Une introduction aux moindres carrés partiels

L’histoire de l’analyse statistique en sciences quantitatives est marquée par une tension permanente entre la complexité intrinsèque des phénomènes observés et la rigidité mathématique des modèles linéaires classiques. Durant des décennies, la recherche s’est appuyée presque exclusivement sur l’estimateur des moindres carrés ordinaires pour modéliser les relations de dépendance entre variables. Néanmoins, l’émergence contemporaine de devis de recherche massifs, qu’il s’agisse de batteries de questionnaires psychométriques intriqués, de profils génomiques ou de cartographies d’imagerie cérébrale, a mis en lumière une limitation fondamentale des approches traditionnelles : la vulnérabilité extrême face à la multicollinéarité et à l’inflation dimensionnelle, souvent résumée par le fléau de la dimension où le nombre de prédicteurs approche, voire dépasse, le nombre d’observations disponibles.

Dans ce paysage méthodologique en mutation, la méthode des moindres carrés partiels, plus universellement désignée sous l’acronyme PLS (pour Partial Least Squares), s’est imposée comme une alternative paradigmatique d’une puissance remarquable. Conçue initialement pour répondre à des impasses économétriques et chimiométriques, la modélisation PLS opère une synthèse élégante entre la régression linéaire multiple et l’analyse factorielle exploratoire. Au lieu de contraindre l’analyste à choisir entre l’abandon arbitraire de covariables fortement interdépendantes ou la réduction aveugle de dimensionnalité, la régression PLS extrait des composantes latentes guidées explicitement par la maximisation de la covariance avec les variables cibles. Cette architecture supervisée permet de capturer la structure fondamentale du signal tout en reléguant le bruit stochastique à des dimensions résiduelles orthogonales.

Cet article propose une exploration rigoureuse et exhaustive de la méthode des moindres carrés partiels, depuis ses assises épistémologiques et son formalisme algorithmique jusqu’à ses déploiements les plus pointus en modélisation par équations structurelles et en sciences comportementales. Nous disséquerons les fondements théoriques des algorithmes historiques et modernes, analyserons la mécanique mathématique de l’extraction de variance supervisée, et fournirons aux chercheurs et praticiens les critères d’évaluation métrologique et les protocoles d’implémentation logicielle indispensables à l’exploitation intègre de cette méthode au sein de protocoles empiriques exigeants.

1. Fondements et contexte historique des moindres carrés partiels

1.1 Origine et genèse de l’approche par Herman Wold

L’acte de naissance de la méthodologie des moindres carrés partiels remonte aux travaux séminaux du statisticien et économètre suédois Herman Wold durant les années 1960 et 1970. Formé à l’école rigoureuse de l’analyse des séries temporelles et disciple de Harald Cramér, Wold constatait avec une lucidité critique les limites des modèles économétriques structurels dominants, principalement incarnés par les approches basées sur l’estimation du maximum de vraisemblance développées par la commission Cowles et formalisées plus tard par Karl Jöreskog dans le cadre de la modélisation par covariance (CB-SEM). Ces approches exigeaient des distributions gaussiennes multivariées strictes, des tailles d’échantillon considérables et une spécification théorique préalable quasi-parfaite du réseau de causalité.

Face à ces contraintes souvent intenables dans l’étude des systèmes socio-économiques complexes, Herman Wold entreprit d’élaborer une philosophie alternative qu’il baptisa la « modélisation douce » (soft modeling). L’objectif n’était plus de tester si une structure théorique rigide reproduisait fidèlement la matrice de covariance empirique des données, mais de proposer une heuristique d’ajustement prédictif robuste, capable d’opérer sur des données observationnelles entachées d’erreurs de mesure et présentant des distributions asymétriques. Le développement initial de l’algorithme NIPALS (Nonlinear Iterative Partial Least Squares) constitua la pierre angulaire de cette démarche, offrant un outil itératif fondé sur des régressions linéaires simples successives qui contournait la nécessité d’inversions matricielles complexes et potentiellement singulières.

D’un point de vue épistémologique, cette rupture conceptuelle déplaça le curseur de la confirmation dogmatique vers l’exploration prédictive et l’approximation empirique utile. Alors que la tradition jöreskogienne s’ancrait dans une perspective platonicienne où les variables latentes sont des entités transcendantes non observables dont les indicateurs ne sont que des reflets imparfaits (facteurs communs), l’approche de Wold s’affirmait comme résolument pragmatique et instrumentaliste : les variables latentes y sont conceptualisées comme des composites linéaires explicites d’indicateurs observés, conçus sur mesure pour maximiser la capacité prédictive des relations fonctionnelles du système étudié.

1.2 Définition conceptuelle de la régression PLS

La régression par les moindres carrés partiels peut être définie conceptuellement comme une technique de réduction de dimensionnalité à visée supervisée. Contrairement aux méthodes d’analyse factorielle ou de projection géométrique classiques telles que l’analyse en composantes principales (ACP), qui synthétisent l’information contenue dans un bloc de variables explicatives sans égard pour le critère à prédire, la PLS fusionne intimement la réduction dimensionnelle et l’estimation de régression au sein d’une seule et même procédure d’optimisation. Le problème mathématique fondamental réside dans l’identification d’une série de composantes orthogonales — couramment nommées scores de variables latentes — qui soient à la fois représentatives de la variabilité interne de l’espace des prédicteurs et optimalement corrélées avec la ou les variables de réponse.

Dans sa géométrie vectorielle, la PLS projette simultanément la matrice des variables indépendantes $X$ (de dimension $n \times p$) et la matrice des variables dépendantes $Y$ (de dimension $n \times q$) sur des sous-espaces de dimension réduite $k ll min(n, p)$. Les composantes latentes extraites dans l’espace $X$, notées généralement $T$, et celles extraites dans l’espace $Y$, notées $U$, sont calculées de manière séquentielle en contraignant la covariance entre chaque paire de scores $(t_a, u_a)$ à être maximale. Cette contrainte de maximisation conjointe garantit que les axes directionnels retenus dans l’espace des prédicteurs ne s’égarent pas dans l’explication d’une variance dominante mais dénuée de lien avec le phénomène d’intérêt, écueil classique des approches non supervisées.

Il est capital d’opérer une distinction nette entre les deux variantes fondamentales de la méthode : la régression unidirectionnelle univariée (couramment désignée sous le terme de PLS1), où le bloc de réponse est constitué d’une unique variable continue ($q = 1$), et la régression multidirectionnelle multivariée (PLS2), qui modélise simultanément un bloc de plusieurs variables dépendantes ($q > 1$). Alors que la PLS1 se concentre sur l’orientation directionnelle optimale vers un vecteur cible unique, la PLS2 capture une structure latente partagée au sein du bloc de réponse, permettant d’étudier des phénomènes co-dépendants tout en tirant parti des synergies de corrélation internes aux variables de sortie pour régulariser l’estimation globale du modèle.

1.3 Place de la méthode PLS dans les sciences contemporaines

Bien que formalisée par un économètre, la méthode PLS n’a pas trouvé son premier champ d’épanouissement majeur au sein des sciences économiques, lesquelles demeurèrent longtemps attachées au formalisme déductif du maximum de vraisemblance. C’est paradoxalement dans le champ de la chimiométrie, sous l’impulsion décisive du fils d’Herman Wold, Svante Wold, et de chercheurs comme Harald Martens, que la PLS s’est transformée en une révolution analytique durant les décennies 1980 et 1990. Les chimiomètres étaient confrontés aux données spectroscopiques modernes (infrarouge, résonance magnétique nucléaire), caractérisées par des milliers de canaux spectraux continus hautement redondants mesurés sur quelques dizaines d’échantillons chimiques seulement. La régression PLS s’est révélée être la réponse algorithmique parfaite à ce type de configuration où $p gg n$.

Au tournant du XXIe siècle, le succès foudroyant de la PLS en chimie analytique et en bio-informatique a déclenché un vaste phénomène de transfert méthodologique vers les sciences humaines, la médecine translationnelle et la psychologie quantitative. Les neurosciences cognitives, en particulier, ont massivement adopté la PLS multivariée pour relier les configurations d’activité cérébrale globale, acquises via l’IRM fonctionnelle ou l’électroencéphalographie dense, aux profils comportementaux et aux temps de réaction des participants. L’approche permet d’extraire des « modes d’interaction » spatio-temporels sans nécessiter de corrections de tests multiples univariés drastiques qui détruisent la sensibilité statistique.

Aujourd’hui, à l’ère des données massives comportementales, de la phénotypisation numérique par capteurs embarqués et des batteries de tests cognitifs distribuées en ligne, la régression PLS et son extension structurelle occupent une place épistémologique stratégique. Elles constituent le pont naturel entre la modélisation explicative traditionnelle, axée sur la significativité statistique de paramètres isolés, et le machine learning moderne, axé sur la performance de généralisation hors-échantillon. La PLS conserve la lisibilité et l’interprétabilité géométrique des modèles linéaires tout en offrant la robustesse numérique des algorithmes de régularisation les plus sophistiqués.

2. Le défi de la multicollinéarité en modélisation statistique

2.1 Nature et conséquences de la multicollinéarité

La multicollinéarité désigne, dans son acception mathématique la plus rigoureuse, l’existence de relations linéaires exactes ou approximatives entre deux ou plusieurs variables explicatives au sein de la matrice de conception $X$. Dans le formalisme classique de la régression linéaire multiple par les moindres carrés ordinaires, le vecteur des coefficients de régression estimés $\hat{\beta}$ est formulé de manière close par la célèbre équation :

$$\hat{\beta} = (X^T X)^{-1} X^T Y$$

Pour que cet estimateur existe et soit unique, la matrice carrée de produit croisé $X^T X$, de dimensions $p \times p$, doit être strictement inversible, ce qui requiert que ses $p$ colonnes soient linéairement indépendantes, assurant un rang plein égal à $p$. Lorsque des covariables sont fortement corrélées entre elles, la matrice $X^T X$ approche la singularité : son déterminant tend vers zéro et son conditionnement numérique explose vers l’infini.

