Effets de séquence : définition et exemple

L’investigation scientifique en sciences cognitives, en psychologie expérimentale et dans le domaine biomédical repose fondamentalement sur la capacité du chercheur à isoler les relations de cause à effet au sein de dispositifs méthodologiques rigoureux. Lorsque l’expérimentateur choisit de soumettre un même participant à plusieurs conditions expérimentales successives — une approche privilégiée dans les plans à mesures répétées —, il s’expose à une classe singulière de perturbations méthodologiques. Parmi ces perturbations, les effets de séquence constituent sans doute l’une des menaces les plus insidieuses pesant sur la validité interne des conclusions empiriques, altérant la pureté de la variable dépendante par le simple fait que les traitements ne sont pas reçus dans le vide, mais au sein d’une trajectoire temporelle continue.

Trop souvent amalgamé avec les effets d’ordre génériques tels que l’épuisement cognitif ou l’apprentissage procédural, l’effet de séquence — fréquemment désigné sous le vocable de report différentiel (ou carryover effect) — implique une dépendance stochastique et psychologique bien plus complexe. Il ne s’agit pas simplement de savoir si une tâche est exécutée en première ou en seconde position dans un protocole, mais de déterminer en quoi la nature substantielle, cognitive ou physiologique de la condition A modifie irrémédiablement la réactivité du système à la condition B qui lui succède immédiatement. Cette contamination résiduelle, par son asymétrie fondamentale, fausse les comparaisons intrasujets et produit des artefacts statistiques qui peuvent à la fois créer des effets illusoires ou dissimuler des phénomènes réels d’une portée théorique majeure.

Le présent article propose une déconstruction épistémologique, théorique, empirique et statistique exhaustive des effets de séquence. À travers l’examen de leurs fondements conceptuels, de leurs illustrations paradigmatiques dans l’évaluation psychologique, la psychophysique sensorielle et le jugement affectif, ainsi que l’analyse des approches correctives contemporaines (du contrebalancement en carré latin équilibré aux modèles linéaires mixtes), cette étude vise à fournir aux chercheurs, statisticiens et étudiants avancés les clés indispensables pour diagnostiquer, prévenir et modéliser ces biais inhérents à l’expérimentation séquentielle.

1. Introduction épistémologique et définition fondamentale des effets de séquence

1.1 Définition opératoire de l’effet de séquence

D’un point de vue opératoire, un effet de séquence émerge lorsqu’au sein d’un plan d’expérience intra-sujet, la réponse d’une unité expérimentale à un traitement donné varie non seulement en fonction des propriétés intrinsèques de ce traitement, mais également en fonction de l’identité qualitative spécifique des traitements administrés antérieurement. Dans le formalisme statistique de l’expérimentation, cela correspond à une situation d’interaction non linéaire entre le contenu du traitement à l’instant t et la nature du traitement reçu à l’instant t-1 (ou aux pas temporels antérieurs). Contrairement à l’effet direct d’une variable indépendante, qui postule une relation univoque entre une manipulation expérimentale et une modification comportementale, l’effet de séquence agit comme une variable modératrice cachée qui transforme le contexte cognitif ou physiologique au sein duquel s’exprime la mesure.

Sur le plan métrologique, l’effet de séquence détruit l’hypothèse d’indépendance stochastique des observations successives recueillies chez un même individu. Lorsqu’un chercheur enregistre une séquence de réponses $Y_1, Y_2, dots, Y_k$, la théorie classique de la mesure suppose généralement que le terme d’erreur résiduelle associé à chaque mesure est indépendant des résidus précédents. Or, en présence d’un effet de report différentiel, l’état interne du participant à l’essai $k$ conserve une empreinte biologique, perceptive ou mnésique directement imputable au traitement $k-1$. Dès lors, la covariance entre les mesures successives cesse d’être homogène, violant les postulats de sphéricité indispensables aux analyses paramétriques standards et introduisant une distorsion systématique qui ne peut être résolue par une simple augmentation de la taille de l’échantillon.

1.2 Origines historiques et conceptualisation en méthodologie expérimentale

La prise de conscience de cette vulnérabilité méthodologique remonte aux prémices mêmes de la psychologie scientifique au XIXe siècle, singulièrement dans les travaux de psychophysique inaugurés par Gustav Fechner et Ernst Heinrich Weber. Dans leurs protocoles d’estimation de seuils différentiels, ces pionniers ont rapidement constaté que le jugement perceptif d’une intensité lumineuse ou d’une charge mécanique dépendait dramatiquement de la valeur du stimulus de comparaison présenté immédiatement avant. Cette « erreur de constante » ou « erreur sérielle », documentée ultérieurement par Edward Titchener, témoignait déjà de la persistance d’une trace physiologique altérant la sensibilité réceptrice des organes sensoriels.

Au début du XXe siècle, avec l’avènement de l’agronomie statistique et les contributions fondatrices de Ronald A. Fisher à la station expérimentale de Rothamsted, la formalisation des plans expérimentaux a franchi une étape décisive. Fisher a démontré que l’agencement spatial des parcelles agricoles pouvait induire des biais analogues aux agencements temporels chez l’humain, conceptualisant la nécessité d’une randomisation stricte et de structures géométriques de contrôle telles que les carrés latins. Toutefois, c’est véritablement dans la seconde moitié du XXe siècle, sous l’impulsion de méthodologistes comme Donald T. Campbell et Julian Stanley dans leur taxonomie des menaces pesant sur la validité interne, puis de statisticiens comme E. J. Williams, que les effets de séquence ont été formellement distingués des simples effets d’apprentissage pour être intégrés dans des modèles d’estimation de reports résiduels asymétriques.

1.3 Importance paradigmatique dans la recherche empirique

L’importance épistémologique des effets de séquence dépasse largement la simple querelle technique d’économétrie ou de biostatistique : elle touche au cœur de l’inférence causale. Dans les disciplines du comportement — qu’il s’agisse des neurosciences cognitives, de la psychologie clinique ou de l’ergonomie des interfaces —, l’ambition ultime est d’attribuer une variation d’amplitude d’un potentiel évoqué, d’un temps de réaction ou d’un score psychométrique à une manipulation conceptuelle précise. Si l’effet mesuré n’est qu’un artefact généré par l’ordre d’enchaînement des épreuves, la chaîne déductive s’effondre, générant des fausses pistes théoriques et des conceptualisations erronées des mécanismes mentaux sous-jacents.

Par ailleurs, cette problématique est directement intriquée avec la crise contemporaine de la réplicabilité qui secoue les sciences empiriques. Un grand nombre d’expériences fondatrices publiées dans la littérature académique n’ont pas documenté avec une exhaustivité suffisante l’ordre précis d’administration de leurs stimuli, ni vérifié l’absence de reports différentiels. Par conséquent, lorsqu’une équipe indépendante tente de répliquer un protocole en utilisant un ordre d’administration pseudo-aléatoire différent de l’ordre original (ou en inversant la séquence des conditions), l’effet direct initialement rapporté peut disparaître purement et simplement, voire s’inverser, révélant rétrospectivement que l’effet princeps n’était rien d’autre qu’un effet de séquence non diagnostiqué.

