David Kenny – 1946 Présent

Biographie

Dans l’histoire contemporaine des sciences humaines et sociales, peu de figures ont exercé une influence méthodologique aussi déterminante, continue et structurante que le psychologue et statisticien américain David A. Kenny. Né au milieu du vingtième siècle, Kenny a traversé et façonné les mutations profondes qui ont conduit la psychologie sociale empirique d’un modèle d’analyse élémentaire et univarié vers des paradigmes computationnels sophistiqués, capables d’appréhender la complexité inhérente aux dynamiques relationnelles. Alors que la recherche comportementale s’est longtemps heurtée à l’écueil de la simplification réductrice — traitant les individus comme des monades isolées et supposant abusivement l’indépendance de leurs réponses —, les travaux de Kenny ont permis de concevoir des architectures quantitatives novatrices, redéfinissant les canons de l’inférence causale, de la modélisation dyadique et de la perception interpersonnelle.

L’apport intellectuel de David Kenny ne réside pas uniquement dans une virtuosité technique abstraite ; il incarne une tentative systématique d’arrimer l’analytique formelle aux questions théoriques les plus fondamentales de l’existence sociale humaine. De la formulation des critères de médiation et de modération dans son article monumental de 1986 avec Reuben M. Baron — devenu l’un des textes scientifiques les plus cités de tous les temps — jusqu’à la théorisation du Modèle des Relations Sociales (Social Relations Model) et du Modèle d’Interdépendance Acteur-Partenaire (Actor-Partner Interdependence Model), Kenny a fourni à la communauté internationale la boîte à outils statistique indispensable pour percer la nature des transactions humaines. Ses modèles ont transformé des disciplines aussi variées que la psychologie clinique, l’analyse des organisations, la communication, la sociologie de la famille et l’épidémiologie comportementale.

Explorer la trajectoire académique et l’héritage scientifique de David Kenny, c’est plonger au cœur des controverses épistémologiques qui ont marqué l’avènement des statistiques modernes appliquées à l’esprit humain. C’est examiner comment la rigueur de l’algèbre matricielle, des modèles linéaires mixtes et des équations structurelles a été mobilisée non pour assécher la réalité phénoménologique du lien interindividuel, mais pour en révéler les structures sous-jacentes d’interdépendance, de réciprocité et d’illusion perceptive. Cette étude exhaustive retrace la genèse de sa pensée, dissèque ses contributions conceptuelles majeures, évalue les prolongements contemporains de ses modèles et met en lumière une vie entière consacrée à la démocratisation de la rigueur méthodologique.

1. Introduction biographique et genèse du parcours académique de David A. Kenny

1.1 Origines, formation initiale et influences intellectuelles

Né en 1946 dans une Amérique d’après-guerre en pleine effervescence technologique et académique, David A. Kenny manifeste dès son plus jeune âge une curiosité remarquable pour la formalisation mathématique appliquée aux phénomènes observables. Issu d’un environnement familial valorisant l’effort intellectuel et la précision de la pensée, le jeune Kenny s’oriente naturellement vers les sciences exactes, tout en éprouvant une fascination grandissante pour les énigmes du comportement humain. Cette tension fertile entre la rigueur déterministe des mathématiques et la nature probabiliste, contingente et parfois désordonnée des interactions humaines devient le fil conducteur de sa vocation naissante. Au cours de ses études de premier cycle universitaire, il découvre avec enthousiasme les prolégomènes de la psychométrie naissante, constatant rapidement les lacunes criantes des méthodes statistiques conventionnelles lorsqu’elles prétendent capturer la subtilité des affects, des attitudes et des préjugés sociaux.

Son entrée à l’Université Northwestern pour y poursuivre des études doctorales marque le véritable tournant de sa trajectoire intellectuelle. Northwestern constitue à cette époque un foyer effervescent de réflexion méthodologique en sciences sociales, largement dominé par la stature intellectuelle imposante de Donald T. Campbell, figure tutélaire de l’épistémologie de l’expérimentation et co-créateur de la matrice multitraits-multiméthodes. L’immersion de Kenny dans l’écosystème intellectuel de Campbell s’avère fondatrice. Il y apprend à regarder les données avec un scepticisme constructif, intégrant l’idée que tout instrument de mesure est intrinsèquement faillible et qu’aucune observation empirique ne peut être dissociée de ses menaces potentielles à la validité interne et externe. Campbell insuffle au jeune chercheur le goût pour les devis quasi-expérimentaux et le défi d’inférer la causalité sans recourir nécessairement à une randomisation totale de laboratoire, souvent inaccessible dans l’étude des réalités écologiques de la vie sociale.

Sous la direction de mentors aguerris, Kenny s’empare des premiers systèmes informatiques et des calculatrices programmables pour formaliser des modèles qui dépassent les traditionnelles analyses de variance (ANOVA). Il s’intéresse aux prémices des modèles causaux et à l’analyse de pistes (path analysis), une technique initialement formulée par le généticien Sewall Wright mais largement sous-exploitée par les psychologues de l’époque. Cette conjonction entre la formation mathématique rigoureuse de Kenny et la pensée critique campbellienne pose les jalons d’un programme de recherche qui refusera toujours d’isoler la technique statistique du contexte théorique qui lui donne sens.

1.2 Débuts académiques et transition vers l’Université du Connecticut

Après l’obtention de son doctorat en 1972, David Kenny entame une carrière professorale qui le mène d’abord dans l’un des cénacles universitaires les plus prestigieux au monde : l’Université Harvard. En tant que jeune professeur adjoint au sein du Département de psychologie et des relations sociales, Kenny se trouve propulsé au cœur de l’élite académique. Il y conçoit et dispense des cours avancés de psychométrie et d’analyse multivariée, bousculant les programmes traditionnels en y intégrant des discussions de pointe sur l’erreur de mesure, les biais de sélection et la modélisation par équations structurelles embryonnaire. Son passage à Harvard lui permet de consolider son autorité théorique et de tisser des liens avec des chercheurs de premier plan, bien que l’atmosphère parfois élitiste et fragmentée de l’institution l’incite à chercher un environnement plus propice à l’édification d’un laboratoire de recherche de longue haleine entièrement dédié à la méthodologie quantitative.

C’est en 1978 que Kenny effectue un choix déterminant en rejoignant le corps professoral de l’Université du Connecticut (UConn), située à Storrs. Ce cadre académique dynamique lui offre l’autonomie et les infrastructures nécessaires pour fonder un pôle d’excellence en statistiques psychologiques. Nommé rapidement professeur titulaire au Département des sciences psychologiques, Kenny structure un écosystème de formation doctorale de renommée internationale. Il y établit des espaces de travail informatiques spécialisés, formant des générations successives de chercheurs à l’analyse de données complexes et aux langages de programmation statistique naissants, tels que SAS, SPSS et plus tard LISREL.

À l’Université du Connecticut, Kenny ne s’enferme pas dans une tour d’ivoire méthodologique. Il forge des collaborations étroites et pérennes avec des collègues sociologues, des statisticiens purs et des spécialistes du développement de l’enfant et de la dynamique familiale. Ces échanges interdisciplinaires enrichissent considérablement sa vision : confronté aux devis d’observation des interactions familiales et aux contraintes empiriques de la recherche clinique, il prend la mesure des limites des outils classiques face aux matrices de données hautement corrélées et non indépendantes. UConn devient ainsi le creuset où sont forgés, testés et affinés le Modèle des Relations Sociales et les fondements de l’analyse dyadique moderne.

1.3 Positionnement épistémologique au sein de la psychologie sociale quantitative

L’apport épistémologique de David Kenny se singularise par son refus catégorique de cautionner le clivage traditionnel opposant les théoriciens de la psychologie aux méthodologistes quantitatifs purs. Pour Kenny, la méthode n’est pas un simple appendice technique intervenant a posteriori pour traiter des chiffres collectés à l’aveugle, mais le langage formel même dans lequel la théorie doit s’énoncer pour être réfutable. Il s’insurge contre la fétichisation du seuil de significativité statistique usuel (le dogmatique p < .05), préconisant une compréhension structurelle des mécanismes sous-jacents, l’estimation précise de la taille des effets et la modélisation explicite de l’erreur d’échantillonnage et de mesure.

Kenny défend une approche rigoriste de la mesure des comportements interpersonnels. Il soutient que la psychologie sociale s’est trop longtemps satisfaite d’artifices de laboratoire simplistes, mesurant des intentions déclarées sur des échelles de Likert hors sol plutôt que d’étudier les flux d’échanges réels entre partenaires vivants. Cependant, étudier l’interaction réelle exige une tolérance à la complexité que les modèles statistiques naïfs ne peuvent assumer sans violer leurs postulats fondamentaux. C’est précisément pour combler ce fossé entre le désir d’écologie relationnelle et l’exigence d’orthodoxie mathématique que Kenny a déployé son génie analytique.

En introduisant la modélisation mathématique avancée au cœur des sciences relationnelles, Kenny a opéré une véritable révolution paradigmatique. Il a démontré que l’interdépendance humaine, loin d’être un bruit statistique gênant dont il faudrait se débarrasser par des artifices d’agrégation, constitue l’essence même de l’objet d’étude de la psychologie. Dès lors, le positionnement épistémologique de Kenny s’affirme comme un réalisme structural : les relations sociales possèdent des propriétés émergentes objectives qui peuvent être isolées, quantifiées et comprises à travers une décomposition rigoureuse de la variance.