Cette quasi-singularité entraîne des conséquences désastreuses sur la stabilité computationnelle de l’inversion matricielle. Les valeurs propres minimales de $X^T X$ devenant infinitésimales, le calcul numérique de l’inverse devient hypersensible aux moindres perturbations ou erreurs d’arrondi sur les données brutes. Sur le plan statistique, le théorème de Gauss-Markov garantit que l’estimateur OLS reste sans biais, mais sa matrice de variance-covariance, donnée par $\sigma^2 (X^T X)^{-1}$, subit une inflation exponentielle. La variance d’échantillonnage des coefficients individuels croît de manière vertigineuse, ce qui se traduit par des erreurs-types hypertrophiées, des valeurs de $t$ de Student effondrées et une incapacité quasi-totale à rejeter l’hypothèse nulle pour des prédicteurs qui exercent pourtant une influence réelle sur le critère.

2.2 Impact de la multicolinéarité sur les données psychologiques

En recherche psychologique, cognitive et comportementale, la multicollinéarité n’est point une anomalie accidentelle liée à un mauvais recueil de données ; elle représente au contraire la signature fondamentale des architectures psychiques sous-jacentes. Les inventaires de personnalité, les échelles cliniques ou les batteries d’aptitudes cognitives exploitent sciemment des faisceaux d’indicateurs convergents pour cerner des construits non observables directement. Par conséquent, les sous-échelles d’un même questionnaire — à l’instar des différentes facettes du névrosisme dans le modèle à cinq facteurs (Big Five) ou des mesures de mémoire de travail et de vitesse de traitement dans une évaluation d’intelligence — affichent de manière endémique des corrélations mutuelles oscillant entre 0,60 et 0,90.

Lorsqu’un chercheur intègre ces dimensions corrélées dans une équation de régression OLS conventionnelle afin d’expliquer un comportement clinique (par exemple, la sévérité d’un épisode dépressif majeur ou la rechute toxicomanologique), le modèle statistique s’effondre conceptuellement. On assiste fréquemment au phénomène perturbant des coefficients de régression aux signes aberrants ou contre-intuitifs, où un facteur de risque théoriquement éprouvé se voit attribuer un coefficient négatif en présence d’une covariable voisine avec laquelle il partage l’essentiel de sa variance. Cette distorsion ne reflète nullement la réalité psychodynamique ou neurobiologique du patient, mais découle purement d’un artefact d’équilibrage mathématique entre vecteurs collinéaires.

De surcroît, la collinéarité massive engendre un surapprentissage aigu lorsque les modèles sont calibrés sur des échantillons de taille modeste, situation fréquente en neuropsychologie clinique ou en psychiatrie expérimentale où le recrutement de patients est ardu. L’estimateur OLS ajuste alors les coefficients sur le bruit spécifique et les idiosyncrasies de l’échantillon d’apprentissage, conduisant à une illusion d’ajustement intra-échantillon ($R^2$ artificiellement haut) doublée d’une incapacité pathologique du modèle à prédire les scores de nouveaux patients au sein d’une cohorte de validation indépendante.

2.3 Limites de la régression linéaire classique par moindres carrés ordinaires

Les limites structurelles des moindres carrés ordinaires face à ces configurations de données ont conduit les méthodologistes à reconnaître l’obsolescence de l’OLS pour les protocoles psychométriques denses. L’hypothèse fondamentale selon laquelle chaque variable prédictive apporte une contribution unique, isolable par le truchement de la dérivation partielle (« toutes choses étant égales par ailleurs »), constitue une fiction théorique intenable dans les systèmes comportementaux où les processus cognitifs, émotionnels et environnementaux fonctionnent en réseaux dynamiques étroitement couplés et interactifs.

Face à ce constat d’échec, les analystes ont historiquement tenté d’appliquer des correctifs simplificateurs qui se sont avérés tout aussi dommageables. L’une des pratiques les plus répandues a consisté à utiliser des algorithmes de sélection pas à pas (stepwise regression) guidés par des critères automatiques de maximisation de variance. Ces procédures heuristiques sont notoirement instables : de menues variations dans les données d’entrée peuvent altérer radicalement la liste des variables conservées, créant des modèles arbitraires qui fragmentent artificiellement des construits psychologiques cohérents et violent ouvertement l’intégrité théorique des protocoles de recherche.

Une autre stratégie rudimentaire a consisté à agréger aveuglément les variables corrélées au sein d’un score moyen global non pondéré. Si cette approche résout mécaniquement la multicollinéarité en ramenant plusieurs prédicteurs à un seul, elle repose sur l’hypothèse excessivement forte que chaque sous-indicateur contribue de façon rigoureusement égale et avec la même précision au phénomène d’intérêt. Dès lors, le recours à des architectures dimensionnelles supervisées sophistiquées, à l’image des moindres carrés partiels, s’affirme non comme un simple raffinement calculatoire, mais comme une obligation méthodologique incontournable pour appréhender la complexité des systèmes de mesure modernes.

3. Comparaison entre la régression sur composantes principales et la régression PLS

3.1 Mécanisme de la régression sur composantes principales (PCR)

Afin de juguler la multicollinéarité tout en préservant l’ensemble de l’information multidimensionnelle collectée, la statistique multivariée a développé la régression sur composantes principales (souvent abrégée en PCR). Le principe opératoire de la PCR repose sur une décomposition spectrale séquentielle en deux étapes distinctes et découplées. Dans un premier temps, l’espace des prédicteurs $X$ subit une réduction de dimensionnalité non supervisée par le biais d’une analyse en composantes principales classique, mathématiquement équivalente à la décomposition en valeurs singulières (SVD) de la matrice $X$ préalablement centrée et réduite :

$$X = T_x P_x^T$$

Dans cette formulation, $T_x$ représente la matrice des scores orthogonaux sur les composantes principales, et $P_x$ désigne la matrice des vecteurs propres ou chargements (loadings). L’essence de cette décomposition réside dans la maximisation séquentielle de la variance interne de $X$ : la première composante principale capture la direction géométrique le long de laquelle les individus se dispersent le plus, la deuxième capture la dispersion résiduelle maximale selon un axe orthogonal au premier, et ainsi de suite jusqu’à épuisement du rang matriciel.

Dans un second temps, une sélection parcimonieuse des $k$ premières composantes principales (celles qui expliquent la majorité de la variance globale de $X$) est injectée à titre de prédicteurs dans une régression linéaire standard contre la variable de réponse $Y$. Puisque les colonnes de la matrice réduite de scores $T_k$ sont par construction strictement orthogonales entre elles, la matrice de produit croisé $T_k^T T_k$ est une matrice diagonale pure. L’inversion matricielle devient instantanée, la multicollinéarité est totalement éradiquée et l’estimation des coefficients de régression par les moindres carrés ordinaires s’opère sans aucune inflation de variance numérique.

3.2 L’inconvénient majeur de l’approche PCR

En dépit de son apparente perfection formelle, la régression sur composantes principales souffre d’une tare conceptuelle rédhibitoire qui limite drastiquement son utilité en modélisation appliquée : la nature strictement non supervisée de son étape de réduction dimensionnelle. Lors de la construction des composantes principales, l’algorithme n’a absolument aucun accès à l’information contenue dans la matrice de réponse $Y$. L’unique boussole mathématique guidant l’extraction des axes orthogonaux est la variance interne de la matrice $X$.

Or, rien dans les théorèmes fondamentaux de la statistique ou dans les lois de la nature ne garantit que les axes de variabilité maximale au sein des prédicteurs correspondent aux directions informatives qui sous-tendent la relation fonctionnelle avec le critère $Y$. Dans une multitude de contextes empiriques, la variance dominante au sein de $X$ traduit simplement un bruit technique prépondérant, des artefacts de mesure, des styles de réponse systématiques chez les répondants (comme la désirabilité sociale ou le biais d’acquiescement), ou encore des facteurs environnementaux sans rapport avec la pathologie ou le comportement étudié.

Si la covariance réelle liant $X$ à $Y$ est véhiculée par une sous-structure subtile, confinée par exemple dans les composantes principales de rang 4, 5 ou plus loin encore, une sélection classique basée sur les critères de Kaiser ou le diagramme d’éboulis éliminera purement et simplement ces dimensions informatives au motif fallacieux qu’elles présentent une faible variance brute. L’application de la PCR aboutit alors à un échec prédictif cuisant : le modèle final regorge de composantes statistiquement volumineuses mais dépourvues de tout pouvoir explicatif sur la cible, tandis que les prédicteurs efficients ont été jetés avec les résidus.

3.3 L’avantage supervisé des moindres carrés partiels

C’est précisément à l’intersection de cette déconnexion structurelle que s’affirme la supériorité conceptuelle des moindres carrés partiels. La PLS remplace la maximisation myope de la variance unilatérale $\text{Var}(X w)$ par le critère d’optimisation supervisé de la covariance bilatérale au carré entre la projection des prédicteurs et celle des réponses. Pour la première composante latente, le programme mathématique s’exprime ainsi :

$$\max_{w, c} \left[ \text{Cov}(X w, Y c) \right]^2 \quad \text{sous les contraintes} \quad |w| = 1 \quad \text{et} \quad |c| = 1$$

Puisque la covariance se décompose rigoureusement en le produit des écarts-types des projections et de leur coefficient de corrélation linéaire :

$$\text{Cov}(X w, Y c) = \sqrt{\text{Var}(X w)} \cdot \sqrt{\text{Var}(Y c)} \cdot \text{Corr}(X w, Y c)$$

le critère de la PLS réalise un compromis d’une rare élégance mathématique. Il contraint l’axe directeur $w$ à identifier une région de l’espace vectoriel des prédicteurs qui possède simultanément une variance substantielle (pour éviter de sur-interpréter des fluctuations aléatoires d’ampleur microscopique) et une corrélation linéaire maximale avec les variations observées sur la variable de réponse $Y$.

