sur une échelle d’intervalle vérifiée, que la taille d’échantillon N est substantielle (par exemple N > 30 ou 50 participants, permettant au théorème central limite d’opérer sur les distributions moyennes) et que les diagrammes de dispersion confirment la quasi-linéarité des profils, l’ANOVA conserve une efficacité supérieure. L’arbitrage final repose donc sur un arbre décisionnel clair : face à des scores d’échelles de Likert, des classements de préférence, des données discrètes tronquées ou des échantillons cliniques restreints présentant des écarts indiscutables à la loi normale, le test de Friedman doit être systématiquement préféré pour prémunir l’analyse contre les conclusions erronées.

3. Conditions d’application et postulats statistiques du test

3.1 Conception du plan expérimental et dépendance des mesures

L’implémentation légitime du test de Friedman exige une rigueur scrupuleuse dans l’architecture du protocole d’expérimentation. Le postulat fondamental réside dans l’appariement parfait des observations : le plan doit être constitué d’une collection de N blocs indépendants, chaque bloc étant composé d’une unité statistique unique (le sujet humain, l’animal de laboratoire ou le groupe unitaire) mesurée de façon exhaustive sous chacune des k modalités de la variable indépendante. L’indépendance statistique entre les différents blocs constitue une exigence absolue : les performances, réponses ou scores d’un participant donné ne doivent en aucun cas influencer ou être corrélés avec les scores d’un autre participant.

Une exigence structurelle stricte concerne le caractère complet et équilibré de la matrice de données. Le test classique de Friedman ne tolère aucune cellule vide ou donnée manquante au sein du tableau expérimental. Si un participant n’a pas complété l’évaluation lors de la troisième condition d’un protocole, la structure de rangs intra-blocs devient asymétrique et la formule canonique de la statistique de Friedman est invalidée. Le plan doit donc obligatoirement être un plan en blocs complets randomisés (Randomized Complete Block Design, RCBD).

Sur le plan méthodologique de l’expérimentation comportementale, le chercheur doit impérativement s’assurer que l’assignation de l’ordre d’administration des k conditions expérimentales fait l’objet d’une contre-balancement rigoureux (par exemple par carré latin équilibré ou randomisation complète des séquences) lorsque le protocole le permet. Cette précaution est indispensable pour neutraliser les redoutables effets de report, d’apprentissage, d’habituation ou de fatigue cognitive qui viendraient systématiquement fausser l’attribution des rangs intra-sujets au détriment ou au bénéfice d’une condition temporelle spécifique.

3.2 Niveau de mesure des variables dépendantes

L’éligibilité des données au test de Friedman impose que la variable dépendante d’intérêt soit mesurée à un niveau d’échelle au minimum ordinale. Ce critère implique formellement que pour toute paire d’observations issues d’un même sujet, l’expérimentateur soit capable d’établir de manière univoque une relation d’ordre strict : la performance sous la condition A est soit strictement supérieure, soit strictement inférieure, soit rigoureusement égale à la performance observée sous la condition B. Si les données relèvent d’une échelle purement nominale ou catégorielle non ordonnée (telles que des choix de typologies sans gradation qualitative), le test de Friedman est structurellement inopérant, et des analyses d’homogénéité marginale comme le test Q de Cochran devront être mobilisées.

Les variables continues quantitatives (mesurées sur échelles d’intervalles ou de rapports) sont naturellement admissibles au test de Friedman dès lors qu’elles subissent une conversion ordinale, ce qui est recommandé lorsqu’elles présentent des distributions réfractaires aux hypothèses paramétriques. Il convient toutefois de surveiller avec vigilance la présence de variables discrètes caractérisées par un nombre extrêmement restreint de modalités de réponse (par exemple une échelle en trois points seulement) conjugué à une variance minime. Une telle situation génère une prolifération massive d’ex æquo intra-sujets, ce qui a pour effet de dégrader la puissance du test et de biaiser l’approximation asymptotique par la loi du Chi-deux.

De surcroît, les instruments psychométriques soumis à de sévères effets de plafond (où une majorité de participants atteignent le score maximal possible) ou d’effets de plancher (accumulation artificielle de scores nuls) posent des défis analytiques considérables. Si ces saturations d’échelles s’étendent uniformément sur plusieurs conditions, de nombreux sujets se retrouveront avec des rangs ex æquo identiques et invariants, stérilisant la capacité de l’outil statistique à discriminer les effets réels des traitements administrés.

3.3 Vérification diagnostique préliminaire

Avant d’engager le calcul proprement dit du test de Friedman, une démarche diagnostique systématique doit être déployée sur les données empiriques afin d’authentifier la nécessité du recours à une modélisation non paramétrique. La première étape exploratoire consiste à vérifier la distribution de la variable dépendante au sein de chaque condition expérimentale ainsi que sur les séries de différences appariées. Le test de normalité de Shapiro-Wilk représente le standard statistique préférentiel pour apprécier formellement la conformité des données à une loi normale dans les échantillons de taille petite à modérée (N inférieur à 50). Un rejet significatif de l’hypothèse de normalité (valeur p inférieure à 0,05) sur plusieurs modalités justifie formellement le renoncement à l’ANOVA paramétrique.

L’exploration visuelle constitue le corollaire indispensable des tests d’adéquation formels. Le statisticien construira des diagrammes quantile-quantile (Q-Q plots) confrontant les quantiles de l’échantillon aux quantiles théoriques d’une distribution gaussienne standardisée, permettant d’identifier immédiatement des déviations caractéristiques telles que des queues de distribution épaisses, une bimodalité latente ou une asymétrie prononcée. Parallèlement, des diagrammes en boîte à moustaches (boxplots) transversaux doivent être élaborés pour repérer les points de données influents ou valeurs aberrantes (outliers) susceptibles de déstabiliser une modélisation basée sur la moyenne arithmétique.

Enfin, le chercheur doit inspecter méticuleusement la matrice globale pour diagnostiquer d’éventuels phénomènes d’attrition lors du suivi des participants. Si des données manquantes sont constatées, une réflexion méthodologique doit déterminer si ces pertes de données relèvent d’un mécanisme purement aléatoire (Missing Completely at Random, MCAR) ou si elles s’avèrent imputables à l’intolérance spécifique d’un traitement expérimental. La suppression pure et simple des sujets incomplets (suppression par liste ou listwise deletion), bien que techniquement commode pour rétablir une matrice complète indispensable à Friedman, peut introduire un biais de sélection majeur qui devra être documenté et discuté de manière transparente.

