Échelle de Likert : exemples de questions, types d'échelles et analyse

Une question à échelle de Likert demande aux répondants d'évaluer une affirmation ou un sujet sur un ensemble ordonné et équilibré d'options nommées, généralement cinq ou sept, par exemple de « Pas du tout d'accord » à « Tout à fait d'accord ». Utilisez une seule dimension par échelle, nommez chaque point, gardez la symétrie et analysez les distributions et le top-two-box plutôt que les seules moyennes.

Ce guide explique la différence entre un item et une échelle de Likert, le nombre de points à retenir, le débat sur le point neutre, des séries d'exemples prêtes à l'emploi, les erreurs courantes et l'analyse des données.

Item de Likert et échelle de Likert#

Les deux termes sont souvent employés l'un pour l'autre, mais ils ne désignent pas la même chose.

• Un item de Likert est une affirmation unique accompagnée d'un ensemble ordonné de réponses. Par exemple : « Le processus d'intégration était clair. » Pas du tout d'accord, Plutôt pas d'accord, Ni d'accord ni pas d'accord, Plutôt d'accord, Tout à fait d'accord.
• Une échelle de Likert est un groupe d'items liés qui mesurent ensemble une même attitude sous-jacente, comme la satisfaction au travail ou la confiance envers une marque. Les réponses sont combinées, par exemple additionnées ou moyennées, en un score unique.

Dans la pratique, on appelle souvent « question de Likert » toute question d'accord. Ce n'est pas un problème, tant que vous gardez à l'esprit qu'un item isolé est moins fiable qu'un ensemble d'items mesurant la même idée sous plusieurs angles. Pour une définition rapide, consultez l'entrée échelle de Likert du glossaire.

5 ou 7 points ?#

Les deux formats sont courants, et tous deux fonctionnent lorsque les libellés sont clairs.

Cinq points constituent un bon choix par défaut. Passez à sept si votre public est habitué aux enquêtes et que vous devez repérer des écarts plus fins. Quel que soit votre choix, gardez le même nombre de points pour tous les items que vous comparerez.

Nommez chaque point#

Les échelles qui ne nomment que les extrémités (« 1 = Pas du tout d'accord, 5 = Tout à fait d'accord ») laissent chacun interpréter 2, 3 et 4. Nommer chaque point donne à tous la même référence et rend les résultats plus faciles à expliquer.

De bons libellés sont :

• Symétriques. Le côté négatif répond au côté positif : « Très insatisfait » fait face à « Très satisfait ».
• Régulièrement espacés. L'écart entre deux libellés voisins paraît semblable sur toute l'échelle.
• Cohérents. Tous les items d'une série utilisent les mêmes libellés dans le même ordre.

Le débat sur le point neutre#

Un nombre impair de points offre une option neutre au centre, comme « Ni d'accord ni pas d'accord ». Les spécialistes des questionnaires ne s'accordent pas sur l'intérêt de l'inclure.

Arguments pour : certaines personnes n'ont réellement pas d'avis ou se sentent partagées. Supprimer le point neutre les oblige à choisir un camp qu'elles ne défendent pas, ce qui ajoute du bruit.

Arguments contre : le point neutre peut devenir une échappatoire pour ceux qui ne veulent pas réfléchir à la question, ce qui masque des opinions faibles mais réelles.

Une approche pragmatique consiste à garder le point neutre pour les attitudes où l'indifférence est une position légitime, et à ajouter une option distincte « Non concerné » ou « Je ne sais pas » pour les personnes qui ne peuvent pas répondre. Séparez-la visuellement de l'échelle et excluez-la du calcul des scores.

Exemples d'échelles de Likert#

Les cinq séries ci-dessous couvrent les dimensions les plus courantes. Chacune est présentée sur 5 points.