Cette orientation supervisée confère à la PLS une efficacité paramétrique sans commune mesure avec la PCR. Là où une PCR nécessite l’extraction de huit à dix composantes pour enfin capter une fraction acceptable du signal prédictif, la PLS extrait usuellement la quasi-totalité de l’information pertinente en deux ou trois composantes latentes seulement. Cette parcimonie structurelle optimise les degrés de liberté, immunise l’estimation contre les bruits orthogonaux non pertinents et fournit aux chercheurs des représentations factorielles bien plus denses, directement interprétables au regard des hypothèses de recherche formulées.

4. Architecture mathématique et algorithmique de la méthode PLS

4.1 L’algorithme NIPALS

L’algorithme NIPALS (Nonlinear Iterative Partial Least Squares), conceptualisé dans sa forme canonique par Herman Wold, demeure le moteur algorithmique historique le plus limpide pour appréhender l’extraction séquentielle des composantes. Supposons les matrices $X_0$ (dimension $n \times p$) et $Y_0$ (dimension $n \times q$) préalablement centrées sur leurs moyennes respectives et, si nécessaire, réduites à une variance unitaire. L’extraction itérative de la $a$-ième composante latente procède selon une boucle d’approximations alternées par moindres carrés :

• Initialisation : On sélectionne un vecteur arbitraire $u$, fréquemment initialisé comme une colonne de la matrice de réponse résiduelle en cours $Y_{a-1}$ présentant la plus forte variance.
• Calcul des poids de $X$ : On projette la matrice des prédicteurs $X_{a-1}$ sur le vecteur de score $u$ afin d’estimer le vecteur de poids externe $w$ :
  $$w = X_{a-1}^T u / (u^T u)$$
  Ce vecteur est immédiatement normalisé à la norme unitaire afin d’assurer l’invariance d’échelle : $w \leftarrow w / |w|$.
• Calcul des scores de $X$ : La matrice des prédicteurs est projetée sur ce vecteur de poids normalisé pour dériver le vecteur de composante latente $t$ :
  $$t = X_{a-1} w$$
• Calcul des poids de $Y$ : Dans le cas multivarié (PLS2), on projette de manière symétrique la matrice des réponses $Y_{a-1}$ sur le score $t$ pour actualiser le vecteur de poids $c$ :
  $$c = Y_{a-1}^T t / (t^T t)$$
  suivi de sa normalisation : $c \leftarrow c / |c|$.
• Actualisation du score de $Y$ : On calcule le nouveau vecteur de score $u$ :
  $$u = Y_{a-1} c / (c^T c)$$
• Test de convergence : On évalue la convergence en mesurant la différence absolue ou quadratique entre les coordonnées de $t$ à l’itération courante et celles de l’itération précédente. Tant que $|t_{\text{nouveau}} – t_{\text{ancien}}| > \epsilon$ (avec un seuil $epsilon$ typiquement fixé à $10^{-8}$ ou $10^{-12}$), l’algorithme retourne à la seconde étape.

Une fois la convergence atteinte pour la composante $a$, l’algorithme procède au calcul des vecteurs de chargement (loadings) qui mesurent la régression des matrices observables sur le score latent $t$ :

$$p = X_{a-1}^T t / (t^T t) \quad \text{et} \quad q = Y_{a-1}^T t / (t^T t)$$

L’étape cruciale finale réside dans le « dégonflement » (deflation) des matrices. On soustrait de $X_{a-1}$ et $Y_{a-1}$ la fraction exacte d’information restituée par la composante nouvellement extraite :

$$X_a = X_{a-1} – t p^T \quad \text{et} \quad Y_a = Y_{a-1} – t q^T$$

Ce processus de dégonflement garantit que les scores $t$ des composantes subséquentes seront rigoureusement orthogonaux aux scores précédents, scellant l’indépendance linéaire absolue des dimensions factorielles dérivées au fil des itérations successives.

4.2 L’algorithme SIMPLS

Bien que l’algorithme NIPALS brille par son élégance intuitive et sa décomposition pas à pas des structures résiduelles, sa procédure itérative de dégonflement physique matriciel engendre une charge computationnelle non négligeable lorsque le volume des observations ($n$) ou la dimensionalité des variables ($p$) atteint des échelles industrielles. De plus, pour la régression multivariée PLS2, l’opération de dégonflement sur $X$ brise subtilement l’orthogonalité exacte de certains sous-espaces de projection.

Pour surmonter ces contraintes, le statisticien hollandais Sijmen de Jong a développé en 1993 l’algorithme SIMPLS (Straightforward Implementation of a Pathological Least Squares). Au lieu de modifier et de recalculer itérativement les gigantesques matrices de données brutes $X$ et $Y$, SIMPLS opère de manière directe et élégante sur la matrice des covariances croisées de départ, notée $S_0 = X_0^T Y_0$, dont les dimensions ($p \times q$) sont considérablement plus compactes que les matrices d’origine lorsque $n$ est massif.

À chaque itération, SIMPLS extrait le premier vecteur singulier de gauche de la matrice de covariance résiduelle $S_{a-1}$ par une simple décomposition en valeurs singulières. Ce vecteur correspond directement au vecteur de poids $r_a$. Le score latent $t_a$ est immédiatement généré par la projection $t_a = X_0 r_a$. Contrairement à NIPALS, SIMPLS ne dégonfle jamais la matrice originelle des prédicteurs $X_0$ ; à la place, l’algorithme dégonfle la matrice de covariance $S$ en projetant les axes de recherche sur un sous-espace orthogonal aux vecteurs de chargement déjà découverts.

Sur le plan mathématique, lorsque le bloc de réponse est univarié (PLS1), les algorithmes NIPALS et SIMPLS produisent des solutions strictement identiques, tant au niveau des scores, des poids que des prédictions finales. En revanche, dans le cadre multivarié (PLS2), d’infimes divergences d’orientation vectorielle peuvent apparaître. SIMPLS est aujourd’hui considéré comme le standard algorithmique le plus efficient, implémenté par défaut dans la grande majorité des logiciels de calcul haute performance en raison de son exécution vectorielle fulgurante et de sa stabilité numérique absolue face aux grands ensembles de données empiriques.

4.3 Relations fondamentales entre poids, scores et chargements

L’architecture matricielle des moindres carrés partiels repose sur l’articulation triangulaire étroite entre trois familles de coefficients qu’il importe de ne jamais confondre : les poids directeurs (weights, notés $w$ ou $r$), les scores factoriels (scores, notés $t$), et les coefficients de chargement (loadings, notés $p$). La clarté interprétative de la méthode dépend entièrement de la compréhension rigoureuse de leurs rôles respectifs.

Les vecteurs de poids directeurs, regroupés dans la matrice $W$ (de dimension $p \times k$), définissent la métrique d’orientation dans l’espace originel des variables indépendantes. Ils répondent à la question fondamentale : comment devons-nous combiner linéairement les prédicteurs initiaux afin de maximiser la covariance avec la réponse ? Ces poids représentent les véritables leviers d’action mathématique et gouvernent la projection directe depuis l’espace mesuré vers l’espace latent. Pour contourner le fait que les poids NIPALS $w_a$ opèrent sur des matrices dégonflées $X_{a-1}$, on calcule la matrice de poids transformés $R = W (P^T W)^{-1}$, permettant d’exprimer les scores $T$ directement à partir de la matrice initiale non modifiée :

$$T = X R$$

Les scores factoriels $T$ (de dimension $n \times k$) constituent les nouvelles coordonnées géométriques des individus ou participants dans l’espace vectoriel compressé. Chaque colonne de $T$ représente une variable synthétique globale, dénuée de collinéarité avec ses homologues. Ce sont ces composites numériques qui agissent effectivement comme les prédicteurs finaux dans l’équation de restitution de la réponse.

Enfin, les coefficients de chargement $P$ (de dimension $p \times k$) traduisent la régression univariée de chaque prédicteur initial sur les scores composites. Ils décrivent dans quelle mesure chaque variable observable d’origine est « expliquée » ou « restituée » par la composante latente extraite :

$$X = T P^T + E$$

où $E$ est la matrice des résidus de modélisation de $X$. Si les poids $W$ indiquent la contribution relative de chaque variable à la genèse du construit latent, les chargements $P$ mesurent la fidélité de rétro-projection de ce construit sur l’espace d’origine. Les coefficients de régression globaux $\hat{B}_{\text{PLS}}$, permettant de prédire directement $Y$ depuis $X$ sans étape intermédiaire ($Y = X \hat{B}_{\text{PLS}} + F$), se déduisent par la contraction matricielle élégante :

$$\hat{B}_{\text{PLS}} = R Q^T = W (P^T W)^{-1} Q^T$$

5. Les moindres carrés partiels en modélisation par équations structurelles

5.1 Distinction entre PLS-SEM et CB-SEM

L’extension de la régression PLS aux réseaux nomologiques de causalité a donné naissance à la modélisation par équations structurelles basée sur les moindres carrés partiels (PLS-SEM, ou PLS Path Modeling), conceptualisée dans ses lignes de force par Herman Wold et formalisée magistralement par Wynne Chin et Jörg Henseler. Dans le domaine des équations structurelles, la PLS-SEM s’inscrit en opposition dialectique avec l’approche conventionnelle basée sur la covariance (CB-SEM), incarnée par des moteurs d’estimation comme LISREL, AMOS ou le package lavaan sous R.