4. Préparation de l’environnement Python et bibliothèques requises

4.1 Configuration de l’environnement d’analyse statistique

L’exécution reproductible d’analyses biométriques et psychométriques complexes en Python requiert une structuration rigoureuse de l’environnement d’exécution. Il est vivement recommandé d’isoler le projet au sein d’un environnement virtuel autonome (en utilisant des outils tels que Conda, venv ou Poetry) afin d’éviter tout conflit de dépendances logicielles entre les versions des bibliothèques de calcul numérique. La standardisation de cet écosystème garantit que les routines statistiques produiront des résultats numériques strictement identiques lors de réplications ultérieures du script par d’autres équipes de recherche scientifique.

Au sein de cet environnement virtuel, l’utilisation des carnets interactifs Jupyter Notebook ou de l’environnement JupyterLab s’impose comme la pratique d’excellence pour l’exploration de données scientifiques. Ces interfaces permettent de combiner de manière fluide des blocs narratifs méthodologiques explicatifs, l’exécution pas-à-pas des instructions informatiques et l’affichage direct des visualisations graphiques de haute précision. La conservation conjointe du code source et des commentaires textuels répond scrupuleusement aux exigences contemporaines de la science ouverte et de la traçabilité des protocoles analytiques.

La séquence préliminaire de tout programme Python dédié à cette analyse implique l’importation systématique et hiérarchisée des modules de référence. Les bibliothèques standard du calcul scientifique matriciel et de la structuration de données forment le socle indispensable sur lequel reposent l’ensemble des fonctionnalités statistiques spécialisées. Ce socle assure la stabilité des types de données manipulés, évitant ainsi les erreurs de conversion implicite qui pourraient dénaturer l’alignement des rangs ou la précision des décimales des probabilités calculées.

4.2 Aperçu de l’écosystème Python pour les statistiques non paramétriques

Le langage Python dispose d’un ensemble de packages particulièrement riches et matures pour mener à bien des analyses d’inférence non paramétrique. Au cœur de cette architecture se trouve le package SciPy, et plus précisément son sous-module scipy.stats, qui regroupe les fonctions mathématiques fondamentales pour le calcul des probabilités, l’estimation des distributions continues et discrètes, ainsi que l’exécution des tests d’hypothèses classiques. C’est en son sein que réside l’implémentation algorithmique historique du test de Friedman via la fonction friedmanchisquare, particulièrement optimisée pour la rapidité d’exécution sur de larges collections de vecteurs numériques.

Pour le chercheur en sciences sociales et cognitives, la bibliothèque Pingouin constitue une extension logicielle de premier ordre. Conçue spécifiquement pour combler le fossé entre la syntaxe parfois austère de SciPy et les attentes ergonomiques des utilisateurs de logiciels comme R ou SPSS, Pingouin accepte directement des structures de données tabulaires complexes et produit de manière native des tableaux récapitulatifs exhaustifs intégrant degrés de liberté, statistiques de test, valeurs p exactes et tailles d’effet associées, facilitant grandement la rédaction des manuscrits académiques.

La préparation en amont des matrices expérimentales repose sur la bibliothèque Pandas, incontournable pour le chargement, le filtrage, le réalignement indiciel et le remodelage tabulaire des séries temporelles. Parallèlement, NumPy assure la gestion vectorielle sous-jacente et les opérations d’algèbre linéaire indispensables. Enfin, la restitution visuelle des distributions de données s’appuie sur le tandem formé par Matplotlib et Seaborn, offrant une flexibilité totale pour générer des figures d’une qualité esthétique et typographique conforme aux critères de publication des plus grandes revues internationales de psychologie.

5. Structuration et prétraitement des données psychométriques

5.1 Organisation des formats large versus long

En statistique computationnelle et en manipulation de données avec Pandas, la représentation des données longitudinales à mesures répétées s’articule autour de deux formats fondamentaux : le format large (wide format) et le format long (long format). Comprendre la distinction et maîtriser la transition fluide entre ces deux structures est capital, car différentes fonctions statistiques en Python exigent l’un ou l’autre de ces paradigmes organisationnels. Dans un format large, chaque ligne du tableau représente un participant unique (identifié par un code alphanumérique exclusif), et chaque condition expérimentale ou temps de mesure occupe une colonne distincte.

Le format large est traditionnellement celui attendu par les fonctions d’inférence bas niveau de scipy.stats, qui requièrent le passage de plusieurs tableaux vectoriels distincts en arguments. À l’inverse, le format long (ou format tidy) organise l’ensemble des observations au sein d’une seule et unique colonne de mesure de la variable dépendante, tandis qu’une colonne distincte contient l’étiquette de la condition expérimentale correspondante, et qu’une autre colonne documente l’identifiant individuel du sujet. Ce format long est impératif pour l’utilisation de bibliothèques modernes comme Pingouin ainsi que pour l’élaboration de graphiques factoriels avancés sous Seaborn.

La transformation d’un format large vers un format long s’effectue aisément sous Pandas à l’aide de la fonction melt(). Cette méthode prend en arguments l’identifiant invariant du participant, la liste des colonnes conditionnelles à pivoter, ainsi que les désignations textuelles souhaitées pour la nouvelle variable de condition et la nouvelle colonne de valeurs. Réciproquement, le retour vers un format large s’opère au moyen de la méthode pivot() ou pivot_table(), assurant une conformité parfaite des index pour préserver scrupuleusement la structure appariée des données intra-individuelles lors des calculs transversaux.

5.2 Nettoyage et détection des données manquantes

L’intégrité du protocole expérimental requiert une phase rigoureuse de détection et de traitement des valeurs manquantes (valeurs NaN ou Null dans les structures Pandas). Étant donné que le test de Friedman classique stipule un plan en blocs complets équilibrés, l’existence d’une seule cellule manquante pour un sujet sous l’une quelconque des conditions empêche mécaniquement le calcul du vecteur de rangs sur l’intervalle complet allant de 1 à k. L’analyste doit en conséquence scruter l’étendue des absences de réponse à l’aide des méthodes isna() et sum() appliquées sur chaque colonne du DataFrame.

Face à des données incomplètes, la stratégie conventionnelle la plus directe consiste en la suppression de la ligne entière du participant (suppression par liste via dropna()). Toutefois, cette approche engendre une contraction de la puissance de l’échantillon et peut introduire un biais si l’abandon d’un patient n’est pas le fruit du hasard pur. Si le taux d’attrition demeure marginal (par exemple inférieur à 5% de la cohorte), cette suppression par liste reste admise dans la littérature clinique non paramétrique.

Dans les configurations où la préservation de l’effectif s’avère critique, des techniques d’imputation adaptées aux données ordinales ou longitudinales peuvent être explorées, telles que l’imputation par la médiane conditionnelle ou des algorithmes d’imputation multiple par équations chaînées (MICE). Néanmoins, toute méthode d’imputation artificielle au sein d’un test basé sur des classements de rangs intra-sujets requiert des précautions extrêmes pour ne pas induire des ex æquo artificiels dénaturant la variance réelle des distributions individuelles observées.