2. Les fondements conceptuels : Corrélation et causalité dans la recherche psychologique

2.1 La publication de l’ouvrage séminal Correlation and Causality (1979)

À la fin des années 1970, la psychologie sociale et les sciences du comportement traversent une crise de croissance méthodologique. Bien que les techniques de régression multiple et d’analyse factorielle se démocratisent grâce à l’informatique, les chercheurs demeurent prisonniers d’une injonction quasi-religieuse résumée par le truisme : « corrélation n’est pas causalité ». Cette formule, si elle protégeait salutairement contre les conclusions hâtives, servait également d’alibi commode pour paralyser toute tentative d’explication théorique robuste issue de données non expérimentales. C’est dans ce contexte de stagnation théorique que David Kenny publie en 1979 son premier grand chef-d’œuvre : Correlation and Causality, un ouvrage fondateur qui reconfigure entièrement la philosophie de la causalité statistique dans les sciences de l’esprit.

Dans ce livre d’une remarquable limpidité conceptuelle, Kenny ne balaie pas l’adage classique mais le déconstruit minutieusement. Il démontre que si la présence d’une corrélation ne prouve pas formellement la causalité, toute relation causale engendre nécessairement un faisceau d’associations ou de dépendances prévisibles sous certaines conditions structurelles. Kenny s’attache à formaliser avec précision les conditions scientifiques requises pour qu’une inférence causale soit légitimement postulée au sein de devis non expérimentaux ou quasi-expérimentaux. Ces conditions incluent la précédence temporelle de la cause sur l’effet, l’existence d’une association empirique non triviale et, par-dessus tout, l’élimination plausible des explications alternatives incarnées par des variables de confusion tierces.

L’ouvrage introduit une typologie rigoureuse des biais d’omission de variables et des erreurs de spécification de modèle. Kenny offre aux chercheurs une grille d’évaluation systématique de la vulnérabilité de leurs théories face aux variables masquées. En vulgarisant la méthode de l’analyse de pistes pour les psychologues et en exposant les premiers principes des systèmes d’équations structurelles (SEM), Correlation and Causality anticipe de plus d’une décennie l’essor massif des logiciels comme LISREL et EQS, établissant définitivement Kenny comme le pédagogue en chef de la causalité probabiliste en psychologie.

2.2 Inférence causale et données non expérimentales

L’un des défis les plus redoutables abordés par Kenny dans ses travaux sur la causalité concerne l’impossibilité éthique ou pratique d’assigner aléatoirement des participants dans la vaste majorité des situations d’intérêt humain. On ne peut pas, dans un laboratoire, assigner au hasard des individus à l’état de divorce, à la condition de victime de maltraitance infantile ou au rôle de partenaire dans un mariage de longue durée. Les données observationnelles et relationnelles sont intrinsèquement marquées par l’auto-sélection et l’hétérogénéité non observée, ce qui rend l’interprétation des coefficients de régression standard périlleuse.

Pour parer à ces écueils, David Kenny a été l’un des premiers à importer et adapter dans le champ psychologique des méthodologies issues de l’économétrie, notamment les techniques d’estimation par variables instrumentales et les modèles longitudinaux à panels retardés. Il a insisté sur l’urgence de contrôler la stabilité temporelle des construits : mesurer une variable dépendante à un temps T sans contrôler son niveau initial au temps T-1 constitue, selon Kenny, une faute méthodologique majeure susceptible de générer des causalités illusoires simplement dues à l’inertie propre du phénomène étudié.

Parallèlement, Kenny a souligné le rôle pernicieux de l’erreur de mesure non aléatoire. Dans une équation de régression classique, l’imprécision d’une variable indépendante entraîne une atténuation artificielle de son coefficient de régression propre, tout en reportant artificiellement la variance non expliquée sur les autres covariables du modèle, produisant ainsi des biais de contamination parfois considérables. En prônant la modélisation des variables latentes — où l’erreur de mesure est explicitement modélisée et extraite du construit théorique —, Kenny a fourni l’antidote mathématique permettant de préserver la validité interne des conclusions causales tirées de données purement observationnelles.

2.3 Évolution vers l’analyse causale moderne et les modèles contrefactuels

Au fil des décennies, le paysage de l’inférence causale a connu une refondation théorique radicale, principalement impulsée par les travaux sur les modèles contrefactuels (ou modèles de résultats potentiels de Donald Rubin) et la formalisation des graphes acycliques dirigés (DAG) par l’informaticien et philosophe Judea Pearl. Loin de s’accrocher de manière dogmatique à ses premières formulations de 1979, David Kenny a engagé un dialogue intellectuel fécond et constant avec ces approches contemporaines, révisant et enrichissant ses propres conceptions.

Kenny a reconnu la puissance analytique des graphes causaux pour diagnostiquer les pièges redoutables de la collision (collider bias), où le contrôle statistique malavisé d’une variable commune à deux causes distinctes crée artificiellement une association fallacieuse entre elles. Il a su traduire ces concepts hautement abstraits dans le langage familier des psychologues sociaux, montrant comment certaines pratiques habituelles d’ajustement statistique par covariables pouvaient, paradoxalement, détruire la validité causale d’une étude au lieu de la renforcer.

Ce dialogue s’est également traduit par une réévaluation lucide des limites inhérentes aux devis corrélationnels longitudinaux. Kenny a analysé comment les modèles de panel croisé classiques (Cross-Lagged Panel Model), qu’il avait lui-même contribué à populariser dans les années 1970, échouaient parfois à distinguer les variations intrapersonnelles dynamiques des différences interpersonnelles stables au fil du temps. En intégrant les principes contrefactuels, il a préparé le terrain méthodologique pour les extensions modernes de l’inférence causale qui animent aujourd’hui les débats scientifiques les plus pointus.

3. L’article séminal de Baron et Kenny (1986) : Révolution de la médiation et de la modération

3.1 Genèse et contexte historique de la publication de 1986

Au milieu des années 1980, la littérature en psychologie sociale et clinique se trouve engluée dans une profonde confusion conceptuelle. Les chercheurs utilisent alors de manière totalement interchangeable les vocables de « médiateur » et de « modérateur » pour qualifier n’importe quelle troisième variable venant s’immiscer entre une cause présumée (la variable indépendante X) et son effet (la variable dépendante Y). Cette imprécision sémantique reflète un flou théorique préjudiciable : on confondait allègrement le mécanisme générateur interne par lequel un effet se produit avec la condition de contexte ou la caractéristique individuelle qui détermine la force ou la direction de cet effet.

Constatant cette ambiguïté dommageable, David Kenny s’associe à son collègue de l’Université du Connecticut, le psychologue social Reuben M. Baron. Ensemble, ils entreprennent de clarifier ces notions une bonne fois pour toutes. De cette collaboration naît l’article intitulé « The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations », publié en 1986 dans le prestigieux Journal of Personality and Social Psychology (JPSP). La rigueur cartésienne de leur argumentation frappe immédiatement par sa pertinence.

Le destin de cet article dépasse toutes les attentes statistiques. Avec des dizaines de milliers de citations académiques enregistrées au fil des décennies, il s’impose comme l’un des articles scientifiques les plus cités de toute l’histoire des sciences humaines et de la biomédecine moderne. Baron et Kenny y gravent dans le marbre conceptuel la distinction cardinale : le modérateur est une variable qualitative ou quantitative qui affecte la direction ou la force de la relation entre une variable indépendante et une variable dépendante (le quand ou le pour qui), tandis que le médiateur rend compte de la nature de la relation, expliquant comment ou pourquoi certains effets se produisent (le comment ou le mécanisme).

3.2 Le cadre en quatre étapes pour tester la médiation statistique

Pour operationaliser l’analyse de médiation de manière pragmatique et reproductible, Baron et Kenny proposent un protocole d’estimation linéaire reposant sur l’estimation séquentielle de trois équations de régression distinctes, articulées autour de quatre étapes obligatoires bien précises :

• Étape 1 : Démontrer que la variable indépendante X est significativement associée à la variable dépendante Y dans un modèle de régression simple (effet total, noté conventionnellement c). Cette étape visait initialement à établir qu’il existe un phénomène d’influence statistique global à expliquer.
• Étape 2 : Démontrer que la variable indépendante X est significativement associée à la variable présumée médiatrice M (trajectoire notée a). Le médiateur est alors traité comme un critère temporaire sous l’influence de la cause initiale.
• Étape 3 : Évaluer l’effet simultané du médiateur M sur la variable dépendante Y, tout en contrôlant statistiquement la variable indépendante X (trajectoire notée b). Il est requis que le médiateur exerce une influence significative autonome sur Y.
• Étape 4 : Évaluer le coefficient de la variable indépendante X sur Y dans cette même régression multiple simultanée (effet direct résiduel, noté c’). Si l’effet direct c’ s’annule complètement pour atteindre zéro statistique, Baron et Kenny concluent à une médiation totale (ou parfaite). Si le coefficient c’ diminue significativement en valeur absolue par rapport à l’effet total c mais demeure différent de zéro, on conclut à une médiation partielle.

