Comment Trouver une Échelle Validée pour Votre Recherche
Cette page est une traduction de l'original anglais relu. Voir l'original (EN)
comment trouver une échelle validéeAndrzej Szymkowiak · Dernière révision : septembre 2026
Vous savez ce que vous voulez mesurer — la fidélité à la marque, l'utilité perçue, la confiance ou un autre concept bien étudié. La question suivante est : écrivez-vous vos propres items, ou empruntez-vous une échelle que des chercheurs ont déjà testée ? Dans presque tous les cas, vous devriez emprunter. Ce guide explique pourquoi, où chercher et comment juger si une échelle est assez bonne pour être utilisée.
Pour trouver une échelle validée, cherchez sur Google Scholar ou Web of Science le nom de votre construit associé à « scale development » ou « scale validation », consultez des compendiums d'échelles publiés comme le Marketing Scales Handbook, ou utilisez une bibliothèque de construits dédiée. L'article de revue original où l'échelle a été publiée pour la première fois est la source la plus fiable — et celle que vous citez dans votre section Méthode.
Pourquoi utiliser une échelle validée ?
Une échelle validée a été testée avec de vrais répondants. D'autres chercheurs ont vérifié que ses items sont cohérents en interne (fiabilité) et qu'ils captent le concept visé et non autre chose (validité). La fiabilité et la validité sont des questions différentes — une échelle peut être très fiable tout en mesurant la mauvaise chose — et une bonne échelle a besoin de preuves sur les deux. Utiliser une telle échelle apporte trois avantages pratiques.
D'abord, la comparabilité. Quand vous utilisez la même échelle qu'une étude antérieure, vos résultats peuvent être comparés entre contextes, ce qui rend vos conclusions plus utiles et plus faciles à publier.
Ensuite, la confiance du relecteur. Un relecteur qui voit une échelle issue d'une source bien citée fait déjà confiance à la mesure. Une échelle que vous avez écrite vous-même doit gagner cette confiance à partir de zéro, et les relecteurs vous demanderont de la prouver.
Enfin, le temps. Bien développer une nouvelle échelle demande plusieurs études pilotes. Emprunter une échelle validée vous permet de vous concentrer sur la question de recherche plutôt que sur l'instrument.
L'exception est lorsqu'aucune échelle adaptée n'existe, ou lorsqu'une échelle existante ne convient pas à votre population ou à votre langue. Dans ces cas, vous devrez adapter ou créer des items, ce qui est un processus à part entière.
Où trouver des échelles validées
Articles publiés
La source la plus fiable est un article de revue où l'échelle a été développée ou validée pour la première fois. Cherchez sur Google Scholar, Web of Science ou Scopus le nom de votre construit plus « scale development », « scale validation » ou « measurement instrument ». Les articles qui introduisent une nouvelle échelle rapportent généralement tous les items en entier ou en annexe.
Compendiums et manuels d'échelles
Plusieurs ressources imprimées rassemblent des échelles sur divers sujets. Le Marketing Scales Handbook (Bruner et al.) couvre les construits courants en recherche sur le consommateur. Measures for Clinical Practice and Research (Fischer et Corcoran) couvre la psychologie et la santé. Le Handbook of Marketing Scales (Bearden et Netemeyer) est une autre référence standard. Votre bibliothèque universitaire en possède probablement au moins un.
Bases de données et revues reconnues
Les revues systématiques comparent souvent des échelles concurrentes pour le même construit et recommandent celle qui présente les meilleures propriétés. Cherchez un article de revue sur votre sujet — par exemple « brand loyalty measures review » ou « customer satisfaction scales systematic review ». Elles font gagner du temps en présélectionnant les options pour vous.
La bibliothèque d'échelles d'Explonia
Explonia inclut une bibliothèque d'environ 370 construits validés issus de recherches publiées, chacun avec sa citation source et son DOI. Disponible à partir du plan Academic, la bibliothèque est consultable par nom de construit. Vous sélectionnez une échelle, et les items sont ajoutés à votre étude. Vous citez toujours les auteurs d'origine — la bibliothèque est un outil de recherche, pas un remplacement de la source publiée. Vous pouvez parcourir des exemples concrets →. Quand vous serez prêt à intégrer une échelle dans un projet d'étude complet, voyez de la question de recherche au questionnaire →.
Comment juger si une échelle est assez bonne ?
Toutes les échelles publiées ne se valent pas. Avant de vous décider, vérifiez ces critères.