5.3 Transformation des données en rangs intra-sujets

Pour appréhender intimement la mécanique sous-jacente au test de Friedman, il est extrêmement formateur de visualiser la transformation ordinale opérée directement sur les données expérimentales à l’aide de routines Pandas. Considérons une matrice de données organisée en format large, où les lignes figurent les participants et les colonnes figurent les différentes étapes du protocole. L’attribution des rangs intra-sujets s’effectue en appliquant la méthode rank() le long de l’axe horizontal des colonnes (paramètre axis=1).

Par défaut, face à des scores strictement identiques pour un même sujet, la méthode applique la convention standard des rangs moyens (average ties), attribuant à chaque valeur ex æquo la moyenne arithmétique des rangs que ces valeurs auraient occupés si elles avaient été légèrement différentes. Par exemple, si les deux scores les plus faibles d’un sujet sont rigoureusement égaux, ils auraient théoriquement dû occuper les rangs 1 et 2 ; ils se voient dès lors assigner chacun le rang fractionnaire 1,5. Cette démarche garantit une propriété mathématique invariante fondamentale : la somme des rangs attribués au sein de chaque ligne de participant reste rigoureusement constante et égale à k * (k + 1) / 2.

La génération et l’inspection visuelle de ce tableau transformé en rangs permettent au chercheur de constater immédiatement la redistribution relative des performances. L’observateur attentif peut repérer si une condition rassemble une concentration prépondérante de rangs extrêmes (tels que des rangs systématiquement fixés à 1 ou à k), préfigurant une divergence statistique significative lors du calcul global de la somme des rangs conditionnels.

6. Exécution pas-à-pas du test de Friedman avec scipy.stats

6.1 Implémentation du scénario expérimental clinique

Afin d’illustrer la mise en œuvre pratique sous Python, nous modélisons une étude translationnelle classique en neuropsychopharmacologie comportementale. Soit une cohorte de 18 patients adultes présentant des déficits de l’attention avec composante d’impulsivité. Chaque patient est soumis de façon croisée et contre-balancée à trois traitements pharmacologiques distincts espacés d’une période de sevrage appropriée : un Placebo inerte, une Molécule Standard de référence agissant sur le système dopaminergique, et une Nouvelle Molécule agoniste ciblée. La variable dépendante mesurée correspond au temps de réaction moyen (exprimé en millisecondes) enregistré lors d’une tâche d’attention soutenue sur écran tactile.

Les données brutes collectées dans cette expérience présentent une forte asymétrie positive ainsi que quelques valeurs singulièrement ralenties dues à des micro-sommeils chez certains patients, justifiant formellement l’abandon des tests paramétriques. Pour structurer ce scénario dans Python, les mesures associées aux trois conditions sont instanciées sous forme de trois vecteurs numériques distincts à l’aide de listes ou de tableaux unidimensionnels NumPy. Chaque élément à l’indice i des trois tableaux correspond impérativement aux scores observés chez le même participant i, garantissant l’appariement rigoureux des données.

L’exploration descriptive inaugurale implique l’affichage des statistiques de position et de dispersion pour chaque modalité pharmacologique. En exploitant les fonctions vectorielles de NumPy ou de Pandas, le chercheur extrait pour chaque condition la médiane ainsi que l’écart interquartile (différence entre le 75e et le 25e percentile). La présentation conjointe de la médiane et de l’intervalle interquartile offre une synthèse descriptive fidèle et non sensible aux valeurs extrêmes, préparant le terrain pour la modélisation formelle.

6.2 Utilisation de la fonction friedmanchisquare()

L’exécution computationnelle du test de Friedman au sein de l’écosystème SciPy est déléguée à la fonction friedmanchisquare logée dans le module scipy.stats. L’appel de cette routine se distingue par une syntaxe particulièrement épurée : il suffit de passer en arguments positionnels successifs les différents vecteurs ou séries représentatifs de chaque condition expérimentale. La fonction prend en charge de façon transparente le contrôle dimensionnel des tableaux, s’assurant que l’ensemble des vecteurs soumis présentent une longueur vectorielle rigoureusement identique, matérialisant l’équilibre complet du plan factoriel.

En coulisses, l’algorithme interne de SciPy assemble les vecteurs en une matrice bidimensionnelle, exécute le classement par rangs le long de chaque ligne de participant en appliquant la correction standard pour les ex æquo, calcule les sommes de rangs conditionnelles, et résout l’équation algébrique de la statistique de Friedman Q. La fonction retourne un objet de résultat composite contenant deux attributs numériques cardinaux : la statistique de test calculée (assimilée sous l’angle asymptotique à la valeur statistique du Chi-deux) et la p-valeur associée (valeur p bilatérale découlant de la fonction de répartition de la loi du Chi-deux avec k – 1 degrés de liberté).

Il importe de noter que friedmanchisquare procède exclusivement à une estimation asymptotique de la p-valeur. Si le nombre de participants N est particulièrement restreint (par exemple inférieur à 6), l’approximation par la loi continue du Chi-deux peut se révéler légèrement imprécise par rapport à une distribution combinatoire exacte des permutations de rangs. Néanmoins, pour des effectifs cliniques usuels (N supérieur à 12 ou 15), la convergence distributionnelle est remarquablement robuste et assure une précision inférentielle largement suffisante pour les exigences de la recherche expérimentale.

6.3 Interprétation statistique des sorties numériques

L’obtention des résultats numériques délivrés par scipy.stats.friedmanchisquare constitue le point de départ de l’interprétation statistique formelle. Supposons que l’exécution de la fonction sur nos données pharmacologiques génère une valeur de statistique Q égale à 14,33 et une valeur p correspondante de 0,00077. La première étape évaluative consiste à confronter cette probabilité empirique au seuil de significativité alpha conventionnellement arrêté à 0,05 dans la communauté scientifique.

La valeur p observée étant très nettement inférieure au seuil alpha critique de 0,05, nous sommes fondés à rejeter sans ambiguïté l’hypothèse nulle H0 d’égalité distributionnelle des temps de réaction entre les trois conditions de traitement. Une telle probabilité indique que si les trois traitements médicamenteux exerçaient des effets strictement indiscernables sur l’attention des participants, la probabilité d’obtenir par simple hasard d’échantillonnage une telle disparité dans l’assignation des rangs intra-sujets serait inférieure à 8 chances sur 10 000.

Cependant, le chercheur doit se garder de tirer des conclusions précipitées quant à la supériorité intrinsèque de la Nouvelle Molécule sur la Molécule Standard à ce stade de l’analyse. La fonction friedmanchisquare agit comme un test omnibus global : elle valide incontestablement l’existence d’une hétérogénéité significative dans l’efficacité des traitements, mais elle demeure totalement muette quant à la localisation précise des divergences. De surcroît, la sortie native de SciPy n’intègre ni le calcul de la taille d’effet standardisée, ni le détail des degrés de liberté, nécessitant le déploiement d’outils analytiques complémentaires pour parvenir à une restitution scientifique exhaustive.