Pour déterminer formellement si la réduction de l’effet total à l’effet direct était statistiquement non nulle, l’article recommandait l’emploi d’un test déduit des théories asymptotiques du statisticien Michael Sobel (le test de Sobel), calculant l’erreur type asymptotique du produit des coefficients a × b. La clarté didactique de ce protocole, sa mise en œuvre accessible dans les progiciels de régression usuels de l’époque ont assuré son triomphe universel immédiat.

3.3 La modération : Définitions et protocoles d’interaction

Dans la seconde moitié de leur article historique, Baron et Kenny formalisent la démarche analytique permettant de sonder les hypothèses de modération. Ils définissent le modérateur comme une variable qui partitionne le champ expérimental ou observationnel en sous-domaines où l’efficacité d’une cause s’exprime différemment. Sur le plan purement statistique, la modération est isomorphe au concept d’interaction bien connu dans l’analyse de variance, mais les auteurs étendent sa mise en application rigoureuse au cadre de la régression linéaire multiple continue.

Le protocole analytique formalisé requiert l’estimation d’une équation où la variable dépendante Y est régressée simultanément sur la variable indépendante X, la variable modératrice présumée Z, et le terme multiplicatif d’interaction X × Z. Baron et Kenny soulignent un impératif méthodologique crucial : les effets principaux d’ordre inférieur (X et Z) doivent obligatoirement être maintenus dans l’équation de régression lors de l’estimation de l’interaction pour éviter toute confusion entre l’effet modérateur et d’éventuels effets linéaires directs non contrôlés.

Ils formulent également des recommandations pionnières sur l’interprétation des effets simples et la représentation visuelle indispensable des pentes de régression (simple slopes analysis). Ils encouragent les chercheurs à tracer graphiquement la relation reliant X à Y à différentes valeurs typiques du modérateur (classiquement à la moyenne, à un écart-type au-dessus et à un écart-type en-dessous de la moyenne pour une variable continue, ou selon les strates discrètes pour une variable catégorielle). Cette protocolisation systématique a permis d’éradiquer des décennies de pratiques anarchiques de découpage arbitraire de variables continues en sous-groupes dichotomiques par la médiane, une pratique toxique qui amputait la puissance statistique des études.

4. Développements contemporains et réévaluations critiques de la médiation

4.1 Limites reconnues de l’approche causale par étapes de Kenny

En dépit de son succès planétaire, le protocole causal en quatre étapes de Baron et Kenny n’a pas échappé aux critiques sévères de la part des méthodologistes au fur et à mesure que les capacités de calcul statistique progressaient. David Kenny lui-même a fait preuve d’une probité intellectuelle exemplaire en participant activement à la réévaluation critique de son propre modèle. L’une des premières failles identifiées réside dans l’exigence dogmatique de la première étape : celle qui impose la démonstration d’un effet total significatif (c) de X sur Y avant même de pouvoir envisager l’existence d’une médiation.

Les statisticiens ont démontré que dans de nombreux scénarios réels d’intérêt psychologique, des mécanismes médiateurs concurrents opèrent simultanément avec des signes opposés — un phénomène désigné sous le terme de « médiation incohérente » ou de « processus compétitif ». Dans de telles circonstances, l’effet positif transitant par un médiateur M1 peut être neutralisé à la surface par l’effet négatif transitant par un médiateur M2, aboutissant à un effet total empirique c strictement égal à zéro. Interdire l’exploration de la médiation sous prétexte que l’étape 1 échoue revenait donc à passer à côté de découvertes théoriques fondamentales concernant des mécanismes physiologiques ou psychosociaux compensatoires.

De surcroît, le test de Sobel utilisé historiquement pour valider la significativité du produit a × b souffrait d’un problème mathématique structurel : il postulait abusivement la normalité de la distribution d’échantillonnage de ce produit. Or, le produit de deux variables normalement distribuées suit une distribution asymétrique et leptokurtique, particulièrement dans les échantillons de taille modeste. En conséquence, le test de Sobel péchait par un manque criant de puissance statistique, conduisant à des taux élevés d’erreurs de type II (rejet erroné d’une médiation pourtant bien réelle).

4.2 Transition vers le rééchantillonnage (Bootstrapping) et les effets indirects

Face à ces apories mathématiques, une transition paradigmatique s’est opérée au cours des années 2000, largement catalysée par les travaux de méthodologistes quantitatifs comme Andrew Hayes, Kristopher Preacher et David Kenny lui-même. La communauté a abandonné les critères stricts par étapes et le test asymptotique de Sobel au profit exclusif de l’estimation de l’effet indirect global (ab) par des méthodes non paramétriques de rééchantillonnage, désignées sous le nom de bootstrapping.

Le bootstrapping consiste à rééchantillonner avec remise les données des milliers de fois (couramment 5 000 ou 10 000 itérations) afin de générer une distribution empirique de l’effet indirect sans formuler aucune hypothèse de normalité préalable. Les chercheurs calculent ensuite des intervalles de confiance corrigés pour le biais et accélérés (BCa). Si la valeur zéro n’est pas comprise à l’intérieur de cet intervalle de confiance empirique à 95 %, l’effet indirect médiateur est déclaré statistiquement significatif, indépendamment du statut de significativité de l’effet total initial c.

Dans ses prises de parole et ses écrits ultérieurs, David Kenny a formellement acté cette évolution, préconisant l’abandon de l’étape 1 comme prérequis absolu et encourageant l’adoption généralisée des techniques contrefactuelles modernes d’inférence causale issues des travaux de Kosuke Imai et Tyler VanderWeele. Ces derniers ont reformulé la médiation en termes d’effets causaux directs naturels (Natural Direct Effect) et d’effets causaux indirects naturels (Natural Indirect Effect), offrant des fondations mathématiques étanches même en présence de non-linéarités complexes ou d’interactions entre la variable indépendante et le médiateur.

4.3 Médiation modérée et modération médiatisée

La sophistication croissante des modèles théoriques a rapidement conduit à l’intégration simultanée des concepts jadis séparés de médiation et de modération au sein de cadres unifiés. David Kenny a joué un rôle d’architecte conceptuel dans la formalisation des modèles de médiation modérée (moderated mediation) et de modération médiatisée (mediated moderation), deux structures souvent confondues mais épistémologiquement dissemblables.

La médiation modérée intervient lorsque le mécanisme causal par lequel X influence Y à travers M varie en intensité selon le contexte ou une caractéristique individuelle représentée par une variable modératrice W. Dans ce schéma, l’effet indirect lui-même n’est plus une constante mathématique universelle, mais devient une fonction mathématique dépendante des valeurs prises par W : on parle alors d’effet indirect conditionnel. L’équation se traduit par la modération soit du segment a (l’impact de X sur M change selon W), soit du segment b (l’impact de M sur Y change selon W), voire des deux simultanément.

À l’inverse, la modération médiatisée s’intéresse à l’explication sous-jacente d’une interaction préalablement établie : il s’agit d’identifier le médiateur qui transmet l’effet de l’interaction conjointe de X et W sur le critère final Y. Kenny a rédigé des protocoles méthodologiques rigoureux pour guider les chercheurs à travers les méandres algébriques de ces modèles mixtes, fournissant des directives pour tester formellement l’indice global de médiation modérée sans tomber dans le piège des conclusions erronées déduites d’analyses de sous-groupes fragmentées.

5. Le Modèle des Relations Sociales (Social Relations Model – SRM)

5.1 Fondements théoriques de l’interaction interpersonnelle selon Kenny

Parallèlement à ses travaux sur les pistes causales, David Kenny s’attelle dès la fin des années 1970 à résoudre ce qui constitue selon lui le péché originel de la psychologie sociale : la négation de la nature proprement dyadique et collective du lien humain. Lorsqu’un individu interagit avec un autre — qu’il s’agisse d’un sourire échangé, d’un acte d’agression verbale ou d’un jugement sur la sympathie d’autrui —, cette manifestation comportementale ne saurait être imputée exclusivement à la personnalité de l’émetteur, pas plus qu’elle ne relève uniquement des caractéristiques intrinsèques du récepteur. Elle est le fruit d’une transaction dialectique complexe.

Pour dénouer cet écheveau relationnel, Kenny théorise et développe de façon magistrale le Modèle des Relations Sociales (Social Relations Model ou SRM). Ce modèle repose sur une conceptualisation tripartite de la variance statistique : tout comportement ou jugement social observé au sein d’une dyade peut être décomposé en une part attribuable à l’individu qui agit (effet d’acteur), une part attribuable à l’individu qui subit ou suscite l’action (effet de partenaire), et une part irréductible qui appartient exclusivement à la dynamique singulière unissant ces deux êtres spécifiques (effet de relation), à laquelle s’ajoute une inévitable marge d’erreur de mesure.

L’aboutissement de cette décennie de recherches théoriques et empiriques culmine avec la publication en 1994 de son ouvrage d’anthologie, Interpersonal Perception: A Social Relations Analysis. Ce livre magistral redéfinit de fond en comble la psychologie de la perception d’autrui. Kenny y démontre, données à l’appui, que les théories classiques de l’attribution et les études traditionnelles sur la formation des impressions étaient structurellement biaisées parce qu’elles ignoraient la structure de variance multiniveau propre aux groupes sociaux. Le SRM s’affirme dès lors comme une rupture paradigmatique majeure dans l’histoire de la psychométrie relationnelle.