2. Distinction conceptuelle : Effets de séquence versus Effets d’ordre

2.1 Nature et manifestation des effets d’ordre simples

Pour appréhender rigoureusement les effets de séquence, il est impératif d’établir une ligne de démarcation conceptuelle nette avec les effets d’ordre simples (souvent nommés effets de rang ou effets de position temporelle). Un effet d’ordre générique désigne l’impact direct du passage du temps ou de l’accumulation d’essais sur la performance d’un individu, abstraction faite de la nature substantielle des conditions expérimentales administrées au cours de ces essais. L’effet d’ordre est une fonction exclusive de la position ordinale de l’essai (premier, deuxième, troisième, etc.) dans l’architecture chronologique de l’expérience.

Les manifestations canoniques de l’effet d’ordre relèvent de processus biologiques et psychologiques universels. D’une part, on observe fréquemment un effet de pratique (ou d’apprentissage procédural), caractérisé par une amélioration monotone des temps de réponse ou une réduction graduelle du taux d’erreurs à mesure que le participant se familiarise avec le dispositif expérimental, affine sa coordination motrice et intériorise les consignes. D’autre part, on constate à l’inverse un effet de fatigue cognitive ou de démotivation, où l’attention soutenue s’érode au fil des minutes, augmentant la variabilité résiduelle et ralentissant les traitements sensoriels. Dans ces deux cas, la nature spécifique de la tâche A ou B n’est pas en cause : que l’on place A puis B ou B puis A, la seconde tâche subit une altération due à sa simple position en rang 2.

2.2 Spécificité des effets de séquence ou de report différentiel

À l’opposé de cette neutralité qualitative, l’effet de séquence (ou report différentiel) se caractérise par une dépendance de contenu absolue. Ce n’est plus le rang temporel qui est la cause de l’altération de la mesure, mais la nature substantielle du traitement antérieur direct. L’effet de séquence se traduit formellement par une asymétrie fondamentale de report, que l’on peut formaliser de la manière suivante :

Soit $R(A mid B)$ la réponse au traitement $A$ lorsqu’il a été précédé par le traitement $B$, et $R(A mid emptyset)$ la réponse au même traitement $A$ administré isolément ou en première position. L’effet de report de $B$ sur $A$ est défini par :

$$\Delta_{B to A} = R(A mid B) – R(A mid \emptyset)$$

L’effet de séquence se manifeste lorsque le report de $B$ sur $A$ est quantitativement ou qualitativement différent du report de $A$ sur $B$, c’est-à-dire :

$$\Delta_{B to A} \neq \Delta_{A to B}$$

Cette asymétrie indique la présence d’une rémanence psychologique, biochimique ou cognitive non symétrique. Si, par exemple, la condition A consiste en une tâche hautement stressante induisant une décharge massive de cortisol et d’adrénaline, cette tempête neuroendocrinienne continuera d’inonder le système nerveux central lors du passage à la condition B (une tâche neutre), sabotant ainsi les performances de cette dernière. Inversement, si la condition neutre B est administrée en premier lieu, elle ne génère aucune élévation de l’arousal physiologique susceptible d’altérer la réponse ultérieure à la tâche stressante A. La séquence $A to B$ produit ainsi un état fonctionnel fondamentalement hétérogène à celui induit par la séquence $B to A$.

2.3 Critères différentiels et matrice d’analyse croisée

Sur le plan de l’analyse méthodologique, la distinction repose sur la séparabilité statistique de la position chronologique et de la transition d’état. Les effets d’ordre peuvent être conceptualisés comme des effets principaux du facteur « Rang » dans un modèle d’analyse de variance à mesures répétées, tandis que les effets de séquence s’expriment à travers les termes d’interaction de premier et de second ordre unissant le facteur « Ordre de présentation » et le facteur « Traitement ».

Le tableau analytique suivant synthétise les propriétés différentielles qui permettent au chercheur de diagnostiquer l’origine exacte des dérives temporelles observées dans ses protocoles expérimentaux :

• Origine causale fondamentale : L’effet d’ordre dépend de la position ordinale absolue ($1^{\text{er}}, 2^{\text{e}}, 3^{\text{e}}$ essai) et du temps écoulé depuis le début de la session. L’effet de séquence dépend de la transition spécifique d’une condition $X$ vers une condition $Y$.
• Linéarité et symétrie : L’effet d’ordre est généralement homogène, continu et symétrique à travers les conditions (ex. dégradation linéaire par fatigue). L’effet de séquence est hautement asymétrique, non linéaire et discontinu, conditionné par la nature du stimulus précédent.
• Résolution par contrebalancement simple : Un contrebalancement standard (permuter $A-B$ et $B-A$) compense adéquatement un effet d’ordre linéaire en répartissant également le rang temporel. En revanche, il échoue radicalement à neutraliser un effet de séquence asymétrique, se bornant à contaminer la moyenne globale des traitements.
• Impact sur les résidus du modèle : L’effet d’ordre se résorbe dans l’ajustement d’une tendance intra-individuelle (effet de bloc). L’effet de séquence génère une variance d’interaction résiduelle inexpliquée au niveau intra-sujet, faussant le carré moyen de l’erreur ($MS_{\text{error}}$).

3. Typologie analytique : Les mécanismes sous-jacents des effets de séquence

3.1 Effets de contraste et d’assimilation perceptifs

L’un des moteurs psychologiques les plus prégnants des effets de séquence réside dans les mécanismes de jugement perceptif relatifs, conceptualisés de façon magistrale par Harry Helson dans sa théorie du niveau d’adaptation (Adaptation-Level Theory). Selon ce paradigme, l’organisme ne réagit jamais à un stimulus physique de manière brute ou absolue ; il l’évalue constamment par rapport à un point d’ancrage interne dynamique, constitué par la moyenne pondérée des stimulations auxquelles il a été exposé dans son histoire immédiate. L’introduction d’un stimulus préalable déplace ce niveau d’adaptation central, faussant instantanément l’appréciation du stimulus subséquent.

L’effet de contraste apparaît lorsque la disparité d’intensité entre deux stimuli successifs conduit le sujet à exagérer psychologiquement leur différence objective. L’exposition préalable à un stimulus d’une intensité extrême (par exemple, un son d’une intensité de 90 décibels ou une eau à 42 °C) déplace le curseur du niveau d’adaptation vers le haut ; dès lors, un stimulus consécutif d’intensité modérée (un son de 50 décibels ou une eau à 25 °C) sera perçu comme dramatiquement plus faible ou plus froid qu’il ne l’aurait été s’il avait été présenté après un stimulus neutre. À l’inverse, l’effet d’assimilation se produit lorsque le stimulus cible est ambigu : le système perceptif réduit artificiellement la différence perçue en « attirant » l’évaluation du second stimulus vers le cadre de référence établi par le premier.

3.2 Transfert d’apprentissage proactif et rétroactif

Dans le registre cognitif et mnésique, les effets de séquence sont majoritairement gouvernés par les dynamiques de transfert d’apprentissage, qu’ils soient de nature facilitatrice ou interférente. L’interférence proactive représente le mécanisme par lequel l’encodage, le stockage ou le rappel d’une nouvelle information est entravé par la présence de traces mnésiques issues d’une tâche antérieure. Si la condition A requiert l’apprentissage d’une liste de syllabes sans sens associées à des formes géométriques selon une règle arbitraire, la condition B, qui exige d’associer ces mêmes formes à des chiffres selon une logique concurrente, subira un taux d’erreur massif en raison de la persistance de la règle antérieure.