7. Approche alternative et avancée avec la bibliothèque Pingouin

7.1 Avantages de Pingouin pour les chercheurs en psychologie

Bien que scipy.stats offre des performances brutes remarquables, la bibliothèque Pingouin s’est imposée ces dernières années comme l’environnement de référence pour les statisticiens et psychologues computationnels. Conçue par le neuroscientifique Raphaël Vallat, Pingouin a été pensée dès sa genèse pour s’intégrer harmonieusement avec les flux de travail orientés données tabulaires sous Pandas. Contrairement aux fonctions classiques de SciPy qui exigent des vecteurs découpés en variables distinctes, les méthodes de Pingouin opèrent directement sur des DataFrames organisés en format long.

L’avantage cardinal de Pingouin réside dans la richesse éditoriale de ses sorties statistiques. Au lieu de renvoyer un simple tuple numérique brut, la bibliothèque génère systématiquement un nouveau DataFrame Pandas contenant l’intégralité des métriques requises par les protocoles de publication académique les plus stricts : identification explicite de la source de variance, statistique de test, degrés de liberté du numérateur, valeur p exacte arrondie aux décimales d’usage, ainsi que la taille d’effet standardisée calculée de façon entièrement automatisée.

De plus, la syntaxe déclarative de Pingouin explicite de façon transparente l’architecture du plan expérimental en obligeant le chercheur à nommer les colonnes correspondant respectivement à la variable dépendante, au facteur intra-sujet prédictif et à l’identifiant individuel des participants. Cette formalisation réduit drastiquement les risques d’inversion d’index ou d’erreurs d’appariement qui surviennent régulièrement lors de la manipulation manuelle de multiples vecteurs isolés sous SciPy.

7.2 Syntaxe et exécution de la méthode friedman()

L’implémentation du test de Friedman sous Pingouin s’effectue via la méthode pingouin.friedman(). Pour appliquer cette fonction, le jeu de données pharmacologiques préalablement structuré en format long est soumis en premier argument. L’analyste spécifie ensuite les trois paramètres nominatifs fondamentaux : l’argument data recevant le DataFrame, l’argument dv (dependent variable) pointant vers la colonne textuelle désignant la variable dépendante des temps de réaction, l’argument within identifiant la variable factorielle catégorielle des traitements administrés, et l’argument subject désignant formellement la colonne contenant l’identifiant exclusif de chaque participant.

L’exécution de cette seule ligne d’instruction déclenche une cascade de traitements rigoureux : vérification de l’équilibre parfait du plan factoriel, réorganisation ordinale interne, calcul de la statistique de Friedman Q avec correction des éventuels ex æquo, dérivation probabiliste asymptotique et calcul automatique du coefficient de concordance W de Kendall matérialisant la taille de l’effet observé. Le résultat retourné sous forme tabulaire présente une structure standardisée immédiatement exploitable pour l’intégration dans des chaînes de traitement automatisées ou des rapports dynamiques.

La comparaison systématique des résultats entre scipy.stats.friedmanchisquare() et pingouin.friedman() révèle une convergence mathématique rigoureusement parfaite sur la valeur statistique Q et la p-valeur associée. Cependant, la méthodologie sous Pingouin supprime toute ambiguïté sur les degrés de liberté (clairement documentés dans la colonne ‘ddof1’ à k – 1) et enrichit instantanément le compte rendu d’analyse d’une quantification normalisée de l’amplitude du phénomène étudié, fournissant une passerelle idéale vers la phase d’évaluation de la pertinence clinique des données comportementales.

8. Calcul et interprétation de la taille d’effet : Le W de Kendall

8.1 Fondements du coefficient de concordance de Kendall

Dans la recherche contemporaine en psychologie expérimentale et en neurosciences, la communication exclusive d’une valeur p — aussi infinitésimale soit-elle — est jugée méthodologiquement insuffisante pour étayer des conclusions scientifiques solides. La valeur p atteste uniquement de l’invraisemblance des données empiriques sous l’hypothèse nulle, mais ne renseigne en rien sur l’amplitude pratique, la magnitude ou la portée concrète de l’effet observé. L’évaluation standardisée de la taille d’effet constitue donc une obligation déontologique prescrite par les comités éditoriaux internationaux, et dans le cadre spécifique du test de Friedman, cette métrique est universellement incarnée par le coefficient W de concordance de Kendall.

Le W de Kendall quantifie le degré d’harmonie ou d’accord global manifesté par les N participants dans le classement ordonné des k conditions expérimentales. Sur le plan algébrique, ce coefficient s’obtient directement par une normalisation linéaire de la statistique de Friedman Q rapportée à sa valeur théorique maximale absolue qui serait atteinte en situation d’accord parfait de tous les sujets. La formule canonique reliant W à la statistique Q s’exprime ainsi :

W = Q / [N * (k – 1)]

Par construction mathématique, le coefficient de concordance de Kendall est strictement borné au sein d’un intervalle théorique s’étendant de 0 à 1. Une valeur de W égale à 0 traduit une absence totale de cohérence interindividuelle : les classements des conditions par les différents participants sont totalement discordants et s’annulent mutuellement, matérialisant l’absence complète d’effet unifié du facteur expérimental. À l’opposé, une valeur de W égale à 1 reflète une unanimité parfaite et absolue de l’ensemble des sujets : chaque participant de la cohorte ordonne les conditions selon une hiérarchie strictement identique, attestant d’un impact expérimental massif et parfaitement homogène à l’échelle individuelle.

8.2 Programmation du calcul du W de Kendall en Python

L’obtention computationnelle du coefficient W de Kendall en Python peut s’opérer selon deux modalités distinctes. La première consiste à tirer parti de l’intégration native au sein de la bibliothèque Pingouin, qui incorpore directement cette estimation dans le tableau récapitulatif généré par la fonction pingouin.friedman(), au sein de la colonne intitulée ‘W’. Cette prise en charge automatisée évite toute manipulation manuelle intermédiaire et garantit l’alignement strict des décimales avec les procédures mathématiques sous-jacentes.

La seconde modalité, particulièrement précieuse lorsque l’on opère exclusivement avec scipy.stats ou au sein de pipelines de calcul personnalisés, réside dans l’écriture d’une fonction algorithmique dédiée. En codant une fonction recevant la statistique Q renvoyée par SciPy ainsi que les dimensions dimensionnelles N (nombre de sujets) et k (nombre de conditions), le chercheur implémente directement l’équation canonique. Pour consolider la robustesse de l’estimation sur le plan inférentiel, cette routine peut être couplée à une procédure de rééchantillonnage non paramétrique par bootstrap. En rééchantillonnant avec remplacement les lignes de blocs de participants un grand nombre de fois (par exemple 2 000 itérations sous NumPy), il devient possible de dériver empiriquement un intervalle de confiance à 95% pour le W de Kendall, conférant une profondeur analytique remarquable à la publication scientifique.

