Dans l’arsenal contemporain de la statistique descriptive et de l’analyse exploratoire, le traitement initial des distributions quantitatives constitue une étape méthodologique fondamentale. Trop souvent, les analystes recourent de manière prématurée à des métriques de synthèse — telles que la moyenne arithmétique et l’écart-type — ou à des représentations géométriques hautement agrégées à l’instar des histogrammes conventionnels. Or, ces démarches précoces opèrent une réduction drastique de l’information, dissimulant la granularité sous-jacente des observations individuelles, masquant d’éventuelles discontinuités locales et occultant la présence de micro-structures distributionnelles critiques. Face à cet appauvrissement précoce du signal empirique, le diagramme tige et feuilles s’impose comme un instrument d’une remarquable élégance conceptuelle et d’une rigueur diagnostique inégalée.
Conçu pour concilier la précision absolue d’un tableau d’ordonnancement numérique avec l’immédiateté perceptive d’une représentation graphique spatiale, le diagramme tige et feuilles (connu dans la littérature anglophone sous l’appellation de stem-and-leaf display) incarne une démarche épistémologique singulière. Au lieu de substituer des figures géométriques abstraites aux mesures collectées, cette technique utilise les chiffres constitutifs des données elles-mêmes pour ériger la distribution de fréquences. Chaque point de mesure devient ainsi son propre marqueur graphique au sein d’un espace coordonné, garantissant une réversibilité intégrale : à partir de la seule inspection du graphique, le chercheur demeure en mesure de reconstruire l’intégralité du jeu de données originel sans la moindre incertitude métrique.
Cet article propose une exploration exhaustive, théorique et opérationnelle du diagramme tige et feuilles, en analysant ses fondements historiques, ses protocoles d’élaboration systématique, ses déclinaisons multivariées et son application privilégiée au sein des sciences quantitatives et comportementales. En articulant la description mathématique formelle avec des cas pratiques détaillés et des comparaisons critiques vis-à-vis d’autres formalismes de visualisation, cette contribution entend fournir aux chercheurs, statisticiens et praticiens une référence exhaustive dédiée à la valorisation de cet outil cardinal de l’analyse exploratoire des données.
1. Introduction et fondements conceptuels du diagramme tige et feuilles
1.1 Origine historique et apport de John Tukey
L’émergence du diagramme tige et feuilles s’inscrit au cœur d’une révolution épistémologique majeure survenue dans la pensée statistique durant la seconde moitié du vingtième siècle. Historiquement formalisé par le mathématicien et statisticien américain John Wilder Tukey dans les années 1970, et popularisé de manière définitive dans son ouvrage séminal paru en 1977, Exploratory Data Analysis, cet outil visait à bousculer le paradigme dominant de l’époque. Jusqu’alors, la pratique statistique académique était quasi exclusivement inférentielle, subordonnée à la vérification d’hypothèses rigides formulées a priori et adossée à des postulats stricts de normalité distributionnelle. Tukey considérait que cette posture confinait les chercheurs à une forme d’aveuglement méthodologique, les empêchant de percevoir les régularités inattendues, les asymétries singulières ou les anomalies morphologiques logées au sein de leurs données.
Dans la perspective de Tukey, l’analyse exploratoire des données (EDA) devait fonctionner à la manière d’une enquête policière méticuleuse, où le statisticien laisse les données s’exprimer avant d’imposer un quelconque modèle paramétrique contraignant. Le diagramme tige et feuilles a été spécifiquement conceptualisé pour orchestrer la transition fluide entre les tableaux de fréquences classiques — souvent arides et cognititivement fastidieux — et la visualisation directe de données brutes. Contrairement aux approches computationnelles de l’époque qui déléguaient le traitement à des systèmes informatiques centralisés produisant des sorties standardisées opaques, Tukey insistait sur la manipulation tactile et visuelle directe des chiffres par le chercheur, favorisant ainsi une intuition distributionnelle profonde et immédiate.
L’apport de Tukey dépasse ainsi la simple invention d’un nouveau format de restitution graphique. Il s’agit d’un vecteur méthodologique déterminant dans l’essor de la statistique descriptive moderne appliquée aux sciences quantitatives contemporaines. En conférant une forme géométrique mesurable à l’ensemble ordonné des valeurs sans dissoudre leur identité numérique, le diagramme tige et feuilles a permis d’ancrer durablement la pratique du diagnostic graphique préliminaire comme condition indispensable à toute inférence probabiliste valide, que ce soit en biologie, en économie ou en psychologie expérimentale.
1.2 Définition formelle et objectifs analytiques
D’un point de vue structurel, le diagramme tige et feuilles se caractérise comme un outil graphique hybride, fréquemment qualifié de semi-graphique ou de textuel-graphique, dont l’invariant fondamental repose sur la préservation intégrale de l’intégrité numérique de chaque observation élémentaire. Mathématiquement, pour un échantillon de variables quantitatives continues ou discrètes, l’outil opère une partition univoque de chaque mesure en deux composantes positionnelles distinctes : une composante de poids fort, désignée sous le terme de tige, et une composante résiduelle de poids faible, nommée feuille. Cette scission s’effectue en respectant scrupuleusement la base de numération sous-jacente du système décimal.
Les objectifs analytiques assignés à cette architecture sont doubles et synchrones. D’une part, le diagramme assure une fonction d’ordonnancement séquentiel rigoureux : par construction, les tiges et les feuilles sont disposées selon un ordre strictement croissant, ce qui permet d’identifier instantanément le minimum, le maximum, la médiane de l’échantillon, ainsi que les rangs percentiles et les quantiles sans recourir à des algorithmes de tri informatiques séparés. D’autre part, la technique remplit une fonction de représentation de distribution spatiale. En alignant les feuilles horizontalement de façon équidistante à la suite de chaque tige, la longueur visuelle de la ligne devient directement proportionnelle à l’effectif ou à la fréquence de la classe correspondante, restituant fidèlement l’allure de la fonction de densité empirique de la variable.
Cette dualité confère au diagramme une pertinence exceptionnelle lors de l’examen préliminaire des distributions d’échantillons en recherche empirique. Dans les protocoles cliniques ou les expérimentations comportementales où la taille des cohortes oscille fréquemment entre vingt et deux cents observations, le chercheur peut déceler au premier coup d’œil l’existence d’une multimodalité, un étalement anormal de la queue de distribution ou un regroupement pathologique de valeurs. Il n’est nullement nécessaire d’agréger arbitrairement les mesures sous des seuils préconçus, évitant ainsi les biais de catégorisation susceptibles de compromettre la validité interne des analyses ultérieures.
1.3 Place du diagramme parmi les représentations graphiques univariées
Pour appréhender adéquatement la valeur heuristique du diagramme tige et feuilles, il convient de situer son positionnement épistémique vis-à-vis des autres représentations univariées courantes de la statistique descriptive, singulièrement l’histogramme géométrique et la table de distribution des fréquences. La table de données brutes propose une exhaustivité absolue mais souffre d’un coût cognitif prohibitif : l’œil humain s’avère incapable d’extraire la forme globale d’une loi de probabilité à partir d’une simple énumération textuelle non structurée de plusieurs dizaines de valeurs numériques. À l’opposé, l’histogramme de Pearson traduit la distribution par le biais de barres rectangulaires adjacentes dont les aires reflètent les densités de probabilité de classes contiguës.
Néanmoins, l’histogramme paie son efficacité synthétique au prix d’un préjudice informationnel irréversible : l’agrégation en classes d’amplitudes déterminées détruit la valeur exacte de chaque donnée individuelle. Une fois l’histogramme tracé, il devient strictement impossible de reconstituer le jeu de données d’origine, de vérifier si les observations au sein d’une classe donnée sont uniformément réparties, ou si elles s’agglutinent contre l’une des frontières de l’intervalle. Le diagramme tige et feuilles occupe précisément une position intermédiaire souveraine. Il intègre la morphologie d’un histogramme — orienté de manière horizontale — tout en maintenant la traçabilité absolue des données atomiques. Chaque chiffre affiché dans le corps du diagramme constitue un datum tangible, observable, et directement exploitable.
De surcroît, le diagramme tige et feuilles possède l’avantage fonctionnel d’autoriser une inspection visuelle immédiate et rapide, sans exiger de calculs computationnels lourds ni de paramétrages logiciels complexes. Alors que le tracé d’un histogramme optimal requiert la sélection méticuleuse d’une largeur de classe — via des critères formels tels que la règle de Scott ou la formule de Freedman-Diaconis — sous peine d’altérer gravement la perception de la distribution, le diagramme tige et feuilles découle naturellement de la base numérique des données. Il en résulte un outil résilient, direct et universellement interprétable pour quiconque maîtrise les principes arithmétiques fondamentaux de la décomposition décimale.
