David Andrich – 1939 Présent

Biographie

Dans l’histoire des sciences du comportement et de l’éducation, peu de théoriciens ont défendu avec autant de rigueur, de constance et de profondeur conceptuelle l’exigence d’une métrologie véritable que le psychométricien australien David Andrich. Né en 1939, Andrich s’est imposé au fil de plus de cinq décennies de recherche comme la figure de proue internationale de la théorie de la mesure de Rasch, un paradigme qui refuse d’assimiler la simple modélisation statistique descriptive à l’acte scientifique de mesurer. Alors que les sciences humaines et sociales ont souvent cédé à la tentation d’agréger des scores bruts sur des échelles ordinales arbitraires sans en questionner les propriétés métrologiques, Andrich a inlassablement démontré que la mesure psychologique ne peut prétendre au statut scientifique sans satisfaire au critère fondamental d’invariance, théorisé initialement par le mathématicien danois Georg Rasch.

L’œuvre d’Andrich ne se limite pas à une exégèse philosophique de l’épistémologie de la mesure. Elle constitue un ensemble monumental de percées méthodologiques et mathématiques qui ont redéfini la manière dont les attitudes, les traits latents de personnalité et les compétences académiques sont quantifiés à travers le monde. Son article séminal de 1978 introduisant le modèle d’échelle d’évaluation polytomique (Rating Scale Model) a comblé un fossé théorique béant en étendant les propriétés d’invariance des réponses binaires aux données catégorielles ordonnées, omniprésentes dans les questionnaires de type Likert. Par le développement du logiciel RUMM (Rasch Unidimensional Measurement Models), mené avec des collaborateurs de longue date, il a également traduit des principes mathématiques d’une redoutable abstraction en un environnement diagnostique opérationnel, guidant des générations de chercheurs vers une pratique clinique, éducative et sociologique guidée par la rigueur métrologique.

À travers une confrontation critique permanente avec la théorie classique des tests, les modèles paramétriques alternatifs à deux et trois paramètres, et les dérives des évaluations standardisées internationales, David Andrich a maintenu le cap d’une éthique de la quantification. Cet article propose une traversée exhaustive de sa trajectoire intellectuelle et biographique, explorant les racines philosophiques de ses modèles, les mécaniques subtiles de ses formulations mathématiques, ses controverses scientifiques fécondes, et l’impact pérenne de ses contributions au moment où l’intelligence artificielle et l’automatisation des tests remettent au premier plan la question de l’équité, de l’invariance et de la validité de la mesure du potentiel humain.

1. Introduction et trajectoire biographique de David Andrich

1.1 Origines académiques et formation initiale en Australie

David Andrich est né en 1939 dans une Australie occidentale en pleine mutation d’avant-guerre. Dès sa prime jeunesse, il manifeste une inclination remarquable pour la rigueur analytique des mathématiques pures et pour la clarté du raisonnement déductif. Cet attrait précoce l’amène tout naturellement à entreprendre des études supérieures à l’Université d’Australie-Occidentale (University of Western Australia, UWA), institution prestigieuse située à Perth, où il décroche un baccalauréat ès sciences (BSc) axé sur les mathématiques et la statistique appliquée. Parallèlement, habité par un sens aigu de la transmission pédagogique et par le désir de comprendre les dynamiques de l’apprentissage humain, il complète sa formation par des diplômes d’enseignement secondaire en éducation.

Au cours de ses premières années d’exercice en tant qu’enseignant de mathématiques dans le secondaire, Andrich se heurte de manière concrète aux paradoxes insolubles de l’évaluation scolaire traditionnelle. Il constate que la notation sur vingt points ou sur cent pour cent, bien qu’universellement acceptée par le corps professoral et les institutions administratives, repose sur des fondations métrologiques totalement illusoires. L’addition arithmétique brute de questions faciles et difficiles, l’absence d’étalonnage constant des épreuves d’une année sur l’autre et l’influence non contrôlée de la sévérité des correcteurs constituent autant d’obstacles majeurs à une appréciation équitable des compétences des élèves. Ce constat pratique fait naître chez le jeune mathématicien un intérêt passionné et durable pour les sciences du comportement, ainsi qu’une prise de conscience précoce des limites intrinsèques de la théorie des tests alors dominante.

La transition intellectuelle de l’enseignement des mathématiques vers la recherche en mesure psychologique et éducative s’opère comme une nécessité morale et scientifique. Plutôt que de concevoir les mathématiques comme un simple ensemble d’outils formels abstraits, Andrich ambitionne de les mobiliser pour résoudre la crise épistémologique de la mesure dans les disciplines humaines. Poursuivant des études de maîtrise en éducation à l’Université d’Australie-Occidentale, il approfondit les écrits de psychométrie quantitative et identifie les failles structurales des approches corrélationnelles classiques. C’est durant cette période charnière qu’il prend la décision de poursuivre une formation doctorale d’élite à l’international, conscient que la révolution de la mesure scientifique nécessite une immersion au sein des centres de recherche les plus novateurs de la planète.

1.2 Le tournant doctoral à l’Université de Chicago

Au début des années 1970, David Andrich traverse les océans pour rejoindre le département d’éducation de la prestigieuse Université de Chicago, qui constitue à cette époque l’épicentre mondial de l’avant-garde psychométrique. C’est là qu’a lieu la rencontre déterminante de sa vie académique avec le professeur Benjamin D. Wright, directeur du célèbre laboratoire psychométrique MESA (Measurement, Evaluation, and Statistical Analysis). Wright, physicien de formation reconverti dans la psychométrie, avait lui-même été profondément transformé par sa rencontre dans les années 1960 avec le mathématicien danois Georg Rasch. Au laboratoire MESA, Wright promeut avec ferveur les modèles de Rasch comme l’unique voie permettant aux sciences humaines d’atteindre le statut de sciences dures dotées d’une métrologie fondamentale.

Sous le mentorat exigeant de Benjamin Wright, David Andrich assimile de première main les principes les plus subtils des travaux de Rasch. Loin de considérer le modèle logistique simple comme un cas particulier de la théorie de la réponse aux items (IRT), Wright et Andrich y voient une manifestation nécessaire des conditions de la mesure physique classique. Andrich plonge dans la littérature statistique avancée, explorant la théorie de l’estimation de Ronald Fisher, la notion de statistiques suffisantes et les fondements de la métrologie axiomatique. Sa thèse de doctorat, soutenue en 1973 à Chicago, marque une rupture novatrice : il y développe des formulations statistiques rigoureuses pour tester l’adéquation des données aux exigences de mesure invariante, tout en démontrant comment la modélisation probabiliste des réponses individuelles permet de surmonter la dépendance à l’échantillon qui gangrène la psychométrie traditionnelle.

Cette période chicagoane forge définitivement la posture épistémologique d’Andrich. Il y acquiert la conviction inébranlable que la recherche quantitative en sciences sociales commet une erreur méthodologique fatale en cherchant à ajuster des modèles descriptifs toujours plus complexes aux aléas de données empiriques bruitées. Pour Andrich, inspiré par Rasch et Wright, la véritable mesure scientifique exige au contraire que les données se conforment à un modèle déduit a priori des exigences théoriques de l’invariance. Cette vision radicale, qu’il continuera d’affiner sa vie durant, le sépare d’emblée du courant dominant de la psychométrie américaine fondé sur le pragmatisme des modèles à paramètres multiples, et le positionne comme l’héritier le plus rigoureux de la tradition européenne de la mesure objective.

1.3 Carrière professorale et reconnaissance internationale

De retour en Australie, David Andrich entame une carrière académique éclatante, jalonnée de postes professoraux prestigieux au sein des plus grandes universités du pays. Il rejoint d’abord la toute jeune Université Murdoch au milieu des années 1970, où il crée un pôle d’excellence en recherche quantitative et applique ses méthodologies à l’évaluation des systèmes éducatifs régionaux et nationaux. Son talent théorique et sa capacité à former des chercheurs de haut niveau attirent rapidement l’attention de l’institution où il avait fait ses premiers pas académiques : l’Université d’Australie-Occidentale. Il y est nommé professeur titulaire, y occupant pendant plusieurs décennies la chaire d’éducation et fondant des programmes de maîtrise et de doctorat spécialisés dans la théorie de la mesure de Rasch.

La reconnaissance institutionnelle de David Andrich culmine avec son élection au rang de membre de la prestigieuse Académie des sciences sociales en Australie (Fellow of the Academy of the Social Sciences in Australia, FASSA). Cette distinction salue son apport conceptuel exceptionnel à la théorisation de la quantification humaine. Par la suite, Andrich se voit attribuer la mythique Chaire Challis d’éducation à l’Université de Sydney, l’une des plus anciennes et honorables chaires académiques du Commonwealth. Cette nomination consacre définitivement sa stature de maître incontesté de la mesure éducative en Océanie et asseoit son autorité auprès des décideurs publics et des ministères de l’Éducation.

