Analyse de puissance simplifiée : calculs de taille d'échantillon avec exemples

Publié le 20 juin 2026 | Dernière mise à jour le 10 août 2026

Une étude qui ne trouve rien n'est pas forcément un échec, et une étude qui trouve quelque chose n'est pas forcément vraie. Ce qui distingue un résultat nul fiable d'un résultat inutile, et une véritable découverte d'une valeur p due au hasard, se résume généralement à un calcul que la plupart des chercheurs effectuent avant même de recueillir la moindre donnée. L'analyse de puissance répond à une question précise : étant donné le plus petit effet significatif, combien de participants, d'échantillons ou d'observations une étude doit-elle prévoir pour avoir une chance raisonnable de le détecter ? Négliger ce calcul peut conduire à une étude trop petite pour mettre en évidence un effet réel, ou, plus rarement, trop grande, engloutissant ainsi des ressources financières et du temps de participants inutilement.

Les comités d'éthique, les relecteurs de revues scientifiques et les comités d'attribution de subventions exigent désormais tous cette information, et ce à juste titre. Pendant des décennies, des essais cliniques publiés ont été menés avec des tailles d'échantillon choisies par habitude, par budget ou de manière empirique plutôt que par calcul, et les publications scientifiques sur ce sujet sont loin d'être élogieuses. Ce guide détaille les quatre nombres essentiels à une analyse de puissance, présente un calcul complet avec des méthodes arithmétiques rigoureuses, aborde l'analyse de puissance pour les quatre plans d'étude les plus fréquemment utilisés et met en évidence les erreurs de calcul les plus courantes.

Ce que décide réellement une analyse de puissance

Tout test d'hypothèse comporte deux risques d'erreur. Une étude peut rejeter une hypothèse nulle vraie (fausse alerte, appelée erreur de type I en statisticiens) ou ne pas rejeter une hypothèse nulle fausse (erreur de type II). Le seuil de signification (alpha) représente le risque d'erreur de type I que le chercheur accepte, généralement fixé à 0.05. La puissance statistique, quant à elle, aborde le même test sous un angle différent. Elle est égale à 1 moins β, où β est le taux d'erreur de type II, et indique la probabilité de détecter correctement un effet réellement présent.

La taille de l'échantillon est le levier qui relie tous ces éléments. À taille d'effet et alpha constants, un échantillon plus grand augmente la puissance statistique, car davantage de données réduisent le bruit autour de l'estimation et permettent de distinguer plus facilement une différence réelle du hasard. Une analyse de puissance procède à l'inverse, en partant de la puissance et de la taille d'effet souhaitées par le chercheur et en déterminant la taille d'échantillon nécessaire pour les atteindre.

Les quatre chiffres clés d'une analyse de puissance

Dans une analyse de puissance, quatre quantités s'influencent mutuellement, et la fixation de trois d'entre elles détermine la quatrième. La taille de l'effet décrit l'ampleur d'une différence ou d'une association considérée comme significative, exprimée sur une échelle standardisée permettant la comparaison entre différents résultats et études. Le seuil alpha fixe la tolérance aux faux positifs, presque toujours de 0.05 en recherche appliquée, parfois abaissée à 0.01 lorsqu'une fausse alerte serait coûteuse ou dangereuse. La puissance statistique fixe la tolérance au risque de ne pas détecter un effet réel, conventionnellement de 0.80 et de plus en plus souvent de 0.90 pour les études confirmatoires ou à forts enjeux. La taille de l'échantillon devient alors négligeable.

Le seuil de puissance statistique conventionnel de 80 % est largement dû aux travaux influents de Jacob Cohen sur la taille de l'effet et la taille de l'échantillon, et il reste la norme par défaut dans la plupart des recommandations des revues et des organismes de financement. Un nombre croissant de méthodologistes préconisent désormais 90 %, étant donné la fréquence à laquelle l'effet réel s'avère plus faible que prévu initialement par les chercheurs.

Cohen a également proposé des valeurs de référence pour les effets faibles, moyens et importants, et les chercheurs en psychologie, médecine et épidémiologie s'y réfèrent encore lorsqu'aucune meilleure estimation n'est disponible à partir de données antérieures. Il s'agit de conventions, et non de lois naturelles. Une étude pilote ou une taille d'effet publiée issue d'une recherche étroitement liée est toujours préférable à une estimation générale.