2. Anatomie et principes structurels de la tige et de la feuille
2.1 Définition et attribution de la tige
L’armature axiale du diagramme repose sur la détermination méthodique de la tige (ou des tiges). La tige incarne formellement la classe de regroupement structurelle ou l’ordre de grandeur directeur qui préside à la structuration macroscopique de l’échantillon. Du point de vue algorithmique, l’analyste sélectionne la composante de poids fort de la série de données en analysant la plage globale des valeurs observées. Selon la magnitude et la dispersion des mesures traitées, la tige correspondra aux centaines, aux dizaines, aux unités entières ou, dans le cadre de données microscopiques, à une décimale d’ordre supérieur (telle que le dixième ou le centième de l’unité de mesure).
La règle fondamentale gouvernant l’établissement des tiges réside dans leur disposition séquentielle verticale rigoureusement ordonnée, le plus souvent selon un gradient ascendant s’étendant de haut en bas (ou, plus rarement dans certaines conventions didactiques spécifiques, de bas en haut). Il est absolument proscrit d’omettre les tiges pour lesquelles aucune observation n’a été recensée dans l’échantillon. Par exemple, si une distribution de valeurs entières comporte des observations dans les dizaines (10 à 19), dans les vingtaines (20 à 29) et dans les quarantaines (40 à 49), la tige relative aux trentaines (30 à 39) doit impérativement figurer sur l’axe vertical, même si aucune feuille ne lui est subséquemment adossée.
Cette exigence de continuité métrique constitue la condition sine qua non de la fidélité géométrique de la distribution. Si l’analyste omettait une tige vide dans l’intention erronée d’économiser de l’espace typographique, l’axe vertical subirait une distorsion non linéaire qui fausserait irrémédiablement l’appréciation des distances spatiales entre les points. Les éventuelles discontinuités distributionnelles, les zones de vacuité empirique ou les écarts critiques entre sous-populations seraient instantanément invisibilisés, annihilant ainsi la valeur diagnostique intrinsèque du diagramme.
2.2 Définition et alignement des feuilles
Adjacent à la colonne des tiges, l’espace des feuilles recueille l’expression résiduelle de chaque observation statistique élémentaire. Une feuille se définit conceptuellement comme le chiffre unique de poids immédiatement inférieur à celui capturé par la tige correspondante. Dans la convention standardisée édictée par Tukey, une contrainte opérationnelle stricte s’impose : chaque feuille doit obligatoirement être constituée d’un seul et unique chiffre décimal (de 0 à 9). Une observation ne peut en aucun cas être encodée par une feuille plurichiffrée dans un diagramme conventionnel, car cela détruirait l’équivalence spatiale sous-jacente.
La règle du chiffre unique garantit que chaque observation élémentaire occupe exactement la même largeur physique sur la rangée horizontale. De cette façon, une tige associée à cinq observations générera une séquence horizontale de cinq chiffres consécutifs, tandis qu’une tige associée à quinze observations générera une chaîne trois fois plus longue. L’alignement horizontal équidistant des feuilles — idéalement orchestré par l’emploi d’une police de caractères à chasse fixe (monospacée) dans les restitutions numériques traditionnelles ou par une calibration millimétrique rigoureuse — devient le garant de la proportionnalité visuelle : la longueur géométrique de la rangée de feuilles reflète exactement et fidèlement la fréquence d’apparition des données.
En outre, pour assurer l’intégrité de la structure analytique, les feuilles associées à une tige donnée doivent être scrupuleusement triées par ordre croissant de gauche à droite, depuis l’axe vertical vers la périphérie du graphique. Ce double principe — unicité du chiffre par feuille et agencement ascendant systématique — transforme la simple juxtaposition textuelle en une table de contingence implicite, hautement ordonnée, prête pour le calcul des statistiques de rang et l’identification des modes locaux sans manipulation préalable du corpus brut.
2.3 L’axe séparateur et la métrique sous-jacente
L’interface entre le domaine des tiges et le domaine des feuilles est matérialisée par un élément graphique cardinal : l’axe séparateur. Dans la quasi-totalité des conventions éditoriales et académiques, cet axe prend la forme d’une ligne verticale continue et rectiligne, tirée de haut en bas sur toute l’amplitude du diagramme. Cet axe vertical joue un rôle sémantique fondamental : il symbolise la frontière positionnelle de la décomposition décimale choisie pour le jeu de données et sépare clairement l’armature structurelle (la tige à gauche) de la réalisation empirique (les feuilles à droite).
Sur le plan mathématique, l’axe séparateur institue la métrique sous-jacente de la représentation. Il n’est pas un simple ornement calligraphique, mais le point d’ancrage d’un système de coordonnées discrétisé. À gauche de la ligne, la coordonnée scalaire principale définit l’intervalle de classe ; à droite de la ligne, chaque glyphe numérique représente une coordonnée unitaire résiduelle dont la distance relative par rapport à l’axe traduit son appartenance à la densité d’échantillonnage de la classe. L’ordonnancement de gauche à droite garantit que la lecture conserve le sens usuel de progression numérique, facilitant l’intégration cognitive chez le lecteur.
La conservation absolue de la proportionnalité visuelle exige un respect scrupuleux de l’espacement constant entre l’axe vertical et la première feuille, ainsi qu’entre chaque feuille successive le long de la ligne. Aucun séparateur orthographique tel que la virgule, le tiret ou le point-virgule ne doit être inséré entre les feuilles. L’adjonction de symboles typographiques parasites altérerait gravement la longueur visible de la chaîne de chiffres, introduisant des distorsions d’illusion optique où deux tiges comportant le même effectif sembleraient posséder des densités divergentes en raison de variations d’espacement des caractères. L’espace blanc uniforme constitue ainsi le seul délimiteur valide entre deux feuilles adjacentes.
3. Méthodologie de construction systématique pas à pas
3.1 Étape 1 : Préparation et ordonnancement du jeu de données
L’élaboration d’un diagramme tige et feuilles rigoureux obéit à un protocole algorithmique déterministe en trois phases séquentielles. La première étape, incontournable, réside dans la préparation et le nettoyage préliminaire du corpus quantitatif. Même si le diagramme peut théoriquement être érigé à partir d’un ensemble de mesures non ordonnées (en effectuant le tri des feuilles dans un second temps), il est fortement recommandé, dans le cadre d’un protocole méthodologique formel, de procéder au tri ascendant initial de l’intégralité des observations.
À partir de la liste triée, le chercheur procède à l’identification de trois grandeurs scalaires directrices : la valeur minimale absolue observée, la valeur maximale absolue observée, et leur différence arithmétique, à savoir l’étendue globale de l’échantillon. Ces trois indicateurs gouvernent directement le choix de l’unité de troncature ou de scission décimale. L’analyste doit répondre à la question méthodologique suivante : quel rang de puissance de dix constitue la tige la plus adaptée pour conférer au diagramme un ratio esthétique et informatif optimal ?
Si la partition choisie génère trop peu de tiges (par exemple, seulement deux tiges contenant chacune des dizaines d’observations massées en un bloc opaque), la représentation manquera cruellement de sensibilité distributionnelle. Inversement, si le découpage produit une prolifération démesurée de tiges vides (par exemple, une tige par observation s’étalant sur plusieurs dizaines de lignes sans densité), le diagramme perdra sa fonction de condensation visuelle. L’objectif consiste à cibler une granularité permettant d’obtenir généralement entre cinq et vingt tiges actives sur l’ensemble de l’étendue des données répertoriées.
3.2 Étape 2 : Établissement de l’axe vertical des tiges
Une fois le seuil de découpage entre tige et feuille formellement arrêté, la deuxième phase méthodologique consiste à tracer l’axe vertical et à énumérer de façon exhaustive l’ensemble des tiges nécessaires pour recouvrir la totalité de l’étendue métrique de l’échantillon, de la tige minimale jusqu’à la tige maximale. Cette disposition s’opère sur une colonne unique, alignée à gauche de l’axe vertical séparateur.