Sur le plan mondial, David Andrich tisse des liens scientifiques étroits avec les principaux laboratoires de statistique psychologique d’Europe, d’Amérique du Nord et d’Asie. Invité d’honneur régulier de la Rasch Measurement International Conference, conférencier plénier auprès de la Psychometric Society et consultant de haut niveau pour des institutions telles que le National Board of Medical Examiners aux États-Unis ou des agences de certification au Royaume-Uni et en Scandinavie, il diffuse inlassablement sa conception sans compromis de la métrologie. Ses contributions au sein des comités éditoriaux des plus prestigieuses revues du domaine, comme Psychometrika et le British Journal of Mathematical and Statistical Psychology, témoignent de son influence durable et de son rayonnement intellectuel continu par-delà les frontières disciplinaires.

2. Les fondements épistémologiques et l’influence de Georg Rasch

2.1 Le principe d’invariance spécifique

Le socle conceptuel sur lequel repose l’ensemble de l’œuvre de David Andrich est le principe d’invariance spécifique, formalisé pour la première fois par le mathématicien danois Georg Rasch au tournant des années 1960 dans son ouvrage de référence, Probabilistic Models for Some Intelligence and Attainment Tests. Selon ce principe révolutionnaire, une procédure de mesure ne peut prétendre au statut scientifique que si la comparaison entre deux individus quelconques est totalement indépendante des instruments spécifiques utilisés pour effectuer cette comparaison. Symétriquement, l’étalonnage comparatif de deux instruments ou items de test doit être rigoureusement indépendant de l’échantillon particulier de personnes mobilisé pour réaliser cette calibration.

Sur le plan mathématique, cette exigence d’invariance se traduit par la séparabilité absolue des paramètres caractérisant les individus (généralement notés par la variable latente thêta ou bêta) et des paramètres caractérisant les items (notés delta). Dans le modèle dichotomique de Rasch, la probabilité qu’une personne $n$ de compétence $\beta_n$ réussisse un item $i$ de difficulté $\delta_i$ s’exprime par une fonction logistique de la différence stricte $(\beta_n – \delta_i)$ :

$$P(X_{ni} = 1) = \frac{\exp(\beta_n – \delta_i)}{1 + \exp(\beta_n – \delta_i)}$$

Andrich insiste magistralement sur le fait que cette formulation n’est pas une simple hypothèse de travail empirique choisie pour sa commodité calculatoire, mais bien la conséquence mathématique inévitable de l’exigence d’invariance spécifique. Cette séparabilité permet l’élimination algébrique du paramètre de la personne lors de l’estimation des paramètres des items par la méthode du maximum de vraisemblance conditionnelle (Conditional Maximum Likelihood), garantissant une objectivité spécifique que nulle autre approche statistique ne peut offrir.

David Andrich fait dialoguer cette exigence avec l’épistémologie de la mesure en physique classique, en se référant aux critères fondamentaux de mesure énoncés par le philosophe et physicien britannique Norman Robert Campbell. Campbell postulait que la mesure fondamentale requiert la démonstration empirique de la concaténation et de l’additivité, propriétés évidentes pour la masse ou la longueur, mais réputées absentes des phénomènes psychologiques. Andrich démontre avec une force argumentative rare que le modèle de Rasch opérationnalise précisément la métrologie conjointe additive (Conjoint Measurement Theory) théorisée par Luce et Tukey en 1964. Ainsi, le modèle de Rasch ne doit jamais être conçu comme un vulgaire outil d’ajustement de courbes statistiques à des observations contingentes, mais comme un standard métrologique a priori. Andrich rejette avec véhémence la doctrine opportuniste consistant à modifier le modèle mathématique pour l’ajuster aux données aberrantes : pour lui, ce sont les instruments empiriques qui doivent être corrigés et raffinés jusqu’à ce que les données satisfassent aux lois universelles de la mesure invariante.

2.2 La filiation intellectuelle entre Rasch, Wright et Andrich

L’histoire de la psychométrie moderne s’articule autour d’une chaîne de transmission intellectuelle particulièrement puissante unissant Georg Rasch, Benjamin Wright et David Andrich. Cependant, le rôle d’Andrich dans cette trinité scientifique ne saurait être réduit à celui d’un simple disciple ou vulgarisateur. Alors que Georg Rasch procédait par intuitions mathématiques fulgurantes mais parfois elliptiques, et que Benjamin Wright déployait une énergie rhétorique quasi messianique pour convaincre la communauté américaine à l’Université de Chicago, David Andrich s’est attelé au travail de fondation formelle, de théorisation philosophique et d’extension structurelle indispensable pour pérenniser le paradigme.

Andrich a notamment mis en lumière des divergences de nuances décisives entre l’approche purement pragmatique de l’école de Chicago et la perspective formaliste et rigoureuse qu’il a lui-même développée en Australie. Tandis que certains chercheurs influencés par Wright ont parfois eu tendance à utiliser les statistiques de Rasch comme une boîte à outils empirique pour redresser rapidement des questionnaires déficients, Andrich s’est toujours opposé aux compromis épistémologiques hâtifs. Il a défendu l’impératif de documenter rigoureusement chaque violation des postulats du modèle, arguant que le désaccord entre les données et le modèle est précisément l’unique source de découverte scientifique sur la nature de la variable latente investiguée.

Dans ses nombreux essais consacrés à l’épistémologie de la causalité et à la construction des construits latents, Andrich établit une distinction radicale entre la simple « modélisation descriptive » et la « mesure scientifique prescriptive ». Il dénonce l’illusion consistant à croire que l’accumulation de paramètres d’ajustement dans des équations statistiques complexes apporte une meilleure compréhension de la réalité psychologique. Pour Andrich, un modèle qui requiert un paramètre de discrimination variable pour chaque item abandonne l’exigence élémentaire d’une unité de mesure constante le long du continuum, détruisant ainsi la possibilité même d’ordonner objectivement les individus. En formalisant cette rupture épistémologique, David Andrich a doté la communauté internationale des chercheurs en sciences humaines d’une boussole conceptuelle inestimable pour naviguer entre les illusions du scientisme descriptif et la rigueur exigeante de la véritable science métrologique.

3. Le modèle d’échelle d’évaluation polytomique (Rating Scale Model)

3.1 Genèse et formulation mathématique de 1978

À la fin des années 1970, la psychométrie mondiale se trouvait face à une impasse technique et méthodologique majeure. Alors que le modèle dichotomique de Rasch avait prouvé son incomparable rigueur pour traiter les questions scolaires à réponses binaires (vrai/faux, réussi/échoué), l’immense majorité des instruments de mesure utilisés en psychologie sociale, en psychopathologie et en sociologie reposaient sur des formats polytomiques ordonnés, au premier rang desquels les célèbres échelles d’accord de type Likert (par exemple : fortement en désaccord, en désaccord, d’accord, fortement d’accord). Les chercheurs se trouvaient réduits soit à dichotomiser arbitrairement leurs données au prix d’une perte catastrophique d’information, soit à violer allègrement les postulats de la mesure en traitant ces données ordinales par des analyses factorielles linéaires inadaptées.

C’est dans ce contexte de vide théorique que paraît en 1978 dans la revue Psychometrika l’article historique de David Andrich intitulé « A Rating Formulation for Ordered Response Categories ». Dans ce travail de pionnier d’une élégance mathématique absolue, Andrich dérive pour la première fois une extension polytomique rigoureuse du modèle de Rasch spécifiquement conçue pour les échelles d’évaluation partagées où l’ensemble des items utilise la même structure de réponses catégorielles ordonnées. Le modèle d’échelle d’évaluation (Rating Scale Model, RSM) exprime la probabilité qu’un répondant $n$ de niveau $\beta_n$ choisisse la catégorie de réponse $x$ (avec $x in {0, 1, dots, m}$) face à un item $i$ de difficulté générale $\delta_i$ de la façon suivante :

$$P(X_{ni} = x) = \frac{\exp \left[ \sum_{k=0}^x (\beta_n – (\delta_i + \tau_k)) \right]}{\sum_{j=0}^m \exp \left[ \sum_{k=0}^j (\beta_n – (\delta_i + \tau_k)) \right]}$$

avec la convention formelle $\tau_0 \equiv 0$ pour assurer l’identifiabilité mathématique du système. Dans cette formulation souveraine, $\delta_i$ capture l’emplacement moyen de l’item sur le continuum du trait latent, tandis que les paramètres $\tau_k$ représentent les seuils de transition (thresholds) partagés entre les différentes catégories adjacentes de l’échelle d’évaluation.

