Vous venez de lancer votre test dans SPSS ou R. Le tableau de résultats apparaît et, au bout d’une ligne, vous voyez , ** ou **. Parfois la sortie écrit « significatif » ou « hautement significatif ». Dans votre mémoire, il faut interpréter ces signes — et copier‑coller les étoiles sans explication ne suffira pas. Ce guide explique clairement ce que signifient ces niveaux, comment les distinguer et comment les présenter rigoureusement dans votre travail de recherche.
La p‑value : rappel essentiel
La p‑value (valeur p) est la probabilité d’observer un effet au moins aussi extrême que celui obtenu, si l’hypothèse nulle (H0) était vraie. Par exemple, p = 0,03 signifie qu’il y aurait 3% de chances d’observer un écart aussi grand par pur hasard lorsque H0 est vraie. Si ce niveau est jugé trop improbable, on rejette H0.
Important : la p‑value n’évalue pas la taille ou l’importance pratique d’un effet. Avec de grands échantillons, des différences minimes peuvent devenir statistiquement significatives. Gardez cette distinction en tête.
Les seuils conventionnels et leurs étoiles
Trois seuils largement utilisés font l’objet de conventions et correspondent à des tolérances différentes pour l’erreur de type I (rejeter H0 alors qu’elle est vraie) :
- p < 0,05 — une étoile (*) : « significatif »
- Risque d’erreur ≤ 5%. Exemple d’écriture : « La différence est statistiquement significative (p = 0,038 < 0,05). »
- p < 0,01 — deux étoiles (**) : « hautement significatif »
- Risque d’erreur ≤ 1%. Exemple : « La différence est hautement significative (p = 0,004 < 0,01). »
- p < 0,001 — trois étoiles (***) : « très hautement significatif »
- Risque d’erreur ≤ 0,1%. Dans les sorties, cela peut apparaître comme p < ,001 selon les paramètres régionaux. Exemple : « Corrélation très hautement significative (p < 0,001). »
Sans étoile — p ≥ 0,05 : non significatif (ns) — on ne rejette pas H0.
Certains logiciels affichent aussi « . » pour 0,05 ≤ p < 0,10 (tendance), mais ce niveau doit être présenté avec prudence.
Ce que les étoiles ne disent pas — ce qu’il faut ajouter dans le mémoire
Les étoiles indiquent seulement la probabilité de l’observation sous H0 ; elles ne mesurent ni la taille de l’effet, ni sa pertinence pratique. Pour une interprétation complète, toujours :
- Reporter la p‑value exacte quand c’est possible (APA recommande la valeur exacte plutôt que « p < 0,05 »), sauf si p < 0,001 où l’on écrit p < 0,001.
- Fournir une mesure de taille d’effet adaptée au test :
- Test t : d de Cohen (petit ≈ 0,2 ; moyen ≈ 0,5 ; grand ≈ 0,8)
- ANOVA : η² (eta‑carré) ou ω² (oméga‑carré)
- Corrélation : r (ou r² selon le contexte)
- Chi‑2 : V de Cramér
Exemple concret : avec 5 000 participants, une différence de 0,3 point sur 100 peut donner p < 0,001 (***), mais un d de Cohen = 0,02 — effet négligeable. Indiquez cela clairement.
Formulations types pour le texte (exemples conformes à APA)
- « La différence est statistiquement significative (t(48) = 2,31, p = 0,025, d = 0,66). »
- « Aucune différence significative n'a été observée (F(2, 87) = 1,14, p = 0,324, η² = 0,03). »
- Évitez : « Le résultat est significatif (p < 0,05). » — trop vague.
Erreurs classiques à éviter
- Écrire « p = 0,000 » : n’existe pas. On écrit p < 0,001.
- Confondre significativité et importance pratique.
- Omettre la taille d’effet.
- Traiter p = 0,051 comme une frontière absolue ; discutez ces cas avec nuance.
- Multiplier les tests sans correction : si vous réalisez 20 tests à α = 0,05, attendez ≈1 faux positif. Pensez à Bonferroni ou aux méthodes de contrôle du FDR pour comparaisons multiples.
Interprétation visuelle et décisions pratiques
- Les étoiles aident à repérer rapidement des résultats « improbables » sous H0, mais ne remplacent pas une interprétation complète.
- Pour les décisions (p. ex. validation d’une hypothèse), expliquez le seuil choisi (α = 0,05 par défaut), justifiez‑le si vous le modifiez, et présentez toujours la p‑value exacte + taille d’effet + intervalle de confiance si pertinent.
Conclusion
Les étoiles de significativité — *, **, *** — ne sont pas de simples ornements dans vos tableaux SPSS ou R. Elles traduisent trois niveaux de confiance dans le rejet de l'hypothèse nulle : significatif (p < 0,05), hautement significatif (p < 0,01), très hautement significatif (p < 0,001). Comprendre ces seuils, les rapporter avec leur valeur exacte et les accompagner systématiquement d'une taille d'effet, c'est ce qui distingue un mémoire solide d'une simple copie de sorties logicielles.
Vous travaillez en ce moment sur l'analyse statistique de votre mémoire et vous avez besoin d'aide pour interpréter vos résultats, choisir le bon test ou rédiger votre section méthode ? Zycral accompagne les étudiants, chercheurs et professionnels francophones dans toutes les étapes de leur analyse de données — de la saisie jusqu'à la rédaction. Découvrez nos services d'accompagnement statistique et obtenez des résultats fiables, bien expliqués et prêts à soutenir.