5.2 Les plans de collecte de données dans le modèle SRM

L’application empirique du Modèle des Relations Sociales requiert des protocoles expérimentaux ou observationnels hautement sophistiqués, spécifiquement architecturés pour croiser les interactions individuelles sans briser la structure du réseau social d’étude. David Kenny formalise deux architectures majeures de collecte de données :

• Le devis en tables tournantes (Round-Robin Design) : Dans ce protocole particulièrement exhaustif, chaque membre d’un groupe social défini évalue, interagit avec, ou est mesuré par l’ensemble des autres membres du groupe. Si un groupe comporte n individus, chaque participant produit n – 1 évaluations et reçoit n – 1 évaluations. Cette circularité complète offre une puissance statistique maximale pour démêler les contributions respectives des acteurs, des partenaires et des relations dyadiques mutuelles.
• Le devis en blocs (Block Design) : Utilisé lorsque le groupe d’étude est naturellement scindé en deux sous-groupes asymétriques ou étanches (par exemple des médecins évaluant des infirmières, des enseignants évaluant des élèves, ou des négociateurs de deux entreprises distinctes). Chaque membre du sous-groupe A interagit avec tous les membres du sous-groupe B, mais aucune interaction intra-groupe n’est mesurée. Bien que plus économique sur le plan temporel, ce devis impose des contraintes statistiques spécifiques sur l’estimation de certaines réciprocités.

Ces devis posent des défis considérables en matière de logistique empirique et de traitement analytique. Les matrices de données qui en résultent présentent une densité d’interconnexions qui viole frontalement le postulat traditionnel d’indépendance des observations. De surcroît, la survenue de données manquantes (un participant absent ou omettant d’évaluer un partenaire spécifique) engendre des déséquilibres matriciels complexes que Kenny s’est efforcé de résoudre par des algorithmes d’estimation itératifs de haute précision.

5.3 Décomposition de la variance : Acteur, Partenaire et Relation

Le génie formel du SRM réside dans son équation fondamentale de décomposition linéaire de la variable dépendante X_ijk, représentant le score mesuré lorsque l’acteur i interagit avec le partenaire j au sein du groupe k. L’équation s’écrit de manière synthétique comme la somme additive de composantes latentes inobservables :

X_ijk = m_k + a_ik + p_jk + r_ijk + e_ijk

Dans cette formulation rigoureuse :

• m_k représente la moyenne globale du groupe social k, fixant le niveau de base de l’interaction étudiée.
• a_ik constitue l’effet d’acteur (actor effect). Il mesure la propension générale et stable de l’individu i à émettre un comportement spécifique ou à porter un jugement donné, indépendamment de l’identité du partenaire auquel il fait face. Par exemple, une personne ayant un effet d’acteur très élevé sur une échelle de sociabilité sera jugée par le modèle comme étant systématiquement portée à trouver tout le monde sympathique.
• p_jk représente l’effet de partenaire (partner effect). Il capture la caractéristique stable de l’individu j qui suscite de manière consensuelle un certain type de réponse chez autrui. Si un participant bénéficie d’un effet de partenaire élevé sur l’amabilité, cela signifie que la majorité des membres du groupe s’accorde pour le trouver particulièrement aimable.
• r_ijk désigne l’effet de relation (relationship effect). C’est le cœur théorique du modèle : il quantifie l’inclination unique, différentielle et non réductible de l’acteur i spécifiquement dirigée vers le partenaire j, après avoir mathématiquement soustrait la tendance générale d’i à émettre ce comportement et la tendance générale de j à le susciter. C’est l’étincelle relationnelle singulière, la « chimie » propre à cette dyade précise.
• e_ijk symbolise la composante d’erreur de mesure aléatoire (error variance). Kenny démontre avec force qu’en l’absence de mesures répétées d’une même interaction dyadique, l’effet de relation et l’erreur de mesure demeurent confondus, rendant impérative l’administration d’indicateurs multiples pour isoler la variance relationnelle pure.

6. Propriétés psychométriques avancées du Modèle des Relations Sociales

6.1 Réciprocité généralisée versus réciprocité dyadique

L’une des percées théoriques permises par le SRM est la distinction fondamentale et mathématique entre deux types de réciprocités au sein des relations humaines, lesquelles étaient systématiquement agrégées et confondues dans les recherches psycho-sociologiques antérieures :

La réciprocité généralisée (generalized reciprocity) s’intéresse à la corrélation au niveau individuel entre les effets d’acteur et les effets de partenaire. Elle pose la question suivante : est-ce que les individus qui ont tendance à émettre un comportement de manière générale sont également ceux qui ont tendance à le susciter chez les autres ? Mathématiquement, elle correspond à la covariance entre a_i et p_i divisée par le produit de leurs écarts-types. Par exemple, dans le domaine de l’agressivité, une corrélation généralisée positive signifie que ceux qui agressent fréquemment les autres sont également ceux qui se font le plus agresser au sein du groupe.

À l’opposé, la réciprocité dyadique (dyadic reciprocity) opère exclusivement au niveau microscopique de la relation singulière. Elle quantifie la symétrie des sentiments ou comportements au sein des paires, une fois contrôlées les tendances globales de personnalité : si l’individu i éprouve une affection particulière pour j qui dépasse ce qu’il ressent pour les autres, l’individu j éprouve-t-il spécifiquement cette même surabondance d’affection pour i ? Mathématiquement, c’est la corrélation entre les résidus relationnels r_ij et r_ji.

Les investigations empiriques menées par Kenny et ses pairs ont révélé des vérités psychologiques stupéfiantes. Par exemple, en matière d’attraction interpersonnelle romantique dans des contextes de speed-dating, la réciprocité dyadique est fortement positive (si je vous trouve exceptionnellement attirant(e), vous avez tendance à me trouver exceptionnellement attirant(e)), tandis que la réciprocité généralisée est souvent nulle ou négative (les individus qui trouvent absolument tout le monde séduisant ne sont généralement pas jugés très séduisants par le groupe en retour).

6.2 Perception interpersonnelle : Consensus, assimilation et unicité

En transposant les équations du SRM au domaine cognitif de la formation des impressions et de l’évaluation sociale, David Kenny dégage trois concepts psychométriques majeurs qui structurent le regard humain :

• L’assimilation : Elle correspond au pourcentage de variance totale attribué à l’effet d’acteur dans le jugement social. Elle traduit l’œil de celui qui regarde : le degré auquel un évaluateur projette ses propres schémas perceptifs stables sur tous ceux qu’il observe. Un taux d’assimilation élevé signifie que la note attribuée nous renseigne bien plus sur la psychologie du juge que sur celle de la personne jugée.
• Le consensus : Il correspond au pourcentage de variance capté par l’effet de partenaire. Il matérialise l’accord unanime entre plusieurs juges indépendants : dans quelle mesure différentes personnes s’accordent-elles pour percevoir un individu cible d’une manière identique ? Un consensus élevé valide l’existence d’indices comportementaux publics manifestes et partagés.
• L’unicité (ou composante relationnelle) : Elle correspond à la variance de l’effet de relation. Elle mesure à quel point la perception d’un individu par un autre dépend d’un prisme relationnel purement subjectif et exclusif, irréductible aux deux composantes précédentes.

Grâce à cette grille de lecture novatrice, Kenny a pu démontrer que dans les premières impressions entre inconnus (jugements sans interaction prolongée ou zero-acquaintance), le consensus est modeste pour la plupart des traits de personnalité (autour de 15 % à 25 %, principalement concentré sur l’extraversion), tandis que l’assimilation domine le tableau. Au fur et à mesure que les liens s’approfondissent et que l’intimité s’installe au fil des mois, la variance d’assimilation s’étiole au profit d’une explosion de la variance d’unicité relationnelle : nous cessons de percevoir l’autre à travers des filtres génériques pour construire une représentation dyadique singulière.

6.3 Résolution des dépendances statistiques par modélisation multiniveau

L’estimation des paramètres du SRM s’est longtemps heurtée à une barrière de calcul formel. Les matrices d’interactions sociales générées par les devis en tables tournantes violent doublement l’hypothèse canonique d’indépendance des résidus : d’une part, les scores émis par un même individu envers différents partenaires sont corrélés en raison de son effet d’acteur ; d’autre part, les scores reçus par un même individu sont corrélés en raison de son effet de partenaire ; enfin, les deux scores échangés au sein d’une même dyade (X_ij et X_ji) partagent une covariance de résidus dyadiques.

David Kenny a résolu ce casse-tête statistique en collaborant étroitement avec des biostatisticiens et des économètres pour reformuler le Modèle des Relations Sociales sous l’architecture formelle des modèles linéaires mixtes et des modèles hiérarchiques multiniveaux. Dans ce cadre, les effets d’acteur, de partenaire et de relation ne sont plus traités comme des paramètres fixes isolés, mais comme des effets aléatoires (random effects) issus de distributions normales multivariées sous-jacentes.

Cette percée a rendu possible le recours aux estimateurs sophistiqués par maximum de vraisemblance restreint (Restricted Maximum Likelihood ou REML). L’approche par modèles mixtes permet de gérer élégamment les données incomplètes sans fausser les matrices de variance-covariance, tout en autorisant l’introduction simultanée de prédicteurs fixes mesurés au niveau de l’acteur (comme son âge ou son niveau d’anxiété), du partenaire, ou de la dyade (comme la disparité d’âge au sein du couple), achevant ainsi la pleine maturité psychométrique du modèle.