La divergence entre ces deux méthodologies relève d’une dichotomie fondamentale d’objectifs épistémologiques et d’architectures statistiques :

• CB-SEM (Approche factorielle commune) : L’objectif est la confirmation stricte d’une théorie préalable. L’algorithme minimise la divergence globale (via le maximum de vraisemblance) entre la matrice empirique des covariances des indicateurs et la matrice implicite déduite du schéma théorique. Les variables latentes sont postulées comme des facteurs communs non mesurés responsables des corrélations observées.
• PLS-SEM (Approche composite par composantes) : L’objectif est avant tout exploratoire et prédictif. L’algorithme minimise les variances d’erreur résiduelles de toutes les variables dépendantes (endogènes) du système. Les variables latentes sont définies concrètement comme des combinaisons linéaires ou composites exacts de leurs indicateurs mesurés.

Cette distinction conceptuelle confère à la PLS-SEM une robustesse et une souplesse méthodologique sans égal face aux situations qui paralysent la CB-SEM. La PLS-SEM ne requiert aucune hypothèse de normalité multivariée, supporte sans broncher des distributions très asymétriques et demeure pleinement fonctionnelle sur des échantillons statistiques restreints là où la CB-SEM échoue à converger ou produit des aberrations de calcul (solutions de Heywood, variances d’erreur négatives). Elle autorise en outre la modélisation sans heurt de réseaux causaux extrêmement vastes, intégrant des dizaines de construits et des centaines d’indicateurs empiriques.

5.2 Modèles de mesure formatifs versus réflexifs

L’un des apports majeurs de la PLS-SEM réside dans sa capacité naturelle à modéliser et traiter avec la même rigueur computationnelle les deux modes épistémologiques fondamentaux d’opérationnalisation des concepts psychologiques : les modèles de mesure réflexifs (Mode A) et les modèles de mesure formatifs (Mode B).

Dans un modèle de mesure réflexif, la variable latente est théorisée comme une entité sous-jacente préexistante, non observable, qui cause ou projette son ombre sur les indicateurs mesurés. Les flèches de causalité pointent géométriquement du construit latent vers les variables manifestes. Un exemple canonique est le construit de dépression majeure : le trouble sous-jacent déclenche causalement l’apparition de l’insomnie, de la perte d’appétit et des idées noires. Les conséquences métrologiques sont claires : les indicateurs réflexifs sont interchangeables, doivent être fortement corrélés entre eux (forte consistance interne), et l’omission d’un indicateur particulier n’altère pas fondamentalement la nature conceptuelle du construit.

À l’inverse, dans un modèle de mesure formatif, la variable latente est causée, formée ou engendrée par la combinaison synthétique directe de ses indicateurs observés. Les flèches de causalité pointent des variables manifestes vers le construit. Considérons le construit d’« événement de vie stressant » : le score global de stress n’est pas une entité mystérieuse qui génère des événements, il est le résultat cumulatif direct de faits concrets tels qu’un licenciement, un deuil ou un divorce. Ces indicateurs n’ont aucune obligation théorique d’être corrélés entre eux (subir un divorce n’augmente pas intrinsèquement la probabilité d’un licenciement) ; ils ne sont aucunement interchangeables, et l’élimination arbitraire de l’un d’eux ampute directement une partie intégrante du construit théorique. La CB-SEM peine considérablement à estimer ces modèles formatifs en raison de graves problèmes d’identification mathématique, tandis que la PLS-SEM les gère avec une fluidité native exceptionnelle.

5.3 Spécification du modèle structurel interne

Une fois les modèles de mesure (modèle externe) dûment articulés, la PLS-SEM procède à l’estimation du modèle structurel (modèle interne), lequel formalise les hypothèses théoriques de causalité reliant les variables latentes entre elles au sein d’un réseau nomologique unifié. Dans ce formalisme, une variable latente est qualifiée d’exogène si elle n’est la cible d’aucune flèche prédictive dans le schéma structurel ; elle est dite endogène dès lors qu’elle reçoit au moins une relation de dépendance émanant d’une autre variable du système.

L’estimation des coefficients de trajectoire structurels (path coefficients, usuellement symbolisés par $\beta$) s’effectue par une série de régressions linéaires par moindres carrés ordinaires appliquées directement sur les scores composites des variables latentes préalablement stabilisés par l’algorithme itératif. Chaque variable endogène devient la variable dépendante d’une équation linéaire dont les prédicteurs sont les variables latentes en amont qui pointent vers elle :

$$\eta_j = \sum_i \beta_{ji} \xi_i + \zeta_j$$

Ces coefficients de trajectoire s’interprètent de manière rigoureusement identique aux coefficients de régression standardisés : un coefficient $\beta = 0{,}42$ indique que l’augmentation d’un écart-type sur le score de la variable latente prédictive entraîne une augmentation attendue de 0,42 écart-type sur la variable latente cible, toutes les autres trajectoires structurelles convergeant vers cette cible étant maintenues statistiquement constantes.

Au-delà de la significativité pure des trajectoires, l’évaluation du modèle structurel requiert la quantification précise de la taille d’effet statistique, formalisée par le coefficient $f^2$ de Cohen. La taille d’effet $f^2$ évalue la contribution spécifique et marginale d’une variable latente explicative à la variance expliquée d’un construit endogène, en calculant l’altération du coefficient de détermination $R^2$ consécutive à son omission délibérée du modèle structurel :

$$f^2 = \frac{R_{\text{inclus}}^2 – R_{\text{exclu}}^2}{1 – R_{\text{inclus}}^2}$$

Selon les conventions métrologiques établies par Jacob Cohen, des valeurs de $f^2$ égales à 0,02, 0,15 et 0,35 caractérisent respectivement des effets faibles, moyens et substantiels au sein du système théorique examiné.

6. Applications spécifiques de la PLS en recherche psychologique

6.1 Analyse de questionnaires complexes et profils de personnalité

L’évaluation des structures de la personnalité humaine au moyen d’instruments standardisés (tels que le NEO-PI-3, le MMPI-3 ou le TCI de Cloninger) génère des matrices de données qui défient l’analyse linéaire conventionnelle. Ces inventaires agrègent des dizaines, voire des centaines d’items individuels organisés hiérarchiquement en sous-échelles et facettes comportementales. Au sein d’un domaine dimensionnel donné (par exemple, la conscience ou l’agréabilité), la proximité sémantique des formulations entraîne une redondance statistique intense entre sous-dimensions.

Dans ce contexte, la régression PLS constitue une approche de choix pour l’analyse des profils de personnalité orientée vers la prédiction de critères comportementaux concrets (adhésion thérapeutique, performance académique, délinquance récidivante). Face à une constellation de facettes de personnalité collinéaires, l’analyste n’est plus contraint de procéder à un découpage artificiel de son instrument ou de s’enfermer dans l’analyse réductrice de grands domaines globaux qui masquent la richesse clinique des nuances inter-facettes. La PLS extrait des profils composites pondérés, révélant avec acuité comment différentes facettes s’agencent de façon synergique pour moduler le comportement cible.

Cette approche permet en outre d’isoler ce que les psychologues appellent les « traits centraux » par rapport aux « variations de surface ». Les composantes latentes dégagées mettent en relief les motifs de réponse partagés qui portent le véritable potentiel explicatif, tout en reléguant au statut de résidus orthogonaux la variance idiosyncrasique liée aux formulations syntaxiques propres à tel ou tel sous-item particulier du questionnaire.

6.2 Neurosciences cognitives et imagerie cérébrale

Le champ des neurosciences cognitives contemporaines offre l’illustration la plus spectaculaire du dilemme $p gg n$. Lors d’expérimentations exploitant l’imagerie par résonance magnétique fonctionnelle (IRMf) ou la magnétoencéphalographie (MEG), les chercheurs enregistrent les signaux hémodynamiques ou électrophysiologiques émanant de dizaines ou de centaines de milliers de voxels cérébraux, sur des cohortes de participants qui dépassent rarement quelques dizaines ou centaines d’individus. Le volume massif de données spatiales et temporelles rend l’utilisation des régressions classiques impossible en raison d’une singularité matricielle absolue.

La méthodologie PLS appliquée à la neuro-imagerie, largement popularisée par Randy McIntosh et ses collaborateurs sous l’appellation de Task PLS ou Behavioral PLS, a totalement transformé ce domaine. En formalisant le couplage multivarié direct entre une matrice de voxels cérébraux $X$ et une matrice de variables comportementales ou d’états expérimentaux $Y$, la PLS identifie des motifs d’activation cérébrale coordonnés à l’échelle du cerveau entier — désignés sous le terme de réseaux ou de cartes spatiales distribuées — qui covarient de façon optimale avec les performances cognitives, la mémoire de travail ou l’état émotionnel des sujets.

Cette approche multivariée supervisée présente l’immense avantage de traiter le cerveau comme un système intégratif interconnecté, rompant avec les approches univariées voxel-par-voxel traditionnelles qui imposent des corrections statistiques draconiennes (comme les corrections pour comparaisons multiples de Bonferroni ou du contrôle du taux de faux positifs FDR). La PLS préserve la sensibilité statistique nécessaire pour détecter des réorganisations fonctionnelles diffuses et subtiles qui échapperaient immanquablement aux tamis de filtrage univariés traditionnels.

6.3 Psychologie du travail et des organisations

La psychologie organisationnelle et l’ergonomie cognitive étudient des dynamiques systémiques où s’entremêlent des déterminants professionnels environnementaux, des réactions psychophysiologiques individuelles et des retombées institutionnelles. Des cadres conceptuels d’une importance majeure, tels que le modèle « Exigences-Ressources au travail » (Job Demands-Resources Model) ou le modèle du stress au travail de Karasek, reposent sur l’interaction complexe d’une constellation de variables intermédiaires : surcharge mentale perçue, conflit de rôle, autonomie décisionnelle, justice organisationnelle et soutien managérial.

Dans ce champ appliqué, l’application de la PLS-SEM est devenue un standard pour modéliser simultanément les mécanismes de dégradation de la santé psychologique (débouchant sur le burnout, le cynisme professionnel et l’absentéisme) et les trajectoires de motivation intrinsèque (conduisant à l’engagement au travail et à la performance organisationnelle). La présence d’effets médiateurs en cascade et d’interactions complexes est gérée avec une grande robustesse par les équations structurelles basées sur les moindres carrés partiels.