La percée magistrale d’Andrich consiste à avoir démontré que cette formulation préserve intégralement les propriétés royales du modèle dichotomique de Georg Rasch, et en particulier l’existence de statistiques suffisantes pour tous les paramètres. Le score total brut d’un individu (la somme de ses scores de catégories sur l’ensemble des items) s’avère être la statistique suffisante exacte pour estimer sa position sur la variable latente $\beta_n$, tandis que le score marginal de chaque catégorie d’item constitue la statistique suffisante pour calibrer la difficulté de l’item et les seuils de l’échelle. Par cette avancée, Andrich démontrait que la séparabilité des paramètres de personnes et d’items demeurait absolue, prouvant que le traitement scientifique de données d’attitudes ordonnées sur un continuum unidimensionnel était désormais mathématiquement possible sans aucune concession à l’arbitraire empirique.

3.2 Structure et fonction des seuils de transition

L’une des contributions conceptuelles les plus profondes introduites par David Andrich dans son modèle polytomique réside dans la définition opérationnelle et probabiliste de la notion de « seuil de transition » (threshold). Dans la littérature psychométrique antérieure, la distinction entre la catégorie de réponse observée et le point de transition latente demeurait souvent nébuleuse. Andrich clarifie définitivement ce concept en définissant rigoureusement le seuil $\tau_k$ comme le point exact situé sur l’axe continu de la variable latente où la probabilité qu’un sujet réponde dans la catégorie $(k-1)$ est strictement égale à la probabilité qu’il réponde dans la catégorie adjacente supérieure $k$.

Cette distinction permet une dissociation analytique fondamentale entre la difficulté globale de l’item ($\delta_i$) et la structure interne du format de réponse ($\tau_k$). L’item dans son ensemble peut être situé très haut ou très bas sur le continuum (par exemple, exprimer une attitude extrêmement conservatrice ou progressiste), tandis que les seuils quantifient l’effort psychologique ou le degré d’intensité latente additionnel requis par le format de réponse pour franchir le palier entre « plutôt d’accord » et « totalement d’accord ». Cette paramétrisation fine permet de modéliser avec une fidélité inouïe la manière dont les répondants interagissent avec le dispositif d’évaluation.

De surcroît, le modèle d’Andrich s’affranchit totalement du recours aux hypothèses de normalité arbitraires qui grèvent l’approche concurrente de la théorie classique et les formulations à variable latente continue sous-jacente héritées de Pearson. Dans le paradigme d’Andrich, la forme de la distribution empirique des choix des répondants à travers les catégories émerge naturellement de l’interaction probabiliste entre l’emplacement des seuils et la position des sujets sur le trait. Si les seuils sont équidistants ou s’ils sont resserrés, les profils de distribution catégorielle s’en trouvent automatiquement modifiés sans qu’il soit besoin de postuler des densités gaussiennes artificielles. Le seuil devient ainsi un analyseur clinique et méthodologique de premier ordre pour évaluer la qualité métrologique intrinsèque de chaque instrument de mesure.

3.3 Impact du modèle sur la recherche psychologique et sociale

La publication du modèle de Rasch pour échelles d’évaluation par David Andrich a provoqué une véritable onde de choc positive à travers l’ensemble des disciplines quantitatives des sciences humaines. Avant ses travaux de 1978, les chercheurs utilisant des échelles de Likert étaient systématiquement pris dans une contradiction épistémologique intenable : ils reconnaissaient que les données issues de questionnaires n’étaient qu’ordinales, mais ils les traitaient dans leurs calculs informatiques comme des mesures d’intervalles parfaites, calculant des moyennes arithmétiques, des écarts-types et des régressions linéaires multiples en violation flagrante des lois fondamentales des échelles de mesure théorisées par Stanley Smith Stevens.

Le modèle d’Andrich a fourni pour la toute première fois aux chercheurs en psychologie, en éducation, en sociologie et en santé publique l’infrastructure mathématique adéquate permettant de convertir rigoureusement des données catégorielles ordonnées en mesures authentiques sur une échelle d’intervalles exprimée en unités logarithmiques appelées « logits ». Grâce à cette transformation logistique, l’intervalle entre les unités de mesure devient mathématiquement constant d’un bout à l’autre du continuum latent. L’analyse des questionnaires d’attitude, des inventaires de dépression, des bilans de santé perçue (comme les questionnaires de qualité de vie SF-36) et des échelles d’évaluation de la douleur s’en est trouvée métamorphosée.

Au fil des décennies suivantes, le modèle d’échelle d’évaluation d’Andrich a été adopté à une échelle planétaire. Des organisations internationales majeures, des consortiums de recherche en éducation et les agences d’évaluation de la santé les plus exigeantes (telles que la FDA américaine pour les résultats rapportés par les patients ou « Patient-Reported Outcomes ») ont intégré les principes du RSM comme référence méthodologique incontournable pour la validation de leurs banques d’items. L’impact de l’article de 1978 se compte aujourd’hui en milliers de citations scientifiques, confirmant son statut de classique absolu de la littérature psychométrique contemporaine.

4. L’analyse critique des échelles de Likert et de Thurstone

4.1 La déconstruction méthodologique du format Likert

Tout au long de sa prolifique carrière, David Andrich s’est livré à une critique méthodologique décapante et implacable de la routine consistant à utiliser les échelles développées à l’origine par Rensis Likert en 1932 sans vérification métrologique préalable. Dans le protocole standard de Likert, les chercheurs attribuent de manière purement dogmatique et arbitraire des scores entiers consécutifs (par exemple 1, 2, 3, 4 et 5) à des options verbales telles que « Pas du tout d’accord », « Peu d’accord », « Neutre », « D’accord » et « Tout à fait d’accord ». Ces scores sont ensuite mécaniquement sommés pour composer un prétendu score total de la personne.

Andrich démontre de façon irréfutable la non-linéarité inhérente et universelle des catégories verbales ordonnées. Rien, ni dans la théorie psychologique ni dans les observations empiriques, ne justifie le postulat que la « distance psychologique » séparant « Pas du tout d’accord » de « Peu d’accord » soit rigoureusement égale à la distance séparant « Neutre » de « D’accord ». En traitant des symboles ordinaux qualitatifs comme des grandeurs quantitatives équidistantes, la psychométrie conventionnelle commet ce qu’Andrich qualifie d’erreur de catégorie métrologique. Cette falsification computationnelle engendre des distorsions statistiques massives : elle compresse artificiellement les extrémités de l’échelle, gonfle la variance au centre, produit des facteurs parasites dans les analyses factorielles exploratoires et peut inverser l’ordre réel des personnes sur le continuum latent.

La solution magistrale apportée par David Andrich réside dans la linéarisation probabiliste opérée par le modèle logistique de Rasch. En cartographiant la relation entre la probabilité de sélection de chaque modalité verbale et la position sous-jacente sur la variable latente, le modèle d’Andrich projette ces catégories discrètes sur un axe continu d’intervalles réels calibré en logits. Dès lors, les scores ordinaux ne sont plus additionnés naïvement comme des grandeurs linéaires réelles, mais sont traités comme des réalisations probabilistes d’un processus de comptage sur des seuils qualitatifs latents. Ce changement de paradigme prémunit définitivement les chercheurs contre les erreurs grossières d’inférence statistique et les faux diagnostics cliniques résultant de l’arithmétique aveugle des échelles de Likert brutes.

4.2 Réconciliation théorique avec l’approche de Thurstone

L’une des contributions épistémologiques les plus élégantes et originales de David Andrich réside dans sa réconciliation historique et formelle entre les travaux du pionnier de la psychophysique Louis Leon Thurstone et le modèle probabiliste de Georg Rasch. Dans les années 1920, Thurstone avait introduit la loi du jugement comparatif (Law of Comparative Judgment), une démarche métrologique d’une sophistication remarquable visant à mesurer l’intensité des stimuli physiques puis des attitudes psychologiques à partir de comparaisons par paires. Toutefois, la complexité mathématique de l’approche thurstonienne et la lourdeur expérimentale de ses protocoles avaient conduit la psychométrie appliquée à lui préférer la facilité apparente de l’échelle sommative de Likert, reléguant Thurstone à une position marginale.