La validation croisée de cette fonction personnalisée avec les sorties fournies par Pingouin permet d’attester de la rigueur arithmétique de l’implémentation. Dans notre cohorte pharmacologique de 18 patients soumis à trois conditions (N = 18, k = 3) ayant généré une statistique Q de 14,33, l’application de la formule donne : W = 14,33 / (18 * (3 – 1)) = 14,33 / 36 = 0,398. Cette valeur fournit la quantification standardisée indiscutable de l’amplitude de la concordance intra-sujets sous l’effet des traitements.

8.3 Grilles d’interprétation pour la psychologie

L’interprétation qualitative de la magnitude du coefficient de concordance W de Kendall repose traditionnellement sur des grilles de référence inspirées des conventions canoniques établies par Jacob Cohen pour les sciences comportementales. Bien que ces repères ne doivent jamais se substituer à une appréciation clinique contextualisée au domaine d’investigation spécifique, les seuils suivants font autorité au sein de la littérature internationale :

  • Effet faible (W compris entre 0,10 et 0,30) : Indique une concordance timide entre les participants. Bien qu’une tendance expérimentale globale puisse émerger de façon significative sur le plan purement stochastique sous l’effet d’un grand échantillon N, la variabilité interindividuelle demeure considérable et l’effet ne s’exprime pas de manière uniforme chez tous les sujets.
  • Effet modéré ou moyen (W compris entre 0,30 et 0,50) : Témoigne d’un accord substantiel et d’un impact expérimental tangible à l’échelle du groupe. Une majorité nette de participants réagit dans la même direction face aux modalités d’intervention, conférant une pertinence pratique certaine aux variations ordinales constatées.
  • Effet fort (W supérieur ou égal à 0,50) : Révèle une convergence prépondérante et massive des réponses individuelles. L’intervention expérimentale structure de manière prévisible et quasi-systématique la hiérarchie des performances chez l’ensemble des sujets de la cohorte.

Dans le cadre de notre scénario clinique avec une valeur de W établie à 0,398, l’effet pharmacologique mesuré sur les temps de réaction se qualifie sans conteste comme un effet modéré à fort. Cela signifie que près de 40% de la variance maximale théorique de concordance des classements au sein de la cohorte est directement imputable à la nature des molécules administrées. Sur le plan de la décision clinique, ce résultat corrobore que la différenciation des traitements ne constitue pas un simple artéfact statistique mathématiquement significatif, mais traduit une modulation neurofonctionnelle concrète et d’une portée comportementale manifeste.

9. Analyses post-hoc et ajustement pour comparaisons multiples

9.1 Nécessité des comparaisons par paires

Le rejet péremptoire de l’hypothèse nulle lors de l’exécution du test de Friedman atteste incontestablement de l’existence d’une divergence globale au sein des k conditions expérimentales, mais ne permet en aucun cas de désigner formellement quelles conditions particulières se distinguent les unes des autres. L’analyste se trouve confronté à l’incomplétude inhérente à tout test omnibus : le traitement Placebo diffère-t-il significativement de la Molécule Standard ? La Nouvelle Molécule surpasse-t-elle le Placebo ? Existe-t-il une supériorité statistique mesurable de la Nouvelle Molécule sur la Molécule Standard ? Pour répondre à ces interrogations ciblées, la réalisation de comparaisons par paires dépendantes (analyses post-hoc) est une étape méthodologique incontournable.

Cependant, la multiplication non contrôlée des tests d’hypothèses sur un même jeu de données engendre un péril statistique majeur : l’inflation dramatique de l’erreur de première espèce à l’échelle de la famille d’expériences (Family-Wise Error Rate, FWER). Si l’on effectue m comparaisons bilatérales indépendantes en fixant pour chacune le seuil alpha nominal à 0,05, la probabilité globale d’observer à tort au moins un faux positif s’élève à 1 – (1 – 0,05)m. Pour trois comparaisons (k = 3), ce risque cumulé atteint déjà plus de 14%, et grimpe à près de 26% dès lors que quatre conditions sont comparées (m = 6). L’application d’une procédure formelle d’ajustement des valeurs p est donc impérative pour préserver l’intégrité de la conclusion scientifique.

9.2 Test des rangs signés de Wilcoxon avec correction de Bonferroni

La stratégie post-hoc la plus intuitive et la plus largement diffusée dans les publications de psychologie consiste à réaliser une série itérative de tests des rangs signés de Wilcoxon appariés (Wilcoxon signed-rank test) entre chaque paire possible de conditions expérimentales, en bridant l’erreur globale par la rigoureuse correction de Bonferroni. Le test de Wilcoxon opère de manière parfaitement cohérente avec la philosophie non paramétrique de Friedman, puisqu’il évalue la symétrie des rangs des différences calculées au sein de chaque paire appariée.

La procédure d’ajustement de Bonferroni divise purement et simplement le seuil de significativité nominal alpha par le nombre total de comparaisons m effectuées (ou multiplie de façon équivalente chaque valeur p brute par m). Dans le cas de trois conditions pharmacologiques générant m = 3 paires de contrastes (Placebo vs Standard, Placebo vs Nouvelle, Standard vs Nouvelle), le seuil de décision statistique individuel s’établit à 0,05 / 3 = 0,0167. Toute comparaison dont la p-valeur brute excède ce seuil révisé est déclarée non significative après ajustement.

Bien que la correction de Bonferroni soit d’une simplicité d’application remarquable, elle est notoirement critiquée pour son conservatisme excessif, qui majore considérablement le risque d’erreur de seconde espèce (omettre de déceler un effet réel). Pour pallier cette faiblesse, la procédure séquentielle descendante de Holm-Bonferroni constitue une alternative mathématiquement supérieure : elle trie les valeurs p brutes par ordre croissant et leur applique des seuils d’ajustement progressivement dégressifs, garantissant un contrôle tout aussi parfait du FWER tout en libérant une puissance statistique substantiellement accrue. En Python, ces routines séquentielles sont exécutées en quelques instructions grâce à la fonction pingouin.pairwise_tests() ou au module statsmodels.stats.multicomp.multipletests.

9.3 Tests de Conover et de Nemenyi post-Friedman

Bien que la répétition des tests de Wilcoxon soit d’un usage courant, elle présente un écueil théorique subtil : chaque test de Wilcoxon recalcule de nouveaux rangs exclusivement focalisés sur les deux conditions mises en jeu, ignorant l’information contextuelle globale apportée par l’ensemble des k conditions incluses dans le test omnibus de Friedman initial. Pour pallier cette rupture d’homogénéité algorithmique, les biostatisticiens préconisent l’utilisation de tests post-hoc dédiés opérant directement sur la matrice des rangs conjoints de Friedman, au premier rang desquels figurent le test de Conover et le test de Nemenyi.