Inversement, le transfert peut s’avérer unilatéralement positif via des phénomènes d’amorçage cognitif ou d’échafaudage stratégique. Si la condition A déclenche l’activation implicite d’une heuristique de résolution de problème ou oriente l’attention sélective vers une dimension critique de la tâche (par exemple, la couleur plutôt que la forme d’un objet), le participant transféra immédiatement cette stratégie heuristique lors de la condition B, améliorant artificiellement ses performances d’une manière qui ne reflète pas son habileté brute pour la tâche B. Dans la mesure où la condition B n’offre aucune heuristique réutilisable pour la tâche A, la permutation de l’ordre produit une rupture irrémédiable de la symétrie de la mesure.

3.3 Phénomènes d’habituation, de sensibilisation et de réactivité émotionnelle

Sur le versant psychophysiologique et affectif, les effets de séquence s’articulent autour des lois fondamentales de la réactivité neurovégétative. Le phénomène d’habituation se traduit par une décroissance progressive de la magnitude de la réponse électrodermale, de la fréquence cardiaque ou de la réponse d’orientation à la suite de la présentation répétée d’un stimulus émotionnellement saillant. Si un traitement expérimental aversif (par exemple, l’exposition à des images de traumatismes ou à de légères stimulations électriques) est administré en premier, le système nerveux central déclenche des mécanismes inhibiteurs homéostatiques descendants (top-down) qui émoussent la réponse émotionnelle lors des blocs d’essais subséquents.

À l’opposé, la sensibilisation désigne l’accroissement paradoxal de la réactivité comportementale ou physiologique consécutif à l’administration d’un stimulus nocif ou hautement activateur. Dans ce scénario, la condition initiale induit un état d’hyper-vigilance corticale et d’activation de l’axe hypothalamo-hypophyso-surrénalien. Dès lors, des stimuli ultérieurs réputés neutres ou de faible valence aversive provoqueront une réponse disproportionnée qui n’aurait jamais existé sans cet amorçage biologique préalable. Cet épuisement ou cette suractivation ciblée des ressources neurocognitives crée un biais de séquence persistant, dont la dissipation temporelle peut excéder largement la durée d’une session de laboratoire classique.

4. Exemple approfondi n°1 : L’évaluation subjective de la difficulté d’un test

4.1 Protocole d’expérimentation standardisé

Afin de concrétiser l’impact délétère des effets de séquence dans le domaine de la psychométrie et de la docimologie expérimentale, examinons un protocole rigoureusement contrôlé portant sur le sentiment subjectif d’efficacité personnelle et l’évaluation de la difficulté de tests logico-mathématiques. Soit une recherche dont l’objectif est d’étalonner la charge cognitive perçue pour cinq sous-épreuves indépendantes d’un test de raisonnement inductif, notées de $T_1$ à $T_5$. Chaque épreuve comprend une série de matrices graphiques complexes dont la résolution repose sur l’identification d’algorithmes de permutation spatiale.

Le concepteur du protocole met en place une manipulation contrôlée de la difficulté intrinsèque objective des épreuves, mesurée préalablement par le taux de réussite empirique moyen au sein d’une large cohorte de standardisation :

• L’épreuve $T_{\text{Difficile}}$ présente un taux de réussite de seulement 15 % en temps limité et mobilise une mémoire de travail spatiale à forte charge.
• L’épreuve $T_{\text{Moyen}}$ est calibrée pour un taux de réussite médian de 50 %, représentative du niveau standard de la population cible.
• L’épreuve $T_{\text{Facile}}$ affiche un taux de réussite de 85 %, servant d’ancrage basal.

Chaque participant est invité à compléter deux épreuves successives dans un plan intra-sujet, puis à remplir immédiatement après chaque épreuve une échelle visuelle analogique (EVA) continue graduée de 0 (« Difficulté nulle / Résolution triviale ») à 100 (« Difficulté insurmontable / Échec cognitif total »).

4.2 Mécanisme cognitif d’évaluation relative

Considérons à présent les deux trajectoires séquentielles possibles pour un participant soumis aux conditions $T_{\text{Difficile}}$ et $T_{\text{Moyen}}$ : le groupe Séquence 1 reçoit l’agencement $[T_{\text{Difficile}} to T_{\text{Moyen}}]$, tandis que le groupe Séquence 2 reçoit l’agencement $[T_{\text{Moyen}} to T_{\text{Difficile}}]$. Sur le plan cognitif, l’évaluation de la difficulté subjective ne s’opère pas dans l’absolu : les individus mobilisent un processus d’étalonnage relatif basé sur le sentiment d’aisance cognitive (cognitive fluency) éprouvé lors des étapes précédentes.

Lorsqu’un sujet du groupe 1 affronte initialement $T_{\text{Difficile}}$, il fait l’expérience d’une rupture brutale de fluidité cognitive, d’un sentiment d’impasse logique et d’une incertitude métacognitive intense. Son référentiel d’effort mental se cale instantanément sur cette charge extrême. Lorsqu’il passe consécutivement à l’épreuve $T_{\text{Moyen}}$, les règles logiques requises, bien que modérément complexes, lui apparaissent soudainement limpides et aisément appréhendables par pur contraste métacognitif. Le sentiment d’aisance ressenti sur $T_{\text{Moyen}}$ est décuplé par rapport à sa valeur nominale ; l’individu lui attribue une note moyenne de difficulté de 28/100 sur l’échelle visuelle analogique, couplée à une surestimation massive de sa propre performance.

À l’inverse, pour le participant du groupe 2 exposé d’abord à $T_{\text{Moyen}}$, ce même test est abordé avec un niveau d’adaptation neutre. Le participant évalue l’effort nécessaire de manière objective, lui attribuant une note moyenne de 52/100. Puis, lorsqu’il enchaîne sur $T_{\text{Difficile}}$, la transition accentue brutalement la sensation d’échec par contraste, poussant la note de $T_{\text{Difficile}}$ à 95/100. Le report est manifestement asymétrique : l’exposition préalable à la difficulté extrême a totalement déformé la métrique interne appliquée à l’épreuve médiane, tandis que l’exposition préalable à l’épreuve médiane n’a pas altéré l’évaluation de l’épreuve difficile dans les mêmes proportions.

4.3 Conséquences empiriques et distorsion des données

Si l’expérimentateur regroupe naïvement les données issues des deux séquences pour calculer la note de difficulté moyenne globale de l’épreuve $T_{\text{Moyen}}$ en pensant que le plan intra-sujet a « moyenné les variations individuelles », il commet une erreur méthodologique fatale. La note consolidée de $T_{\text{Moyen}}$ $((28 + 52) / 2 = 40)$ ne représente rien de réel : elle sous-estime la difficulté perçue authentique de l’épreuve en population générale, introduisant un biais systématique dans l’étalonnage de l’outil psychométrique.

De surcroît, cette distorsion contamine la structure de variance intra-groupe. L’interaction significative entre le facteur Séquence et la condition expérimentale révèle que l’hypothèse de commutativité temporelle est violée. L’analyste se retrouve face à des données où la variance d’erreur résiduelle est artificiellement gonflée par l’effet de séquence, réduisant drastiquement la puissance statistique nécessaire pour mettre en évidence de réelles différences fonctionnelles entre d’autres conditions du test, et invalidant toute tentative d’inférence causale directe sur le sentiment d’auto-efficacité des répondants.

5. Exemple approfondi n°2 : La perception psychophysique et l’estimation des poids

5.1 Cadre expérimental des tâches de discrimination pondérale

Le second cas emblématique relève de la psychophysique classique et concerne la proprioception et la discrimination de masses physiques soulevées. Dans un protocole classique dérivé des expériences historiques de Charpentier sur l’illusion de poids, des participants aux yeux bandés sont invités à évaluer manuellement la masse d’objets cylindriques de volume rigoureusement identique, dotés de la même texture de surface en aluminium pour neutraliser les indices tactiles superficiels, mais contenant des charges internes dissimulées de densités divergentes.