7. L’analyse des données dyadiques : Fondements épistémologiques et défis statistiques

7.1 La nature intrinsèque des données dyadiques

La dyade — qu’elle prenne la forme d’un couple conjugal, d’une paire parent-enfant, d’un binôme médecin-patient ou d’un duo de collaborateurs professionnels — constitue l’unité élémentaire d’organisation sociale. Pourtant, pendant des décennies, la recherche empirique a commis ce que David Kenny n’a pas hésité à qualifier d’aberration méthodologique : faire passer des questionnaires à des conjoints, puis traiter chaque membre du couple comme un sujet d’expérience indépendant dans une régression linéaire standard, faisant ainsi artificiellement doubler la taille de l’échantillon nominal.

Dans leur traité de référence paru en 2006, Dyadic Data Analysis (coécrit avec Deborah A. Kashy et William L. Cook), les auteurs posent les bases épistémologiques indérogeables de cette sous-discipline. La non-indépendance statistique n’est pas un défaut technique ou une nuisance que le chercheur devrait chercher à balayer sous le tapis ; elle est la signature empirique directe de l’interdépendance humaine. Dès lors que deux personnes partagent une histoire, un espace de vie ou un objectif commun, leurs émotions, leurs comportements et leurs croyances s’influencent et se synchronisent mutuellement.

Ignorer cette non-indépendance lorsqu’elle existe altère dramatiquement le dénominateur des tests statistiques : l’erreur-type des coefficients estimés est systématiquement sous-estimée. Cette distorsion a pour conséquence d’entraîner une explosion catastrophique des taux d’erreur de type I (faux positifs) : des chercheurs annonçaient des effets statistiques hautement « significatifs » qui n’étaient en réalité que des artefacts créés par la corrélation non modélisée entre les partenaires de la dyade. Le manuel de Kenny, Kashy et Cook a définitivement mis un terme à cette négligence en imposant de nouveaux standards de rigueur éditoriale à travers les revues internationales.

7.2 Distinguabilité des membres de la dyade

L’un des apports conceptuels les plus structurants de Kenny à l’analyse dyadique réside dans la formalisation rigoureuse de la distinction entre dyades distinguables et dyades non distinguables. La manière de modéliser une paire dépend impérativement du statut théorique et empirique de ses membres :

• Dyades distinguables : Il existe une variable qualitative dichotomique naturelle, asymétrique et signifiante qui permet de séparer sans ambiguïté les deux membres de la dyade sur l’ensemble de l’échantillon. C’est le cas emblématique des couples hétérosexuels (où le genre biologique distingue l’homme et la femme), des dyades parent-enfant, ou des relations hiérarchiques patron-employé. Dans ces configurations, chaque rôle possède sa propre variance, sa propre moyenne et ses propres trajectoires causales distinctes.
• Dyades non distinguables : Il n’existe aucun critère logique, théorique ou systématique pour ordonner ou différencier un membre de la dyade par rapport à l’autre. C’est le cas des couples homosexuels, des jumeaux monozygotes, des colocataires de même statut ou des paires d’amis de même sexe. Les membres d’une même dyade sont interchangeables au regard du modèle théorique.

Sur le plan mathématique, traiter des dyades non distinguables exige des précautions statistiques redoutables. Si un chercheur tente d’assigner arbitrairement un statut de « Partenaire 1 » et « Partenaire 2 » en se basant sur l’ordre de passation du test ou l’ordre alphabétique, il introduit une source d’arbitraire destructrice pour les degrés de liberté. Kenny a développé des protocoles de test d’équivalence empirique : un test d’hypothèse globale du chi-carré qui vérifie formellement si l’on peut contraindre à l’égalité parfaite les moyennes, les variances et les covariances des deux membres d’une dyade sans dégrader significativement l’ajustement du modèle statistique aux données observées.

7.3 Calculs de corrélation intraclasse (ICC) pour couples et paires

Pour statuer scientifiquement sur la nécessité d’adopter une modélisation dyadique complexe plutôt qu’une analyse individuelle standard, David Kenny a érigé la corrélation intraclasse (Intraclass Correlation Coefficient ou ICC) en étalon-or décisionnel absolu. L’ICC quantifie la proportion de la variance totale d’une variable qui réside entre les dyades plutôt qu’à l’intérieur de celles-ci.

La formulation algébrique de l’ICC varie radicalement selon que les dyades sont distinguables ou non distinguables. Pour des dyades distinguables, Kenny démontre que l’interdépendance s’évalue simplement par une corrélation de Pearson entre les scores du Partenaire 1 et ceux du Partenaire 2, ou par une corrélation partielle si d’autres variables de confusion doivent être neutralisées. En revanche, pour les dyades non distinguables, où aucun membre ne peut occuper une colonne spécifique de manière univoque, la corrélation de Pearson conventionnelle échoue. Kenny préconise l’emploi de l’ICC issue de l’analyse de variance à un facteur à effets aléatoires :

ICC = (MSB – MSW) / (MSB + MSW)

où MSB représente le carré moyen inter-dyades (Mean Square Between) et MSW représente le carré moyen intra-dyades (Mean Square Within). Kenny a formulé des recommandations strictes de politique scientifique : même une ICC modeste (par exemple .10 ou .15), si elle est statistiquement significative — ou si le test de puissance révèle un risque élevé d’erreur de type II compte tenu du nombre de paires —, impose formellement l’utilisation de modèles dyadiques pour neutraliser tout gonflement artificiel du taux d’erreur de type I.

8. Le Modèle d’Interdépendance Acteur-Partenaire (APIM)

8.1 Architecture fondamentale et spécification formelle de l’APIM

Parmi toutes les innovations méthodologiques attribuées à David Kenny, le Modèle d’Interdépendance Acteur-Partenaire (Actor-Partner Interdependence Model ou APIM) représente sans conteste son chef-d’œuvre le plus influent et le plus universellement adopté par les sciences psychosociales contemporaines. Conçu pour opérationnaliser la théorie de l’interdépendance formulée par Harold Kelley et John Thibaut, l’APIM permet d’étudier simultanément comment une caractéristique ou un comportement individuel affecte à la fois son propre destin et celui de son partenaire de relation.

Considérons deux membres d’une dyade, notés 1 et 2. Chaque individu possède une mesure sur une variable prédictive X (par exemple, le niveau de stress au travail) et une mesure sur une variable critère Y (par exemple, la satisfaction conjugale perçue). L’architecture formelle de l’APIM postule l’existence simultanée de deux types fondamentaux d’effets causaux au sein du système dyadique :

• L’effet d’acteur (actor effect) : C’est l’impact de la variable indépendante d’un individu sur sa propre variable dépendante. L’effet d’acteur de la personne 1 est le lien X₁ → Y₁, et pour la personne 2, c’est le lien X₂ → Y₂. Il mesure le déterminisme intrapersonnel : dans quelle mesure mon propre stress dégrade-t-il ma propre satisfaction conjugale ?
• L’effet de partenaire (partner effect) : C’est l’impact de la variable indépendante d’un individu sur la variable dépendante de son partenaire relationnel. L’effet de partenaire exercé par la personne 1 sur la personne 2 est le lien X₁ → Y₂, tandis que l’effet exercé par la personne 2 sur la personne 1 est le lien X₂ → Y₁. Il capture la véritable transaction interpersonnelle : dans quelle mesure le stress vécu par mon partenaire vient-il éroder ma propre satisfaction conjugale ?

L’originalité mathématique majeure de l’APIM réside dans le contrôle mutuel rigoureux de ces deux forces : l’effet de partenaire est estimé en contrôlant statistiquement l’effet d’acteur, et réciproquement. De surcroît, le modèle intègre obligatoirement la corrélation résiduelle entre les deux variables indépendantes (X₁ avec X₂) ainsi que la covariance résiduelle entre les termes d’erreur des deux variables dépendantes (e₁ avec e₂), épurant totalement les paramètres estimés de tout bruit d’interdépendance parasite.

8.2 Méthodes d’estimation : Modèles mixtes versus Équations structurelles

Dans ses écrits pédagogiques, David Kenny démontre qu’il existe deux voies analytiques distinctes et complémentaires pour estimer empiriquement les paramètres de l’APIM, chacune présentant des vertus spécifiques en fonction de la configuration des données :

La première voie repose sur les modèles linéaires mixtes hiérarchiques (HLM / MLM). Dans cette approche, la structure des données est réorganisée sous un format long ou dyadique spécifique. Les deux individus sont considérés comme des unités de niveau 1 imbriquées au sein d’une unité de niveau 2 supérieure qui est la dyade. Cette approche est particulièrement puissante et naturelle lorsque l’on manipule des dyades non distinguables, car l’interchangeabilité des partenaires y est modélisée sans forcer une contrainte artificielle. Elle permet également d’intégrer des prédicteurs variant dans le temps lors d’études longitudinales écologiques intensives.

La seconde voie passe par la modélisation par équations structurelles (SEM). Les scores des deux membres de la dyade sont alors spécifiés côte à côte sous un format large (wide format) dans un diagramme de pistes causales. Kenny a souligné la supériorité théorique de l’approche SEM dès lors que les construits d’intérêt sont mesurés par des indicateurs multiples : le SEM permet de modéliser X et Y comme des variables latentes débarrassées de toute erreur de mesure aléatoire. De plus, pour des dyades distinguables, le SEM offre des outils d’une flexibilité incomparable pour tester des hypothèses d’invariance de mesure à travers les genres ou les rôles sociaux par de simples tests de contraintes de chi-carré.