Dans une série d’articles théoriques majeurs publiés à partir de la fin des années 1970, Andrich met en lumière la parenté conceptuelle et la convergence mathématique stupéfiante qui unissent la loi du jugement comparatif de Thurstone et le modèle de mesure de Rasch. Il démontre que lorsque l’on modélise le processus décisionnel du répondant confronté à une échelle ordonnée non pas comme une simple réponse statique, mais comme une série de jugements comparatifs successifs entre sa propre disposition psychologique interne et les frontières qualitatives des catégories de réponse, le modèle polytomique de Rasch émerge comme l’expression logistique directe des principes thurstoniens.

Andrich établit rigoureusement que la formulation logistique de Rasch et le modèle normalogival dérivé de la loi de Thurstone sont asymptotiquement équivalents, à une constante d’échelle près. Mais là où la formulation de Thurstone se heurtait à des équations intégrales complexes rendant l’estimation des paramètres ardue pour les grands ensembles de données, la paramétrisation logistique de Rasch-Andrich offre la beauté opérationnelle des statistiques suffisantes et de l’estimation conditionnelle. En réalisant cette synthèse féconde, David Andrich a réhabilité la grandeur de la tradition psychophysique au sein de la psychométrie moderne, démontrant que l’évaluation des attitudes humaines n’a nul besoin de renoncer à la pureté métrologique des sciences physiques pour être pratiquée à grande échelle.

5. Le phénomène des seuils désordonnés : Causes et résolutions

5.1 Compréhension mécanique du désordre des seuils

Au cœur de l’expertise diagnostique développée par David Andrich se trouve l’analyse minutieuse du phénomène des seuils désordonnés (disordered thresholds). Dans l’architecture mathématique du modèle de Rasch pour échelles d’évaluation, lorsque les catégories de réponse proposées au sujet (par exemple 0, 1, 2, 3) sont théoriquement ordonnées le long d’un continuum d’intensité croissante, on s’attend logiquement à ce que les seuils de transition successifs $\tau_1, \tau_2, \tau_3$ soient rigoureusement ordonnés sur l’axe latent, de telle sorte que $tau_1 < tau_2 < tau_3$. Or, lors de l’étalonnage empirique d’un questionnaire, il arrive fréquemment que les estimations statistiques fassent apparaître un ordre inversé, par exemple$tau_2 < tau_1$.

Andrich a consacré des efforts conceptuels considérables à élucider la mécanique sous-jacente de cette anomalie. Il insiste impérativement sur la distinction capitale qu’il convient d’opérer entre l’ordre des catégories de réponse (qui est imposé arbitrairement par le format d’administration du test) et l’ordre des seuils de probabilité (qui est une propriété probabiliste empirique révélée par les patrons de réponse réels de la population). Lorsque les seuils sont désordonnés, la courbe caractéristique de la catégorie intermédiaire incriminée s’effondre : il n’existe alors aucun point sur l’ensemble du continuum de la variable latente où cette catégorie spécifique soit plus probable que toutes les autres.

La genèse psychologique et comportementale de ce désordre provient le plus souvent d’une granularité excessive de l’échelle d’évaluation. Lorsqu’un concepteur de test propose trop de nuances subjectives (par exemple une échelle en sept ou neuf points allant de « extrêmement d’accord » à « très d’accord », « modérément d’accord », etc.), les répondants se trouvent plongés dans une confusion cognitive aiguë. Incapables de discriminer clairement la frontière psychologique entre deux catégories mitoyennes, ils utilisent ces options de manière erratique ou bien évitent systématiquement la catégorie intermédiaire au profit des ancrages adjacents. Le désordre des seuils fonctionne ainsi comme un signal d’alarme diagnostique révélant sans appel que l’instrument de recueil de données est intrinsèquement défaillant au niveau de sa taxonomie de réponse.

5.2 Débats théoriques et controverses psychométriques

L’interprétation et le traitement du désordre des seuils ont constitué l’un des champs de bataille théoriques les plus intenses et passionnés entre David Andrich et d’autres éminents spécialistes de la psychométrie internationale, notamment au sein même de la communauté des utilisateurs du modèle de Rasch. Alors que certains chercheurs, adoptant une posture pragmatique ou descriptive, soutenaient que des seuils désordonnés ne posaient pas de problème fondamental dès lors que les scores totaux conservaient leur ordonnancement, ou préconisaient l’emploi de formulations alternatives (comme le modèle des étapes partielles ou Partial Credit Model de Masters sans contrainte d’ordre), Andrich a toujours maintenu une position d’une fermeté dogmatique exemplaire.

Pour David Andrich, admettre des seuils désordonnés au sein d’une variable postulée ordonnée constitue une contradiction dans les termes et un renoncement pur et simple à l’intégrité de la mesure. Si les seuils probabilistes ne progressent pas de façon strictement monotone, cela signifie formellement que l’hypothèse d’une classification croissante sur la variable latente est empiriquement réfutée pour ces catégories. Andrich s’est vigoureusement opposé aux approches statistiques qui tentent de masquer ce dysfonctionnement par des ré-étalonnages mathématiques complaisants ou par des artifices de modélisation multidimensionnelle.

La prescription préconisée par Andrich face au désordre des seuils est d’une clarté méthodologique absolue : elle exige une intervention directe sur la structure de l’instrument. Le chercheur doit soit procéder au regroupement fondé (collapsing) des catégories problématiques qui se chevauchent de manière redondante pour restaurer la monotonicité des seuils sur le continuum, soit, idéalement, réécrire les intitulés des modalités de réponse et reconcevoir le format du test lors d’une nouvelle passation. Pour Andrich, préserver la fidélité de la variable latente est un impératif non négociable. On ne saurait transiger avec la rigueur métrologique sous prétexte d’éviter la révision des instruments de collecte, car mesurer, c’est avant tout garantir l’ordre univoque de l’espace métrique exploré.

6. Conception et évolution du logiciel RUMM

6.1 Origine du projet RUMM avec Barry Sheridan et Guanzhong Luo

Dès les années 1980, David Andrich saisit avec une remarquable acuité que les révolutions théoriques ne peuvent transformer durablement la pratique scientifique que si elles s’incarnent dans des outils technologiques performants et accessibles. Les logiciels psychométriques généralistes de l’époque, conçus pour la théorie classique des tests ou orientés vers les modèles descriptifs de la théorie de la réponse aux items (IRT) à deux ou trois paramètres, s’avéraient incapables d’effectuer les diagnostics de mesure sophistiqués exigés par l’école de Rasch. C’est pour combler ce vide technologique qu’Andrich initie, au sein de l’Université Murdoch puis de l’Université d’Australie-Occidentale, le développement d’un logiciel dédié : RUMM (Rasch Unidimensional Measurement Models).

Cette aventure scientifique et informatique d’envergure est menée en étroite synergie avec deux complices académiques fondamentaux : Barry Sheridan, spécialiste des applications éducatives et de l’ingénierie logicielle, et le professeur Guanzhong Luo, brillant statisticien et analyste numérique. Ensemble, ils constituent une équipe pluridisciplinaire idéale, combinant la profondeur épistémologique et la virtuosité mathématique d’Andrich, l’intelligence algorithmique de Luo et la sensibilité ergonomique de Sheridan. Leur ambition partagée est de concevoir un progiciel qui ne se contente pas de cracher des coefficients d’ajustement globaux, mais qui fonctionne comme un véritable laboratoire d’investigation métrologique interactif.

Les premières versions du logiciel, programmées initialement sous des environnements informatiques austères avant de basculer vers des interfaces graphiques modernes pour ordinateurs personnels, se distinguent immédiatement par leur orientation diagnostique radicale. Alors que les logiciels concurrents cherchaient à minimiser les anomalies pour donner l’illusion d’une adéquation générale des données, RUMM est pensé pour traquer sans pitié la moindre déviance par rapport aux postulats du modèle : non-ordre des seuils, fonctionnement différentiel des items, réponses aberrantes individuelles ou violations de la dimensionnalité. En mettant entre les mains des chercheurs un tel dispositif d’autopsie psychométrique, Andrich, Sheridan et Luo posent les fondations d’un nouveau standard de rigueur méthodologique.

6.2 Fonctionnalités avancées de RUMM2030

L’évolution continue de ce projet logiciel a abouti à sa mouture contemporaine la plus aboutie, le logiciel RUMM2030, qui demeure une référence mondiale absolue pour les psychométriciens attachés à la mesure de Rasch. L’architecture algorithmique du logiciel intègre les méthodes d’estimation les plus sophistiquées de la statistique mathématique moderne, au premier rang desquelles l’estimation par le maximum de vraisemblance conditionnelle (Conditional Maximum Likelihood, CML) et marginale (Marginal Maximum Likelihood, MML), assurant des calibrations de paramètres d’items totalement exemptes de biais d’échantillonnage.