Le protocole standardisé implique trois stimuli de référence :

• Une charge lourde $P_{\text{Lourd}} = 800\text{ g}$
• Une charge intermédiaire standard $P_{\text{Standard}} = 400\text{ g}$
• Une charge légère $P_{\text{Léger}} = 100\text{ g}$

Les participants soulèvent chaque objet à une vitesse constante imposée par un métronome, en maintenant le coude à 90 degrés, et doivent estimer la masse sur une échelle numérique continue en grammes ou positionner le stimulus sur une échelle de catégorisation sensorielle à intervalles réguliers. L’intervalle inter-stimuli (ISI) est délibérément maintenu très court (3 secondes) pour reproduire les cadences typiques des protocoles d’évaluation sensorielle rapide.

5.2 Altération neurosensorielle et effet d’illusion de contraste

L’administration séquentielle de ces stimulations physiques déclenche un effet de séquence d’une nature directement neurophysiologique et biomécanique. Lorsqu’un sujet soulève l’objet lourd de 800 grammes, son cortex moteur primaire et son cervelet élaborent une commande motrice prédictive efférente substantielle afin de recruter un nombre élevé d’unités motrices au sein des muscles biceps brachial et brachial antérieur. Concomitamment, les fuseaux neuromusculaires et les organes tendineux de Golgi sont soumis à une tension mécanique aiguë, ajustant la décharge afférente et recalibrant temporairement la sensibilité du système de rétroaction proprioceptive.

Si la condition immédiatement suivante consiste à soulever la masse standard de 400 grammes, le système neuromusculaire n’a pas eu le temps biologique de dissiper cette pré-activation neuromotrice ni de réinitialiser le tonus de base des motoneurones gamma. Le cerveau envoie une commande d’élévation disproportionnée par rapport aux 400 grammes réels. En conséquence, l’objet s’élève avec une vélocité et une accélération inattendues par rapport aux prédictions du modèle interne cérébral. Ce décalage sensorimoteur entre l’afférence sensorielle attendue et l’afférence réelle produit une puissante illusion psychophysique de légèreté : la charge de 400 grammes est estimée subjectivement aux alentours de 250 grammes.

Inversement, lorsque l’objet léger de 100 grammes précède le cylindre standard de 400 grammes, le calibrage moteur préalable s’est ajusté à une force minimale. Lors de la tentative de levée de la charge standard, la commande motrice initiale s’avère insuffisante, nécessitant une correction de feedback en boucle fermée via le faisceau corticospinal pour recruter des unités motrices supplémentaires. Ce délai d’ajustement dynamique engendre une illusion de lourdeur prononcée : les 400 grammes sont évalués subjectivement à plus de 550 grammes. La séquence détermine donc totalement l’intensité sensorielle perçue de stimuli physiques rigoureusement identiques.

5.3 Implications pour l’ergonomie et la recherche sensorielle

Les répercussions de ce report différentiel neurosensoriel sont critiques dans le champ du design industriel, de l’ergonomie des postes de travail et de l’analyse sensorielle appliquée à l’agroalimentaire ou aux biens de consommation. Lorsqu’un panel de dégustateurs ou de testeurs ergonomiques évalue une série de prototypes consécutifs (par exemple, la préhension d’outils électroportatifs, la force requise pour enclencher des commandes d’habitacle automobile ou la viscosité de produits liquides), le jugement de confort ou d’effort physique n’est jamais isolé.

Si les concepteurs présentent systématiquement un produit de haute technicité ou à résistance mécanique élevée avant un produit d’entrée de gamme plus souple, ce dernier bénéficiera indûment d’un bonus d’évaluation de légèreté et de maniabilité attribuable exclusivement à l’effet de contraste séquentiel. Si l’ordre est inversé lors des tests menés par un sous-groupe d’utilisateurs, le produit recevra des évaluations calamiteuses. Sans l’introduction d’intervalles de repos musculaire prolongés et de protocoles stricts neutralisant le report proprioceptif, les décisions d’ingénierie reposent sur des illusions d’optique sensorielles plutôt que sur la performance intrinsèque des produits.

6. Exemple approfondi n°3 : Les jugements affectifs et esthétiques séquentiels

6.1 Expérimentation sur l’attractivité et la valence émotionnelle

Le troisième domaine d’illustration concerne les sciences affectives, la psychologie sociale et le comportement du consommateur, où la subjectivité de la mesure est maximale. Considérons une étude empirique examinant l’évaluation esthétique de visages humains ou l’attribution de valence émotionnelle à des scènes visuelles complexes standardisées issues de l’International Affective Picture System (IAPS). Le dispositif invite les participants à noter, sur une échelle de Likert en 9 points allant de 1 (« Très laid / Émotionnellement très désagréable ») à 9 (« Très attrayant / Hautement plaisant »), une succession de photographies soigneusement sélectionnées.

L’expérimentateur construit une cohorte de stimuli comprenant trois catégories canoniques :

• Des stimuli à valence neutre ($S_{\text{Neutre}}$), représentant des objets inanimés ordinaires ou des visages d’attractivité médiane standardisée.
• Des stimuli à haute valence positive ($S_{\text{Positif}}$), tels que des paysages paradisiaques ou des mannequins professionnels hautement symétriques.
• Des stimuli à haute valence négative ($S_{\text{Négatif}}$), comprenant des scènes chirurgicales ou des expressions faciales d’effroi ou de dégoût.

Chaque individu évalue les photographies présentées successivement à l’écran de manière sérialisée, à raison d’une nouvelle image toutes les 5 secondes.

6.2 Dérive des échelles de mesure subjective

Dans ce paradigme affectif, les effets de séquence déclenchent une dérive dynamique et continue du point d’ancrage subjectif de l’échelle d’évaluation. Lorsqu’un participant est exposé à une grappe de stimuli positifs intenses ($S_{\text{Positif}}$), il se produit une recalibration implicite de l’échelle : le sommet de l’échelle (la valeur 9) se trouve désormais réservé à ces manifestations exceptionnelles d’harmonie esthétique ou de bien-être visuel. En conséquence immédiate, la présentation consécutive d’un visage ou d’une scène intrinsèquement neutre ($S_{\text{Neutre}}$) subit un violent effet de dépréciation : l’image est notée 2 ou 3 sur 9, étant perçue comme fade, terne, voire dérangeante par contraste avec l’extase visuelle précédente.

À l’opposé, si la séquence fait succéder une scène hautement répulsive ou anxiogène ($S_{\text{Négatif}}$) à ce même stimulus neutre ($S_{\text{Neutre}}$), le phénomène inverse se déploie. Le soulagement cognitif et émotionnel induit par la disparition du stimulus aversif, combiné au déplacement de l’ancre vers la négativité extrême, transforme la perception du stimulus neutre : celui-ci est perçu comme réconfortant, harmonieux et plaisant, recevant des notes moyennes de 7 sur 9. La valeur affective attribuée à un même objet physique fluctue donc de plus de 50 % de l’amplitude totale de l’instrument de mesure en fonction exclusive de la nature du tableau qui l’a précédé de quelques secondes.