L’obligation méthodologique cardinale de cette étape — comme précédemment théorisé — est l’inclusion intégrale de toutes les tiges intermédiaires situées entre les deux valeurs extrêmes de l’échantillon, indépendamment du fait qu’elles soient ou non associées à des données effectives dans le jeu d’observations. Si, par exemple, la valeur minimale d’une série psychométrique correspond à un score de 42 (tige 4) et la valeur maximale à un score de 97 (tige 9), la colonne de gauche devra impérativement consigner, de manière ininterrompue et séquentielle, les entiers 4, 5, 6, 7, 8 et 9.
Le chercheur doit veiller au maintien strict de la cohérence dimensionnelle et typographique tout au long de cette colonne. Chaque tige doit être centrée ou alignée à droite contre l’axe séparateur vertical, afin de préserver une marge visuelle constante entre le chiffre de la tige et la démarcation graphique. Toute hésitation ou variation dans l’échelle d’interligne vertical détruirait l’homogénéité perceptive de la graduation spatiale, risquant d’induire le lecteur en erreur lors de l’estimation visuelle de la forme générale de la fonction de densité.
3.3 Étape 3 : Distribution et enregistrement ordonné des feuilles
La troisième et dernière étape opérationnelle concerne la distribution, l’enregistrement et l’alignement ordonné des chiffres de feuilles à droite de l’axe séparateur vertical. Pour chaque valeur composant le jeu d’observations préalablement nettoyé, l’analyste isole son chiffre de feuille résiduel et l’inscrit sur la ligne horizontale correspondant exactement à sa tige de rattachement. L’inscription s’effectue horizontalement, de la gauche vers la droite.
Si le tri préalable des données a été scrupuleusement exécuté lors de l’étape 1, les feuilles viendront se positionner spontanément dans un ordre ascendant rigoureux le long de chaque tige. Dans l’éventualité où le relevé aurait été opéré à partir de données brutes non triées, une passe de rectification systématique s’avère impérative : le praticien doit réordonner les chiffres de chaque ligne de façon croissante. Par exemple, si la tige 6 rassemble les feuilles désordonnées issues des mesures 68, 62, 65 et 62, la ligne définitive devra impérativement afficher la séquence ordonnée 2, 2, 5, 8.
La finalisation de la construction s’achève obligatoirement par une phase d’audit et de contrôle de concordance arithmétique. Le chercheur procède au dénombrement exhaustif de l’intégralité des feuilles transcrites sur le diagramme. Ce total cumulé doit correspondre rigoureusement à l’effectif total N de l’échantillon expérimental. Toute divergence numérique signale une omission ou un doublon dans la transcription manuelle ou automatisée, ce qui compromettrait l’exactitude de tout calcul ultérieur de rang, de médiane ou de paramètre de dispersion déduit de la lecture directe du diagramme.
4. Exemple pratique 1 : Analyse de données discrètes simples
4.1 Présentation du jeu de données expérimental
Afin de concrétiser les principes théoriques précédemment énoncés, considérons un jeu de données empiriques issues d’un protocole en psychométrie cognitive. Une cohorte restreinte de douze participants (N = 12) a été soumise à une épreuve d’évaluation des capacités mnésiques de rappel différé. Les scores individuels obtenus, exprimés sous forme de valeurs discrètes entières comprises théoriquement sur une échelle allant de 0 à 60 points, sont consignés dans la série ordonnée suivante :
12, 14, 18, 22, 22, 23, 25, 25, 28, 45, 47, 48.
L’observation immédiate de cette série numérique brute révèle d’emblée des caractéristiques structurelles singulières. D’une part, la valeur minimale observée s’établit à 12 points, tandis que la valeur maximale culmine à 48 points, circonscrivant une étendue d’échantillonnage de 36 points. D’autre part, une inspection analytique préliminaire signale une discontinuité remarquable : l’échantillon présente une absence absolue d’observations dans l’intervalle des trentaines (de 30 à 39 inclus), suggérant une dichotomie potentielle ou une distribution bivalente des performances au sein de la cohorte étudiée.
4.2 Application pas à pas de la segmentation numérique
Pour formaliser la construction du diagramme tige et feuilles adapté à cet échantillon, la segmentation numérique la plus naturelle consiste à désigner les dizaines comme valeurs de tige et les unités arithmétiques comme valeurs de feuille. Par conséquent, les tiges requises pour couvrir l’intervalle de 12 à 48 s’étendent de 1 à 4. Conformément à la règle de continuité métrique absolue, la tige 3 — correspondant à la dizaine comprise entre 30 et 39 — doit impérativement être inscrite sur l’axe vertical, en dépit de l’absence totale de données observées dans cette tranche.
La transcription pas à pas s’opère de la manière suivante. Pour la tige 1, les observations 12, 14 et 18 apportent les feuilles 2, 4 et 8. Pour la tige 2, les observations 22, 22, 23, 25, 25 et 28 génèrent la séquence ordonnée de feuilles 2, 2, 3, 5, 5 et 8. Pour la tige 3, aucune observation n’existant dans le jeu de données, la zone des feuilles demeure totalement vierge d’inscription, matérialisant visuellement le vide métrique. Enfin, pour la tige 4, les observations 45, 47 et 48 fournissent les feuilles 5, 7 et 8.
L’agencement final se présente sous la forme de quatre lignes superposées le long d’un axe vertical séparateur. La première ligne associe la tige 1 aux feuilles 2, 4 et 8. La deuxième ligne réunit la tige 2 avec les feuilles 2, 2, 3, 5, 5 et 8. La troisième ligne présente la tige 3 isolée, sans la moindre feuille adjacente. La quatrième ligne associe la tige 4 aux feuilles 5, 7 et 8. Un espacement horizontal strictement constant et équidistant est maintenu entre chacun des chiffres positionnés à droite de l’axe.
4.3 Diagnostic visuel et lecture empirique du graphique
L’inspection du graphique finalisé procure instantanément une lecture clinique et statistique d’une grande clarté. Sur le plan de la morphologie distributionnelle, l’analyste décèle immédiatement une distribution bimodalement polarisée ou, à tout le moins, un phénomène d’isolement structurel : une première composante substantielle, concentrant 75 % de l’échantillon global (9 observations sur 12), s’agglutine sur les tiges 1 et 2, avec un sommet de densité particulièrement visible sur la tige 2 (qui rassemble à elle seule six feuilles). À l’opposé, une seconde sous-population réduite émerge sur la tige 4 avec trois observations consécutives.
La vacuité totale de la tige 3 agit comme un signal graphique puissant, matérialisant sans ambiguïté une scission nette dans les performances mnésiques des sujets, sans que cette rupture ne puisse être attribuée à un artefact de découpage arbitraire de classes comme cela aurait pu survenir avec un histogramme mal paramétré. De plus, les paramètres de tendance centrale et d’occurrence modale s’extraient de manière instantanée : la distribution est empiriquement bimodale au niveau élémentaire avec deux modes ex æquo valant 22 et 25 (chacun apparaissant deux fois au sein de la ligne de la tige 2).
Quant à la médiane, le dénombrement direct de rang sur les feuilles ordonnées permet de la localiser immédiatement sans calculatrice. L’échantillon comptant N = 12 valeurs, la position médiane correspond à la moyenne arithmétique de la sixième et de la septième observation ordonnée. En comptant les feuilles depuis le sommet (2, 4, 8, puis 2, 2, 3), la sixième valeur correspond au chiffre 3 rattaché à la tige 2, soit le score 23. La septième valeur correspond au premier chiffre 5 de la tige 2, soit le score 25. La médiane de l’échantillon s’établit donc rigoureusement à (23 + 25) / 2 = 24 points. L’ensemble de ce diagnostic quantitatif et distributionnel a été effectué en quelques secondes par simple décodage visuel direct du diagramme.
5. Exemple pratique 2 : Traitement des données continues et décimales
5.1 Problématique des valeurs décimales fines
Si l’élaboration d’un diagramme tige et feuilles s’avère particulièrement intuitive lorsqu’elle s’applique à des nombres entiers naturels, elle soulève des enjeux méthodologiques plus subtils face à des variables continues issues d’enregistrements instrumentaux de haute précision. En neurosciences computationnelles et en psychophysique, l’analyse de la chronométrie mentale mobilise typiquement des temps de réaction cognitive mesurés en secondes ou en millisecondes avec plusieurs décimales significatives. Considérons, à titre d’illustration, la série d’observations expérimentales continues suivante, exprimant la latence motrice de participants face à un stimulus visuel complexe :
3,2 s ; 3,5 s ; 3,8 s ; 4,1 s ; 4,1 s ; 4,4 s ; 4,7 s ; 4,9 s ; 5,2 s ; 5,8 s ; 6,3 s ; 6,7 s.