Sur le plan opérationnel, la PLS sert de socle analytique pour le diagnostic des risques psychosociaux (RPS) au sein des grandes entreprises et organisations hospitalières. Elle permet aux directions des ressources humaines et aux psychologues du travail de quantifier avec précision la part relative des facteurs managériaux et matériels sur la souffrance au travail, permettant de hiérarchiser rationnellement les interventions ergonomiques prioritaires en fonction de leur taille d’effet structurelle $f^2$, et ce même à partir d’enquêtes de climat social présentant des taux de réponse limités ou des données fortement asymétriques.

7. Optimisation du modèle et sélection des composantes

7.1 Stratégies de validation croisée

L’optimisation d’un modèle de régression par moindres carrés partiels repose sur un principe cardinal : la détermination rigoureuse du nombre de composantes latentes $k$ à extraire. Si l’on extrait un nombre insuffisant de composantes, le modèle demeure en sous-apprentissage (underfitting), ignorant des pans majeurs de variance prédictive. À l’inverse, si l’on extrait un nombre excessif de composantes, la PLS finit par modéliser le bruit idiosyncrasique de l’échantillon, tombant dans le piège du surapprentissage (overfitting) et dégradant irrémédiablement sa capacité de généralisation externe.

La stratégie métrologique de référence pour calibrer ce paramètre dimensionnel fondamental repose sur les protocoles de validation croisée. La procédure de validation croisée à $K$ blocs ($k$-fold cross-validation) consiste à partitionner l’échantillon initial en $K$ sous-ensembles d’effectifs équivalents. Séquentiellement, chaque bloc est mis en réserve à titre d’ensemble de test, tandis que le modèle PLS est calibré exclusivement sur les $K-1$ blocs d’apprentissage restants. Les prédictions sont ensuite générées pour les individus du bloc écarté, et l’erreur quadratique moyenne de prédiction (RMSEP, pour Root Mean Squared Error of Prediction) est cumulée sur l’ensemble des blocs :

$$\text{RMSEP} = \sqrt{\frac{1}{n} \sum_{i=1}^n \left( y_i – \hat{y}_{(-i)} \right)^2}$$

Pour les jeux de données cliniques précieux ou les cohortes restreintes en psychopathologie où chaque sujet représente un investissement expérimental lourd, la méthode du leave-one-out (validation croisée laissant une observation de côté) ou les approches de rééchantillonnage par jackknife offrent une alternative continue. Le nombre optimal de composantes latentes correspond classiquement au minimum absolu de la courbe de RMSEP. Cependant, afin de préserver la parcimonie théorique, de nombreux méthodologistes appliquent la règle de Tukey ou règle de l’écart-type : on choisit le plus petit nombre de composantes dont la performance prédictive ne s’écarte pas de plus d’une erreur-type du minimum absolu de RMSEP.

7.2 Critères statistiques d’arrêt de dimensionnalité

Dans l’écosystème de la modélisation structurelle PLS-SEM, l’arrêt de dimensionnalité et l’évaluation de la pertinence prédictive font intervenir un critère statistique canonique : la statistique $Q^2$ de Stone-Geisser. Dérivée au travers d’une procédure de validation croisée par occlusion systématique de données appelée blindfolding, cette statistique évalue la capacité du modèle à reconstituer fidèlement les indicateurs observables manquants sans détruire sa cohérence interne :

$$Q^2 = 1 – \frac{\sum_D \text{PRESS}_D}{\sum_D \text{SSO}_D}$$

où $\text{PRESS}$ désigne la somme des carrés des erreurs de prédiction et $\text{SSO}$ la somme des carrés des observations initiales déviées de la moyenne. Une valeur de $Q^2$ strictement supérieure à zéro atteste que le modèle possède une pertinence prédictive hors-échantillon réelle pour le construit endogène considéré ; des valeurs de $Q^2$ dépassant des paliers de 0,25 et 0,50 traduisent respectivement une pertinence prédictive moyenne et forte.

Parallèlement, les analystes s’appuient sur des compromis informationnels pénalisant la complexité paramétrique, tels que le critère d’information bayésien (BIC) ou le critère d’Akaike (AIC), adaptés aux espaces factoriels latents. L’objectif ultime est d’éviter tant le sous-apprentissage dimensionnel, qui prive le chercheur d’explications psychologiques majeures, que le surapprentissage dimensionnel, qui érige de simples fluctuations aléatoires au rang d’effets psychologiques stables.

7.3 Techniques de régularisation et variantes parcimonieuses

Dans les applications contemporaines impliquant des matrices de prédicteurs massives (comme les données génétiques, métabolomiques ou les batteries d’items comportementaux denses), un inconvénient inhérent à la régression PLS standard réside dans le fait que chaque composante latente extraite demeure une combinaison linéaire de l’intégralité absolue des $p$ variables initiales. Aucun poids $w_j$ n’étant strictement nul, l’interprétation théorique du modèle peut s’avérer laborieuse lorsque le chercheur cherche à identifier une poignée de biomarqueurs ou d’items critiques.

Pour restaurer une sélection de variables automatique et lisible, les statisticiens ont fusionné les principes de la pénalisation $ell_1$ de type Lasso avec l’architecture algorithmique des moindres carrés partiels, donnant naissance à la Sparse PLS (sPLS). Dans la sPLS, le problème d’optimisation unitaire de NIPALS intègre une contrainte de parcimonie directe sur le vecteur des poids $w$ :

$$\max_{w, c} \left[ \text{Cov}(X w, Y c) \right] \quad \text{sous les contraintes} \quad |w|_2 = 1, \quad |c|_2 = 1 \quad \text{et} \quad |w|_1 le \lambda$$

où $|cdot|_1$ désigne la norme de Manhattan et $lambda$ représente un hyperparamètre de pénalisation modulable. L’application d’un opérateur de seuillage doux (soft-thresholding) au sein de la boucle algorithmique a pour effet d’écraser rigoureusement à zéro les poids des prédicteurs dont l’apport à la covariance globale est marginal.

La Sparse PLS confère une netteté théorique incomparable aux modèles obtenus : elle filtre le bruit de fond non pertinent, élimine automatiquement les variables d’encombrement et isole un sous-ensemble restreint et hautement interprétable d’indicateurs psychologiques ou de voxels neuronaux. Cette variante est désormais massivement exploitée dans les protocoles de psychiatrie translationnelle à la recherche de signatures biologiques et cognitives parcimonieuses.

8. Évaluation de la qualité métrologique et statistique du modèle PLS

8.1 Évaluation des modèles de mesure réflexifs

L’évaluation rigoureuse d’un modèle PLS-SEM obéit à une séquence métrologique stricte en deux phases distinctes : l’évaluation préalable de la qualité des modèles de mesure (modèle externe), suivie, sous réserve de la validité de cette première étape, de l’évaluation du modèle structurel (modèle interne). Pour les blocs d’indicateurs réflexifs, le protocole repose sur l’examen croisé de la fidélité, de la validité convergente et de la validité discriminante.

La fidélité de l’échelle fait appel à la fiabilité composite ($\rho_c$ de Jöreskog) et au coefficient $\rho_A$ de Dijkstra-Henseler, ce dernier offrant un estimateur asymptotiquement exact de la consistance interne des construits composites. Bien que l’alpha de Cronbach demeure largement cité, il est notoire en psychométrie qu’il sous-estime la véritable fidélité des échelles en présupposant à tort l’équivalence tau stricte (chargements factoriels identiques pour tous les items). Des seuils minimaux de 0,70 en recherche exploratoire et de 0,80 en recherche confirmatoire sont universellement requis pour ces indices.

La validité convergente — le degré auquel les indicateurs d’un même construit partagent une variance substantielle — s’évalue au moyen de la variance moyenne extraite (AVE, pour Average Variance Extracted) :

$$\text{AVE} = \frac{\sum_{i=1}^m \lambda_i^2}{\sum_{i=1}^m \lambda_i^2 + \sum_{i=1}^m \text{Var}(\epsilon_i)}$$

Un construit démontre une validité convergente admissible lorsque son AVE est strictement supérieure à 0,50, certifiant que la variable latente sous-jacente capture plus de 50 % de la variance de son bloc d’indicateurs, surpassant ainsi la variance attribuable à l’erreur de mesure.

Enfin, la validité discriminante — l’assurance qu’un construit latent est empiriquement unique et ne capture pas des phénomènes mesurés par d’autres construits du modèle — était traditionnellement jaugée via le critère de Fornell-Larcker, lequel exige que la racine carrée de l’AVE de chaque construit dépasse sa plus forte corrélation avec tout autre construit du système. Toutefois, les travaux méthodologiques contemporains ont démontré les défaillances de sensibilité de ce critère et imposent désormais l’usage du ratio hétérotrait-monotrait (HTMT) :

$$\text{HTMT}_{ij} = \frac{\text{Moyenne des corrélations inter-indicateurs entre construits différents}}{\sqrt{\text{Moyenne des corrélations intra-indicateurs de } i \cdot \text{Moyenne des corrélations intra-indicateurs de } j}}$$

Un ratio HTMT supérieur à 0,85 (seuil conservateur strict) ou 0,90 (seuil libéral) indique une violation caractérisée de la validité discriminante, signalant que deux concepts prétendument distincts se chevauchent sur le plan métrologique.

8.2 Évaluation des modèles de mesure formatifs

Les construits formatifs ne reposant sur aucune hypothèse de covariance partagée ou d’interchangeabilité entre indicateurs, l’application de critères de consistance interne (comme l’alpha de Cronbach ou l’AVE) à leur égard constitue un non-sens statistique absolu. L’évaluation des blocs formatifs s’articule autour de principes métrologiques radicalement différents : l’analyse de la multicollinéarité interne, la significativité des poids externes et la validité de contenu.