6.3 Répercussions en psychologie sociale et marketing

Ces manifestations asymétriques possèdent des répercussions concrètes spectaculaires dans les interactions sociales réelles et les processus décisionnels économiques. Dans le cadre de jurys de concours professionnels, d’auditions artistiques sérialisées ou d’entretiens d’embauche menés à la chaîne par des recruteurs, la performance d’un candidat est inexorablement contaminée par le profil du candidat qui l’a immédiatement précédé. Un candidat aux compétences tout à fait conformes aux exigences du poste paraîtra tragiquement médiocre s’il succède à un candidat d’un charisme et d’un brio exceptionnels (effet de contraste négatif) ; il paraîtra en revanche exceptionnellement brillant s’il succède à un postulant cumulant les maladresses (effet de contraste positif).

Dans le domaine du marketing et du commerce électronique, les plateformes exploitent ou subissent en permanence ces dynamiques d’ordonnancement. L’exposition préalable à un catalogue d’articles de luxe aux tarifs exorbitants modifie le niveau d’adaptation budgétaire du consommateur ; lorsqu’il consulte ensuite les articles de la gamme intermédiaire, leurs prix lui apparaissent comparativement très abordables, déclenchant un taux d’achat impulsif largement supérieur à celui observé lorsque les produits intermédiaires sont présentés isolément ou après des offres promotionnelles d’entrée de gamme. Ces effets démontrent que la psychologie du choix et du jugement esthétique n’est jamais un état statique, mais une fonction de trajectoires séquentielles.

7. Les plans intra-sujets (Within-Subject Designs) et la vulnérabilité séquentielle

7.1 Fondements et attrait méthodologique des mesures répétées

Pour saisir pourquoi les chercheurs s’exposent si fréquemment aux effets de séquence en dépit de leur toxicité potentielle, il est indispensable de comprendre la puissance inégalée des plans intra-sujets (within-subject designs), où chaque participant est soumis à l’ensemble des conditions expérimentales. Le premier avantage, colossal sur le plan statistique, réside dans l’élimination totale de la variance interindividuelle résiduelle. Dans un plan inter-sujets (between-subjects), la variabilité biologique, intellectuelle, culturelle et motivationnelle entre les différents groupes de participants constitue une source massive de « bruit » non contrôlé qui vient gonfler le dénominateur des tests d’hypothèse (le terme d’erreur de la statistique F de Fisher ou du t de Student).

Dans un plan intra-sujet, chaque individu servant de son propre témoin, cette variance interindividuelle stable est factorisée et soustraite du terme d’erreur statistique. En conséquence, la sensibilité du protocole pour détecter des variations d’effet subtiles est démultipliée. Par ailleurs, sur le plan logistique et économique, ces dispositifs requièrent un nombre d’individus nettement inférieur pour atteindre une même puissance statistique (souvent fixée conventionnellement à $1 – \beta = 0{,}80$). Pour des protocoles lourds impliquant de l’imagerie par résonance magnétique fonctionnelle (IRMf), de l’électroencéphalographie à haute densité (EEG) ou des populations cliniques rares (patients cérébrolésés, enfants porteurs de mutations génétiques orphelines), le plan à mesures répétées s’impose souvent comme la seule voie méthodologiquement envisageable.

7.2 La menace inhérente de la succession temporelle

Cependant, cet avantage méthodologique se paie au prix d’une vulnérabilité temporelle absolue. Dès l’instant où un individu traverse plusieurs états expérimentaux successifs, l’axiome fondamental selon lequel le sujet retourne à son état basal (« virginité cognitive et physiologique ») entre deux essais successifs est une fiction théorique. Chaque traitement laisse une empreinte résiduelle, qu’elle prenne la forme d’un apprentissage stratégique, d’un amorçage conceptuel, d’une micro-fatigue locale ou d’un déplacement d’ancrage évaluatif.

Cette succession temporelle induit une confusion irrémédiable potentielle entre la variable indépendante manipulée et l’historique expérimental immédiat du sujet. L’observation recueillie lors de la condition 3 n’est plus la mesure de la condition 3 ; elle est la mesure de la condition 3 modulée par l’ombre portée de la condition 1 et de la condition 2. Si les reports d’une condition sur l’autre sont inégaux en intensité et en direction, la structure mathématique du plan se fissure de l’intérieur : le gain initial en puissance statistique est alors intégralement annihilé par la création de biais de covariance non modélisables qui faussent radicalement le calcul des probabilités critiques ($p$-values).

7.3 Arbitrage entre puissance statistique et validité empirique

Le chercheur est ainsi confronté à un arbitrage cornélien entre deux impératifs méthodologiques antinomiques : maximiser la puissance de test par l’économie du plan intra-sujet ou préserver la pureté de la manipulation par l’isolation du plan inter-sujets. Lorsque les variables manipulées sont susceptibles de générer des effets de report durables, irréversibles ou asymétriques — comme l’apprentissage explicite d’une solution à une énigme, l’injection d’un produit pharmacologique à longue demi-vie d’élimination ou l’induction d’une émotion traumatisante —, le recours au plan intra-sujet doit être catégoriquement proscrit.

Dans de nombreuses situations intermédiaires, des protocoles de compromis peuvent être envisagés, tels que les plans mixtes (split-plot designs), combinant des facteurs intra-sujets pour les manipulations à faible rémanence (ex. variations d’éclairage ou de contraste visuel) et des facteurs inter-sujets pour les variables lourdes (ex. stratégies pédagogiques divergentes ou état de privation de sommeil). Cet arbitrage exige une analyse épistémologique préalable scrupuleuse des processus mentaux sollicités avant d’arrêter définitivement le schéma d’expérimentation en laboratoire.

8. Impact des effets de séquence sur la validité interne et externe des recherches

8.1 Compromission de la validité interne et des inférences causales

L’introduction d’effets de séquence non régulés porte un coup fatal à la validité interne, définie comme le degré de certitude avec lequel on peut affirmer qu’une modification observée de la variable dépendante est exclusivement causée par la manipulation de la variable indépendante. Lorsque le report différentiel opère, l’historique séquentiel constitue une variable confondante majeure totalement imbriquée dans le facteur principal.

Les conséquences statistiques directes se déclinent en deux risques symétriques majeurs :

• Le risque d’erreur de type I (faux positif) : L’effet de séquence engendre une divergence statistique significative entre deux conditions alors que leurs effets réels isolés sont parfaitement identiques. C’est typiquement le cas lorsque la condition B paraît supérieure à A simplement parce que A a fonctionné comme un tremplin d’apprentissage asymétrique pour B.
• Le risque d’erreur de type II (faux négatif) : L’effet de report masque ou compense exactement la supériorité intrinsèque d’une condition. Par exemple, si une méthode d’apprentissage novatrice très efficace A est administrée après une méthode traditionnelle B qui a généré un ennui massif et une démobilisation chez les participants, la performance de A sera artificiellement dégradée, conduisant le chercheur à conclure à tort à l’absence de bénéfice pédagogique.

8.2 Altération de la validité écologique et externe

Au-delà de la mécanique interne du laboratoire, les effets de séquence sapent la validité écologique et la généralisabilité des découvertes empiriques vers les contextes du monde réel. Dans la vie quotidienne, les individus sont rarement confrontés à des stimuli organisés en séries rapides, alternées et ultra-denses telles qu’imposées par les logiciels d’expérimentation comme PsychoPy ou E-Prime. Le comportement mesuré en laboratoire dans de telles configurations séquentielles devient un artefact écologique propre au contexte artificiel de passation sérialisée.