Dans cette configuration, l’analyste est confronté à la problématique de la sélection de l’unité de découpage appropriée afin de respecter la granularité sans saturer la représentation. Si les valeurs avaient été mesurées avec trois ou quatre décimales (par exemple 3,214 s), une conservation intégrale de toutes les fractions numériques s’avérerait incompatible avec la règle structurale imposant une feuille à chiffre unique. Dès lors, une décision métrologique préalable s’impose impérativement : le praticien doit définir la précision expérimentale pertinente et procéder, si nécessaire, à un arrondi systématique et contrôlé des données avant d’engager la partition en tiges et en feuilles.
5.2 Procédure d’assignation des parties entières et fractionnaires
Pour le jeu de données sous revue, la résolution temporelle au dixième de seconde (une seule décimale) autorise une assignation directe et élégante sans dégradation de l’information brute. La composante entière de la mesure chronométrique — à savoir les unités de secondes — est assignée à la fonction de tige le long de l’axe vertical. En miroir, la première décimale fractionnaire (le dixième de seconde) est désignée pour occuper la position de feuille représentative.
Dans des configurations expérimentales impliquant des nombres décimaux plus fins (par exemple des mesures étalées entre 0,12 et 0,89), deux stratégies méthodologiques équivalentes peuvent être mobilisées. La première consiste à appliquer un opérateur de multiplication scalaire préalable (multiplier l’ensemble des données par dix ou cent afin de transformer les décimales en entiers manipulables sous une forme canonique). La seconde consiste à désigner la première décimale comme tige et la seconde comme feuille. Dans tous les cas de figure, l’arrondi arithmétique standard (au plus proche) doit être systématiquement préféré à la troncature brute, cette dernière introduisant un biais directionnel systématique vers le bas susceptible de déformer artificiellement la moyenne et les quantiles de la distribution empirique.
Dans notre cas de temps de réaction, les tiges nécessaires pour encadrer l’intervalle s’étendant de 3,2 s à 6,7 s sont formées par les entiers verticaux 3, 4, 5 et 6. À la tige 3 sont associées les feuilles 2, 5 et 8 (correspondant à 3,2, 3,5 et 3,8). À la tige 4 sont rattachées les feuilles 1, 1, 4, 7 et 9 (reflétant 4,1, 4,1, 4,4, 4,7 et 4,9). À la tige 5 sont accolées les feuilles 2 et 8 (pour 5,2 et 5,8). Enfin, à la tige 6 répondent les feuilles 3 et 7 (pour 6,3 et 6,7). Les chiffres sont disposés de manière ascendante et rigoureusement équidistante à droite de l’axe de démarcation vertical.
5.3 Rendu final et analyse comparative de précision
Le diagramme tige et feuilles ainsi élaboré restitue avec une fidélité absolue la dispersion continue de la latence cognitive au sein de l’échantillon. Contrairement à une restitution catégorielle où des classes larges auraient amalgamé les temps de réponse au sein d’intervalles imprécis, la dynamique fine de la variabilité interindividuelle demeure intégralement préservée. L’analyste constate que la densité des observations culmine nettement autour de la tige 4 (entre 4,0 et 4,9 secondes), rassemblant cinq des douze mesures enregistrées.
On observe également que le comportement temporel des sujets ne présente aucun saut discontinu franc, mais plutôt un étalement progressif vers les valeurs élevées, suggérant une asymétrie distributionnelle modérée vers la droite (phénomène physiologique classique et hautement documenté en chronométrie humaine, où les temps de réponse planchers sont physiologiquement contraints par la vitesse de conduction axonale, tandis que les temps longs sont soumis à des fluctuations d’attention fluctuantes). La fidélité métrique assurée par ce mode d’affichage valide l’entière conformité du diagramme aux standards les plus exigeants de la communication scientifique, autorisant les pairs à recalculer instantanément les statistiques de robustesse (telles que les estimateurs de position M de Huber ou la médiane des écarts absolus MAD) directement à partir de la figure publiée.
6. Rôle fondamental de la clé de lecture (légende)
6.1 Définition et structure standardisée de la clé
L’un des prérequis méthodologiques les plus cruciaux — et paradoxalement l’un des plus fréquemment négligés dans la pratique profane — réside dans l’intégration obligatoire d’une clé de lecture standardisée (souvent dénommée légende explicative). Sur le plan formel, la clé de lecture établit l’équivalence mathématique univoque existant entre une chaîne de symboles extraite du diagramme et sa véritable grandeur physique dans l’univers de mesure de référence. Elle prend conventionnellement la forme explicite : Tige | Feuille = Valeur physique réelle (avec son unité de mesure).
Par exemple, pour l’échantillon chronométrique précédemment développé, la formulation de la clé prendra rigoureusement la formulation suivante : « 4 | 1 = 4,1 secondes ». Pour un échantillon de masse corporelle mesuré au kilogramme près, la clé indiquera par exemple : « 7 | 4 = 74 kg ». La structure standardisée doit impérativement comporter les trois composantes incontournables : l’illustration concrète d’une association tige-séparateur-feuille, la valeur arithmétique correspondante et, de manière impérative, l’unité métrique associée au mesurande (qu’il s’agisse de millisecondes, de degrés Celsius, de scores sur une échelle psychométrique standardisée ou de pourcentages).
L’inclusion d’une telle clé n’est pas une option d’ornementation stylistique : elle relève d’une obligation déontologique au sein de toute publication académique, de tout mémoire doctoral ou de tout rapport d’évaluation clinique. Un diagramme tige et feuilles démuni de clé de lecture s’avère méthodologiquement incomplet et scientifiquement caduc, privant la communauté scientifique du référentiel scalaire nécessaire à l’interprétation des données publiées.
6.2 Résolution des ambiguïtés d’échelle et d’ordre de grandeur
L’utilité primordiale de la clé de lecture se manifeste dans l’élimination absolue de toute ambiguïté relative à l’ordre de grandeur réel des données consignées. Considérons, à titre de démonstration épistémologique, un diagramme tige et feuilles affichant une ligne textuelle telle que la tige « 2 » adossée à une feuille « 5 », transcrite sous la forme syntaxique élémentaire : 2 | 5. Sans l’adjonction d’une clé explicite, il est matériellement impossible pour l’observateur de déterminer la valeur exacte représentée par cette combinaison symbolique.
L’expression 2 | 5 peut en effet désigner rigoureusement :
- Le nombre entier relatif 25 (dans l’hypothèse où la tige encode les dizaines et la feuille les unités simples) ;
- Le nombre décimal 2,5 (si la tige représente les unités entières et la feuille les dixièmes d’unité) ;
- La valeur 0,25 (si la tige symbolise les dixièmes et la feuille les centièmes) ;
- La grandeur 250 ou 2 500 (dans l’hypothèse où un facteur multiplicatif d’échelle a été préalablement appliqué pour condenser un jeu de données massives).
L’ambiguïté devient encore plus critique lors de l’application de transformations mathématiques aux variables — par exemple des transformations logarithmiques décimales ou népériennes, des normalisations par scores standardisés Z, ou des inversions polynomiales — couramment mobilisées pour stabiliser la variance ou linéariser des relations bivariées. Dans ces contextes avancés, la clé de lecture constitue le seul vecteur textuel permettant de rétablir la connexion ontologique directe entre la métrique d’analyse abstraite et la réalité empirique sous-jacente mesurée sur le terrain.
6.3 Impact de l’absence de légende sur la validité scientifique
Les conséquences d’une clé de lecture manquante ou équivoque dépassent le simple cadre de l’inconfort de lecture : elles portent une atteinte frontale à la validité scientifique et à la reproductibilité des protocoles de recherche. Dans le cadre de méta-analyses contemporaines cherchant à extraire les données brutes ou les micro-indices statistiques à partir de graphiques publiés dans la littérature historique pour agréger les tailles d’effet, l’omission d’une clé dimensionnelle invalide totalement l’extraction des données, conduisant à l’éviction pure et simple de l’étude correspondante des synthèses systématiques internationales.
De surcroît, une mauvaise interprétation d’échelle découlant d’une légende elliptique peut induire des erreurs dramatiques d’inférence statistique lors des évaluations de sécurité clinique ou de pharmacovigilance. Une erreur d’un facteur dix — confondant par exemple une clairance rénale de 3,5 ml/min avec une mesure de 35 ml/min en raison d’une tige non documentée — peut dénaturer l’appréciation globale du profil toxicologique d’une molécule thérapeutique en phase d’essai préliminaire. Les normes internationales de diffusion scientifique exigent par conséquent que chaque figure descriptive soit strictement autonome et auto-suffisante, ce qui impose au diagramme tige et feuilles une rigueur de documentation scalaire absolue.