Le test post-hoc de Conover (1999) s’impose comme l’une des procédures les plus puissantes pour explorer les contrastes par paires consécutivement au rejet du modèle de Friedman. Il évalue la différence absolue entre les sommes de rangs conditionnelles en exploitant la variance d’erreur globale dérivée de la statistique omnibus. À ses côtés, le test de Nemenyi est particulièrement réputé dans le champ de l’apprentissage automatique et des neurosciences cognitives pour réaliser des comparaisons multiples tous azimuts tout en contrôlant rigoureusement l’inflation des erreurs de type I via une distribution d’étendue studentisée adaptée aux rangs.

Sous Python, ces méthodes avancées sont implémentées de façon optimale au sein de la bibliothèque spécialisée scikit-posthocs. L’appel de la fonction sp.posthoc_conover_friedman() ou sp.posthoc_nemenyi_friedman() prend en argument direct la matrice de données ou le DataFrame en spécifiant la structure des blocs et des colonnes de traitement. Ces fonctions renvoient une matrice carrée symétrique et élégante de p-valeurs entièrement corrigées (via Holm, Bonferroni ou FDR selon le paramétrage retenu), prête à être inspectée et retranscrite sous forme tabulaire dans un article académique.

10. Visualisation graphique des données appariées et des classements

10.1 Représentation des distributions et médianes conditionnelles

L’exploration visuelle constitue un prolongement analytique impératif de l’inférence statistique. Les conventions graphiques contemporaines proscrivent formellement l’utilisation archaïque de diagrammes en bâtons représentant des moyennes accompagnées de barres d’erreur classiques pour des données ordinales ou asymétriques. Pour refléter avec fidélité la réalité non paramétrique des observations, l’analyste doit mobiliser des représentations graphiques valorisant les médianes, les étendues interquartiles et la forme générale de la densité de distribution empirique.

Le diagramme en boîte à moustaches enrichi (boxplot), éventuellement combiné à un diagramme en violon (violinplot) sous Seaborn, offre une visualisation remarquable de la dispersion conditionnelle. La ligne centrale médiane scinde la boîte délimitée par les premier et troisième quartiles, tandis que les moustaches illustrent l’étendue des données hors valeurs extrêmes. Pour maximiser la transparence descriptive recommandée par les comités de lecture scientifique, il est vivement conseillé de superposer sur ces boîtes l’ensemble des points de données individuels sous forme de dispersion aléatoire atténuée (jittering via la fonction stripplot de Seaborn), rendant perceptibles les regroupements locaux et les éventuelles discontinuités de mesure.

Sur le plan ergonomique et esthétique, le choix de la palette graphique doit privilégier la lisibilité universelle, en optant pour des contrastes chromatiques compatibles avec les déficiences de vision des couleurs (telles que les palettes Viridis, Cividis ou Colorblind). L’adjonction de repères visuels clairs indiquant les contrastes post-hoc statistiquement significatifs (barres horizontales de comparaison surmontées d’astérisques conventionnels) finalise une figure informative et directement exploitable pour l’édition scientifique.

10.2 Tracé des profils d’évolution individuelle (Spaghetti Plots)

Si la boîte à moustaches synthétise remarquablement le comportement distributionnel global à l’échelle du groupe, elle souffre d’une lacune majeure commune à de nombreuses visualisations : elle occulte totalement la dynamique intra-individuelle des changements d’état. Or, la spécificité méthodologique cardinale d’un plan à mesures répétées réside précisément dans l’appariement longitudinal des trajectoires propres à chaque participant. Pour révéler cette richesse clinique, le tracé des trajectoires individuelles — communément désigné sous le terme anglo-saxon de spaghetti plot — s’avère irremplaçable.

Sous Matplotlib et Seaborn, la construction d’un diagramme de profils individuels consiste à représenter pour chaque sujet une ligne continue reliant ses scores successifs sous chacune des k conditions expérimentales le long de l’axe des abscisses. Pour éviter la saturation visuelle lorsque la cohorte comprend plusieurs dizaines de participants, les lignes individuelles sont tracées avec un coefficient de transparence modéré (paramètre alpha) et une épaisseur discrète. Cette trame de fond met en exergue l’ampleur de la variabilité interindividuelle, permettant d’identifier immédiatement d’éventuels profils de participants atypiques, des réponses paradoxales ou des sujets réfractaires aux interventions (non-répondeurs).

Pour parachever l’efficacité narrative du graphique, une ligne centrale d’épaisseur accentuée et d’une couleur vive contrastée est superposée sur l’écheveau des trajectoires singulières, matérialisant l’évolution de la tendance médiane de la cohorte à travers le protocole expérimental. Cette confrontation simultanée entre la trajectoire médiane normative et l’hétérogénéité des parcours individuels permet au lecteur de mesurer intuitivement la convergence qui fonde le coefficient W de concordance de Kendall calculé au préalable.

10.3 Graphiques de rangs moyens et diagrammes de différence critique

Étant donné que la mécanique intime du test de Friedman et des tests post-hoc de Nemenyi ou de Conover repose exclusivement sur les rangs relatifs attribués au sein des blocs et non sur les valeurs brutes métriques, il apparaît particulièrement rigoureux d’illustrer graphiquement les rangs moyens obtenus par chaque condition. Un graphique de rangs moyens affiche sur l’axe des ordonnées l’échelle stricte des rangs (s’étendant de 1 à k), chaque condition étant représentée par un point correspondant à la somme des rangs divisée par l’effectif N, flanqué d’un intervalle de confiance non paramétrique dérivé par bootstrap.

Dans la littérature spécialisée en classification et en modélisation comparative avancée, la représentation d’excellence pour synthétiser un test de Friedman suivi d’un post-hoc de Nemenyi est le diagramme de différence critique (Critical Difference Diagram), théorisé par Janez Demšar (2006). Ce diagramme positionne les différentes conditions le long d’un axe horizontal gradué en fonction de leurs rangs moyens respectifs. Les conditions entre lesquelles il n’existe aucune différence statistiquement significative sont alors reliées entre elles par une épaisse barre horizontale continue, matérialisant les regroupements stochastiquement indiscernables au regard de la distance critique de Nemenyi calculée.

L’élaboration de ces diagrammes en Python s’appuie sur des modules complémentaires tels que scikit-posthocs ou des fonctions graphiques dédiées issues de la communauté d’apprentissage statistique. L’exportation de ces représentations au format vectoriel haute définition (PDF ou SVG via plt.savefig avec une résolution minimale de 300 à 600 DPI) garantit une netteté absolue des légendes et tracés lors de leur insertion au sein des manuscrits académiques soumis aux presses universitaires.