RUMM2030 se distingue par une panoplie d’outils analytiques et visuels d’une extraordinaire puissance :

• Visualisation dynamique des courbes caractéristiques des catégories (CCC) : Le logiciel génère pour chaque item les courbes de probabilité théoriques superposées aux points d’observations empiriques regroupés par intervalles d’aptitude de classe (class intervals), permettant de vérifier visuellement en un coup d’œil l’ordre rigoureux des seuils de transition et le pouvoir discriminant de l’item.
• Diagnostics approfondis d’ajustement (Infit et Outfit) : Calcul rigoureux des statistiques de résidus quadratiques moyens pondérés (Infit Mean Square) et non pondérés (Outfit Mean Square), ainsi que de leurs approximations standardisées en valeurs t, afin d’identifier avec une précision chirurgicale les items qui sous-discriminent (introduisant du bruit aléatoire) ou qui sur-discriminent (révélant une redondance ou une dépendance locale).
• Analyse en composantes principales des résidus (PCAR) : Un module automatisé de pointe qui soumet la matrice de résidus non expliqués par le modèle de Rasch à une décomposition spectrale pour tester rigoureusement l’hypothèse d’unidimensionnalité stricte et révéler d’éventuelles sous-dimensions secondaires masquées.
• Cartographie conjointe de Wright : Représentation graphique simultanée sur un axe métrique unifié en logits de la distribution des aptitudes des personnes en regard de la distribution des difficultés des items et des seuils, fournissant une appréciation immédiate du ciblage (targeting) métrologique du test.

Cette richesse fonctionnelle fait de RUMM2030 bien plus qu’un simple compilateur statistique : c’est un appareil de contrôle qualité scientifique sans équivalent, traduisant à chaque étape les exigences conceptuelles forgées par David Andrich au fil de ses publications académiques.

6.3 Rôle de RUMM dans la pratique psychologique contemporaine

L’impact de la diffusion du logiciel RUMM sur la pratique concrète de la recherche quantitative à l’échelle internationale a été profond et structurant. Dans le domaine de la médecine clinique et de l’évaluation des résultats de santé, RUMM s’est imposé comme l’outil privilégié de validation métrologique lors des essais thérapeutiques internationaux. Les autorités de régulation sanitaire s’appuient désormais régulièrement sur les rapports d’analyse générés par RUMM pour s’assurer que les questionnaires évaluant la douleur, la fatigue ou la rémission psychologique d’un patient satisfont aux exigences d’une mesure invariante et robuste avant d’accorder des autorisations de mise sur le marché pour de nouveaux médicaments.

Dans l’univers des sciences de l’éducation et de la psychométrie appliquée aux certifications professionnelles, le logiciel a révolutionné la construction et l’étalonnage des banques d’items destinées aux tests adaptatifs informatisés (Computerized Adaptive Testing, CAT). La capacité de RUMM à calibrer de façon stable des milliers de questions sur un continuum partagé permet aux algorithmes de sélection d’items d’administrer en temps réel à un candidat les épreuves les plus informatives pour son niveau d’aptitude précis, garantissant une sécurité et une efficience de test inégalées.

Enfin, le rôle historique de RUMM réside dans sa formidable contribution à la démocratisation de l’analyse diagnostique de Rasch auprès de chercheurs qui ne sont pas nécessairement des mathématiciens ou des programmateurs chevronnés. En offrant une interface graphique conviviale combinée à des restitutions visuelles hautement didactiques, le logiciel d’Andrich, Sheridan et Luo a permis à des cliniciens, des sociologues, des pédagogues et des linguistes d’intégrer sans complexe l’excellence métrologique au sein de leurs travaux de terrain. RUMM a ainsi transformé la mesure fondamentale en une pratique vivante, partagée par une immense communauté scientifique internationale.

7. L’invariance de la mesure et le fonctionnement différentiel des items (DIF)

7.1 Cadre théorique du biais de mesure selon Andrich

Pour David Andrich, la question de l’équité et de la comparabilité des tests psychologiques et éducatifs ne relève pas d’une considération idéologique ou sociologique abstraite, mais touche au cœur même de l’épistémologie de la mesure. Dans son cadre théorique, l’invariance de la mesure n’est rien d’autre que la condition sine qua non de toute inférence scientifique valide. Si un instrument de mesure réagit différemment face à deux groupes d’individus qui possèdent pourtant rigoureusement le même niveau sur la variable latente mesurée, alors cet instrument cesse d’être une mesure pour devenir un artéfact corrompu par des sources systématiques de variance étrangère au construit.

C’est à travers cette grille de lecture d’une intransigeance absolue qu’Andrich formalise le concept de fonctionnement différentiel des items (Differential Item Functioning, DIF). Le DIF n’est pas une simple disparité de scores moyens observés entre des groupes (ce qui refléterait un impact ou une différence réelle d’aptitude entre populations), mais la violation formelle de l’égalité de probabilité de réponse conditionnelle au trait latent. En d’autres termes, il y a DIF lorsqu’à niveau de compétence ou d’attitude strictement identique ($\beta_n = \text{constante}$), des individus d’un groupe $A$ et d’un groupe $B$ n’ont pas la même probabilité de réussir ou d’approuver un item spécifique.

Andrich caractérise avec une finesse remarquable les deux manifestations fondamentales de cette anomalie au sein des modèles polytomiques :

• Le DIF uniforme : La difficulté globale de l’item ($\delta_i$) varie de façon constante et homogène d’un groupe à l’autre sur l’ensemble du continuum latent. L’un des groupes subit un désavantage ou bénéficie d’un avantage systématique qui translate la courbe caractéristique sans en altérer la structure générale.
• Le DIF non uniforme : L’interaction entre l’appartenance au groupe et le trait latent est dynamique. La courbe de réponse d’un groupe présente une pente ou une disposition de seuils différente de celle de l’autre groupe, ce qui signifie que l’item discrimine différemment selon le niveau de compétence des sujets au sein de chaque population respective.

Pour Andrich, le DIF représente la signature tangible d’une rupture d’unidimensionnalité : l’item en question mesure en réalité deux choses à la fois, le construit d’intérêt et une dimension culturelle, linguistique ou contextuelle secondaire.

7.2 Méthodologie d’identification et de correction

Pour détecter et traiter le fonctionnement différentiel des items avec une robustesse irréprochable, David Andrich a développé et popularisé une méthodologie statistique sophistiquée articulée autour de l’analyse de variance (ANOVA) appliquée aux résidus standardisés de mesure issus du modèle de Rasch. Contrairement aux approches traditionnelles comme la méthode du Mantel-Haenszel ou la régression logistique brute qui s’appuient sur des scores totaux ordinaux imparfaits pour conditionner les groupes, l’approche d’Andrich utilise la mesure continue latente en logits estimée sans biais pour stratifier les individus en intervalles d’aptitude homogènes.

Dans ce protocole diagnostique, les résidus standardisés font l’objet d’un modèle d’analyse de variance à deux facteurs : le facteur principal représentant l’intervalle de classe sur le trait latent et le facteur secondaire représentant la variable de conditionnement sociodémographique sous étude (comme le genre, l’origine ethnoculturelle, la langue maternelle ou le statut socio-économique). Un effet principal statistiquement significatif du facteur de groupe signale la présence d’un DIF uniforme, tandis qu’une interaction significative entre le groupe et l’intervalle de classe atteste de l’existence d’un DIF non uniforme. Cette approche permet de quantifier non seulement la significativité statistique du biais, mais surtout sa taille d’effet métrologique réelle.

Face à un item pollué par un DIF avéré, David Andrich a conçu une stratégie de résolution particulièrement ingénieuse et pragmatique qui évite l’élimination systématique et destructrice de l’item : la stratégie de division d’items (item splitting). Au lieu de supprimer purement et simplement un item précieux qui participe à la couverture conceptuelle du test, le chercheur « divise » virtuellement l’item en deux sous-items distincts au sein de la matrice de calibration, chacun d’eux n’étant administré et paramétré qu’auprès de son groupe d’appartenance respectif (par exemple, un paramètre de difficulté spécifique pour les femmes et un paramètre spécifique pour les hommes). Cette manœuvre rétablit instantanément l’invariance globale de l’échelle tout en préservant l’intégrité de la mesure. Pour Andrich, cette quête d’invariance transcende le simple exercice de calcul statistique : elle incarne l’éthique même de la science de l’évaluation, garantissant qu’aucune décision individuelle à forts enjeux scolaires, professionnels ou médicaux ne soit corrompue par des biais de mesure non contrôlés.