Puisque les indicateurs formatifs agissent comme les régresseurs directs de leur variable composite latente, une collinéarité excessive entre eux est susceptible de déstabiliser le calcul de leurs poids spécifiques. L’analyste doit impérativement calculer le facteur d’inflation de la variance (VIF) pour chaque indicateur formatif. Dans les modèles formatifs PLS, les directives méthodologiques contemporaines stipulent qu’un VIF idéal doit demeurer inférieur à 3,0, un seuil de 5,0 constituant la limite haute absolue tolérable avant que l’instabilité numérique ne vicie l’interprétation des pondérations.

Sur le plan paramétrique, on examine la valeur absolue et la significativité statistique des poids externes ($w$), estimées par une procédure de rééchantillonnage non paramétrique (bootstrap). Si un indicateur présente un poids externe statistiquement non significatif mais que son coefficient de chargement bivarié ($p$) est élevé (par exemple, supérieur à 0,50), l’indicateur doit généralement être maintenu au sein du modèle car il apporte une contribution conjointe importante sans que son apport unique ne puisse être statistiquement isolé. L’élimination d’un indicateur formatif ne doit jamais être décidée sur des bases exclusivement computationnelles, sous peine d’amputer irrémédiablement le domaine sémantique et la validité de contenu du construit psychologique sous étude.

8.3 Évaluation de l’ajustement global et du modèle structurel

Lorsque la robustesse métrologique des modèles de mesure est établie, l’attention se tourne vers l’évaluation de la performance explicative et prédictive du modèle structurel interne. L’indicateur pivot réside dans le coefficient de détermination $R^2$ calculé pour chacune des variables latentes endogènes. En sciences comportementales, compte tenu de l’extrême complexité et de la nature multidéterminée des conduites humaines, des valeurs de $R^2$ de 0,26, 0,13 et 0,02 sont respectivement qualifiées par Cohen de substantielles, modérées et faibles. Les analystes comparent scrupuleusement le $R^2$ brut au $R^2$ ajusté, ce dernier pénalisant le nombre de trajectoires explicatives incidentes afin de prévenir les hausses artificielles de variance expliquée.

En complément du $R^2$ et de la taille d’effet $f^2$ détaillée précédemment, la communauté méthodologique a introduit des métriques d’adéquation globale (Goodness-of-Fit) pour les modèles PLS-SEM. Le critère le plus largement accepté est la racine carrée de la moyenne des résidus quadratiques standardisés (Standardized Root Mean Square Residual, ou SRMR), qui quantifie l’écart moyen entre la matrice de corrélation empirique observée et la matrice de corrélation implicite modélisée :

$$\text{SRMR} = \sqrt{ \frac{2 \sum_{i=1}^p \sum_{j=1}^i \left( \frac{s_{ij} – \sigma_{ij}}{s_{ii} s_{jj}} \right)^2 }{p (p + 1)} }$$

Une valeur de SRMR inférieure à 0,08 (ou de façon plus libérale à 0,10) indique un ajustement global satisfaisant du modèle aux données. Néanmoins, il convient de manier les critères d’ajustement global avec une circonspection méthodologique extrême dans le cadre de la PLS-SEM. L’approche étant fondamentalement orientée vers l’optimisation prédictive locale plutôt que vers la restitution parfaite de la matrice de covariance globale, l’utilisation dogmatique d’indices de type CB-SEM (comme le SRMR ou les indices d’inadéquation de géodésie) peut induire l’analyste en erreur en rejetant prématurément des modèles qui possèdent pourtant une excellente capacité de généralisation prédictive hors-échantillon.

9. Inférence statistique et techniques de rééchantillonnage

9.1 Procédure de bootstrap non paramétrique

L’une des particularités épistémologiques et mathématiques centrales de la méthode des moindres carrés partiels réside dans son statut d’estimateur non paramétrique. La méthode ne formulant aucune hypothèse distributionnelle quant à la normalité multivariée des variables manifestes ou latentes, les formules analytiques traditionnelles de calcul des erreurs-types et des intervalles de confiance — telles qu’elles prévalent dans le formalisme des moindres carrés ordinaires ou du maximum de vraisemblance — deviennent totalement inapplicables.

Pour contourner cette limite et permettre une inférence statistique formelle, la PLS mobilise intensivement la technique du bootstrap non paramétrique, conceptualisée par Bradley Efron. La procédure algorithmique se déploie selon les étapes suivantes :

• À partir de l’échantillon empirique initial comportant $N$ observations, on génère un très grand nombre $B$ de pseudo-échantillons (typiquement $B = 5,000$ ou $B = 10,000$ réplications) par tirage aléatoire avec remise de taille identique $N$.
• Le modèle PLS complet (mesure et structure) est entièrement réestimé sur chaque pseudo-échantillon bootstrap, générant une distribution empirique d’estimations pour chaque paramètre du système : poids ($w$), chargements ($p$), coefficients de trajectoire ($\beta$) et tailles d’effet ($f^2$).
• L’écart-type de cette distribution d’échantillonnage empirique bootstrap constitue l’erreur-type estimée ($\text{SE}_{\text{boot}}$) du paramètre considéré.

Pour construire des intervalles de confiance d’une rigueur irréprochable face aux distributions empiriques asymétriques ou biaisées, les méthodologues proscrivent l’intervalle de Student standardisé rudimentaire au profit des intervalles de confiance corrigés du biais et accélérés (Bias-Corrected and Accelerated bootstrap intervals, ou BCa). L’intervalle BCa intègre deux facteurs correctifs : un paramètre de décalage de médiane (ajustant le biais de prédiction) et un paramètre d’accélération (capturant la dépendance de l’erreur-type vis-à-vis de la véritable valeur du paramètre), garantissant une couverture probabiliste exacte au seuil nominal de $1 – \alpha$ (typiquement 95 %).

9.2 Tests d’hypothèses sur les coefficients de régression

Armé des distributions bootstrap, l’analyste peut procéder aux tests d’hypothèses formels portant sur les coefficients de trajectoire structurelle ($\beta$) reliant les construits psychologiques. Le ratio critique empirique — équivalent non paramétrique du test $t$ de Student — est calculé en divisant le coefficient issu de l’échantillon d’origine par son erreur-type bootstrap :

$$t_{\text{stat}} = \frac{\hat{\beta}}{\text{SE}_{\text{boot}}}$$

Ce ratio est ensuite comparé aux valeurs critiques théoriques de la distribution de référence (pour un test bilatéral : $t > 1{,}96$ à $\alpha = 0{,}05$ ; $t > 2{,}58$ à $\alpha = 0{,}01$ ; $t > 3{,}29$ à $\alpha = 0{,}001$), ou sert à dériver directement des valeurs de $p$ empiriques exactes basées sur les percentiles de la distribution bootstrap.

Toutefois, dans les réseaux nomologiques denses impliquant des dizaines de trajectoires hypothétiques testées simultanément, la multiplication des tests d’hypothèses univariés entraîne une inflation rapide du taux d’erreur de type I global à l’échelle de la famille d’hypothèses (Family-Wise Error Rate). Il est impératif pour l’analyste d’appliquer des procédures rigoureuses de contrôle des comparaisons multiples, telles que la procédure d’ajustement du taux de fausse découverte de Benjamini-Hochberg (FDR), sous peine de déclarer significatives des trajectoires psychologiques qui ne constituent en réalité que des coïncidences d’échantillonnage.

9.3 Analyse d’invariance de mesure et analyse multi-groupes

L’exploration scientifique en psychologie et sciences sociales exige fréquemment la comparaison des processus cognitifs ou affectifs entre différentes sous-populations : hommes versus femmes, sujets sains versus cohortes cliniques, ou comparaisons transculturelles. Avant d’affirmer avec validité qu’un coefficient de trajectoire reliant le stress à la dépression est significativement plus élevé chez un groupe que chez un autre, les chercheurs doivent rigoureusement démontrer que les instruments de mesure mesurent exactement le même phénomène métrologique au sein de l’ensemble des groupes sous analyse, sous peine d’effectuer une comparaison fallacieuse d’éléments incommensurables.

Dans l’écosystème PLS, cette démonstration méthodologique s’effectue au moyen de la procédure d’évaluation de l’invariance de mesure des modèles composites (MICOM), articulée en trois étapes successives et hiérarchiques :

• Étape 1 : Invariance configurationnelle. Établissement de l’identité qualitative stricte de la structure du modèle : mêmes indicateurs assignés aux mêmes construits, mêmes algorithmes de paramétrage et mêmes échelles de mesure à travers tous les groupes.
• Étape 2 : Invariance compositionnelle. Vérification formelle que les scores composites sont formés de manière identique dans les différents groupes. On calcule la corrélation linéaire $c$ entre le score d’un composé calculé avec les poids du groupe 1 et ce même composé calculé avec les poids du groupe 2. Par le biais d’un test de permutation non paramétrique, on teste si cette corrélation $c$ ne diffère pas significativement de 1. Si l’hypothèse nulle est maintenue ($c = 1$), l’invariance compositionnelle est prouvée.
• Étape 3 : Égalité des moyennes et des variances composites. Toujours via des tests de permutation non paramétriques, on vérifie si les moyennes et variances des scores composites sont équivalentes entre les groupes.

Si les étapes 1 et 2 sont validées, une invariance de mesure partielle est établie, ce qui constitue une condition nécessaire et suffisante pour comparer de manière valide les coefficients de trajectoire structurels via l’analyse multi-groupes PLS (PLS-MGA). Les algorithmes de PLS-MGA comparent les écarts absolus de coefficients inter-groupes $|\beta^{(1)} – \beta^{(2)}|$ contre une distribution nulle générée par bootstrap ou permutation, isolant les véritables modulations de trajectoires sans confusion métrologique.