7. Variantes avancées : Diagrammes tige et feuilles dos-à-dos
7.1 Architecture du diagramme bilatéral (back-to-back)
L’une des extensions méthodologiques les plus puissantes conçues par John Tukey réside dans l’architecture du diagramme tige et feuilles dos-à-dos, fréquemment désigné dans la littérature sous le vocable technique de diagramme bilatéral ou back-to-back stem-and-leaf display. Cette variante structurelle a été spécifiquement conçue pour permettre la comparaison morphologique synchrone de deux distributions indépendantes ou appariées mesurées sur une métrique rigoureusement identique.
L’architecture spatiale du dispositif s’articule autour d’une colonne centrale unique de tiges, délimitée de part et d’autre par deux axes séparateurs verticaux parallèles. Cette colonne pivotale est partagée par les deux distributions à comparer. Les feuilles de la première condition expérimentale (par exemple le Groupe A) sont projetées horizontalement vers la gauche de la tige centrale, tandis que les feuilles de la seconde condition expérimentale (le Groupe B) sont projetées de manière conventionnelle vers la droite.
Cette configuration impose une convention de lecture fondamentale qu’il convient de maîtriser impérativement : pour la distribution orientée vers la gauche, l’ordre de tri croissant s’effectue obligatoirement de droite à gauche, c’est-à-dire en s’éloignant de la colonne centrale des tiges vers la bordure externe gauche du graphique. Les valeurs les plus basses de chaque classe se situent immédiatement contre l’axe vertical central, tandis que les valeurs les plus élevées de la même classe occupent la périphérie gauche extrême. À l’inverse, pour le groupe déployé vers la droite, la lecture conserve son orientation naturelle ascendante de gauche à droite. Cette symétrie axiale permet une superposition perceptive immédiate des deux profils de distribution.
7.2 Comparaison de groupes expérimentaux et contrôles
En pratique expérimentale, le diagramme dos-à-dos constitue une alternative remarquablement robuste aux traditionnelles comparaisons par diagrammes en barres des moyennes munis de barres d’erreur (ces derniers étant fréquemment critiqués pour leur propension à masquer l’hétérogénéité sous-jacente des distributions et l’existence d’observations déviantes). La confrontation immédiate d’un groupe expérimental recevant une intervention active face à un groupe témoin recevant un placebo ou une intervention de contrôle devient d’une netteté absolue.
Le chercheur est en mesure d’évaluer visuellement et simultanément plusieurs dimensions analytiques sans procéder au moindre calcul paramétrique préliminaire :
- Le décalage de la tendance centrale : un simple coup d’œil permet de repérer si la masse des feuilles du groupe expérimental se concentre sur des tiges spatialement supérieures ou inférieures à celles du groupe témoin ;
- L’homogénéité ou l’hétérogénéité des variances : la largeur maximale atteinte par les lignes de feuilles de part et d’autre de la tige centrale traduit directement l’étalement et la dispersion relative des deux sous-échantillons ;
- L’invariance morphologique : le statisticien peut immédiatement vérifier si le traitement expérimental opère une simple translation uniforme de l’ensemble de la distribution ou s’il induit une modification profonde de la forme de celle-ci (par exemple l’apparition d’un sous-groupe de non-répondeurs caractérisé par une traîne asymétrique résiduelle).
7.3 Étude de cas : Comparaison de scores d’anxiété pré et post-thérapie
Considérons, pour illustrer l’immense intérêt clinique du diagramme dos-à-dos, l’évaluation de l’efficacité d’une psychothérapie cognitive et comportementale brève appliquée à la prise en charge des troubles anxieux généralisés. Une cohorte de patients a été évaluée à l’aide de l’échelle d’anxiété de Hamilton avant la thérapie (phase pré-intervention) et à l’issue de huit semaines de protocole thérapeutique standardisé (phase post-intervention). Les scores observés sont compris sur un continuum clinique où les valeurs élevées signent une intensité psychopathologique sévère.
Le diagramme tige et feuilles dos-à-dos partageant la colonne axiale des tiges (graduée par exemple de 0 à 4 pour les dizaines de points) va immédiatement faire éclater aux yeux des cliniciens l’impact transformationnel du soin. À gauche de la colonne centrale, les scores pré-thérapie s’accumuleront massivement le long des tiges supérieures (les tiges 3 et 4), matérialisant des scores individuels oscillant majoritairement entre 32 et 48 points, illustrant un état de détresse psychologique aigu chez la quasi-totalité des participants.
À droite de la colonne centrale, la projection des scores post-thérapie révélera un glissement spectaculaire de l’ensemble de la distribution vers les tiges inférieures (les tiges 0, 1 et 2), les feuilles s’agrégeant désormais massivement autour de scores compris entre 6 et 18 points. Ce basculement spatial direct fournit une preuve visuelle incontestable de l’efficacité de l’intervention. Mieux encore, la présence d’une ou deux feuilles isolées demeurant sur la tige 3 dans le groupe post-thérapie permet au clinicien d’isoler instantanément les sujets réfractaires au traitement, orientant directement les décisions thérapeutiques secondaires sans que ces trajectoires singulières n’aient été dissoutes dans une moyenne de groupe artificiellement apaisante.
8. Gestion des jeux de données denses : Découpage et compression des tiges
8.1 Technique de dédoublement des tiges (Split Stems)
L’une des contraintes opérationnelles majeures rencontrées lors de l’application standard du diagramme tige et feuilles réside dans le risque de congestion visuelle lorsque la taille de l’échantillon s’accroît modérément ou lorsque les données présentent une variabilité restreinte concentrée sur un nombre trop ténu d’ordres de grandeur. Dans une telle conjoncture, les feuilles s’accumulent de manière disproportionnée sur une ou deux tiges seulement, générant de très longues lignes de chiffres qui perdent leur valeur informative et saturent l’espace horizontal. Pour remédier à cette hypertrophie locale, John Tukey a formalisé la technique rigoureuse du dédoublement des tiges (ou split stems).
Le principe fondamental du dédoublement binaire consiste à allouer exactement deux lignes horizontales distinctes à chaque valeur de tige décimale. La première ligne de la tige dédoublée accueille exclusivement les feuilles de valeur basse, canoniquement restreintes aux chiffres 0, 1, 2, 3 et 4. La seconde ligne de la même tige accueille quant à elle les feuilles de valeur haute, regroupant les chiffres 5, 6, 7, 8 et 9. Dans les conventions de codification académique, la première ligne peut être annotée d’un astérisque ou d’un symbole distinctif, ou plus couramment, la valeur numérique de la tige est simplement répétée deux fois successivement sur l’axe vertical.
Lorsque la densité des données exige une résolution encore plus fine, Tukey préconise l’extension de cette logique par une division en cinq segments par tige (division quintésimale). Chaque ordre de grandeur est alors fractionné en cinq intervalles d’amplitude égale à deux unités :
- Une première ligne pour les feuilles 0 et 1 ;
- Une deuxième ligne pour les feuilles 2 et 3 ;
- Une troisième ligne pour les feuilles 4 et 5 ;
- Une quatrième ligne pour les feuilles 6 et 7 ;
- Une cinquième ligne pour les feuilles 8 et 9.
Cette expansion contrôlée de l’axe vertical permet de restaurer instantanément la lisibilité morphologique de distributions denses sans jamais altérer la structure sous-jacente du mesurande.
8.2 Technique de regroupement et compression de tiges
À l’inverse de la congestion locale, le statisticien peut être confronté à des jeux de données présentant une dispersion phénoménale au regard de la taille restreinte de l’échantillon. Si des données discrètes ou continues sont réparties de manière clairsemée sur plusieurs centaines d’unités de mesure (par exemple quelques observations s’étendant de 12 à 950 avec une quinzaine d’individus seulement), l’application de la règle conventionnelle produirait près d’une centaine de tiges verticales pour n’accueillir qu’une quinzaine de feuilles dispersées, créant un diagramme d’une longueur vertigineuse majoritairement composé de lignes vides.