11. Rédaction académique et communication des résultats selon les normes APA

11.1 Directives stylistiques du manuel de l’APA (7e édition)

La transcription des résultats statistiques dans les périodiques affiliés à l’American Psychological Association (APA Style, 7e édition) requiert une standardisation typographique et stylistique d’une extrême précision. Dans la mesure où la statistique de Friedman converge asymptotiquement vers une distribution du Chi-deux, le formalisme APA prescrit de rapporter le symbole de la lettre grecque Chi mise au carré χ2, ou alternativement la lettre majuscule latine Q ou Fr, immédiatement suivie entre parenthèses de la mention explicite des degrés de liberté du test, calculés par la formule k – 1.

La règle d’or typographique exige que l’ensemble des lettres et symboles désignant des grandeurs statistiques théoriques ou empiriques soient rigoureusement composés en caractères italiques (par exemple : N, k, p, W, Mdn, IQR). Seules les lettres grecques (telles que χ2) et les indices de spécification échappent à l’italique selon les directives normatives. La valeur numérique de la statistique de test doit être arrondie à deux décimales exactes, tandis que la valeur p exacte est rapportée à trois décimales (sauf lorsqu’elle est inférieure à 0,001, auquel cas elle est formulée sous la forme p < .001, en omettant le zéro précédant le point décimal selon l’usage anglo-saxon).

De surcroît, le manuel de l’APA proscrit formellement la publication de statistiques inférentielles isolées de tout descripteur de position et de dispersion. Tout résultat de test de Friedman doit obligatoirement être accompagné de la mention explicite des médianes (Mdn) et des écarts interquartiles (IQR) pour chacune des conditions analysées. Enfin, la taille d’effet standardisée — en l’occurrence le coefficient de concordance W de Kendall — doit être systématiquement stipulée, accompagnée de la description de la méthode exacte d’ajustement employée lors des contrastes post-hoc multiples (par exemple, ajustement séquentiel de Holm ou seuil corrigé de Bonferroni).

11.2 Exemples de paragraphes de résultats rédigés

Afin de guider concrètement le chercheur dans la restitution narrative de ses données, nous présentons ci-après des modèles rédactionnels formels élaborés à partir du scénario expérimental pharmacologique exploré précédemment, illustrant respectivement les situations de significativité statistique et d’absence d’effet notable.

Exemple de formulation en cas de résultat significatif :
« Afin d’évaluer l’impact des différentes conditions pharmacologiques sur les performances attentionnelles des participants, un test de Friedman pour mesures répétées à un facteur a été conduit sur les temps de réaction moyens. Les analyses révèlent une différence statistiquement significative entre les trois modalités d’intervention, χ2(2, N = 18) = 14,33, p < .001, attestant d’une divergence globale d’efficacité avec une taille d’effet modérée à forte (W de Kendall = 0,40). Les temps de réaction médians s’établissent respectivement à 485,50 ms (IQR = 64,25) pour la condition Placebo, à 442,00 ms (IQR = 51,00) pour la Molécule Standard, et à 398,50 ms (IQR = 45,75) pour la Nouvelle Molécule. Les comparaisons par paires post-hoc conduites au moyen de tests des rangs signés de Wilcoxon avec ajustement séquentiel de Holm indiquent que la Nouvelle Molécule engendre une diminution significative des temps de réaction comparativement au Placebo (Z = -3,41, p = .002) ainsi qu’à la Molécule Standard (Z = -2,68, p = .014). En revanche, le contraste entre le Placebo et la Molécule Standard n’atteint pas le seuil de significativité après ajustement (Z = -1,85, p = .064). Ces résultats confirment une supériorité comportementale nette de la Nouvelle Molécule dans l’optimisation de la vitesse de traitement attentionnelle. »

Exemple de formulation en cas de résultat non significatif :
« L’analyse de variance par rangs de Friedman à mesures répétées appliquée aux scores de fatigue subjective mesurés à J0, J15 et J30 ne met en évidence aucune modification statistiquement significative au cours du protocole expérimental, χ2(2, N = 18) = 1,44, p = .486, W de Kendall = 0,04. Les scores médians observés demeurent stables à travers les trois temps de recueil : Mdn = 5,00 (IQR = 2,00) à J0, Mdn = 5,50 (IQR = 1,75) à J15, et Mdn = 5,00 (IQR = 2,25) à J30. En l’absence d’effet omnibus significatif, aucune analyse post-hoc n’a été mise en œuvre. »

11.3 Construction de tables statistiques synthétiques

L’insertion d’un tableau récapitulatif standardisé représente une composante essentielle de la restitution académique lorsque le protocole expérimental englobe de multiples variables dépendantes ou des comparaisons par paires denses. Un tableau conforme aux normes APA 7 se caractérise par une sobriété graphique absolue : l’utilisation de bordures verticales y est rigoureusement interdite, seules des lignes horizontales discrètes venant délimiter le bandeau d’en-tête supérieur, la ligne inférieure du tableau et la séparation des sous-totaux majeurs.

Pour un compte rendu exhaustif du test de Friedman, le tableau doit articuler judicieusement les colonnes suivantes : la désignation de la condition expérimentale, l’effectif valide N, la médiane observée (Mdn), le premier et le troisième quartile définissant l’intervalle interquartile (25e – 75e centiles), ainsi que le rang moyen calculé (Mean Rank). En fin de colonne ou sous forme de ligne récapitulative, sont présentées la statistique globale de Friedman (χ2), les degrés de liberté correspondants, la valeur p exacte du test, ainsi que l’estimation ponctuelle du coefficient W de Kendall.

En Python, l’analyste peut convertir instantanément des DataFrames Pandas structurés vers le format LaTeX (via la méthode to_latex()) ou générer des fichiers HTML intégrables directement dans des traitements de texte comme Microsoft Word. Les notes de bas de tableau doivent être scrupuleusement renseignées pour définir tous les acronymes mobilisés (par exemple : Note. Mdn = médiane ; IQR = écart interquartile ; W = coefficient de concordance de Kendall) et stipuler le niveau de significativité retenu pour les comparaisons par paires associées.

12. Cas pratiques et résolution des pièges fréquents en recherche psychologique

12.1 Étude de cas 1 : Évolution de l’anxiété pré-compétitive chez des athlètes

Afin d’ancrer notre exposé dans une problématique de terrain en psychologie du sport, considérons une étude investiguant les fluctuations de l’anxiété somatique pré-compétitive auprès d’un groupe d’athlètes de haut niveau (N = 24 gymnastes d’élite). L’anxiété a été évaluée au moyen de la sous-échelle somatique du questionnaire CSAI-2 (scores discrets bornés entre 9 et 36 points) à trois moments stratégiques précédant une compétition nationale majeure : sept jours avant l’épreuve (J-7), la veille au soir de la compétition (J-1), et une heure avant l’entrée sur le praticable (H-1).