8.3 Modèles dérivés : APIM avec modération (APIMoM) et médiation (APIMeM)

L’architecture originelle de l’APIM a fait l’objet d’extensions analytiques majeures conçues par Kenny et ses disciples pour aborder des questions relationnelles d’une complexité psychologique supérieure. Parmi celles-ci, l’APIMeM (APIM with Mediation) déploie un système complexe de trajectoires médiatisées intrapersonnelles et interpersonnelles croisées. Dans un APIMeM complet, la variable prédictive d’un acteur peut influencer sa propre variable dépendante via son propre médiateur (médiation acteur-acteur), via le médiateur de son partenaire (médiation acteur-partenaire), ou encore influencer la variable du partenaire à travers son propre médiateur (médiation partenaire-acteur). Ces modèles offrent une finesse clinique inédite pour cartographier la propagation du stress, de l’empathie ou de l’inhibition au sein des couples.

Parallèlement, l’APIMoM (APIM with Moderation) formalise l’inclusion de variables modératrices modifiant l’intensité des liens d’acteur ou de partenaire. Ces modérateurs peuvent être individuels (par exemple, le style d’attachement d’un conjoint tempérant l’impact de son stress sur sa satisfaction) ou dyadiques (par exemple, la durée de vie commune du couple ou son niveau de revenu global). Kenny a également théorisé la prise en compte d’interactions dites acteur-partenaire pures : tester l’hypothèse selon laquelle l’effet d’acteur dépend directement du niveau de la variable indépendante manifesté par le partenaire (terme multiplicatif X₁ × X₂), un outil privilégié pour tester les théories de congruence ou de complémentarité psychologique.

8.4 Le ratio k et les patrons d’interdépendance dyadique

Dans un effort de synthèse théorique suprême, David Kenny formalise au début des années 2010 le concept novateur de ratio k (paramètre k) au sein de l’APIM. Il constate que les chercheurs se contentent trop souvent de commenter séparément la significativité de l’effet d’acteur (a) et de l’effet de partenaire (p), passant à côté du patron relationnel global gouvernant la dyade. Kenny définit formellement k comme le ratio mathématique de l’effet de partenaire sur l’effet d’acteur :

k = p / a

L’estimation de ce paramètre non linéaire permet de catégoriser empiriquement les processus relationnels selon quatre grands patrons d’interdépendance universels :

• Le patron d’acteur pur (Actor-only pattern, k = 0) : Seul le fonctionnement intrapersonnel compte. La variable du partenaire n’exerce aucune influence mesurable (p = 0). Mon bien-être ne dépend que de mes propres actions ou dispositions.
• Le patron de partenaire pur (Partner-only pattern, k tend vers l’infini) : L’effet d’acteur est négligeable (a = 0), tandis que l’effet de partenaire est souverain. Ce que je ressens est dicté exclusivement par les comportements émis par l’autre.
• Le patron de couple ou patron additif (Couple pattern, k = 1) : L’effet de partenaire est rigoureusement identique en magnitude et en direction à l’effet d’acteur (a = p). Dans ce cas de figure fascinant, ce n’est pas le score individuel qui importe, mais la somme cumulative ou le climat global du couple : Y dépend de (X₁ + X₂).
• Le patron de contraste (Contrast pattern, k = -1) : L’effet de partenaire est de magnitude égale mais de signe strictement opposé à l’effet d’acteur (a = -p). Le système fonctionne selon une dynamique de comparaison ou de compétition : ce qui compte pour le sujet, c’est la différence relative entre son score et celui de son partenaire : Y dépend de (X₁ – X₂).

À travers des méthodes d’estimation par équations structurelles non linéaires et l’utilisation de tests de contraintes statistiques, Kenny offre ainsi un outil d’une puissance sans précédent, reliant directement les paramètres d’estimation algébrique aux grandes théories philosophiques de la réciprocité, de la justice distributive et de la symbiose interpersonnelle.

9. Modélisation par équations structurelles (SEM) et contributions psychométriques

9.1 Contributions à l’évaluation de l’ajustement des modèles

L’essor des équations structurelles au cours du dernier quart du vingtième siècle a soulevé un défi méthodologique d’envergure : comment juger objectivement si un modèle théorique complexe s’ajuste de façon satisfaisante à la matrice des données observées ? Historiquement, le seul critère disponible était le test formel du chi-carré d’adéquation (chi-square goodness-of-fit test). Or, comme Kenny et d’autres méthodologistes l’ont très tôt dénoncé, le test du chi-carré souffre d’une hypersensibilité rédhibitoire à la taille de l’échantillon : avec un effectif important, même un modèle remarquablement fidèle à la réalité est immanquablement rejeté pour des écarts infinitésimaux et sans aucune pertinence théorique.

David Kenny s’est imposé comme une voix critique majeure dans le débat entourant les indices alternatifs d’ajustement global, tels que le RMSEA (Root Mean Square Error of Approximation), le CFI (Comparative Fit Index) ou le TLI (Tucker-Lewis Index). Dans une série d’articles influents parus dans les années 2000 et 2010, Kenny a mis en garde contre l’application aveugle des seuils dits « magiques » ou universels (les fameux seuils de Hu et Bentler fixant conventionnellement le RMSEA < .06 ou le CFI > .95). Il a démontré que la performance de ces indices est conditionnée par des facteurs structurels comme les degrés de liberté du modèle, la taille des charges factorielles et le volume de l’échantillon.

Ses travaux ont notamment attiré l’attention sur le comportement paradoxal du RMSEA dans les modèles disposant de faibles degrés de liberté, où cet indice tend à gonfler de manière trompeuse, conduisant au rejet injustifié de modèles théoriques pourtant parfaitement viables. Kenny a plaidé inlassablement pour une évaluation holistique et contextualisée des modèles SEM, condamnant la recherche compulsive d’ajustements artificiels par l’ajout opportuniste de covariances d’erreur non théorisées (« bidouillage de spécification ») et rappelant que la parcimonie et la plausibilité théorique doivent toujours primer sur l’esthétique pure des chiffres.

9.2 Modélisation multitraits-multiméthodes (MTMM)

Héritier spirituel direct de Donald Campbell, David Kenny ne pouvait manquer de s’attaquer au défi monumental posé par la validation de construit à travers la matrice multitraits-multiméthodes (MTMM). Proposée en 1959 par Campbell et Fiske, l’approche MTMM vise à établir la validité convergente et la validité discriminante d’instruments de mesure en évaluant plusieurs traits psychologiques distincts à travers plusieurs méthodes de mesure différentes. Cependant, pendant près de deux décennies, l’exploitation analytique de ces matrices est demeurée rudimentaire, reposant sur de simples inspections visuelles de corrélations de Pearson.

Dès la fin des années 1970, Kenny, en collaboration avec David Wyler et d’autres statisticiens, formalise l’analyse des matrices MTMM au sein du cadre mathématique rigoureux des modèles à variables latentes et des équations structurelles. Le modèle standard formulé par Kenny conceptualise chaque indicateur observé comme une fonction linéaire de trois sources de variance parfaitement disjointes : un facteur latent de trait, un facteur latent de méthode, et un résidu d’erreur aléatoire :

X_tm = λ_t Trait_t + λ_m Méthode_m + e_tm

Cette formalisation a cependant révélé d’importantes difficultés d’estimation : le modèle MTMM classique par équations structurelles était notoirement enclin à des problèmes de non-convergence algorithmique et à la production de solutions dites « inadmissibles » (les cas de Heywood, caractérisés par des estimations aberrantes de variances d’erreur négatives). Face à cette impasse, Kenny a proposé des architectures d’identification alternatives, notamment des modèles de corrélation de traits avec des facteurs de méthode réduits, isolant méthodiquement la variance de méthode sans déstabiliser l’estimation des traits. Ses contributions ont offert à la psychométrie un cadre robuste pour attester de la pureté des instruments d’évaluation.

9.3 Modèles longitudinaux et panels croisés

Dans l’étude du changement temporel, le modèle à panels croisés (Cross-Lagged Panel Model ou CLPM) a longtemps constitué l’outil canonique pour tenter de déterminer la directionnalité causale entre deux variables X et Y mesurées à plusieurs vagues temporelles distinctes. David Kenny a été l’un des premiers chercheurs à formaliser mathématiquement les conditions de stabilité et d’équivalence temporelle nécessaires à l’interprétation causale des coefficients croisés.

Cependant, au fil des ans, Kenny a développé une analyse critique lucide de ce modèle classique. Il a mis en évidence le fait que le CLPM traditionnel postule de manière erronée que la variance observée d’un individu au fil du temps est entièrement fluide et malléable, sans inertie structurelle. En d’autres termes, le modèle traditionnel confond l’hétérogénéité stable entre les individus (les traits immuables, la composante de niveau de base) avec les fluctuations dynamiques intrapersonnelles (les variations d’état d’un instant à l’autre).

