La notion de représentativité

Les études marketing ont pour objectif de répondre à une question bien précise qui concerne toute une population. Dans le cadre des enquêtes sur les modes de consommation, sur les préférences en loisirs ou encore dans le cadre des sondages politiques, il est impossible d’interroger la population concernée, car elle est beaucoup trop grande. Il sera cependant possible d’interroger un groupe de personne ou un échantillon, qui permettra de transposer les résultats sur la population totale, dite aussi la population mère. Dans ce cas-là, le souci premier sera la confiance dans les résultats : comment peut-on être sûr que les réponses sont exactement les mêmes que si on avait interrogé la population totale ? Comment être sûr de la représentativité de l’échantillon ?

L’échantillon est représentatif quand il reprend les caractéristiques de la population à étudier, et nous disposons de quelques outils qui permettent d’asseoir la pertinence et la validité des études marketing.

Il existe de multiples méthodes pour construire un échantillon représentatif. La méthode empirique des quotas est la plus utilisée dans les enquêtes et les études de marché. Le but de cette méthode est de construire un échantillon le plus proche en matière de caractéristiques de la population mère. Il est donc crucial de connaître les caractéristiques de cette population. Les critères peuvent être différents selon les problématiques des études. L’âge, la catégorie socioprofessionnelle, le lieu de résidence sont utilisés de manière récurrente, et ce grâce aux données disponibles via les bases INSEE. Par exemple, l’échantillon va comprendre le même pourcentage de femmes et d’hommes que la population ciblée par l’étude.

Dans le cas de la connaissance plus approfondie de la population à étudier à travers une base de données, les quotas peuvent être affinés : ici, nous considérons que les correspondants de la base constituent la totalité de la population. Ainsi nous nous appuyons sur les caractéristiques renseignées dans la base.

Deux types de quotas peuvent être travaillés : les quotas simples et les quotas croisés. Si les quotas simples prennent en compte un seul critère (l’âge), les quotas croisés se basent sur deux critères (âge/CSP). Il est cependant nécessaire de rester vigilant dans le choix des quotas croisés : la multiplicité des critères peut rendre le travail des enquêteurs très complexe.

La méthode des quotas reste la méthode privilégiée pour sa fiabilité : elle permet de contrôler l’échantillon sur les caractéristiques choisies.

La maîtrise de la taille de l’échantillon est un autre outil permettant de concevoir une étude avec les résultats fiables et transposables. Il y a trois critères à prendre en compte lors du calcul de la taille de l’échantillon.

La taille de la population.

Il s’agit du nombre exact des personnes qui représentent l’échantillon. Pour interroger les salariés d’une entreprise, nous considérons que l’effectif est la population totale. Dans le cadre d’une population supérieure à 20 000, la taille de l’échantillon varie peu.

La marge d’erreur préférée

La marge d’erreur préférée indique le niveau de précision souhaité. Par exemple, 50 % de l’échantillon se disent satisfaits du service rendu. Avec une marge d’erreur de 2 %, nous sommes « sûrs » que si nous avions posé cette question à la population totale, entre 48 % et 52 % auraient répondu la même chose. Pour diminuer la marge d’erreur, la taille de l’échantillon doit être augmentée.

Le niveau de confiance souhaité

Le niveau de confiance peut être défini comme le degré de certitude de la marge d’erreur : il démontre combien de fois la population interrogée se trouve dans la marge d’erreur. Dans les études de marché, les marges d’erreur sont calculées pour un niveau de confiance de 95 %. Pour obtenir un niveau de confiance de 99 %, la taille de l’échantillon doit être augmentée.

En guise de conclusion, un exemple historique sur la notion de représentativité nous est donné par une étude menée lors d’une élection présidentielle aux États-Unis. En 1936, le journal Literary Digest a interrogé 2 millions de personnes tirées au hasard depuis des annuaires téléphoniques et a prédit l’élection de Alfred Landon, tandis que G.Gallup a travaillé sur la base d’un échantillon de 4000 personnes et a annoncé la victoire de Franklin D. Roosevelt. L’erreur provient du choix de la population à interroger : les abonnés au téléphone étaient, en moyenne, les foyers plus aisés et donc ne constituaient pas la population totale des électeurs. Il apparaît donc nécessaire d’analyser la population, de comprendre sa structure et de définir les paramètres de confiance en résultats.

Sources :

• Giannelloni J-L., Vernette E. (2012), Études de marché, 3e éd., Magnard-Vuilbert, 619 p.
• Evrard Y. et al. (2003), Market : études et recherches en marketing, 3e éd. Dunod, 700 p.