10. Mise en œuvre pratique : logiciels et écosystèmes computationnels

10.1 Implémentation sous R

L’environnement statistique open-source R dispose d’une suite de packages spécialisés d’une grande maturité pour la modélisation par les moindres carrés partiels. Pour la régression PLS classique unidirectionnelle ou multidirectionnelle appliquée à la chimiométrie, la métabolomique ou la neuro-imagerie dense, le package de référence historique est pls (conçu par Bjørn-Helge Mevik et Ron Wehrens). Ce package implémente avec une fidélité numérique exemplaire les algorithmes NIPALS et SIMPLS, intégrant des fonctions hautement optimisées de validation croisée systématique, de calcul automatique de RMSEP et d’extraction de tracés de diagnostic résiduel.

Pour le champ des équations structurelles basées sur les composites, le package moderne le plus puissant et le plus conforme aux exigences métrologiques contemporaines est seminr. Conçu selon une syntaxe déclarative fluide, seminr permet de formaliser de manière expressive les modèles de mesure réflexifs et formatifs, de spécifier des structures causales complexes comprenant des effets de médiation multiple et de modération non linéaire par produit indicateur, et d’exécuter des procédures de bootstrap BCa complètes à grande échelle vectorielle. D’autres bibliothèques historiques notables incluent plspm (développé par Gaston Sanchez), pionnier de l’implémentation de la méthodologie de Wold sous R.

L’écosystème R offre l’avantage inestimable de s’insérer au sein de flux de travail scientifiques reproductibles (via R Markdown ou Quarto), permettant d’automatiser le nettoyage des données psychométriques, la projection graphique élégante des scores factoriels et l’exportation des tableaux métrologiques directement normalisés selon les normes éditoriales académiques internationales.

10.2 Implémentation sous Python

Dans l’écosystème de programmation Python, orienté vers la science des données et l’ingénierie du machine learning, la régression par moindres carrés partiels est nativement intégrée au sein de la célèbre bibliothèque scikit-learn au travers de la classe PLSRegression (localisée dans le sous-module sklearn.cross_decomposition). Cette classe permet d’exécuter des régressions PLS1 et PLS2 avec une efficience computationnelle exceptionnelle reposant en coulisses sur des liaisons C/Fortran vectorisées.

La force cardinale de cette implémentation réside dans son interopérabilité directe avec l’architecture unifiée de scikit-learn. La classe PLSRegression s’insère nativement au sein de pipelines de traitement intégrant des transformateurs de standardisation (StandardScaler), d’imputation de données manquantes et d’optimisation d’hyperparamètres via recherche sur grille (GridSearchCV) ou recherche bayésienne. L’optimisation du nombre de composantes latentes $k$ se formule comme le réglage d’un hyperparamètre standard au sein d’une boucle de validation croisée imbriquée (nested cross-validation), protégeant totalement l’analyste contre toute fuite d’information (data leakage) lors de la modélisation de cohortes cliniques.

Pour la modélisation par équations structurelles au sens de la PLS-SEM en Python, des initiatives récentes ont vu le jour pour pallier l’absence historique d’outils dédiés dans ce langage. Des paquets émergents tels que plspm-python offrent désormais des portages fonctionnels permettant d’estimer des réseaux nomologiques complets, bien que l’écosystème Python demeure globalement plus focalisé sur les applications prédictives industrielles et l’apprentissage automatique que sur la validation psychométrique formelle de modèles de mesure.

10.3 Outils dédiés à interface graphique

En marge des environnements de programmation en ligne de commande, le monde académique des sciences sociales, du management et de la psychologie organisationnelle fait un usage prépondérant de logiciels dédiés dotés d’interfaces utilisateur graphiques (GUI). Le logiciel incontournable dans ce secteur est incontestablement SmartPLS (actuellement dans sa version 4), développé par Christian Ringle et son équipe. SmartPLS propose un environnement interactif où l’analyste dessine directement le graphe théorique des relations causales entre variables latentes sur un canevas graphique, le logiciel assignant automatiquement les indicateurs et procédant aux estimations NIPALS, aux bootstraps BCa et aux procédures MICOM de façon fluide.

Un autre outil graphique remarquable est WarpPLS, développé par Ned Kock. Sa spécificité majeure réside dans sa capacité pionnière à identifier et modéliser explicitement des relations fonctionnelles structurelles non linéaires gauchies (warped). Alors que les algorithmes PLS conventionnels présupposent des relations linéaires entre scores latents, WarpPLS calcule des transformations non linéaires automatiques en U ou en S, permettant de capturer des phénomènes psychologiques subtils comme la loi de Yerkes-Dodson (où un niveau de stress modéré optimise la performance cognitive, tandis qu’un niveau trop faible ou trop élevé l’effondre).

Cependant, l’utilisation de logiciels à interface graphique présente des écueils méthodologiques bien réels qu’il convient de souligner avec gravité. La facilité déconcertante avec laquelle un chercheur novice peut cliquer pour exécuter des calculs complexes sans comprendre les hypothèses sous-jacentes conduit trop souvent à ce que la littérature nomme une « illusion de compétence méthodologique ». L’absence de code scripté fragilise en outre la reproductibilité computationnelle stricte des résultats d’une étude, principe fondamental de la démarche scientifique moderne. Dès lors, l’usage de ces interfaces requiert une formation préalable rigoureuse aux concepts statistiques sous-jacents.

11. Étude de cas guidée : Modélisation du burnout et des ressources cognitives

11.1 Présentation du jeu de données et problématique de recherche

Afin de concrétiser de manière opérationnelle l’ensemble des concepts théoriques disséqués jusqu’ici, concevons une étude empirique translationnelle portant sur la dynamique de l’épuisement professionnel (burnout) chez des personnels hospitaliers des services d’urgences et de soins intensifs. L’échantillon collige $N = 320$ soignants soumis à une tension professionnelle prolongée lors d’une période de crise sanitaire majeure.

L’architecture de recueil de données déploie un ensemble étendu de variables explicatives ($X$, comprenant au total $p = 18$ indicateurs continus hautement corrélés) regroupées conceptuellement selon trois axes :

• La charge de travail objective et subjective : Volume d’heures hebdomadaires, ratios patients/soignant, score subjectif de surcharge mentale perçue (NASA-TLX), et interruption fréquente des tâches de soins.
• Les ressources psychosociales : Soutien social perçu de la part des pairs, soutien hiérarchique managérial, et reconnaissance institutionnelle du travail accompli.
• Les stratégies de régulation émotionnelle : Mesurées par l’inventaire ERQ (Emotion Regulation Questionnaire), évaluant d’une part la réévaluation cognitive (stratégie théoriquement adaptative) et d’autre part la suppression expressive (stratégie théoriquement délétère).

Le bloc des variables dépendantes ou critères ($Y$, $q = 3$ dimensions) est constitué de l’évaluation standardisée des trois facettes cardinales du burnout au moyen de l’inventaire de Maslach (Maslach Burnout Inventory, MBI) : l’épuisement émotionnel (EE), la dépersonnalisation ou cynisme envers les patients (DP), et la diminution de l’accomplissement personnel au travail (AP). L’objectif scientifique consiste à déterminer dans quelle mesure les profils de ressources et de contraintes prédisent conjointement le syndrome de burnout, tout en isolant la combinaison dimensionnelle protectrice optimale.

11.2 Prétraitement, centrage-réduction et diagnostic initial

Préalablement à toute itération algorithmique, les données font l’objet d’un examen prétraitement scrupuleux. Les indicateurs n’ayant pas été mesurés sur les mêmes échelles de métrique (certains étant des échelles de Likert en 5 ou 7 points, d’autres des durées temporelles hebdomadaires, d’autres des scores globaux continus sur 100 points), la standardisation par centrage-réduction (transformation en scores Z) s’impose de façon catégorique :

$$z_{ij} = \frac{x_{ij} – \bar{x}_j}{s_j}$$

Cette standardisation garantit que la magnitude numérique arbitraire d’une échelle n’exerce aucune influence artificielle sur l’extraction des poids directeurs au sein de l’algorithme des moindres carrés partiels.

Le diagnostic initial de distribution met en lumière une asymétrie positive marquée sur les scores d’épuisement émotionnel et de suppression expressive, confirmant l’inadéquation de méthodes postulant la normalité gaussienne univariée ou multivariée. De surcroît, le diagnostic de collinéarité au sein du bloc $X$ révèle des corrélations bivariées très intenses (par exemple, la surcharge mentale perçue et le volume horaire corrèlent à $r = 0{,}79$, le soutien des pairs et le soutien hiérarchique à $r = 0{,}71$), engendrant des facteurs d’inflation de variance atteignant $VIF = 6{,}8$ pour certaines variables dans un modèle OLS préliminaire. L’inversion matricielle conventionnelle se révèle instable, justifiant pleinement l’amorce d’une modélisation par les moindres carrés partiels.

11.3 Extraction des composantes PLS et interprétation théorique

L’estimation d’un modèle PLS2 multivarié est déployée sur le jeu de données soignants. Une procédure de validation croisée décuplée (10-fold cross-validation) répétée 100 fois permet de tracer l’évolution de la fonction RMSEP cumulée sur les trois dimensions cibles de burnout. La courbe de prédiction atteint son nadir exact à $k = 2$ composantes latentes, la troisième composante n’apportant qu’une réduction marginale et non significative de l’erreur prédictive globale ($Q^2$ cumulé de 0,44 pour 2 composantes, stagnant à 0,45 pour 3 composantes). L’analyste retient donc un modèle parcimonieux calibré sur exactement deux composantes orthogonales.