Si une étude conclut qu’un dispositif d’affichage d’urgence dans un cockpit d’avion est optimal sur la base d’un protocole intra-sujet où il a toujours été testé après un affichage archaïque très dégradé, cette conclusion est fallacieuse. Dans une situation de vol réelle où le pilote fait face à une alarme sans avoir été préalablement exposé à un système archaïque de référence, le prétendu bénéfice d’ergonomie peut s’avérer totalement nul. Les conclusions scientifiques se retrouvent ainsi confinées de manière descriptive aux ordres précis d’exposition explorés durant l’essai, interdisant toute extrapolation théorique universelle.

8.3 Crise de réplication liée aux protocoles d’ordonnancement divergents

L’une des causes les plus sous-estimées de l’échec de réplication dans les sciences du comportement réside précisément dans la sensibilité des grandeurs d’effet (effect sizes) aux micro-variations de l’agencement temporel des épreuves. Dans les sections méthodologiques des articles académiques historiques, les auteurs mentionnaient traditionnellement de manière laconique que « les conditions ont été présentées dans un ordre aléatoire » ou « contrebalancées », sans fournir le code source du script d’expérimentation ni expliciter le type précis de randomisation employé.

Or, si le protocole princeps a utilisé — sciemment ou par hasard algorithmique — une séquence particulière favorisant un contraste positif, l’ampleur de l’effet rapportée sera substantielle (par exemple un $d$ de Cohen de 0{,}65). Si une équipe de réplicateurs applique une randomisation complète sans contrainte où les séquences s’annulent de manière asymétrique, ou adopte un ordre inverse, la taille d’effet mesurée peut chuter à un $d$ résiduel de 0{,}10, statistiquement non significatif. Ce constat amer met en exergue l’impérieuse nécessité d’une transparence absolue dans la documentation séquentielle pour garantir l’intégrité de l’édifice scientifique.

9. Techniques méthodologiques de prévention : Le contrebalancement complet et partiel

9.1 Principe et mise en œuvre du contrebalancement complet

Pour contrer les dérives de l’ordonnancement, la stratégie de référence enseignée traditionnellement en méthodologie expérimentale est le contrebalancement complet (complete counterbalancing). Le principe fondamental consiste à administrer à l’ensemble de la cohorte toutes les permutations combinatoires possibles des conditions expérimentales, en affectant un nombre strictement identique de participants à chacune de ces trajectoires séquentielles. Si une expérience comporte $k$ conditions distinctes, le nombre total d’ordres possibles est donné par la fonction factorielle :

$$N_{\text{permutations}} = k!$$

Pour un design à 2 conditions ($A$ et $B$), il existe $2! = 2$ ordres : $[A-B]$ et $[B-A]$. Pour 3 conditions ($A, B, C$), il existe $3! = 6$ ordres distincts :

• $A – B – C$
• $A – C – B$
• $B – A – C$
• $B – C – A$
• $C – A – B$
• $C – B – A$

Cette exhaustivité garantit que chaque condition est administrée un nombre égal de fois à chaque rang ordinal ($1^{\text{er}}, 2^{\text{e}}, 3^{\text{e}}$), et que chaque condition précède et suit chacune des autres un nombre équivalent de fois.

Cependant, le contrebalancement complet se heurte à une explosion combinatoire rédhibitoire dès lors que le nombre de conditions augmente modérément. Avec 4 conditions, le protocole exige $4! = 24$ ordres distincts ; avec 5 conditions, il en requiert $5! = 120$ ; avec 6 conditions, le chiffre bondit à 720 ordres. Dans la mesure où chaque séquence doit idéalement recevoir un contingent minimal de participants (par exemple 10 ou 15 sujets) pour garantir un équilibrage statistique inter-groupes robuste, le recrutement d’une cohorte de plus de 1 200 individus pour tester 5 conditions devient matériellement impossible pour l’écrasante majorité des laboratoires de recherche.

9.2 Le contrebalancement inversé (ABBA)

Face à l’impossibilité pratique du contrebalancement factoriel complet, de nombreux expérimentateurs ont recours au contrebalancement inversé, fréquemment désigné sous l’acronyme de conception ABBA. Dans ce schéma intra-individuel, chaque participant traverse l’ensemble des conditions dans un sens donné, puis réexécute immédiatement ces mêmes conditions dans l’ordre rigoureusement inverse : condition $A$, puis condition $B$, puis ré-administration de la condition $B$, pour finir par la ré-administration de la condition $A$.

L’élégance théorique apparente de ce modèle repose sur l’hypothèse sous-jacente que l’effet d’ordre est une fonction parfaitement linéaire du temps. Dans ce cadre mathématique strict, si la fatigue ou l’apprentissage progresse d’une unité constante à chaque essai (points temporels 1, 2, 3, 4), le rang moyen attribué à la condition $A$ est de $(1 + 4) / 2 = 2{,}5$, et le rang moyen de la condition $B$ est de $(2 + 3) / 2 = 2{,}5$. L’effet de position temporelle semble ainsi parfaitement neutralisé.

Néanmoins, la prémisse d’une linéarité temporelle pure est quasi-systématiquement démentie par la réalité biologique et cognitive :

• L’apprentissage procédural suit généralement une courbe de puissance logarithmique (progrès fulgurants lors des tout premiers essais, puis stabilisation en plateau).
• La fatigue cognitive se manifeste souvent par des ruptures de seuil brutales plutôt que par une décroissance arithmétique constante.
• Face à des effets de report asymétriques, le schéma ABBA s’avère totalement impuissant : la première transition $A to B$ ne produit pas les mêmes contaminations internes que la transition interne $B to B$ ou finale $B to A$, laissant le chercheur avec un mélange hétéroclite d’artefacts cognitifs croisés.

9.3 Limites intrinsèques du contrebalancement face aux effets asymétriques

L’un des mythes méthodologiques les plus tenaces consiste à postuler que le contrebalancement (qu’il soit complet ou en carré latin) « élimine » ou « supprime » les effets de séquence. Cette affirmation relève d’une illusion d’optique statistique qu’il convient de dénoncer avec la plus grande rigueur mathématique. Le contrebalancement ne détruit jamais un effet de report différentiel : il se borne à le moyenner et à le disséminer à travers l’ensemble des conditions expérimentales.

Soit une expérience où la condition $A$ engendre un transfert d’apprentissage massif et irréversible qui améliore la condition $B$ de $+10$ points ($\Delta_{A to B} = 10$), tandis que la condition $B$ n’apporte strictement aucun bénéfice à la condition $A$ ($\Delta_{B to A} = 0$). Dans le groupe soumis à la séquence $[A to B]$, la performance sur $B$ est artificiellement gonflée. Dans le groupe soumis à la séquence $[B to A]$, la performance sur $A$ est normale et celle de $B$ est normale. En calculant la moyenne agrégée de $B$ sur l’ensemble de l’expérience, le chercheur observe une augmentation moyenne de $+5$ points due exclusivement au report asymétrique de $A$. L’effet de report a été absorbé dans la variance d’erreur ou dans l’estimation de l’effet principal du traitement, altérant irrémédiablement la taille de l’effet sans qu’aucun indice statistique de surface ne permette de s’en rendre compte si l’analyse d’interaction adéquate n’est pas conduite.

10. Approches de randomisation et plans en carré latin pour contrôler les séquences

10.1 Carrés latins standardisés versus Carrés latins équilibrés

Pour échapper à l’impasse combinatoire des permutations factorielles tout en surmontant les faiblesses du contrebalancement naïf, la méthodologie expérimentale a recours aux plans en carré latin. Un carré latin d’ordre $k$ est une matrice mathématique de dimensions $k \times k$ contenant $k$ symboles différents, agencée de manière à ce que chaque symbole apparaisse exactement une fois sur chaque ligne et une fois sur chaque colonne. Dans ce cadre, les colonnes représentent les rangs ordinaux de présentation ($1^{\text{er}}, 2^{\text{e}}, dots$) et les lignes représentent les séquences assignées aux sous-groupes de sujets.