Cette prise de conscience méthodologique a conduit Kenny à soutenir et anticiper les développements contemporains du modèle à panels croisés avec variable latente d’interception (Random Intercept Cross-Lagged Panel Model ou RI-CLPM). En décomposant formellement la variance d’un individu en une composante stable interpersonnelle invariante dans le temps et des composantes auto-régressives et croisées intrapersonnelles résiduelles, cette évolution — en droite ligne avec l’esprit décompositionnel du SRM — a réconcilié l’inférence causale longitudinale avec la réalité phénoménologique de la constance de la personnalité humaine.

10. Exactitude, accord et consensus dans la perception interpersonnelle

10.1 Le modèle de précision de la perception sociale

L’une des branches les plus fascinantes des recherches de David Kenny réside dans sa dissection mathématique de l’exactitude de la perception sociale. Quand pouvons-nous affirmer qu’un être humain juge « correctement » un autre être humain ? Pendant près d’un demi-siècle, la recherche en psychologie sociale s’était enlisée dans les célèbres critiques de Lee Cronbach (1955), qui avait démontré que les indices d’exactitude classiques (comme les scores de différence absolue entre le jugement émis et le critère réel) étaient massivement pollués par des artefacts statistiques de stéréotypie et de tendance centrale.

Kenny surmonte l’impasse de Cronbach en appliquant les principes du Modèle des Relations Sociales pour concevoir une architecture analytique de l’exactitude d’une rigueur absolue. Il commence par distinguer fondamentalement l’exactitude de stéréotype (stereotype accuracy) — la propension d’un juge à savoir comment le membre moyen d’un groupe se comporte — de l’exactitude différentielle (differential accuracy), qui mesure l’aptitude authentique à discerner les variations individuelles uniques qui distinguent une personne spécifique du stéréotype de son groupe d’appartenance.

De plus, Kenny formalise la distinction opérationnelle entre trois construits fréquemment confondus par les théoriciens : l’accord de soi-autrui (self-other agreement : la concordance entre ce que l’acteur déclare sur lui-même et ce que le juge perçoit de lui), le consensus (l’accord entre des juges indépendants évaluant la même cible), et la validité comportementale (la conformité entre la perception du juge et des mesures objectives d’actes commis en situation réelle). Ce cadre a permis de désamorcer les illusions cognitives des évaluateurs et de cartographier avec exactitude les limites réelles de la clairvoyance sociale humaine.

10.2 La méta-perception : Savoir comment nous sommes perçus

Allant encore plus loin dans les dédales de l’introspection relationnelle, David Kenny a consacré des travaux pionniers à la méta-perception, c’est-à-dire la capacité d’un individu à former des croyances sur la manière dont les autres le perçoivent (« Que pense Sarah de moi ? »). À travers des protocoles SRM novateurs, Kenny a formalisé deux niveaux d’analyse de la méta-exactitude :

• La méta-exactitude généralisée (generalized meta-accuracy) : Elle évalue si un individu sait comment il est perçu par le groupe en moyenne. Par exemple : est-ce qu’une personne perçue comme arrogante par la majorité de ses pairs a conscience d’être généralement jugée arrogante par autrui ? Les données empiriques accumulées par Kenny démontrent que la méta-exactitude généralisée est remarquablement élevée.
• La méta-exactitude dyadique (dyadic meta-accuracy) : Elle pose une question d’une complexité psychologique bien plus fine : un individu sait-il comment il est perçu de manière différentielle par un partenaire particulier au-delà de sa réputation globale ? (« Est-ce que je réalise que Sarah me trouve plus intelligent que Marc ne me trouve intelligent ? »).

Les découvertes de Kenny sur ce point ont constitué une véritable onde de choc intellectuelle : les êtres humains manifestent une méta-exactitude dyadique extrêmement faible, frôlant le zéro statistique dans la majorité des contextes sociaux ordinaires. Nous savons très bien quelle image nous renvoyons à la foule de manière globale, mais nous sommes incapables de décoder les variations subtiles de perception que différents individus portent sur nous. Pour combler ce vide cognitif, les individus projettent massivement leur propre auto-concept (effet d’assimilation méta-perceptive) ou s’appuient sur l’illusion d’une transparence absolue, supposant à tort que leurs états internes sont des livres ouverts pour chaque interlocuteur singulier.

10.3 Facteurs modérateurs de la précision du jugement

À travers des centaines d’études empiriques synthétisées dans son modèle de perception interpersonnelle, Kenny a identifié les grands régulateurs ou modérateurs qui gouvernent la transition de l’illusion projective vers la clairvoyance perceptuelle. Deux facteurs émergent avec une constance mathématique remarquable :

Le premier est la visibilité du trait (trait visibility). Tous les aspects de l’âme humaine ne sont pas également offerts au regard extérieur. Les traits qui se manifestent par des actions verbales ou physiques immédiates (comme l’extraversion ou l’énergie motrice) génèrent des niveaux de consensus et d’accord soi-autrui spectaculaires dès les premières secondes d’observation. À l’opposé, les traits intériorisés, soumis à des tourments affectifs dissimulés ou à une forte réflexivité (comme le névrosisme, l’anxiété interne ou l’intégrité morale), présentent une visibilité faible : le consensus reste minime tant que l’observateur n’a pas accès à des confidences intimes ou à des situations de crise révélatrices.

Le second facteur modérateur capital est la durée d’exposition et la nature de l’intimité. Kenny a infirmé la croyance naïve voulant que le temps linéaire améliore indéfiniment la précision du jugement. Si le passage de zéro interaction à une heure d’échange décuple la précision, les gains de justesse observés au-delà d’un certain seuil d’intimité deviennent marginaux ou asymptotiques pour de nombreux traits. Pire encore, dans les relations de couple de très longue durée, des biais projectifs de complaisance ou de bienveillance amoureuse viennent parfois éroder la précision objective au profit d’illusions positives consolidatrices du lien affectif.

11. Pédagogie statistique, outils informatiques et démocratisation méthodologique

11.1 Le rôle pionnier des logiciels dédiés : SOREMO et APIM_SEM

Conscient que les modèles théoriques les plus brillants sont voués à demeurer lettre morte s’ils restent le monopole d’une poignée de mathématiciens experts, David Kenny a voué une part considérable de son énergie créatrice au développement de solutions logicielles sur mesure. À une époque où les logiciels généralistes comme SAS ou SPSS étaient rigoureusement incapables de gérer nativement les matrices d’interactions sociales, Kenny a codé et distribué gratuitement dès les années 1980 le programme légendaire SOREMO (Social Relations Model Program).

Ce programme autonome calculait avec une précision chirurgicale l’ensemble des variances d’acteur, de partenaire et de relation, ainsi que les indices de réciprocité généralisée et dyadique pour des devis en tables tournantes et en blocs. Pendant des décennies, SOREMO a constitué l’épine dorsale technologique de tous les laboratoires du monde travaillant sur les dynamiques de petits groupes et l’attraction interpersonnelle. Kenny en a continuellement maintenu les codes sources, l’adaptant aux évolutions des architectures informatiques successives de MS-DOS jusqu’aux systèmes d’exploitation modernes.

À l’ère de l’informatique connectée et du langage R, Kenny a poussé la démocratisation technologique un cran plus loin en concevant, avec la complicité de collaborateurs dévoués, des applications web interactives basées sur R Shiny, dont la plus célèbre est sans doute APIM_SEM. Cet outil en ligne révolutionnaire permet à n’importe quel chercheur ou doctorant d’importer une matrice de données dyadiques, de paramétrer un modèle d’interdépendance acteur-partenaire complet — distinguable ou non distinguable — et de générer instantanément l’ensemble des sorties statistiques, les représentations graphiques vectorielles et une interprétation rédigée prête à la publication. En brisant la barrière intimidante du codage de syntaxes complexes, Kenny a permis l’émancipation méthodologique de milliers de praticiens des sciences humaines.

11.2 L’enseignement de la méthodologie quantitative et partage en libre accès

L’éthique scientifique de David Kenny est indissociable d’un engagement viscéral en faveur de la science ouverte (Open Science) et du partage désintéressé du savoir, bien avant que ces principes ne deviennent des mots d’ordre institutionnels. Dès l’apparition du World Wide Web dans les années 1990, Kenny a transformé son site web personnel hébergé par l’Université du Connecticut (davidakenny.net) en une véritable bibliothèque publique universelle de la méthodologie quantitative.

Sur ce portail gratuit et dépouillé d’artifices commerciaux, Kenny a rédigé des dizaines de monographies didactiques, de fiches techniques et de guides pratiques couvrant des pans entiers de l’analyse multivariée : la modélisation par équations structurelles, l’évaluation du biais de confusion, l’analyse de régression avancée, les calculs de puissance d’échantillon dyadique et les dédales des effets d’interaction. Rédigées dans une langue d’une limpidité exemplaire, dépourvue du jargon inutilement obscur qui encombre parfois la littérature spécialisée, ces pages constituent aujourd’hui encore la référence mondiale absolue vers laquelle renvoient professeurs et étudiants des universités des cinq continents.

Parallèlement à cette production numérique, Kenny a dispensé infatigablement des ateliers de formation intensive, des cours d’été et des séminaires méthodologiques invités à travers l’Europe, l’Asie et les Amériques. Sa pédagogie vivante, fondée sur des métaphores concrètes et des jeux de données réels tirés de la vie quotidienne, a démythifié les statistiques avancées pour des générations de chercheurs qui voyaient initialement dans les matrices de covariance un territoire hostile et inaccessible.