8. Dépendance locale et unidimensionnalité dans les tests psychologiques

8.1 Nature et conséquences de la dépendance locale des réponses

Tous les modèles probabilistes de mesure, et au premier rang d’entre eux le modèle de Rasch, reposent sur un postulat axiomatique fondamental : l’hypothèse de l’indépendance locale conditionnelle (Local Response Independence). Selon ce principe, une fois contrôlée la position du sujet sur la variable latente ($\beta$), les réponses apportées par ce sujet à différents items du test doivent être mutuellement indépendantes sur le plan stochastique. En des termes plus simples, la réussite ou l’échec à une question donnée ne doit en aucune manière influencer la probabilité de réussite à une autre question, dès lors que le niveau d’aptitude général du répondant est pris en compte.

Dans ses nombreux écrits sur la vulnérabilité des évaluations standardisées, David Andrich a exploré en profondeur les mécanismes générateurs de la dépendance locale des réponses (Local Response Dependence, LRD). Il identifie plusieurs sources pathogènes courantes :

• La redondance linguistique et conceptuelle : L’inclusion d’items aux formulations quasiment identiques ou paraphrasées au sein d’un même questionnaire d’attitude ou de personnalité.
• Les effets de passage commun (stimulus partagé) : Des séries de questions qui se rapportent toutes à un même texte de compréhension écrite, un même scénario clinique ou un même graphique dans un test de mathématiques.
• La fatigue cognitive ou les effets d’ordre : L’impact de la disposition séquentielle des items, où la réponse à un item conditionne mécaniquement ou psychologiquement l’état mental du candidat pour l’item immédiatement consécutif.

Andrich a mis en garde la communauté scientifique contre les conséquences dévastatrices de la dépendance locale lorsqu’elle est ignorée. Contrairement à une idée reçue, la dépendance locale ne détruit pas nécessairement l’ordonnancement global des scores, mais elle induit un mirage métrologique : elle gonfle de manière artificielle la cohérence interne du test, surestime gravement les indices de fidélité traditionnels (tels que l’alpha de Cronbach ou l’indice de séparation de Rasch) et sous-estime drastiquement l’erreur type de mesure. Le chercheur s’imagine alors disposer d’un instrument d’une précision chirurgicale, alors qu’il n’observe qu’un écho redondant d’informations corrélées. Pour débusquer ce phénomène, Andrich a standardisé l’examen systématique de la matrice des corrélations résiduelles de Pearson (comparable à la statistique $Q_3$ de Yen), considérant toute corrélation résiduelle positive excédant un seuil critique (usuellement +0,20 au-dessus de la moyenne des résidus) comme la signature indiscutable d’une dépendance locale toxique.

8.2 La sous-dimensionnalité et les modèles de sous-tests

Pour surmonter les distorsions induites par la dépendance locale sans pour autant contraindre les praticiens à abandonner des batteries de questions structurées autour de textes longs ou de cas cliniques complexes, David Andrich a développé au tournant des années 1990 une formulation théorique et pratique de premier ordre : l’approche par sous-tests (subtest analysis) ou regroupement en super-items.

L’intuition géniale d’Andrich consiste à transformer le poison de la dépendance locale en un matériau métrologique maîtrisable. Au lieu de traiter des questions interdépendantes comme des items dichotomiques distincts violant le postulat d’indépendance conditionnelle, Andrich propose de sommer algébriquement les scores des items formant la grappe dépendante afin de créer un unique « super-item » polytomique. Ce super-item est ensuite modélisé conformément aux équations du modèle polytomique d’échelle d’évaluation ou d’étapes partielles de Rasch. L’interdépendance interne des questions est ainsi mécaniquement absorbée et internalisée à l’intérieur de la structure polytomique du sous-test, rétablissant instantanément l’indépendance locale absolue entre les différentes composantes globales du test.

Andrich apporte la démonstration théorique et empirique que cette procédure d’agrégation contrôlée élimine le biais de surestimation de la fidélité, restaure des erreurs types de mesure réalistes et rétablit l’objectivité stricte de l’estimation des paramètres de la personne. Cette méthodologie a trouvé des débouchés immenses, notamment dans les batteries d’évaluation neuropsychologique complexes et les examens d’aptitude médicale où les questions s’organisent inévitablement autour de cas cliniques partagés. Par cette contribution, David Andrich a une fois de plus prouvé que la fidélité aux principes stricts de la mesure fondamentale de Rasch ne constitue pas un carcan rigide inapplicable aux réalités du terrain, mais au contraire le moteur d’innovations méthodologiques parmi les plus fécondes de la psychométrie appliquée.

9. Confrontation critique avec la théorie classique des tests et les modèles 2PL/3PL

9.1 Limites de la théorie classique des tests (TCT)

L’un des fils conducteurs majeurs de l’engagement intellectuel de David Andrich réside dans sa critique sans concession des faiblesses structurelles de la Théorie Classique des Tests (TCT). Bien que la TCT ait constitué le cadre dominant de la psychométrie tout au long du XXe siècle, Andrich n’a cessé de démontrer qu’elle repose sur des postulats fragiles qui interdisent toute prétention à une véritable métrologie scientifique.

Le premier vice fondamental de la TCT identifié par Andrich réside dans la dépendance circulaire totale de ses paramètres à l’échantillon d’individus examiné (sample-dependence). Dans le cadre classique, l’indice de difficulté d’un item (la valeur $p$, définie comme la proportion de réponses correctes) dépend entièrement du niveau d’aptitude moyen du groupe de répondants qui a passé le test : administré à des élèves brillants, l’item apparaît « facile » ; administré à des élèves en difficulté, le même item apparaît « difficile ». De manière réciproque, le score brut d’un élève dépend totalement de la sévérité des questions sélectionnées : un individu obtiendra un score élevé si l’épreuve est simple, et un score misérable si l’épreuve est ardue. Cette circularité empêche la constitution d’un étalonnage constant et universel des instruments, condamnant la TCT à une forme d’empirisme local incapable d’établir des comparaisons scientifiques objectives à travers le temps ou entre différentes populations.

Le second écueil critique dénoncé par Andrich concerne l’incapacité de la TCT à modéliser la précision de la mesure en fonction du niveau réel de la personne. Dans la théorie classique, l’erreur type de mesure (Standard Error of Measurement, SEM) est postulée comme étant uniforme, constante et identique pour tous les individus de la population, calculée globalement à partir du coefficient de fidélité global du test. Andrich démontre qu’il s’agit d’une fiction mathématique dangereuse : un test composé d’items de difficulté moyenne mesure avec une excellente précision les individus situés au milieu de la distribution, mais fournit une précision quasiment nulle pour les sujets situés aux extrêmes du continuum (les très faibles ou les surdoués). Seuls les modèles de Rasch, par leur fonction d’information conditionnelle, permettent de calculer une erreur type spécifique à chaque niveau de compétence sur l’échelle en logits.

Enfin, Andrich a sévèrement fustigé l’usage aveugle du coefficient alpha de Cronbach comme garantie universelle de fidélité et d’unidimensionnalité. Il a démontré à maintes reprises qu’un alpha élevé peut être facilement obtenu par la simple accumulation d’items redondants violant l’indépendance locale ou au sein de tests multidimensionnels comprenant un grand nombre de questions. Pour Andrich, la TCT donne aux praticiens un faux sentiment de sécurité statistique tout en masquant les failles métrologiques les plus graves de leurs instruments.

9.2 Débat avec la théorie de la réponse aux items paramétrique (2PL et 3PL)

Si la critique de la TCT par David Andrich est largement partagée par l’ensemble des théoriciens de la réponse aux items moderne, la position d’Andrich devient radicale, polémique et profondément clivante lorsqu’il engage le fer contre le courant dominant de la Théorie de la Réponse aux Items (IRT) américaine, incarnée par les modèles paramétriques avancés de Birnbaum, Lord et Novick : le modèle à deux paramètres (2PL, intégrant la difficulté et la discrimination des items) et le modèle à trois paramètres (3PL, ajoutant un paramètre de pseudo-chance ou guessing).

L’argumentation d’Andrich à l’encontre de ces modèles repose sur un fondement épistémologique et algébrique d’une implacable clarté : la préservation des statistiques suffisantes et de l’invariance de la mesure. Dans le modèle de Rasch (1PL), la pente de discrimination de tous les items est postulée comme constante et unitaire ($\alpha_i = 1$ pour tout $i$). Cette contrainte d’égalité formelle n’est pas une simplification naïve, mais la condition mathématique nécessaire et suffisante pour que les courbes caractéristiques des items ne se croisent jamais. Dès l’instant où l’on autorise des discriminations variables ($\alpha_i$) comme dans le modèle 2PL d’Allan Birnbaum :

$$P(X_{ni} = 1) = \frac{\exp [\alpha_i (\beta_n – \delta_i)]}{1 + \exp [\alpha_i (\beta_n – \delta_i)]}$$

les courbes caractéristiques des items se croisent inévitablement sur le continuum latent. Cela engendre une catastrophe métrologique absolue : l’ordre relatif de difficulté entre deux items s’inverse selon le niveau d’aptitude de la personne considérée ! Un item peut être plus difficile qu’un autre pour un élève faible, mais devenir plus facile pour un élève fort. Pour Andrich, ce phénomène détruit le concept même de variable ordonnée et anéantit la possibilité d’une unité de mesure universelle.