Cependant, un carré latin standard garantit uniquement que chaque condition apparaît une fois à chaque position temporelle ; il ne garantit absolument pas la symétrie des transitions séquentielles de traitement à traitement. Dans un carré latin standard élémentaire pour 4 conditions, la condition $B$ peut suivre systématiquement la condition $A$ sur plusieurs lignes sans que l’inverse ne soit vrai, conservant intact le risque de report différentiel non contrôlé.

Pour résoudre cette vulnérabilité, le statisticien E. J. Williams a formulé en 1949 le concept fondamental de carré latin équilibré de Williams (Williams Balanced Latin Square). Dans cette structure géométrique supérieure, chaque condition expérimentale précède et succède à chaque autre condition un nombre strictement égal de fois. L’algorithme de génération dépend de la parité du nombre de conditions $k$ :

• Si $k$ est pair : Un seul carré de taille $k \times k$ suffit à satisfaire l’équilibrage complet des transitions séquentielles directes de premier ordre. La première ligne du carré est construite selon la formule de permutation sérielle : $1, 2, k, 3, k-1, 4, k-2, dots$ Les lignes subséquentes sont déduites en incrémentant chaque valeur modulo $k$.
• Si $k$ est impair : Il est mathématiquement impossible de réaliser un équilibrage complet des reports au sein d’un carré unique de taille $k$. L’expérimentateur doit obligatoirement juxtaposer deux carrés latins distincts (l’un étant l’image miroir inversée de l’autre), nécessitant la constitution de $2k$ séquences ordonnées indépendantes.

10.2 Randomisation par blocs et randomisation contrainte

Lorsque le nombre de stimuli élémentaires est extrêmement élevé au sein de chaque condition (par exemple, des centaines de mots à catégoriser dans une tâche de décision lexicale), le découpage de la passation expérimentale repose sur des procédures de randomisation sophistiquées. La randomisation par blocs consiste à découper la séance en macro-blocs temporels homogènes, au sein desquels l’ensemble des conditions est administré selon un ordonnancement aléatoire sans remise. Cela permet de juguler les effets de dérive temporelle globale sur la durée totale du protocole.

Cependant, une randomisation purement probabiliste (le « tirage au sort » intégral des séquences d’essais via un générateur pseudo-aléatoire) est hautement dangereuse. Par simple fluctuation d’échantillonnage stochastique, un générateur aléatoire peut tout à fait produire des clusters indésirables, tels qu’une succession de six essais consécutifs appartenant à la même condition aversive ou difficile, créant localement un pic d’épuisement cognitif non contrôlé. Pour prévenir ces écueils, les chercheurs implémentent une randomisation contrainte (constrained randomization), interdisant formellement l’occurrence de plus de deux ou trois stimuli de même catégorie de manière consécutive, et assurant une distribution probabiliste isotrope des transitions conditionnelles.

10.3 Périodes de latence et d’élimination (Washout Periods)

Dans les disciplines où l’effet expérimental altère l’homéostasie biologique, sensorielle ou pharmacologique du sujet — notamment dans les essais cliniques croisés (crossover trials) évaluant des molécules thérapeutiques ou dans les tâches d’effort physique neuromusculaire —, la méthode préventive par excellence demeure l’instauration rigoureuse d’une période de sevrage ou d’élimination (washout period).

Cette approche consiste à intercaler entre chaque condition expérimentale successive un intervalle temporel de latence délibérément prolongé, calibré pour permettre la dissipation intégrale de tout résidu psychologique ou biochimique. En recherche pharmacocinétique, la période d’élimination correspond classiquement à au moins cinq à sept fois la demi-vie d’élimination plasmatique ($t_{1/2}$) de la molécule testée. En psychologie cognitive, où la demi-vie d’une trace mnésique ou d’une attitude ne répond pas à des cinétiques enzymatiques claires, les chercheurs insèrent des tâches distractives non reliées (« tâches de remplissage » ou filler tasks, comme la résolution de puzzles spatiaux neutres) durant plusieurs minutes ou heures afin de saturer la mémoire de travail et d’effacer les traces de l’amorçage procédural antérieur.

11. Modélisation statistique et détection a posteriori des effets de séquence

11.1 Intégration du facteur ‘Ordre’ dans l’Analyse de Variance (ANOVA)

L’arsenal méthodologique préventif doit impérativement être complété par une stratégie d’analyse statistique capable de diagnostiquer formellement la présence d’un effet de séquence au sein des données empiriques recueillies. L’approche classique en analyse de variance consiste à transformer le design intra-sujet pur en un modèle mixte incluant le facteur inter-sujets « Ordre d’administration » (représentant le groupe de séquence auquel le participant a été assigné aléatoirement).

Dans ce modèle d’ANOVA mixte, la statistique décisive n’est pas simplement l’effet principal de l’Ordre (qui renvoie à un effet de fatigue ou d’apprentissage générique partagé), mais spécifiquement le terme d’interaction Traitement $\times$ Ordre :

$$F_{\text{Interaction}} = \frac{MS_{\text{Traitement} \times \text{Ordre}}}{MS_{\text{Résiduel intra}}}$$

Si ce terme d’interaction s’avère statistiquement significatif au seuil conventionnel $\alpha = 0{,}05$, le diagnostic est sans équivoque : l’effet du traitement varie de manière dépendante selon la séquence d’administration antérieure. La présence de cette interaction valide la survenue d’un effet de report différentiel. Dès cet instant, l’interprétation de l’effet principal du traitement devient fallacieuse, car la taille d’effet mesurée est un composite indissociable de la manipulation expérimentale et du passif séquentiel.

11.2 Modèles linéaires mixtes et modèles hiérarchiques à effets aléatoires

À l’ère contemporaine de la modélisation statistique avancée, les modèles linéaires mixtes (Linear Mixed Models, LMM) et la modélisation multiniveau ont supplanté l’ANOVA traditionnelle grâce à leur souplesse incomparable pour appréhender la complexité des données longitudinales et répétées. Contrairement aux approches moindres carrés ordinaires qui exigent des données complètes et équilibrées, les LMM s’accommodent parfaitement des observations manquantes et permettent de modéliser explicitement les structures d’hétérogénéité résiduelle.

Dans un modèle linéaire mixte appliqué à des mesures répétées séquentielles, le chercheur peut spécifier :

• Des intercepts aléatoires par sujet, capturant la variabilité interindividuelle de base.
• Des pentes aléatoires (random slopes), autorisant la sensibilité au traitement à fluctuer d’un individu à l’autre.
• Une matrice de variance-covariance des résidus temporels intra-sujets de type autorégressive d’ordre 1 ($AR(1)$), modélisant formellement le fait que la corrélation entre deux mesures successives s’atténue de façon exponentielle à mesure que l’intervalle temporel les séparant s’accroît.
• L’inclusion explicite d’une covariable à retard temporel (lagged predictor) codant l’identité exacte du traitement administré à l’essai $t-1$, permettant d’estimer directement le coefficient d’amplitude du report résiduel différentiel ($\beta_{\text{carryover}}$) dans l’équation de régression générale.