Dans ce scénario, la méthodologie prévoit la technique inverse de compression ou de regroupement des tiges. L’analyste modifie la granularité scalaire en fusionnant plusieurs ordres de grandeur au sein d’une tige composite unique, ou en opérant une division de la métrique originale par un facteur scalaire constant (par exemple dix, cent ou mille). Dans certains cas exceptionnels de compression textuelle, on autorise l’inscription de feuilles constituées de deux chiffres consécutifs séparés par un intervalle standardisé, bien que cette pratique déroge à la règle de Tukey et doive être strictement documentée au niveau de la légende.
L’enjeu méthodologique majeur de la compression réside dans le maintien d’un subtil équilibre entre la synthèse globale de l’échantillon et la préservation de la sensibilité locale. Si la compression s’avère trop agressive, le diagramme se rétracte en un agrégat compact qui étouffe les détails morphologiques essentiels, reproduisant les travers des histogrammes hyper-agrégés. L’analyste doit ainsi tester itérativement plusieurs échelles de compression afin d’identifier la configuration géométrique optimale stabilisant la lisibilité distributionnelle.
8.3 Optimisation du ratio tige/feuille selon la taille d’échantillon
La décision formelle de dédoubler, subdiviser ou comprimer l’armature axiale des tiges ne doit pas résulter d’une simple appréciation esthétique subjective, mais s’adosser à des critères quantitatifs reconnus en statistique exploratoire. L’analyste peut s’appuyer sur des analogies rigoureuses tirées des règles de calcul du nombre optimal de classes dans les distributions de fréquences, notamment la formule de Sturges ou l’équation de Doane.
Selon l’heuristique de Sturges, pour un échantillon de taille N, le nombre théorique optimal de classes (et par extension de tiges actives) k est approximativement donné par la fonction logarithmique :
k = 1 + log2(N) ≈ 1 + 3,322 × log10(N).
Ainsi, pour un échantillon typique de 30 observations, le nombre souhaitable de tiges oscille autour de 6 à 8. Si la décomposition naturelle du jeu de données brut ne génère que 2 ou 3 tiges, le recours au dédoublement binaire ou à la division en cinq lignes devient mathématiquement impératif pour éviter le phénomène délétère de sur-lissage (qui dissoudrait les asymétries et la bimodalité).
À l’inverse, si la décomposition primaire produit plus de vingt tiges pour un échantillon de taille modeste, l’analyste fait face à un phénomène d’éparpillement excessif, où le bruit échantillonnal prend le pas sur le signal distributionnel. La règle directrice consiste à ajuster le découpage de telle sorte que le diagramme tienne idéalement sur une seule page ou un seul champ de vision, tout en assurant que la tige modale comporte suffisamment de feuilles pour former une crête perceptivement indiscutable.
9. Interprétation statistique : Forme, tendance centrale et valeurs extrêmes
9.1 Évaluation de la symétrie et de l’asymétrie de la distribution
L’exploitation analytique approfondie d’un diagramme tige et feuilles débute invariablement par un exercice de perception spatiale simple mais remarquablement fécond : la rotation mentale à 90 degrés dans le sens antihoraire (vers la gauche). En opérant cette bascule mentale, l’axe vertical des tiges se meut instantanément en un axe horizontal classique d’abscisses orienté de gauche à droite, tandis que les lignes horizontales de feuilles se transforment en colonnes verticales de fréquences érigées vers le haut. La silhouette globale délimitée par l’extrémité des feuilles dessine alors fidèlement la courbe de la fonction de densité empirique de probabilité.
Cette perspective permet d’évaluer immédiatement la morphologie de la distribution :
- La symétrie distributionnelle se manifeste lorsque les feuilles forment un dôme harmonieux centré sur les tiges médianes, avec des fréquences décroissant de façon équilibrée et régulière vers les tiges supérieures et inférieures ;
- L’asymétrie positive (ou asymétrie droite) se caractérise, dans la présentation verticale originale du diagramme, par une concentration massive des observations le long des tiges supérieures du graphique (les valeurs basses), suivie d’un étalement résiduel prolongé descendant vers le bas du diagramme le long des tiges de forte valeur ;
- L’asymétrie négative (ou asymétrie gauche) se traduit symétriquement par une longue traîne de feuilles éparpillées sur les premières tiges en haut de la page, aboutissant à un amas massif et compact de feuilles sur les tiges situées à la base du tracé.
Cette lecture morphologique permet également de poser un diagnostic préliminaire de normalité empirique (détectant la conformité visuelle avec une loi de Gauss) ou de déceler l’existence d’une plurimodalité significative, révélatrice de sous-populations hétérogènes amalgamées au sein du même échantillon d’étude.
9.2 Localisation visuelle directe des paramètres de position
L’un des attributs les plus puissants du diagramme tige et feuilles réside dans sa capacité à autoriser la dérivation exacte et instantanée de l’ensemble des statistiques d’ordre sans qu’il soit nécessaire de manipuler le fichier de données brut initial. Dans la mesure où chaque observation est triée, chaque feuille correspond rigoureusement à un rang statistique unique au sein de la série ordonnée de taille N.
La médiane s’obtient ainsi par un simple comptage de position séquentiel. Pour un échantillon de taille impaire, l’observation médiane correspond rigoureusement à la feuille située au rang exact (N + 1) / 2. Pour un effectif pair, la médiane se calcule instantanément en faisant la moyenne arithmétique des deux feuilles occupant respectivement les rangs N / 2 et (N / 2) + 1. Le chercheur égrène simplement les feuilles du regard depuis le sommet gauche du graphique pour isoler le point central en quelques secondes.
La même démarche algorithmique directe s’applique à la détermination des quartiles inférieur (Q1, à 25 % de l’effectif) et supérieur (Q3, à 75 % de l’effectif), ainsi qu’aux charnières de Tukey (hinges). En identifiant visuellement ces balises, l’analyste déduit instantanément l’écart interquartile (IQR = Q3 − Q1), qui mesure la dispersion robuste de l’échantillon, affranchie de toute influence exercée par les observations extrêmes. La compacité de la distribution s’évalue ainsi par la distance verticale séparant les tiges hébergeant les premier et troisième quartiles, conférant au diagramme une valeur de calcul direct supérieure à celle de l’histogramme.
9.3 Détection et traitement qualitatif des valeurs aberrantes (outliers)
L’identification robuste des valeurs aberrantes ou atypiques (couramment désignées sous l’anglicisme d’outliers) constitue un volet majeur du diagnostic distributionnel dans lequel le diagramme tige et feuilles excelle particulièrement. Dans une représentation classique, une observation aberrante se signale visuellement par un isolement spatial flagrant : une feuille unique ou un groupe marginal de deux ou trois feuilles se trouvant séparé de la masse principale du diagramme par une série ininterrompue de tiges intermédiaires totalement vierges.
Cette vacuité centrale matérialise graphiquement le franchissement des clôtures statistiques définies par Tukey. Pour rappel, une valeur est formellement suspectée d’atypicité si elle se situe au-delà des clôtures internes de dispersion, fixées à :
Clôture inférieure = Q1 − (1,5 × IQR)
Clôture supérieure = Q3 + (1,5 × IQR).
Dans le diagramme tige et feuilles, le statisticien n’a pas besoin d’exécuter formellement cette formule mathématique pour suspecter une valeur pathologique : le « gouffre » de tiges vides matérialise immédiatement la discontinuité probabiliste.
L’inspection du diagramme autorise alors une analyse qualitative de ces anomalies. Le chercheur peut immédiatement juger si l’observation extrême découle d’une erreur de saisie typographique flagrante (par exemple un score de 220 encodé sur la tige 22 au milieu d’observations plafonnant à la tige 4) ou si elle représente une manifestation authentique d’une variabilité biologique ou comportementale extrême méritant une investigation clinique approfondie. La préservation de la valeur exacte sur la feuille permet de tracer instantanément l’identifiant du sujet dans la base matricielle sans la moindre ambiguïté.
10. Comparaison méthodologique : Diagramme tige et feuilles, histogramme et boîte à moustaches
10.1 Confrontation directe avec l’histogramme
La confrontation méthodologique entre le diagramme tige et feuilles et l’histogramme conventionnel de Pearson révèle des divergences fondamentales touchant à l’intégrité de l’information statistique. L’avantage absolu et indépassable du diagramme réside dans le maintien indéfectible du contact avec la donnée unitaire : alors que l’histogramme regroupe les effectifs dans des barres pleines opaques qui effacent les singularités internes de chaque classe, le diagramme tige et feuilles affiche l’architecture atomique même de chaque mesure empirique.