| Critère | Seuil conventionnel | Ce que cela signifie |
|---|---|---|
| Cronbach's alpha (α) | ≥ .70 (convention) | Cohérence interne ; suppose que les items sont unidimensionnels et à peu près tau-équivalents (charges similaires) |
| McDonald's omega (ω) | ≥ .70 (convention) | Cohérence interne sans l'hypothèse de charges égales ; souvent préférée à α |
| Composite reliability (CR) | ≥ .70 | Fiabilité au niveau du facteur estimée à partir des charges CFA (rapportée en SEM) |
| Average variance extracted (AVE) | ≥ .50 | Le facteur explique au moins la moitié de la variance de ses items (validité convergente) |
| HTMT (validité discriminante) | < .85 conservateur ; < .90 libéral (Henseler, Ringle & Sarstedt, 2015) | Le facteur est distinct des autres facteurs |
| Nombre d'items | au moins 3 (en général 3-6 ; 4-6 pour une nouvelle échelle, Hinkin, 1998) | Moins de 3 laisse un facteur isolé sous-identifié ; les longs blocs d'items allongent le questionnaire |
Traitez ces valeurs limites comme des conventions largement utilisées, et non comme des lois strictes. Le seuil de fiabilité .70 est une règle empirique (Nunnally et Bernstein, 1994), pas une ligne réussite/échec — une valeur juste en dessous n'est pas automatiquement critique, et une valeur élevée ne prouve pas à elle seule que l'échelle est valide. Notez aussi que l'alpha repose sur des hypothèses (unidimensionnalité, charges à peu près égales) que les données réelles violent souvent — c'est pourquoi McDonald's omega et, en SEM, la composite reliability sont de plus en plus rapportés à côté de l'alpha ou à sa place.
Au-delà des chiffres, posez deux questions.
Le contexte de l'échantillon correspond-il au vôtre ? Une échelle validée auprès d'étudiants dans un pays peut ne pas fonctionner de la même façon avec des professionnels dans un autre. Vérifiez si des études de validation ultérieures ont testé l'échelle dans un contexte plus proche du vôtre.
La langue est-elle appropriée ? Certaines échelles utilisent des formulations idiomatiques qui se traduisent mal. Pour des publics multilingues ou non natifs, cherchez une version traduite et revalidée, ou prévoyez un court pilote pour vérifier que les répondants comprennent chaque item. Des formulations simples et claires réduisent l'erreur de mesure entre différents environnements linguistiques.
Pour un examen plus approfondi des mesures de fiabilité, voyez /methods/reliability/. Pour la validité discriminante et le seuil HTMT, voyez /methods/htmt/. Pour comparer HTMT au critère de Fornell-Larcker, voyez HTMT vs Fornell-Larcker →.
Items inversés
Beaucoup d'échelles incluent un ou plusieurs items inversés (reverse-coded). Un item de Likert typique pourrait être « Je fais confiance à cette marque ». Une version inversée serait « Je me méfie de cette marque ». Le score est inversé : pour une échelle en 5 points, une réponse de 5 devient 1, 4 devient 2, et ainsi de suite.
Les items inversés étaient historiquement utilisés pour repérer les répondants qui cochent la même réponse à chaque question. Leur valeur est aujourd'hui débattue — certaines recherches suggèrent qu'ils introduisent un biais de méthode au lieu de le réduire — mais vous les rencontrerez dans de nombreuses échelles publiées. Si l'échelle originale les inclut, utilisez-les sous leur forme publiée, sauf si vous avez une forte raison de les adapter.
Marquez l'item comme inversé dans votre fichier de données avant l'analyse, afin que l'inversion du score soit appliquée avant de lancer la fiabilité et la CFA.
Comment citer l'échelle
Quand vous utilisez une échelle publiée, citez la source originale dans votre section Méthode, pas seulement Explonia ni un autre outil utilisé pour l'administrer. Une phrase typique ressemble à ceci :
L'utilité perçue a été mesurée par six items adaptés de Davis (1989). Les items demandent aux répondants dans quelle mesure ils s'attendent à ce que le système améliore leur performance et leur productivité au travail. Les items étaient notés sur une échelle de Likert en 5 points allant de 1 (pas du tout d'accord) à 5 (tout à fait d'accord).
Incluez la citation originale de l'échelle dans votre liste de références. Si vous avez apporté des changements à la formulation — même mineurs — indiquez-le par « adapted from » (adapté de) plutôt que « from » (de), et décrivez brièvement les changements. Il en va de même pour le format de réponse : changer le nombre de points ou les libellés coûte aussi de la comparabilité — voyez combien de points une échelle de Likert doit avoir →.
Encore un point sur le droit d'auteur : la formulation des items dans les échelles publiées est parfois protégée, et les règles varient d'une échelle à l'autre. Beaucoup d'échelles sont gratuites pour un usage en recherche académique, mais certains instruments très utilisés — par exemple le MBI, le SF-36 ou le WHOQOL — exigent une licence, une inscription ou des frais, y compris pour des études académiques. Ne présumez pas que l'usage académique est toujours gratuit. Avant d'utiliser les items, consultez l'article original, la page des autorisations de l'éditeur ou le site de l'auteur.
Erreurs courantes à éviter
- Écrire vos propres items alors qu'une échelle validée existe déjà pour le construit.
- Citer l'outil de sondage au lieu des auteurs d'origine qui ont développé l'échelle.
- Traiter α ≥ .70 comme une preuve de validité — la fiabilité et la validité sont des questions différentes.
- Utiliser seulement deux items pour un facteur réflexif, ce qui le laisse sous-identifié.
- Ignorer si l'échelle a été validée dans une population et une langue comme les vôtres.
- Oublier de signaler les items inversés avant de lancer la fiabilité et la CFA.
Questions fréquentes
Où puis-je trouver des échelles validées pour la recherche ?
