La puissance statistique répond à une question que tout chercheur devrait se poser avant de recueillir des données : si l’effet recherché existe, quelle est la probabilité que l’étude le mette réellement en évidence ? Les études dont la puissance est insuffisante figurent parmi les erreurs les plus fréquentes — et les plus évitables — de la recherche appliquée. Elles produisent des résultats « sans différence significative » qui signifient parfois simplement « les données ne suffisent pas pour conclure ». Ce calculateur réalise l’analyse de puissance standard fondée sur l’approximation normale z pour comparer deux échantillons, dans les deux sens : calculer la puissance à partir d’un effectif prévu ou déterminer l’effectif nécessaire pour atteindre une puissance cible.
Fonctionnement du calculateur
La puissance dépend de quatre facteurs qui agissent les uns sur les autres : la taille de l’effet recherché, le seuil de signification (α), la taille de l’échantillon et le caractère unilatéral ou bilatéral du test. Toutes choses égales par ailleurs, la puissance augmente avec la taille de l’effet, la taille de l’échantillon ou un seuil α moins strict. Le calculateur combine ces paramètres dans un unique paramètre de non-centralité — qui indique dans quelle mesure l’effet réel déplace la distribution d’échantillonnage par rapport à l’hypothèse nulle — puis détermine la puissance correspondante à partir de la courbe normale standard. Il suppose deux groupes indépendants de même taille, configuration courante dans les études comparatives (tests A/B, essais avec groupe traité et groupe témoin, comparaisons avant/après avec groupe témoin).
Pourquoi la convention retient une puissance de 80%
Dans son ouvrage influent de 1988 sur l’analyse de puissance, Jacob Cohen a proposé 80% comme compromis raisonnable : une puissance suffisante pour qu’un effet réel ait plus de chances d’être détecté que manqué, sans exiger un échantillon impraticablement grand. Cette convention s’est imposée ; la plupart des revues, des évaluateurs de demandes de subvention et des comités d’éthique attendent désormais qu’une puissance d’au moins 80% soit annoncée ou planifiée. Certains domaines — notamment les essais cliniques, où manquer un effet peut conduire à écarter un traitement efficace — visent plutôt 90%, en acceptant l’effectif plus important nécessaire pour réduire le taux de faux négatifs.
Limites et cas particuliers
Ce calculateur utilise une approximation normale z. Elle est précise pour des échantillons suffisamment grands, mais surestime légèrement la puissance pour de très petits échantillons par rapport à un calcul exact fondé sur la loi t ; l’écart diminue rapidement lorsque n dépasse environ 20-30 par groupe. Le calculateur suppose également des groupes de même taille, une variable de résultat continue dont les données sont approximativement normales et de variance égale, ainsi qu’un plan inter-sujets (groupes indépendants). Il ne convient pas aux plans appariés ou à mesures répétées, aux proportions, à une ANOVA comportant plus de deux groupes ni à la régression, qui reposent chacune sur une formule de puissance spécifique. Considérez le résultat comme une estimation de planification : l’attrition, les effectifs inégaux et les hypothèses non respectées réduisent tous la puissance réelle par rapport à celle annoncée par le calculateur.