11.3 Techniques de correction et ajustements statistiques

Lorsqu’un effet de séquence asymétrique sévère est mis en évidence a posteriori dans un jeu de données, plusieurs alternatives s’offrent à l’analyste pour tenter de sauver la validité de ses inférences :

La première technique, radicale mais incontestable sur le plan de la rigueur épistémologique, est l’analyse de la première période uniquement (first-period analysis). Elle consiste à éliminer purement et simplement de l’analyse l’ensemble des données recueillies lors des sessions ultérieures ($t_2, t_3, dots$) pour ne conserver que les observations enregistrées lors de la toute première condition administrée à chaque sujet. Le plan expérimental se trouve ainsi mathématiquement converti en un plan inter-sujets strict, totalement exempt de contamination séquentielle. Le coût de cette opération est une perte substantielle de puissance statistique, mais la pureté causale de l’inférence est intégralement restaurée.

La seconde technique consiste à appliquer des contrastes polynomiaux orthogonaux et des régressions segmentées permettant de partitionner mathématiquement la composante de tendance globale temporelle de la composante de saut d’état spécifique causée par une transition conditionnelle critique. Toutefois, ces ajustements post-hoc requièrent des effectifs volumineux et reposent sur des hypothèses de modélisation paramétrique lourdes qui doivent être documentées avec une probité exemplaire dans les rapports de recherche.

12. Bonnes pratiques de conception et recommandations pour les chercheurs en psychologie

12.1 Études pilotes et diagnostics préliminaires

La prévention efficace des effets de séquence exige une vigilance méthodologique bien en amont de la phase formelle d’acquisition des données expérimentales. La conduite d’une étude pilote rigoureuse constitue le premier rempart contre les artefacts de report. Cette phase exploratoire ne doit pas viser uniquement à tester le bon fonctionnement technique du dispositif de recueil, mais être spécifiquement dimensionnée pour traquer les signatures d’asymétrie séquentielle.

Dans ce cadre, les chercheurs doivent soumettre un petit échantillon de participants à des ordres volontairement contrastés et déployer des entretiens d’explicitation métacognitive post-expérimentaux. Interroger systématiquement les sujets pilotes par des questions ouvertes (« Avez-vous utilisé pour la deuxième tâche les astuces apprises lors de la première ? », « Le premier test vous a-t-il paru fausser votre jugement sur le suivant ? ») permet de mettre en lumière des transferts de règles cognitives ou des ancrages perceptifs insoupçonnés, offrant la possibilité d’allonger les périodes de repos ou de réviser la structure du protocole avant le lancement de la collecte définitive.

12.2 Pré-enregistrement et transparence méthodologique

Dans le sillage du mouvement de la science ouverte (Open Science), la lutte contre les biais méthodologiques implique l’inscription formelle des choix d’ordonnancement dans les registres de pré-enregistrement (tels que l’Open Science Framework ou ClinicalTrials.gov). Le protocole déposé doit décrire de manière exhaustive :

• Le type précis de contrebalancement retenu (carré latin de Williams, randomisation contrainte, factorielle complète).
• La durée exacte des intervalles inter-stimuli et des périodes d’élimination (washout).
• Les tests statistiques qui seront systématiquement exécutés a priori pour tester l’interaction Traitement $\times$ Ordre.
• Le protocole de repli décisionnel formalisé en cas de découverte d’un effet de report différentiel statistiquement significatif (par exemple, le basculement prédéfini vers l’analyse exclusive de la première période temporelle).

De surcroît, le script informatique générant les listes de randomisation et l’agencement des stimuli doit être mis à disposition dans des dépôts de données publics afin de garantir une reproductibilité computationnelle totale.

12.3 Arbre décisionnel pour le choix du design expérimental

Pour guider les chercheurs et praticiens dans l’élaboration de leurs projets expérimentaux, l’arbre de décision méthodologique suivant résume la trajectoire conceptuelle à adopter face aux risques de report différentiel :

• Étape 1 : Analyse de l’irréversibilité des traitements. Le traitement $A$ implique-t-il un apprentissage explicite, une révélation de solution, une modification anatomique ou une altération pharmacologique à longue durée de rétention ?
  • Si OUI : Exclusion catégorique des plans intra-sujets. Adopter impérativement un plan expérimental inter-sujets (groupes indépendants).
  • Si NON : Passer à l’étape 2.
• Étape 2 : Évaluation de la symétrie potentielle des reports. Les transitions réciproques entre conditions ($A to B$ et $B to A$) sont-elles susceptibles d’exercer des perturbations asymétriques d’intensité ou de nature différente (ex. contraste affectif, épuisement neuromusculaire sélectif) ?
  • Si OUI : Privilégier un plan inter-sujets ou instaurer une période de latence majeure (washout étendu) associée à un plan en carré latin équilibré de Williams. Tester formellement l’interaction dans le modèle statistique.
  • Si NON : Passer à l’étape 3.
• Étape 3 : Dimensionnement du nombre de conditions. Le nombre de conditions $k$ permet-il un contrebalancement factoriel complet sans dépassement critique des capacités de recrutement ?
  • Si $k \leq 3$ : Appliquer un contrebalancement complet ($k!$) avec affectation équilibrée des sujets.
  • Si $k \geq 4$ : Mettre en œuvre un carré latin équilibré de Williams (doublé si $k$ est impair) ou une randomisation par blocs contrainte intégrée dans un modèle linéaire mixte à matrice de covariance autorégressive.

En observant scrupuleusement ces règles de conception et d’analyse, la communauté scientifique sera à même de neutraliser l’un des artefacts méthodologiques les plus destructeurs de la recherche expérimentale, garantissant des conclusions théoriques dont la robustesse résistera aux exigences de la reproductibilité universelle.

Références

Campbell, D. T., & Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Rand McNally. https://www.worldcat.org/title/experimental-and-quasi-experimental-designs-for-research/oclc/456687

Fisher, R. A. (1935). The design of experiments. Oliver and Boyd. https://archive.org/details/in.ernet.dli.2015.501980

Greenwald, A. G. (1976). Within-subjects designs: To use or not to use? Psychological Bulletin, 83(2), 314–320. https://doi.org/10.1037/0033-2909.83.2.314

Helson, H. (1964). Adaptation-level theory: An experimental and systematic approach to behavior. Harper & Row. https://psycnet.apa.org/record/1964-35027-000

Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing experiments and analyzing data: A model comparison perspective (3rd ed.). Routledge. https://doi.org/10.4324/9781315642956

Nosek, B. A., Alter, G., Banks, G. C., Borsboom, D., Bowman, S. D., Breckler, S. J., Buck, S., Chambers, C. D., Chin, G., Christensen, G., Contestabile, M., Dafoe, A., Eich, E., Freese, J., Glennerster, R., Goroff, D., Green, D. P., Hesse, B., Humphreys, M., … Yarkoni, T. (2015). Promoting an open research culture. Science, 348(6242), 1422–1425. https://doi.org/10.1126/science.aab2374

Poulton, E. C. (1982). Influential companions: Effects of one strategy on another in the within-subjects designs of cognitive psychology. Psychological Bulletin, 91(3), 673–690. https://doi.org/10.1037/0033-2909.91.3.673

Senn, S. (2002). Cross-over trials in clinical research (2nd ed.). John Wiley & Sons. https://doi.org/10.1002/0470854596

Williams, E. J. (1949). Experimental designs balanced for the estimation of residual effects of treatments. Australian Journal of Scientific Research, Series A: Physical Sciences, 2(2), 149–168. https://doi.org/10.1071/CH9490149