Commencez par l'article de revue original où l'échelle a été publiée. Les recherches dans Google Scholar avec votre construit plus « scale development » ou « scale validation » font généralement remonter les sources clés. Les compendiums d'échelles comme le Marketing Scales Handbook rassemblent de nombreuses options en un seul endroit. La bibliothèque intégrée d'Explonia, avec environ 370 construits et les DOI des sources, est un autre point de départ rapide, disponible dans le plan Academic.
Puis-je utiliser une échelle publiée gratuitement ? Dois-je la citer ?
Cela dépend de l'échelle. Beaucoup d'échelles sont gratuites pour un usage en recherche académique, mais certains instruments très utilisés — comme le MBI, le SF-36 ou le WHOQOL — exigent une licence, une inscription ou des frais, y compris pour des études académiques. Le statut de droit d'auteur varie d'une échelle à l'autre, alors consultez l'article original, la page des autorisations de l'éditeur ou le site de l'auteur avant d'utiliser les items. Quelle que soit la licence, citez toujours les auteurs d'origine dans votre section Méthode — ne citez pas uniquement l'outil utilisé pour administrer le sondage. Si vous adaptez une formulation, écrivez « adapted from » et décrivez le changement.
Combien d'items une échelle doit-elle avoir ?
La plupart des mesures de construit utilisent entre trois et six items par facteur. Trois est le minimum pratique pour qu'un facteur CFA réflexif soit identifié et stable. Quand vous développez une nouvelle échelle, Hinkin (1998) suggère quatre à six items par construit dans l'échelle finale, et d'en rédiger environ deux fois plus au départ, afin de pouvoir retirer les items faibles. Plus de six items par facteur allonge le questionnaire sans gain proportionnel de fiabilité, et les longs questionnaires augmentent la fatigue des répondants et les abandons. Si vous devez raccourcir une échelle, retirez les items aux charges les plus faibles et vérifiez que la fiabilité et l'AVE restent au-dessus du seuil.
Que faire si le Cronbach's alpha est inférieur à .70 ?
D'abord, rappelez-vous que .70 est une convention, pas une valeur limite stricte, donc une valeur un peu en dessous n'est pas automatiquement un échec. Ensuite, vérifiez si l'alpha faible est dû à un seul item faible — retirez les items un par un et recalculez pour voir si la valeur se rétablit. Troisièmement, calculez une estimation de fiabilité basée sur un modèle : McDonald's omega (ω), qui ne suppose pas des charges égales, et la composite reliability (CR) issue de votre CFA — toutes deux généralement plus précises que l'alpha quand les charges varient. Si l'omega, la CR et l'alpha restent toutes faibles, les items ne forment peut-être pas un construit unidimensionnel cohérent et vous devrez peut-être les réviser ou les remplacer. Voyez /methods/reliability/ pour un guide pas à pas. Pour des conseils sur la rédaction d'items aux meilleures propriétés, voyez comment rédiger de bonnes questions de sondage →.
Explonia peut-elle m'aider à trouver et utiliser une échelle validée ?
Oui. La bibliothèque d'Explonia, avec environ 370 construits validés — chacun avec sa citation source et son DOI — est consultable dans le plan Academic. Vous ajoutez les items à votre étude en quelques clics et vous citez toujours les auteurs d'origine qui ont développé l'échelle ; la bibliothèque est un outil de recherche, pas un remplacement de la source publiée.
References
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
Hinkin, T. R. (1998). A brief tutorial on the development of measures for use in survey questionnaires. Organizational Research Methods, 1(1), 104-121. https://doi.org/10.1177/109442819800100106
Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
Comment Explonia fait cela pour vous
La bibliothèque intégrée d'Explonia vous permet de chercher un construit, de voir la publication source et d'ajouter les items à votre étude en quelques clics. Les items arrivent avec la formulation originale et un fragment de citation que vous pouvez copier dans vos références. Comme la bibliothèque couvre environ 370 construits, la plupart des construits standard en gestion, psychologie et sciences sociales y figurent déjà. Une fois l'échelle sélectionnée et administrée, Explonia lance des contrôles de fiabilité et de CFA sur vos données et signale les items qui réduisent l'ajustement, pour que vous puissiez prendre des décisions éclairées sur votre modèle de mesure final. Pour des conseils sur la présentation de ces résultats, voyez comment rapporter les résultats CFA au format APA →.
Prêt à trouver et utiliser une échelle validée ? Cherchez dans la bibliothèque de construits d'Explonia, ajoutez les items à votre étude et lancez la fiabilité et la CFA sur vos données. Commencer gratuitement →
Comment citer cet article
Si cet article a aidé votre recherche, vous pouvez le citer (APA 7) :
Szymkowiak, A. (2026). Comment Trouver une Échelle Validée pour Votre Recherche. Explonia. https://explonia.com/fr/blog/find-validated-scale/
Last updated: septembre 2026
Réalisez toute votre étude au même endroit
Concevez-la, collectez les données et lancez de vrais CFA et SEM sur vos propres données — avec un brouillon de paragraphe APA que vous pouvez modifier. Commencez gratuitement.
Commencer gratuitement