Sur le plan de l’efficacité géométrique, les deux outils partagent la même propriété : la longueur des rangées du diagramme est mathématiquement proportionnelle aux aires des barres de l’histogramme, fournissant une approximation équivalente de la fonction de densité de probabilité. Cependant, l’histogramme surclasse le diagramme dès que la volumétrie de l’échantillon devient massive. Au-delà d’un effectif critique d’environ deux cents à trois cents observations (N > 300), le diagramme tige et feuilles subit une saturation textuelle aiguë : l’amoncellement de centaines de chiffres sur les lignes provoque une pollution visuelle intense qui anéantit la lisibilité globale du graphique.
Dans ces conditions de volumétrie élevée ou de mégadonnées (big data), l’histogramme redevient souverain grâce à sa capacité d’abstraction géométrique vectorielle. Le diagramme tige et feuilles s’affirme donc prioritairement comme l’instrument par excellence des échantillons de taille petite à modérée (typiquement compris entre 15 et 200 sujets), configuration qui correspond précisément au cadre standard de la grande majorité des recherches biomédicales expérimentales et des protocoles de psychologie cognitive contemporains.
10.2 Complémentarité avec le diagramme en boîte (Boxplot)
Le diagramme tige et feuilles entretient une relation de complémentarité symbiotique particulièrement féconde avec une autre innovation majeure de John Tukey : le diagramme en boîte (ou boîte à moustaches, box-and-whisker plot). Le boxplot constitue un instrument de condensation supérieur pour résumer les paramètres d’ordre fondamentaux, formalisés sous l’appellation canonique du résumé à cinq nombres (minimum, premier quartile, médiane, troisième quartile et maximum) et pour objectiver la présence d’outliers selon des clôtures probabilistes strictes.
Toutefois, le diagramme en boîte souffre d’une cécité morphologique critique que le diagramme tige et feuilles permet de corriger immédiatement : le boxplot est incapable de révéler la multimodalité ou les discontinuités au sein de la boîte centrale. Une distribution parfaitement bimodale (composée de deux groupes distincts accumulés aux extrémités et d’un vide total au centre) peut produire une boîte à moustaches rigoureusement identique à celle générée par une distribution uniforme ou gaussienne unimodale, la médiane se positionnant au centre de la zone vide.
En associant l’inspection conjointe du diagramme tige et feuilles et du diagramme en boîte dans les protocoles d’exploration rigoureuse des données (EDA), le chercheur s’assure une sécurité diagnostique absolue. Le premier révèle sans faille les creux, les agrégats discrets, les micro-structures et la finesse du signal numérique, tandis que le second offre une synthèse synthétique standardisée idéale pour les comparaisons multivariées simultanées impliquant un grand nombre de strates ou de facteurs expérimentaux.
10.3 Matrice décisionnelle pour le choix de l’outil graphique
Afin de guider le choix méthodologique du statisticien dans la pratique analytique quotidienne, il est opportun de formaliser une matrice décisionnelle discriminante articulée autour de trois critères directeurs : le volume de l’échantillon, la finalité communicationnelle et la nature de la variable observée.
Le diagramme tige et feuilles est à privilégier prioritairement dans les circonstances suivantes :
- Lorsque l’échantillon comporte un effectif compris rigoureusement entre 10 et 200 observations ;
- Lorsque la variable est quantitative (continue ou discrète) et mesurée sur une échelle de ratio ou d’intervalle ;
- Durant les phases préliminaires de nettoyage des données (dépistage d’erreurs de saisie et de points atypiques) ;
- Dans les contextes pédagogiques ou cliniques où la démonstration doit demeurer transparente et vérifiable par des tiers non rompus aux abstractions paramétriques.
L’histogramme s’imposera dès lors que l’effectif dépasse quelques centaines d’observations ou que l’on cherche à ajuster visuellement une loi de probabilité théorique continue (loi normale, loi exponentielle). Enfin, la boîte à moustaches sera réservée préférentiellement aux comparaisons inter-groupes complexes impliquant plus de trois sous-populations synchrones ou aux rapports de synthèse nécessitant un encombrement typographique minimal.
11. Applications spécifiques en sciences psychologiques et comportementales
11.1 Analyse de chronométrie mentale et temps de réaction
Les sciences psychologiques et les neurosciences comportementales constituent des domaines d’application privilégiés au sein desquels le diagramme tige et feuilles déploie toute sa pertinence empirique. Dans les paradigmes classiques de chronométrie cognitive — tels que les tâches de Stroop, les épreuves de détection de signaux de Sternberg ou les tâches d’indiçage spatial de Posner — la distribution des temps de réaction (TR) n’est presque jamais normale : elle présente une asymétrie droite universellement documentée que l’on modélise couramment par des lois ex-gaussiennes ou de Weibull.
Le recours au diagramme tige et feuilles permet au neuroscientifique de cartographier instantanément cette cinétique motrice fine. D’un seul regard, l’analyste repère la coupure inférieure abrupte correspondant au temps de latence physiologique plancher incompressible (environ 150 à 200 millisecondes, lié aux délais synaptiques et de conduction nerveuse). La présence de feuilles isolées en dessous de ce seuil signale sans ambiguïté des réponses anticipatoires prématurées (sujets ayant déclenché la réponse motrice avant l’intégration perceptive du signal), qui doivent être expurgées de la base d’analyse.
De même, l’examen de l’étalement des feuilles vers les tiges inférieures révèle le niveau de vigilance soutenue du sujet. Un participant présentant une accumulation de feuilles éparpillées sur les tiges de valeurs temporelles élevées manifeste des fluctuations attentionnelles transitoires (attentional lapses). Le diagramme permet de comparer visuellement ces signatures attentionnelles individuelles sous différentes conditions de charge cognitive, offrant une granularité descriptive bien plus instructive que de simples moyennes polluées par des valeurs extrêmes.
11.2 Validation d’échelles et étalonnage psychométrique
Dans les démarches de développement, d’adaptation transculturelle et d’étalonnage standardisé d’outils de mesure psychométrique (questionnaires de personnalité du Big Five, échelles d’anxiété de Beck, inventaires de dépression ou tests d’intelligence de Wechsler), le diagramme tige et feuilles intervient comme un outil d’inspection incontournable des propriétés distributionnelles des items agrégés.
La détection des effets de plancher (floor effect) et de plafond (ceiling effect) y est particulièrement limpide. Un effet de plancher massif se traduit visuellement par un agglutinement spectaculaire de la quasi-totalité des feuilles sur la toute première tige du diagramme, révélant que l’instrument clinique sous examen s’avère incapable de discriminer les degrés de sévérité chez les individus présentant une symptomatologie modeste. Réciproquement, un écrasement des données contre la tige maximale signe un test dont la saturation empêche de hiérarchiser les compétences des sujets les plus performants.
De surcroît, lors des phases de standardisation de tests normatifs où les scores bruts doivent être transformés en rangs percentiles ou en notes étalonnées (telles que les notes T ou les stanines), le diagramme fournit un support d’audit immédiat. L’analyste s’assure visuellement de la densité continue de l’étalonnage et vérifie l’absence de micro-vides artificiels (gaps) entre deux scores successifs qui trahiraient une mauvaise calibration métrologique de la pondération des items constitutifs de l’échelle.
11.3 Suivi longitudinal et études de cas uniques en clinique
L’un des défis méthodologiques les plus ardus en neuropsychologie clinique, en psychiatrie et en éducation spécialisée réside dans l’analyse des plans expérimentaux à sujet unique (dits protocoles en N = 1, ou single-case experimental designs). Dans ces designs hautement individualisés où un patient unique est suivi de manière longitudinale à travers des phases successives (par exemple une phase de ligne de base A, suivie d’une phase d’intervention B), le recours aux tests statistiques inférentiels paramétriques traditionnels est souvent prohibé en raison de l’autocorrélation sérielle et de la petite taille des échantillons de mesures.
Dans ce contexte précis, le diagramme tige et feuilles s’impose comme un outil graphique et analytique d’une souveraineté absolue. En traçant des diagrammes tige et feuilles distincts — ou idéalement un diagramme bilatéral dos-à-dos — pour consigner les fréquences quotidiennes d’un comportement cible (par exemple la survenue de crises d’angoisse ou d’épisodes de stéréotypie motrice) relevées en phase de base versus en phase thérapeutique, le praticien dispose d’un enregistrement complet et non déformé de l’évolution du patient.
La comparaison permet de valider le changement de niveau de base ainsi que la réduction de la variabilité comportementale au fil des jours. L’absence totale d’artifice mathématique complexe rend ce support graphique immédiatement partageable avec le patient, son entourage familial ou l’équipe soignante multidisciplinaire, facilitant l’adhésion thérapeutique et objectivant l’efficacité clinique sans jamais aliéner la réalité concrète des observations quotidiennes.