En raison de l’accumulation de scores identiques liée à la métrique discrète du questionnaire, le jeu de données présente une forte concentration d’ex æquo intra-individuels. L’analyste déploie l’ensemble du pipeline Python : chargement des séries dans Pandas, inspection de la matrice de rangs moyens et exécution conjointe de pingouin.friedman(). Le test révèle une augmentation spectaculaire et statistiquement significative de l’anxiété somatique à l’approche de l’échéance, χ2(2) = 28,62, p < .001, associée à un coefficient de concordance de Kendall massif de W = 0,60, indiquant que l’élévation de l’état anxieux constitue une réponse quasi-universelle au sein de la cohorte d’athlètes.

Les analyses post-hoc exécutées avec scikit-posthocs (test de Conover avec ajustement de Holm) confirment que chaque palier temporel diffère significativement des autres (toutes les p-valeurs ajustées étant inférieures à 0,005). Sur le plan de la psychologie appliquée, cette démonstration empirique justifie la programmation d’interventions de régulation émotionnelle et de biofeedback respiratoire dès la phase J-1, moment où s’enclenche la rupture d’homéostasie affective chez la majorité des compétiteurs.

12.2 Étude de cas 2 : Comparaison de trois protocoles de remédiation cognitive

Le second cas pratique relève de la neuropsychologie clinique translationnelle et concerne l’évaluation comparative de trois protocoles de remédiation attentionnelle administrés à une cohorte de 15 patients présentant des séquelles cognitives post-traumatisme crânien. Les participants ont suivi, selon un plan croisé en triple permutation aléatoire (cross-over design) avec des phases de wash-out strictes, trois approches de rééducation : un Entraînement Informatisé Standardisé (EIS), une Rééducation Écologique en Milieu Réel (RER), et un Entraînement en Réalité Virtuelle Immersive (RVI). La variable d’évaluation retenue est le score de flexibilité mentale dérivé du Trail Making Test (différence de temps B – A, exprimée en secondes), mesuré à l’issue de chaque modalité.

Le pipeline analytique sous Python met en lumière la présence de deux patients manifestant des temps de complétion particulièrement lents (valeurs extrêmes univariées supérieures à 3 écarts-types par rapport à la moyenne du groupe). L’exécution d’une ANOVA paramétrique sur ce jeu de données engendre une violente violation de la sphéricité (test de Mauchly significatif avec un epsilon de Greenhouse-Geisser à 0,62). Le recours au test de Friedman neutralise parfaitement l’interférence des deux profils ralentis et produit une statistique robuste χ2(2) = 9,73, p = .008, W = 0,32.

Les contrastes par paires ajustés démontrent une supériorité significative de l’entraînement en Réalité Virtuelle Immersive comparativement à l’Entraînement Informatisé Standardisé (p = .012), tandis que la différence entre la RVI et la rééducation écologique de terrain ne franchit pas le seuil de significativité statistique (p = .18). Cette analyse démontre avec éclat la puissance de discrimination écologique de la réalité virtuelle, validant l’intégration de ces technologies immersives dans les services hospitaliers de réadaptation fonctionnelle.

12.3 Erreurs méthodologiques courantes et solutions techniques

L’exploitation courante du test de Friedman dans la littérature scientifique n’est pas exempte d’écueils méthodologiques qu’il convient de répertorier rigoureusement afin d’en prévenir la récurrence. L’erreur la plus préjudiciable réside dans la confusion récurrente entre échantillons indépendants et mesures répétées dépendantes. Il arrive que des chercheurs appliquent le test de Friedman à des données issues de k groupes distincts d’individus différents, ou inversement qu’ils appliquent le test de Kruskal-Wallis à des données répétées appariées. Cette bévue computationnelle brise la logique des rangs intra-blocs et détruit intégralement la validité des inférences statistiques obtenues.

Un deuxième piège fréquent découle de la gestion négligente de l’appariement indiciel lors de la structuration des données sous Python. Si l’analyste concatène des vecteurs ou applique la fonction friedmanchisquare de SciPy en omettant de s’assurer que le i-ième élément du tableau A correspond rigoureusement au même participant que le i-ième élément du tableau B, l’appariement est corrompu. Une permutation accidentelle de lignes équivaut à introduire un bruit aléatoire massif qui s’accompagne d’une perte d’information majeure, conduisant invariablement à des conclusions fallacieuses de non-significativité (erreur de type II).

Enfin, une dernière dérive méthodologique concerne la focalisation myope sur la valeur p au détriment de l’évaluation conjointe de la taille d’effet et de la pertinence clinique. Une étude menée sur un échantillon clinique très vaste peut révéler une valeur p hautement significative pour un coefficient de concordance de Kendall W dérisoire (inférieur à 0,05), traduisant une absence quasi-totale de pertinence comportementale réelle. Pour sécuriser la démarche d’analyse, nous proposons la liste de contrôle diagnostique suivante, à valider systématiquement avant toute finalisation d’un protocole sous Python :

  • Validation du plan expérimental : Confirmer formellement que les données émanent d’un même échantillon de participants évalués sous trois conditions dépendantes ou plus (plan en blocs complets appariés).
  • Vérification de l’intégrité matricielle : S’assurer de l’absence de cellules manquantes ou d’inégalités dimensionnelles dans les séries vectorielles.
  • Adéquation du niveau de mesure : Attester que la variable dépendante est au minimum de nature ordinale et ne présente pas un écrasement total par effet de plafond ou de plancher.
  • Concordance indicielle : Contrôler rigoureusement l’alignement univoque de l’identifiant sujet lors du passage d’un format large à un format long sous Pandas.
  • Exécution de la chaîne complète : Compléter systématiquement la statistique omnibus de Friedman par le calcul du W de Kendall et par des tests post-hoc corrigés pour les comparaisons multiples (Holm-Bonferroni, Conover ou Nemenyi).
  • Conformité narrative : Rédiger les résultats en mentionnant explicitement médianes, écarts interquartiles, degrés de liberté et statistiques conformément aux préconisations stylistiques de l’APA 7e édition.

Références

★

Rate This Content

5.0 / 5 • 1 vote

Citer cet article

Looti, M. (2026, septembre 17). Comment réaliser le test de Friedman en Python. Base de données de psychologie en français. https://fr.arabpsychology.com/statistics/comment-realiser-test-friedman-python/
Looti, Mohammed. “Comment réaliser le test de Friedman en Python.” Base de données de psychologie en français, 17 septembre 2026, https://fr.arabpsychology.com/statistics/comment-realiser-test-friedman-python/.
Looti, Mohammed. “Comment réaliser le test de Friedman en Python.” Base de données de psychologie en français. septembre 17, 2026. https://fr.arabpsychology.com/statistics/comment-realiser-test-friedman-python/.