De surcroît, l’introduction de paramètres de discrimination variables détruit l’existence d’une statistique suffisante simple pour estimer l’aptitude de la personne : le score brut ne suffit plus, et chaque réponse doit être pondérée par la discrimination contingente de l’item, introduisant une interdépendance inextricable entre l’estimation de la personne et la constitution de l’instrument. La critique d’Andrich devient plus virulente encore à l’égard du modèle 3PL : introduire un paramètre asymptotique inférieur pour modéliser le fait que des candidats devinent au hasard les réponses aux questions à choix multiples revient, selon lui, à incorporer une source de bruit psychologique non linéaire au sein même de l’équation de mesure, altérant irrémédiablement le construit latent évalué. Andrich refuse de considérer les modèles 2PL et 3PL comme des progrès scientifiques : pour lui, il s’agit d’un renoncement capitulard aux exigences métrologiques au profit d’un opportunisme descriptif consistant à « faire coller la courbe aux données à tout prix » au détriment de l’essence même de la mesure objective.

10. Applications de ses travaux à l’évaluation éducative et aux politiques publiques

10.1 Réforme des systèmes de notation et de certification

Loin de cantonner ses théories métrologiques aux sphères académiques et aux revues de mathématiques appliquées, David Andrich s’est engagé avec passion dans les réformes concrètes des politiques éducatives et des examens d’État à forts enjeux, en particulier en Australie. Confronté aux défis gigantesques posés par les examens de fin d’études secondaires (Year 12 Examinations) conditionnant l’accès des bacheliers aux facultés d’élite et aux études de médecine, Andrich a démontré comment l’absence d’étalonnage psychométrique scientifique introduisait des injustices massives et systématiques dans l’attribution des diplômes et des rangs de classement nationaux.

Andrich a notamment conçu des architectures d’égalisation des scores (test equating) fondées sur les modèles de Rasch polytomiques pour le Secondary Education Authority et le Curriculum Council d’Australie-Occidentale. Ces dispositifs ont permis de calibrer sur une métrique commune les résultats obtenus par des dizaines de milliers d’étudiants ayant suivi des combinaisons de matières académiques hétérogènes (mathématiques avancées, littérature, biologie, arts visuels), neutralisant scientifiquement les écarts de difficulté intrinsèques existant entre les disciplines pour produire des rangs de sélection universitaires d’une équité irréprochable.

Un autre pan majeur de son engagement public concerne la modélisation de la sévérité des évaluateurs humains dans la correction des épreuves subjectives ouvertes, telles que les dissertations philosophiques, les rédactions linguistiques ou les soutenances orales. En appliquant les extensions polytomiques de Rasch à facettes multiples (Many-Facet Rasch Measurement), Andrich a montré comment il était possible d’estimer et de neutraliser mathématiquement l’effet de sévérité ou d’indulgence propre à chaque correcteur individuel. Ses rapports d’expertise et ses publications d’orientation à destination des ministères de l’Éducation ont conduit à une professionnalisation sans précédent des protocoles de notation et à l’élimination des biais de correction arbitraires dans les examens certificatifs australiens, faisant de lui une figure tutélaire de l’équité éducative dans le monde anglo-saxon.

10.2 Évaluations standardisées internationales à grande échelle

L’essor fulgurant des enquêtes éducatives internationales comparatives à grande échelle à partir de la fin des années 1990, au premier rang desquelles le programme PISA de l’OCDE (Programme international pour le suivi des acquis des élèves) et les études TIMSS et PIRLS de l’IEA, a constitué un terrain d’observation et de critique privilégié pour David Andrich. Bien que ces programmes s’appuient formellement sur des méthodologies d’Item Response Theory pour agréger les résultats des pays participants, Andrich s’est rapidement imposé comme l’un de leurs analystes critiques les plus lucides et exigeants.

Dans plusieurs études retentissantes, Andrich a mis en lumière les risques gigantesques d’incomparabilité culturelle et méthodologique qui guettent ces méga-enquêtes lorsque les postulats stricts de l’invariance métrologique ne sont pas vérifiés avec une rigueur absolue. Il a démontré que l’existence d’un fonctionnement différentiel des items (DIF) endémique d’un pays à l’autre — résultant de nuances subtiles de traduction linguistique, de différences curriculaires ou de sensibilités culturelles divergentes face aux formats de questions ouvertes ou fermées — remet souvent en cause la validité même des classements de type palmarès (league tables) publiés dans les médias mondiaux. Pour Andrich, comparer les compétences moyennes de nations distinctes sur un test sans avoir démontré empiriquement que l’échelle est rigoureusement invariante d’une langue et d’une culture à l’autre constitue une faute scientifique majeure.

Face à ces dérives institutionnelles, Andrich a plaidé avec vigueur pour une transparence psychométrique totale dans les rapports techniques des organisations internationales. Il a exhorté l’OCDE et l’IEA à documenter systématiquement la détection du DIF, à rendre publics les résidus d’ajustement aux modèles et à renoncer aux simplifications statistiques opportunistes qui sacrifient la vérité de la mesure sur l’autel de la communication politique. Ses interventions dans ce domaine ont profondément stimulé le débat académique international, incitant de nombreuses équipes de recherche indépendantes à réexaminer d’un œil critique la robustesse des données comparatives internationales.

11. L’activité éditoriale, l’enseignement et le mentorat

11.1 Transmission pédagogique et direction de recherche

Parallèlement à son œuvre théorique monumentale, David Andrich s’est imposé comme un pédagogue exceptionnel et un mentor inspiré, dont l’empreinte humaine et intellectuelle a profondément façonné des générations entières de chercheurs en psychométrie et en sciences quantitatives sociales. Réputé pour la précision chirurgicale de ses cours magistraux, la passion communicative qui animait ses séminaires et son refus absolu du jargon abscons dissimulant le vide conceptuel, Andrich a su transformer une discipline souvent perçue comme aride et intimidante en une aventure intellectuelle vibrante et accessible.

Au sein de l’Université d’Australie-Occidentale et de l’Université de Sydney, il a conçu et dirigé des cursus d’études doctorales d’une réputation internationale sans égale, attirant des étudiants brillants venus des quatre coins du globe : d’Australie, d’Asie, d’Europe, d’Afrique et des Amériques. Son style de direction de recherche était légendaire pour son exigence formelle bienveillante mais intransigeante : aucun doctorant ne pouvait se contenter d’appliquer machinalement un logiciel statistique sans être capable d’en démontrer les équations au tableau noir et d’en justifier les fondements philosophiques ultimes. Sous sa férule intellectuelle, des dizaines de chercheurs ont soutenu des thèses de doctorat de premier ordre, essaimant ensuite dans les plus grands centres de recherche métrologique du monde.

Au-delà du cadre universitaire traditionnel, David Andrich a consacré une énergie inlassable à animer des ateliers intensifs internationaux de formation à la théorie de la mesure de Rasch et à l’utilisation du logiciel RUMM. De Perth à Londres, de Singapour à Vancouver, et d’Oslo à Johannesburg, ses masterclasses ont formé des milliers de professionnels de santé, d’évaluateurs éducatifs et de statisticiens d’État. Par cette générosité pédagogique continue, Andrich a littéralement créé une communauté scientifique internationale vivante, soudée par le partage d’une même culture d’excellence métrologique.

11.2 Contributions aux revues et ouvrages de référence

L’autorité intellectuelle de David Andrich s’est également matérialisée par une production éditoriale abondante et décisive, comprenant des centaines d’articles scientifiques dans les revues les plus prestigieuses de la discipline et plusieurs monographies qui ont acquis le rang d’incontournables classiques. Dès 1988, il publie chez le prestigieux éditeur Sage Publications un petit volume devenu légendaire au sein de la célèbre collection « Quantitative Applications in the Social Sciences » : Rasch Models for Measurement. Cet ouvrage d’une limpidité magistrale a constitué pour d’innombrables sociologues et psychologues anglophones la porte d’entrée princeps vers l’univers de la mesure fondamentale invariante.