12. Limites opérationnelles, erreurs courantes et implémentation logicielle
12.1 Pièges fréquents lors de l’élaboration manuelle
En dépit de son apparente simplicité opératoire, la construction manuelle d’un diagramme tige et feuilles est jalonnée de chausse-trapes méthodologiques susceptibles de vicier totalement la validité de la représentation. L’erreur la plus pernicieuse et la plus fréquemment répertoriée dans la pratique consiste dans l’omission délibérée des tiges vides. Confronté à un échantillon présentant un saut métrique important — par exemple des valeurs s’étirant de 10 à 25, puis aucune valeur jusqu’à 65 —, le praticien inattentif est tenté de faire succéder immédiatement la tige 2 et la tige 6 sur l’axe vertical, éludant les tiges 3, 4 et 5 au prétexte qu’elles ne portent aucune feuille.
Cette omission détruit instantanément l’échelle d’intervalle continue du graphique : la distance visuelle séparant le score de 25 de celui de 65 devient visuellement identique à celle séparant le score de 10 de celui de 20, occultant radicalement la béance métrique réelle. L’observateur est alors victime d’une illusion cognitive majeure, incapable de percevoir le gouffre qui singularise la structure distributionnelle de l’échantillon.
Le second écueil récurrent réside dans le non-respect de l’espacement horizontal uniforme des chiffres de feuilles. L’insertion de séparateurs textuels parasites (tels que des virgules ou des tirets) ou la variation aléatoire de la largeur des caractères due à l’emploi d’une police proportionnelle non monospacée engendre des distorsions d’illusion d’optique où une ligne regroupant quatre chiffres larges paraît plus étalée qu’une ligne hébergeant cinq chiffres étroits. Enfin, l’oubli du tri croissant interne des feuilles le long de chaque tige compromet l’extraction séquentielle des rangs et de la médiane, transformant un outil de calcul direct en une simple liste désordonnée.
12.2 Limites intrinsèques liées à la volumétrie des données
Au-delà des erreurs humaines de construction, le diagramme tige et feuilles se heurte à des limites structurelles intrinsèques directement conditionnées par la nature et le volume des corpus traités. La première limite concerne l’effet d’échelle : l’outil devient structurellement illisible lorsque l’effectif N dépasse plusieurs centaines d’unités. Une tige hébergeant à elle seule cent cinquante chiffres forme une ligne kilométrique qui dépasse les capacités d’affichage standard d’une page imprimée ou d’un écran d’ordinateur, exigeant des retours à la ligne arbitraires qui détruisent la fidélité de l’histogramme implicite.
La seconde limite majeure tient au niveau de mesure des variables. Le diagramme tige et feuilles est exclusivement applicable aux variables quantitatives numériques continues ou discrètes dont la métrique autorise une décomposition positionnelle en base décimale. Il est totalement inopérant face à des variables qualitatives nominales (telles que le statut marital, la nationalité ou le groupe sanguin) et s’avère dépourvu de pertinence statistique face à des variables ordinales pures comportant un nombre très restreint d’échelons ordonnés (par exemple des échelles de Likert en 3 ou 5 points), où une simple table de fréquences cumulées surpasse largement le diagramme.
Enfin, l’outil perd une grande part de son attrait lorsque les données s’éparpillent simultanément sur un très grand nombre d’ordres de grandeur sans densité locale (par exemple un échantillon hétéroclite associant des valeurs valant 0,05, 12,4, 340 et 8 900). Dans ces cas extrêmes de variabilité multi-échelles, seule une transformation logarithmique préalable ou le recours à un tracé en boîte permet de rétablir une intelligibilité comparative globale.
12.3 Implémentation automatisée dans les logiciels statistiques majeurs
Face aux limites du tracé manuel, la majorité des environnements computationnels et logiciels statistiques majeurs contemporains intègrent des modules automatisés hautement optimisés pour la production rigoureuse de diagrammes tige et feuilles, exécutant les partitionnements optimaux et les compressions scalaires en une fraction de seconde.
Sous l’environnement statistique de programmation scientifique open-source R, la génération d’un diagramme tige et feuilles s’effectue via la fonction native canonique :
stem(x, scale = 1, width = 80)
L’argument scale permet de contrôler l’expansion ou la compression axiale des tiges : en fixant scale = 2, l’utilisateur ordonne à R de dédoubler automatiquement les tiges pour déplier une distribution trop dense, tandis qu’une valeur inférieure à 1 comprime l’axe. L’argument width régule la largeur maximale de la ligne de feuilles avant troncature textuelle sous la console de commande.
Dans l’environnement commercial standard IBM SPSS Statistics, le diagramme tige et feuilles est généré de façon native au sein de la procédure d’exploration descriptive univariée via le menu Analyse > Statistiques descriptives > Explorer, ou via la commande de syntaxe EXAMINE VARIABLES = x /PLOT STEMLEAF. Le moteur de calcul de SPSS produit alors une sortie standardisée remarquable : à gauche des tiges, le logiciel insère une colonne d’effectifs partiels dénommée Frequency, suivie de l’axe vertical des tiges (Stem), puis des feuilles (Leaf). SPSS intègre de surcroît un traitement automatisé sophistiqué des valeurs aberrantes : les observations situées au-delà des clôtures de Tukey sont extraites du corps principal du diagramme et répertoriées dans des lignes spéciales dédiées étiquetées Extremes, situées au sommet et à la base de la distribution.
Enfin, sous l’écosystème Python orienté vers la science des données, bien que la bibliothèque de base Matplotlib ne dispose pas d’une commande native élémentaire dédiée aux tiges et feuilles, des modules spécialisés de haut niveau — tels que le paquetage stemgraphic — permettent de générer des diagrammes vectoriels haute résolution de qualité éditoriale. Ces outils contemporains combinent la rigueur conceptuelle de John Tukey avec les avancées de la sémiologie graphique moderne, proposant des cartes thermiques de densité colorimétrique superposées directement sur les chiffres des feuilles, réaffirmant ainsi la pérennité et la vitalité méthodologique exceptionnelle de cet outil dans le paysage quantitatif du vingt-et-unième siècle.
Références
- Doane, D. P. (1976). Aesthetic frequency classifications. The American Statistician, 30(4), 181–183. https://doi.org/10.1080/00031305.1976.10479172
- Emerson, J. D., & Hoaglin, D. C. (1983). Stem-and-leaf displays. In D. C. Hoaglin, F. Mosteller, & J. W. Tukey (Eds.), Understanding Robust and Exploratory Data Analysis (pp. 7–32). John Wiley & Sons.
- Freedman, D., & Diaconis, P. (1981). On the histogram as a density estimator: L2 theory. Zeitschrift für Wahrscheinlichkeitstheorie und verwandte Gebiete, 57(4), 453–476. https://doi.org/10.1007/BF01025868
- Friendly, M. (2008). The golden age of statistical graphics. Statistical Science, 23(4), 502–535. https://doi.org/10.1214/08-STS268
- Huber, P. J. (1981). Robust Statistics. John Wiley & Sons. https://doi.org/10.1002/0471725250
- Kazdin, A. E. (2011). Single-Case Research Designs: Methods for Clinical and Applied Settings (2nd ed.). Oxford University Press.
- Luce, R. D. (1986). Response Times: Their Role in Inferring Elementary Mental Organization. Oxford University Press.
- McGill, R., Tukey, J. W., & Larsen, W. A. (1978). Variations of box plots. The American Statistician, 32(1), 12–16. https://doi.org/10.1080/00031305.1978.10479236
- Scott, D. W. (1979). On optimal and data-based histograms. Biometrika, 66(3), 605–610. https://doi.org/10.1093/biomet/66.3.605
- Sturges, H. A. (1926). The choice of a class interval. Journal of the American Statistical Association, 21(153), 65–66. https://doi.org/10.1080/01621459.1926.10502161
- Tufte, E. R. (2001). The Visual Display of Quantitative Information (2nd ed.). Graphics Press.
- Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesley.
- Velleman, P. F., & Hoaglin, D. C. (1981). Applications, Basics, and Computing of Exploratory Data Analysis. Duxbury Press.
- Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag. https://doi.org/10.1007/978-3-319-24277-4
- Wilkinson, L. (2005). The Grammar of Graphics (2nd ed.). Springer. https://doi.org/10.1007/0-387-28695-0