11.3 Distinctions professionnelles et reconnaissance académique

L’immensité de l’œuvre scientifique de David Kenny a été saluée par les honneurs les plus prestigieux que la communauté des sciences du comportement puisse décerner. Il a été élu membre émérite (Fellow) des institutions savantes les plus renommées de la discipline, incluant l’American Psychological Association (APA), l’Association for Psychological Science (APS) et la Society of Experimental Social Psychology (SESP). Ces affiliations prestigieuses témoignent de son statut de géant de la psychologie contemporaine.

Parmi les multiples récompenses émaillant sa carrière, Kenny a reçu à plusieurs reprises des prix honorant l’excellence de ses contributions méthodologiques de long cours, notamment le prestigieux Distinguished Scientific Award for the Applications of Psychology remis par l’APA, saluant la manière dont ses modèles statistiques ont permis des avancées concrètes dans la compréhension clinique des familles, la santé publique et les politiques éducatives. Il a également été honoré par l’International Association for Relationship Research (IARR) pour avoir fourni les fondations mathématiques de la science des relations interpersonnelles modernes.

Son autorité intellectuelle s’est également déployée dans les coulisses de la validation scientifique par les pairs. Kenny a officié comme éditeur associé, membre de comités éditoriaux et arbitre scientifique d’élite pour les revues les plus intransigeantes de la discipline, à l’instar de Psychological Bulletin, Psychometrika, Psychological Methods et le Journal of Personality and Social Psychology. Sa rigueur bienveillante et ses critiques constructives ont contribué à élever drastiquement les standards de qualité statistique requis pour la publication scientifique mondiale.

12. Héritage intellectuel, postérité et avenir de la psychométrie selon David Kenny

12.1 L’influence profonde sur les sciences sociales et comportementales

L’empreinte laissée par David Kenny sur le monde académique dépasse très largement les frontières strictes de la psychologie sociale d’où sont issus ses premiers modèles. Aujourd’hui, l’architecture du Modèle d’Interdépendance Acteur-Partenaire et les préceptes du Modèle des Relations Sociales sont devenus des standards méthodologiques universels dans une multiplicité de domaines d’application :

En sciences de gestion et en comportement organisationnel, le SRM est continuellement mobilisé pour décortiquer les évaluations de performance dites à « 360 degrés », permettant de séparer ce qui relève de la sévérité propre d’un superviseur (effet d’acteur) de la valeur intrinsèque d’un employé (effet de partenaire) et des affinités électives de travail (effet de relation). En communication et en éducation, l’APIM sert à étudier les négociations conflictuelles ou les échanges asymétriques entre maîtres et élèves. En médecine et en soins palliatifs, il est devenu impensable de publier une étude sur l’ajustement psychologique d’un patient atteint de cancer sans modéliser simultanément la détresse de son aidant naturel à l’aide d’un APIM complet.

Cette diffusion tentaculaire s’incarne également dans l’impressionnante lignée de chercheurs, de doctorants et de collaborateurs formés directement ou indirectement par Kenny. Des spécialistes de réputation internationale tels que Deborah Kashy, William Cook, Tessa West ou Jeffrey Simpson se sont appuyés sur ses modèles pour les enrichir, assurant une pérennité vivante et une descendance intellectuelle ininterrompue à l’école de pensée de Storrs.

12.2 Défis actuels face aux mégadonnées et aux approches computationnelles

À l’ère contemporaine des mégadonnées (Big Data), de l’intelligence artificielle et des traces numériques massives, les modèles élaborés par David Kenny ne sont nullement devenus obsolètes ; ils connaissent au contraire une seconde jeunesse et une hybridation féconde. L’essor spectaculaire de l’évaluation écologique momentanée (Ecological Momentary Assessment ou EMA), où des partenaires relationnels répondent plusieurs fois par jour à des invites sur leurs ordiphones, génère des flux intenses de données temporelles dyadiques que l’APIM multiniveau permet d’analyser avec une pertinence inégalée.

De même, l’analyse des réseaux sociaux massifs sur les plateformes numériques trouve dans le Modèle des Relations Sociales une ossature théorique idéale. Les graphes relationnels complexes formés par des millions d’utilisateurs qui s’abonnent, commentent ou réagissent aux publications des uns et des autres peuvent être conceptualisés comme des réseaux géants de tables tournantes. Les algorithmes de rétroaction et d’apprentissage machine (machine learning) intègrent de plus en plus la décomposition en effets d’acteur, de cible et d’affinité pour affiner leurs moteurs de recommandation de contenu ou détecter des comportements anormaux.

Le dialogue s’est également intensifié entre la modélisation causale rigoureuse théorisée par Kenny et les algorithmes prédictifs contemporains. Les statisticiens réalisent aujourd’hui qu’accumuler des téraoctets de données ne dispense en aucun cas d’une spécification théorique minutieuse de la structure de causalité. Les principes d’élimination de variables de confusion, de modélisation de l’erreur latente et de décomposition dyadique formulés par Kenny demeurent des remparts conceptuels indispensables pour empêcher les modèles d’intelligence artificielle d’apprendre des corrélations fallacieuses au détriment de la vérité causale.

12.3 Bilan de carrière : Une vision humaniste et rigoureuse de la psychologie

Embrassant plus de cinq décennies d’activité scientifique prolifique, le legs intellectuel de David A. Kenny se distingue par un équilibre permanent et harmonieux entre l’exigence de la virtuosité mathématique et une profonde sensibilité humaniste. Jamais Kenny n’a cédé à la tentation du formalisme aride pour la seule gloriole esthétique des symboles algébriques. Chaque matrice, chaque paramètre k, chaque covariance de résidu formulée sous sa plume n’a jamais eu d’autre dessein que d’aider l’être humain à mieux décrypter la texture subtile, changeante et souvent paradoxale de son rapport à autrui.

David Kenny restera dans les annales des sciences humaines comme le penseur qui a su offrir à la psychologie sociale sa pleine dignité quantitative. En démontrant avec une clarté indépassable que l’on pouvait mesurer scientifiquement la réciprocité dyadique, modéliser avec précision l’influence inconsciente d’un partenaire de vie et cartographier les biais méta-perceptifs de notre esprit sans jamais en appauvrir la substance phénoménologique, il a élevé la discipline au rang de science mature, réfutable et rigoureusement outillée.

Figure tutélaire de l’Université du Connecticut, vénéré par ses pairs pour son humilité légendaire, son intégrité académique absolue et sa générosité intellectuelle sans bornes, David Kenny incarne l’archétype du chercheur total. Son œuvre continuera d’irriguer, d’instruire et d’inspirer les générations futures de chercheurs, rappelant à tous que la véritable découverte en sciences de l’esprit commence là où la rigueur méthodologique la plus intransigeante se met humblement au service de l’exploration de la condition humaine.

Références

Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182. https://doi.org/10.1037/0022-3514.51.6.1173

Campbell, D. T., & Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56(2), 81–105. https://doi.org/10.1037/h0046016

Hayes, A. F. (2018). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (2nd ed.). The Guilford Press.

Kenny, D. A. (1979). Correlation and causality. John Wiley & Sons.

Kenny, D. A. (1994). Interpersonal perception: A social relations analysis. The Guilford Press.

Kenny, D. A., & Albright, L. (1987). Accuracy in interpersonal perception: A social relations analysis. Psychological Bulletin, 102(3), 390–402. https://doi.org/10.1037/0033-2909.102.3.390

Kenny, D. A., Kashy, D. A., & Bolger, N. (1998). Data analysis in social psychology. In D. T. Gilbert, S. T. Fiske, & G. Lindzey (Eds.), The handbook of social psychology (4th ed., Vol. 1, pp. 233–265). McGraw-Hill.

Kenny, D. A., Kashy, D. A., & Cook, W. L. (2006). Dyadic data analysis. The Guilford Press.

Kenny, D. A., & Ledermann, T. (2010). Detecting, measuring, and testing dyadic patterns in the actor-partner interdependence model. Journal of Family Psychology, 24(3), 359–366. https://doi.org/10.1037/a0019651

Kenny, D. A., & McCoach, D. B. (2003). Effect of the number of variables on measures of fit in structural equation modeling. Structural Equation Modeling, 10(3), 333–351. https://doi.org/10.1207/S15328007SEM1003_1

Kenny, D. A., & West, T. V. (2010). Dyadic defensiveness and the Social Relations Model: An illustration of the power of social relations analysis. Personal Relationships, 17(1), 119–131. https://doi.org/10.1111/j.1475-6811.2010.01256.x

Kenny, D. A., & Zautra, A. (1995). The trait-state-error model for multiwave data. Journal of Consulting and Clinical Psychology, 63(1), 52–59. https://doi.org/10.1037/0022-006X.63.1.52

Pearl, J. (2009). Causality: Models, reasoning, and inference (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9780511803161

Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behavior Research Methods, Instruments, & Computers, 36(4), 717–731. https://doi.org/10.3758/BF03206553

Sobel, M. E. (1982). Asymptotic confidence intervals for indirect effects in structural equation models. Sociological Methodology, 13, 290–312. https://doi.org/10.2307/270723

VanderWeele, T. J. (2015). Explanation in causal inference: Methods for mediation and interaction. Oxford University Press.