Plus récemment, David Andrich a cosigné avec sa collaboratrice de longue date, la brillante psychométricienne Ida Marais, un traité didactique monumental intitulé A Course in Rasch Measurement Models: Measuring and Assessing Educational and Psychological Variables (publié chez Springer). Cet ouvrage de synthèse constitue la somme pédagogique de plus de quarante ans d’enseignement de haut niveau. Il expose avec une minutie méthodique incomparable l’ensemble des dérivations mathématiques des modèles dichotomiques et polytomiques, détaille pas à pas l’interprétation clinique des statistiques de résidus, formalise les techniques d’analyse de la dimensionnalité et fournit des guides pratiques exhaustifs pour la résolution des anomalies de données réelles.

Son rayonnement académique s’est également traduit par une participation active et influente au sein des comités éditoriaux des revues scientifiques les plus exigeantes du domaine, telles que Psychometrika, Applied Psychological Measurement, le Journal of Educational Measurement et le British Journal of Mathematical and Statistical Psychology. Dans ce rôle d’arbitre intellectuel, Andrich a exercé une vigilance critique sans complaisance, refusant les compromis de complaisance méthodologique, encourageant l’audace théorique et défendant inlassablement les auteurs qui choisissaient la voie difficile de l’invariance métrologique contre les modes passagères de la complexité statistique injustifiée.

12. Héritage intellectuel et perspectives contemporaines de l’œuvre d’Andrich

12.1 Actualité de ses travaux face aux défis numériques et à l’intelligence artificielle

À l’heure où les technologies numériques, les mégadonnées (Big Data) et les algorithmes d’intelligence artificielle bouleversent de fond en comble le paysage de l’évaluation humaine, les travaux et les principes théoriques de David Andrich n’ont jamais été aussi criants d’actualité. L’avènement des environnements d’apprentissage adaptatif informatisés et des systèmes automatisés d’examen par apprentissage machine (Machine Learning) s’accompagne en effet d’un risque épistémologique et éthique sans précédent : celui de la « boîte noire » statistique, où des prédictions d’aptitude sont formulées par des réseaux de neurones complexes sans qu’aucune garantie de transparence, d’invariance ou d’explicabilité métrologique ne puisse être apportée.

Face à ces dérives technocratiques, le paradigme développé par Andrich offre le rempart scientifique le plus puissant qui soit. Dans la calibration des algorithmes d’apprentissage adaptatif, l’ancrage sur le modèle de mesure de Rasch garantit que chaque recommandation pédagogique ou sélection d’exercice repose sur une échelle métrique continue unidimensionnelle transparente et vérifiable, où la difficulté de l’item et le niveau de l’apprenant sont rigoureusement dissociables. De même, la métrologie d’Andrich s’avère indispensable pour débusquer et corriger les biais algorithmiques structurels qui gangrènent les modèles d’IA entraînés sur des données historiques biaisées. Par l’analyse systématique du fonctionnement différentiel des items (DIF) et de l’invariance des seuils polytomiques, les chercheurs disposent d’un scalpel méthodologique éprouvé pour certifier qu’un algorithme de test assisté par ordinateur traite avec une égalité mathématique absolue les candidats, indépendamment de leur genre ou de leur appartenance culturelle.

De surcroît, le refus viscéral d’Andrich d’accepter les modèles descriptifs opaques prend une résonance prophétique face aux exigences contemporaines d’une IA explicable et d’une mesure responsable. Alors que l’opinion publique et les régulateurs juridiques mondiaux exigent désormais que les décisions automatisées à forts enjeux de recrutement ou d’orientation scolaire soient pleinement justifiables devant les citoyens, les modèles d’Andrich incarnent l’idéal d’une quantification humaine fondée sur des lois mathématiques explicites, des statistiques suffisantes directes et une parfaite transparence cognitive. L’héritage d’Andrich ne relève donc nullement d’une histoire révolue : il constitue la feuille de route incontournable de la psychométrie numérique de demain.

12.2 Bilan d’un demi-siècle de contributions à la psychologie quantitative

L’observation rétrospective du demi-siècle de contributions scientifiques accomplies par David Andrich depuis ses débuts séminaux aux côtés de Benjamin Wright à Chicago révèle une trajectoire d’une cohérence intellectuelle, d’une fécondité mathématique et d’une noblesse épistémologique hors du commun. Andrich ne s’est pas contenté d’être un brillant statisticien appliquant des formules préexistantes : il a été l’architecte conceptuel qui a permis à la vision prophétique de Georg Rasch de s’émanciper de son cadre dichotomique originel pour devenir une théorie générale de la mesure ordonnée, applicable à la quasi-totalité des dispositifs d’observation des sciences humaines.

La pérennité absolue de son modèle d’échelle d’évaluation de 1978, la consistance de son analyse du désordre des seuils, l’efficience pérenne de la suite logicielle RUMM et la pertinence de ses formulations pour résoudre la dépendance locale et le fonctionnement différentiel des items ont profondément et irréversiblement transformé la psychométrie mondiale. Grâce à ses travaux intransigeants, des pans entiers de la recherche sociale, éducative et médicale ont pu s’affranchir du marasme des scores ordinaux trompeurs pour accéder au statut de sciences dotées d’une métrologie exacte, objective et reproductible.

Mais au-delà des équations logistiques et des avancées computationnelles, le legs le plus précieux de David Andrich demeure sa posture éthique et philosophique. Il aura rappelé avec une fermeté inébranlable que mesurer l’être humain — que ce soit son intelligence, ses compétences scolaires, sa souffrance psychologique ou ses idéaux sociétaux — est un acte d’une gravité scientifique et morale extrême qui ne tolère aucun laxisme méthodologique. En maintenant haut le flambeau de l’invariance spécifique et de la mesure fondamentale contre toutes les modes complaisantes du réductionnisme descriptif, David Andrich s’est inscrit de son vivant au panthéon des plus grands théoriciens de la mesure de l’histoire moderne, laissant à la postérité un édifice intellectuel d’une beauté impérissable et d’une fécondité inépuisable.

Références

• Andrich, D. (1978). A rating formulation for ordered response categories. Psychometrika, 43(4), 561–573. https://doi.org/10.1007/BF02293814
• Andrich, D. (1978). Relationships between the Thurstone and Rasch approaches to item scaling. Applied Psychological Measurement, 2(3), 451–462. https://doi.org/10.1177/014662167800200319
• Andrich, D. (1979). A model for contingency tables having an ordered response classification. Biometrics, 35(2), 403–415. https://doi.org/10.2307/2530344
• Andrich, D. (1982). An index of person misfit in the Rasch model. British Journal of Mathematical and Statistical Psychology, 35(2), 244–252. https://doi.org/10.1111/j.2044-8317.1982.tb00657.x
• Andrich, D. (1988). Rasch Models for Measurement (Quantitative Applications in the Social Sciences, Vol. 68). SAGE Publications. https://methods.sagepub.com/book/rasch-models-for-measurement
• Andrich, D. (2004). Controversy and the Rasch model: A characteristic of incompatible paradigms? Medical Care, 42(1), I-7–I-16. https://doi.org/10.1097/01.mlr.0000103528.48582.7c
• Andrich, D. (2011). The Rasch model and additive conjoint measurement. Journal of Applied Measurement, 12(1), 87–96.
• Andrich, D. (2013). Understanding the response structure and process in the polytomous Rasch model. In M. von Davier & S. Reis (Eds.), Item Response Theory: Advances in Education and Psychology. Springer.
• Andrich, D., & Marais, I. (2019). A Course in Rasch Measurement Models: Measuring and Assessing Educational and Psychological Variables. Springer Nature. https://doi.org/10.1007/978-981-13-7496-8
• Andrich, D., Sheridan, B. E., & Luo, G. (2010). RUMM2030: A Windows program for analysing data with Rasch unidimensional measurement models. RUMM Laboratory. https://www.rummlab.com.au
• Campbell, N. R. (1920). Physics: The Elements. Cambridge University Press.
• Luce, R. D., & Tukey, J. W. (1964). Simultaneous conjoint measurement: A new type of fundamental measurement. Journal of Mathematical Psychology, 1(1), 1–27. https://doi.org/10.1016/0022-2496(64)90015-X
• Rasch, G. (1960). Probabilistic Models for Some Intelligence and Attainment Tests. Danmarks Paedagogiske Institut (Expanded edition, 1980, University of Chicago Press). https://eric.ed.gov/?id=ED205568
• Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677–680. https://doi.org/10.1126/science.103.2684.677
• Thurstone, L. L. (1927). A law of comparative judgment. Psychological Review, 34(4), 273–286. https://doi.org/10.1037/h0070288
• Wright, B. D., & Masters, G. N. (1982). Rating Scale Analysis. MESA Press.