Accord#

Affirmation : « La formation m'a préparé à mon poste. »

1. Pas du tout d'accord
2. Plutôt pas d'accord
3. Ni d'accord ni pas d'accord
4. Plutôt d'accord
5. Tout à fait d'accord

Autres affirmations : « Je saurais qui contacter en cas de problème. » « Les instructions étaient faciles à suivre. » « Mon responsable me fait des retours utiles. »

Fréquence#

Question : « À quelle fréquence utilisez-vous l'application mobile ? »

1. Jamais
2. Rarement
3. Parfois
4. Souvent
5. Toujours

Pour un comportement que l'on peut compter, une échelle précise est plus claire : « Moins d'une fois par mois », « Une fois par mois », « Une fois par semaine », « Plusieurs fois par semaine », « Tous les jours ».

Satisfaction#

Question : « Êtes-vous satisfait du délai de livraison ? »

1. Très insatisfait
2. Plutôt insatisfait
3. Ni satisfait ni insatisfait
4. Plutôt satisfait
5. Très satisfait

Importance#

Question : « Quelle importance accordez-vous à la livraison le lendemain ? »

1. Pas du tout important
2. Peu important
3. Moyennement important
4. Très important
5. Extrêmement important

Les échelles d'importance sont unipolaires : elles vont de « pas du tout » à « beaucoup » plutôt que du négatif au positif, et n'ont donc pas besoin de point neutre.

Probabilité#

Question : « Quelle est la probabilité que vous renouveliez votre adhésion l'an prochain ? »

1. Très improbable
2. Plutôt improbable
3. Ni probable ni improbable
4. Plutôt probable
5. Très probable

Pour mesurer l'intention de recommandation, utilisez plutôt la question standard du Net Promoter Score, de 0 à 10. Consultez le guide complet des enquêtes NPS.

Erreurs courantes avec les questions de Likert#

1. Mélanger les dimensions. « Êtes-vous satisfait que le produit soit important ? » porte sur deux choses. Choisissez une dimension par item.
2. Affirmations doubles. « L'application est rapide et fiable » est impossible à évaluer si elle est rapide mais peu fiable. Scindez-la.
3. Options déséquilibrées. Trois options positives pour une négative tirent les résultats vers le haut.
4. Changer le sens de l'échelle. Si la plupart des items vont du négatif au positif, un item inversé au milieu piège les répondants. Gardez le même sens.
5. Trop d'items dans une grille. Les longues grilles favorisent les réponses en ligne droite. Gardez-les courtes et envisagez une question de contrôle d'attention dans les longues enquêtes.
6. Utiliser l'accord pour tout. Les formats d'accord sont sensibles au biais d'acquiescement. Lorsque c'est possible, interrogez directement sur le sujet avec une échelle adaptée, comme l'explique le guide comment rédiger des questions neutres et sans biais.

Comment analyser les données d'une échelle de Likert#

Les réponses de Likert sont ordinales. L'ordre a un sens, mais l'écart entre « Plutôt d'accord » et « Tout à fait d'accord » n'est pas forcément le même qu'entre « Plutôt pas d'accord » et « Ni d'accord ni pas d'accord ». Cela détermine les indicateurs auxquels vous pouvez vous fier.

Commencez par la distribution#

Montrez la part de répondants à chaque point. Une barre empilée par item, options négatives d'un côté et positives de l'autre, permet de comparer facilement les tendances. La distribution révèle une polarisation qu'un chiffre unique masque : un item où la moitié est tout à fait d'accord et l'autre pas du tout peut avoir la même moyenne qu'un item où tout le monde est neutre.

Top-two-box et bottom-two-box#

Le top-two-box est le pourcentage de répondants ayant choisi l'une des deux options les plus positives, comme « Plutôt d'accord » ou « Tout à fait d'accord ». Il est simple à expliquer, facile à suivre dans le temps et ne dépend pas de la numérotation de l'échelle. Présentez le bottom-two-box à côté pour montrer les deux extrémités.

Médiane et mode#

La médiane, c'est-à-dire la réponse du milieu une fois toutes les réponses triées, est un résumé naturel pour des données ordinales. Le mode, la réponse la plus fréquente, montre où les réponses se concentrent.