L’analyse vectorielle conjointe des poids transformés ($R$) et des chargements factoriels ($P$ et $Q$) livre une cartographie clinique d’une exceptionnelle clarté heuristique :

• La première composante latente (expliquant 48 % de la variance de $X$ et 42 % de la variance de $Y$) : Elle s’affirme sans ambiguïté comme l’axe du « Déséquilibre Contraintes/Ressources ». Elle est caractérisée par de très forts poids positifs sur la surcharge cognitive, le volume horaire et la suppression expressive, opposés à des poids négatifs massifs sur le soutien social et la réévaluation cognitive. Du côté du burnout, cette composante projette des chargements extrêmement élevés sur l’épuisement émotionnel et le cynisme. Cet axe résume le mécanisme d’attrition énergétique du soignant.
• La seconde composante latente (expliquant 18 % de la variance résiduelle de $X$ et 12 % de la variance de $Y$) : Elle capture un profil subtil et spécifique : « Préservation de l’Accomplissement Professionnel ». Cette composante est dominée par des poids très élevés sur la réévaluation cognitive et la reconnaissance hiérarchique, mais se montre quasiment orthogonale et insensible au volume d’heures de travail brut. Sur le plan clinique, cette composante prédit spécifiquement le maintien du sentiment d’accomplissement personnel au travail, agissant comme un bouclier cognitif indépendant de l’épuisement physique.

Les projections graphiques bi-dimensionnelles des scores des soignants révèlent avec acuité les sous-groupes cliniques à haut risque, permettant d’identifier immédiatement les profils individuels combinant une forte charge de travail et un recours rigide à la suppression expressive. Sur le plan de la prescription organisationnelle, ce diagnostic fondé sur la PLS démontre que si les réformes matérielles sur la charge horaire allègent l’épuisement émotionnel brut, les programmes de formation axés sur la flexibilité de la réévaluation cognitive et la reconnaissance managériale constituent les leviers prédictifs exclusifs pour restaurer l’accomplissement personnel des soignants.

12. Limites méthodologiques, débats critiques et perspectives futures

12.1 Critiques épistémologiques et controverses académiques

En dépit de sa remarquable fécondité empirique, la méthode des moindres carrés partiels a fait l’objet de vifs débats méthodologiques au cours de la dernière décennie au sein des cercles spécialisés en psychométrie et statistique mathématique. La controverse la plus incisive a été portée par des chercheurs partisans de l’école des facteurs communs (CB-SEM), tels que Mikko Rönkkö et ses collègues, qui ont reproché à la PLS-SEM de souffrir structurellement d’un « biais de consistance » (consistency at large).

Cette critique formelle découle du fait que la PLS opérationnalise les variables latentes comme des composites linéaires directs formés à partir de leurs indicateurs mesurés. Lorsque les données réelles sont en vérité générées par un modèle à facteurs communs authentique (où chaque indicateur est la somme d’un trait latent et d’une erreur de mesure aléatoire), le composite PLS contient inévitablement une fraction résiduelle d’erreur de mesure non purgée. Par conséquent, les estimateurs des chargements factoriels tendent à être légèrement surestimés, tandis que les coefficients de trajectoire structurelle ($\beta$) reliant les construits latents sont systématiquement sous-estimés (atténuation paramétrique). Bien que ce biais tende asymptotiquement vers zéro lorsque le nombre d’indicateurs par construit tend vers l’infini, il demeure observable sur des échelles courtes comportant moins de quatre items.

En réponse à ces objections, les théoriciens contemporains de la PLS, sous l’impulsion de Jörg Henseler et Theo Dijkstra, ont développé la Consistent PLS (PLSc). Cette extension mathématique introduit un facteur correctif analytique dérivé de l’équation d’atténuation de Spearman, ajustant les corrélations composites en fonction de la fiabilité $\rho_A$ pour produire des estimations de trajectoire rigoureusement asymptotiquement non biaisées, comblant ainsi le fossé mathématique qui séparait historiquement la PLS des estimateurs du maximum de vraisemblance.

12.2 Bonnes pratiques et pièges à éviter lors de la publication

Face à la dissémination massive de la PLS dans la littérature scientifique internationale, les comités de lecture des revues à fort impact ont renforcé leurs exigences méthodologiques afin d’endiguer certaines dérives interprétatives récurrentes. L’un des écueils majeurs consiste à invoquer la PLS comme une justification magique ou une panacée pour légitimer des protocoles souffrant d’échantillons dérisoires. Bien que la PLS converge numériquement sur des tailles d’échantillon minuscules ($N < 30$) là où d'autres algorithmes échouent, le théorème fondamental de la puissance statistique demeure inviolable : un modèle complexe estimé sur un échantillon minuscule possédera une puissance statistique effondrée et produira des intervalles de confiance bootstrap trop larges pour autoriser la moindre conclusion scientifique valide.

Les chercheurs sont désormais tenus de respecter des grilles de rapportage standardisées (telles que les recommandations méthodologiques de Hair, Hult, Ringle et Sarstedt). Cela implique la transparence absolue dans la communication des étapes de l’analyse :

• Justification théorique explicite du choix de la PLS (visée prédictive, modèle formatif, complexité dimensionnelle ou absence de normalité) en amont de toute démarche empirique.
• Déclaration exhaustive de l’ensemble des métriques de fidélité ($\rho_A$, $\rho_c$, alpha) et de validité convergente (AVE $> 0{,}50$).
• Rapportage impératif du ratio HTMT (strictement $< 0{,}85$ ou $0{,}90$) pour établir sans contestation la validité discriminante.
• Utilisation systématique d’au minimum 5 000 ou 10 000 sous-échantillons bootstrap avec calcul d’intervalles de confiance BCa à 95 % pour chaque trajectoire structurelle.
• Évaluation de la pertinence prédictive hors-échantillon via la procédure de validation croisée PLSpredict, garantissant que le modèle surpasse les repères de prédiction linéaire naïve.

12.3 Frontières méthodologiques et innovations récentes

L’horizon méthodologique des moindres carrés partiels se caractérise par une effervescence scientifique intense, matérialisée par l’hybridation féconde de la PLS avec les algorithmes de pointe de l’intelligence artificielle et des neurosciences computationnelles. L’un des fronts les plus prometteurs réside dans l’émergence du Deep PLS, qui empile hiérarchiquement des couches d’extraction PLS supervisées au sein d’architectures de réseaux profonds, permettant d’apprendre des représentations hautement abstraites et non linéaires tout en préservant une explicabilité géométrique locale supérieure à celle des boîtes noires de l’apprentissage profond classique.

Parallèlement, la révolution des données écologiques momentanées (Ecological Momentary Assessment, EMA ou Experience Sampling Methodology) en psychopathologie clinique a catalysé l’essor de la PLS dynamique pour séries temporelles multivariées. En enregistrant les fluctuations émotionnelles, l’anxiété et les interactions sociales de patients plusieurs fois par jour via leurs smartphones, les chercheurs génèrent des données intensives longitudinales caractérisées par une autocorrélation temporelle dense. La PLS dynamique adapte les matrices de dégonflement pour décomposer simultanément la dynamique intra-individuelle des processus psychologiques au fil du temps et les différences inter-individuelles stables.

Enfin, le développement de la psychopathologie computationnelle par réseaux d’items intègre activement les principes de régularisation parcimonieuse de la Sparse PLS pour cartographier comment des symptômes isolés (comme l’insomnie) agissent comme des nœuds passerelles déclenchant la transition catastrophique vers des épisodes cliniques sévères. Cette vitalité méthodologique atteste que la vision d’Herman Wold — un modèle statistique souple, axé sur la prédiction utile et ancré dans la complexité de l’observation réelle — constitue plus que jamais l’un des piliers cardinaux de la recherche quantitative contemporaine.

Références

• Chin, W. W. (1998). The partial least squares approach to structural equation modeling. In G. A. Marcoulides (Ed.), Modern Methods for Business Research (pp. 295–336). Lawrence Erlbaum Associates.
• Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates.
• De Jong, S. (1993). SIMPLS: An alternative approach to partial least squares regression. Chemometrics and Intelligent Laboratory Systems, 18(3), 251–263. https://doi.org/10.1016/0169-7439(93)85002-X
• Dijkstra, T. K., & Henseler, J. (2015). Consistent partial least squares path modeling. MIS Quarterly, 39(2), 297–316. https://doi.org/10.25300/MISQ/2015/39.2.02
• Efron, B., & Tibshirani, R. J. (1994). An Introduction to the Bootstrap. Chapman and Hall/CRC.
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (3rd ed.). SAGE Publications.
• Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
• Henseler, J., Ringle, C. M., & Sarstedt, M. (2016). Testing measurement invariance of composites using partial least squares. International Marketing Review, 33(3), 405–431. https://doi.org/10.1108/IMR-09-2014-0304
• McIntosh, A. R., & Lobaugh, N. J. (2004). Partial least squares analysis of neuroimaging data: Applications and advances. NeuroImage, 23, S250–S263. https://doi.org/10.1016/j.neuroimage.2004.07.020
• Mevik, B.-H., & Wehrens, R. (2007). The pls package: Principal component and partial least squares regression in R. Journal of Statistical Software, 18(2), 1–23. https://doi.org/10.18637/jss.v018.i02
• Rönkkö, M., & Evermann, J. (2013). A critical examination of common beliefs about partial least squares path modeling. Organizational Research Methods, 16(3), 425–448. https://doi.org/10.1177/1094428112474693
• Tenenhaus, M., Vinzi, V. E., Chatelin, Y.-M., & Lauro, C. (2005). PLS path modeling. Computational Statistics & Data Analysis, 48(1), 159–205. https://doi.org/10.1016/j.csda.2004.03.005
• Wold, H. (1975). Soft modelling by latent variables: The non-linear iterative partial least squares (NIPALS) approach. In J. Gani (Ed.), Perspectives in Probability and Statistics: Papers in Honour of M. S. Bartlett (pp. 117–142). Academic Press.
• Wold, H. (1982). Soft modeling: The basic design and some extensions. In K. G. Jöreskog & H. Wold (Eds.), Systems Under Indirect Observation: Causality, Structure, Prediction (Vol. 2, pp. 1–54). North-Holland.
• Wold, S., Sjöström, M., & Eriksson, L. (2001). PLS-regression: A basic tool of chemometrics. Chemometrics and Intelligent Laboratory Systems, 58(2), 109–130. https://doi.org/10.1016/S0169-7439(01)00155-1