Quand la moyenne est acceptable#

De nombreuses équipes présentent la moyenne d'un item de Likert, et c'est largement accepté en pratique lorsque :

• Vous combinez plusieurs items en un score d'échelle additionné ou moyenné.
• Vous comparez le même item entre groupes ou dans le temps, en présentant aussi la distribution.
• L'échelle compte au moins cinq points nommés et régulièrement espacés.

Évitez de présenter une moyenne seule pour un item isolé, et ne faites jamais la moyenne de réponses issues d'échelles ayant un nombre de points différent.

Tris croisés#

Un tri croisé ventile un item de Likert selon une autre variable, comme la région, l'offre ou l'ancienneté. Il répond à des questions comme « Les nouveaux clients sont-ils moins satisfaits de l'intégration que les clients existants ? ». Vérifiez l'effectif de chaque segment avant de tirer des conclusions de petits groupes.

Créer des questions de Likert dans Claform#

Claform propose plusieurs types de questions adaptés à une mesure de type Likert :

• Opinion Scale est une échelle d'accord en 5 points prête à l'emploi, où chaque point est nommé, de « Pas du tout d'accord » à « Tout à fait d'accord », avec un point neutre au centre.
• Rating Scale est une échelle numérique dont vous définissez les valeurs minimale et maximale, avec des libellés pour les extrémités basse et haute. Elle convient aux notes de satisfaction, de probabilité ou d'importance.
• Matrix (Single) place plusieurs affirmations en lignes avec un même ensemble de colonnes nommées, pour présenter une échelle de Likert complète avec vos propres libellés et une réponse par ligne.
• Semantic Differential (différenciateur sémantique) demande aux répondants de se situer entre deux termes opposés, comme « Difficile » et « Facile ».

Si vous voulez nommer chaque point d'une échelle autre que l'accord, vous pouvez aussi utiliser une question à choix unique dont les options reprennent les libellés dans l'ordre.

Pour l'analyse, chaque enquête dispose d'une vue des résultats avec la distribution de chaque question, et les questions matricielles affichent effectifs et pourcentages par ligne et par colonne. À partir de l'offre Professional, l'outil de tri croisé ventile les résultats selon une autre question, et l'AI Data Analyst fournit des statistiques descriptives pour les questions d'échelle, dont la moyenne, la médiane, la distribution et les parts top-box et top-two-box. Consultez la page Tarifs pour voir le contenu de chaque offre.

Pour en savoir plus sur les grilles, lisez le guide des questions matricielles.

Questions fréquentes#

Quel est un exemple de question à échelle de Likert ?#

« Le paiement a été facile à finaliser », avec une échelle en 5 points allant de « Pas du tout d'accord » à « Tout à fait d'accord », est un item de Likert typique. D'autres séries courantes mesurent la fréquence, la satisfaction, l'importance ou la probabilité.

Faut-il une échelle de Likert en 5 ou en 7 points ?#

Utilisez cinq points pour le grand public et les enquêtes sur mobile. Utilisez sept points lorsque les répondants sont expérimentés et que vous avez besoin de distinctions plus fines. Gardez le même nombre de points pour les items que vous souhaitez comparer.

Peut-on calculer une moyenne avec une échelle de Likert ?#

Oui, notamment pour des scores d'échelle à plusieurs items et des comparaisons dans le temps, mais présentez aussi la distribution ou le top-two-box. Une moyenne seule peut masquer des réponses polarisées.

Qu'est-ce que le top-two-box sur une échelle de Likert ?#

C'est le pourcentage de répondants ayant choisi l'une des deux options les plus positives de l'échelle, comme « Plutôt d'accord » et « Tout à fait d'accord » sur une échelle d'accord en 5 points.

Une échelle de notation est-elle la même chose qu'une échelle de Likert ?#

Pas tout à fait. Un item de Likert utilise des options nommées et équilibrées autour d'une affirmation ou d'un sujet. Échelle de notation est un terme plus large qui englobe aussi les notes en étoiles, les notes de 0 à 10 et les curseurs.

Commencez gratuitement