Choisir la mauvaise ligne dans ce tableau est l'une des erreurs les plus fréquentes lors d'une analyse de puissance. Un effet moyen dans un domaine peut être perçu comme optimiste ou pessimiste dans un autre, et retenir par défaut l'option « moyen » sans vérifier sa concordance avec les résultats d'études similaires revient à faire une supposition déguisée en calcul. Il est important de bien comprendre la relation entre le seuil alpha et la signification statistique avant de valider ces valeurs, car ces deux décisions sont interdépendantes.

Les études sous-dimensionnées ne constituent pas un problème hypothétique

Les conséquences de l'omission de cette étape sont avérées, et non théoriques. Un réexamen de 71 essais cliniques initialement publiés comme négatifs a révélé que 67 d'entre eux, soit 94 % de l'échantillon, présentaient un risque supérieur à 10 % d'avoir manqué une réelle amélioration du traitement de 25 %, simplement parce qu'ils n'avaient pas inclus suffisamment de patients pour la mettre en évidence. Cinquante de ces mêmes 71 essais, soit 70 %, auraient pu passer à côté d'une amélioration allant jusqu'à 50 % (Freiman et al., 1978, New England Journal of Medicine ).

Une analyse de suivi réalisée par Moher, Dulberg et Wells a porté sur 383 essais publiés dans le JAMA , The Lancet et le New England Journal of Medicine entre 1975 et 1990. Parmi les 70 essais négatifs à deux groupes présentant des données de résultats exploitables, seuls 16 % avaient la puissance statistique nécessaire pour détecter une différence relative de 25 %, et seulement 36 % pour détecter une différence relative de 50 %, des chiffres qui ont à peine évolué sur quinze années de publication. La qualité des rapports s'est toutefois améliorée au cours de cette période. Le calcul de la taille de l'échantillon est passé de 0 % en 1975 à 43 % en 1990, ce qui représente un progrès réel. Cependant, ce pourcentage de 43 % signifie encore que la plupart des essais aux résultats négatifs ne présentaient pas leurs données (Moher et al., 1994, JAMA ).

En quarante ans de méta-analyse, le même problème se répète. Les études sont conçues en fonction de la taille d'échantillon permise par le budget ou la période de recrutement, puis analysées comme si ce nombre avait été choisi pour détecter un effet spécifique et prédéfini. Or, ce n'est généralement pas le cas. La conception et l'analyse des essais contrôlés randomisés reposent sur la maîtrise de cette étape avant même l'inclusion du premier participant, car un essai, une fois sous-dimensionné et en cours, ne peut plus être sauvé statistiquement.

Choisir comment exécuter votre analyse de puissance

Il existe trois méthodes pratiques pour déterminer la taille de l'échantillon, et la plus appropriée dépend de la standardisation du plan expérimental. Pour les plans classiques (comparaison de deux groupes, ANOVA à un facteur, corrélation, régression linéaire), des formules analytiques existent et des logiciels gratuits permettent de les appliquer instantanément. G*Puissance, développé par une équipe de l'Université Heinrich Heine de Düsseldorf et documenté dans un article méthodologique largement cité, couvre la plupart de ces tests via une interface pointer-cliquer et reste l'option gratuite la plus couramment recommandée dans les cours de méthodologie et les guides de publication (Faul et al., 2007, Méthodes de recherche sur le comportementLes utilisateurs de R obtiennent des calculs équivalents grâce à pwr un package qui reproduit les résultats de G*Power et s'intègre naturellement dans un script d'analyse reproductible.

Les formules et G*Power supposent tous deux un plan d'étude relativement standard. Dès lors qu'une étude implique des regroupements (patients imbriqués dans des cliniques, par exemple), des mesures répétées sur un même individu, des données manquantes planifiées ou un modèle non standard comme une analyse à effets mixtes ou bayésienne, les formules analytiques perdent en fiabilité et la simulation devient une option plus sûre. Une analyse de puissance par simulation génère des milliers de jeux de données synthétiques selon une taille d'effet et un modèle d'analyse supposés, exécute le test statistique prévu sur chacun d'eux et indique la proportion d'exécutions atteignant le seuil de signification. Sa configuration est plus longue que la saisie de valeurs dans G*Power, mais elle permet de gérer une complexité que les formules analytiques ne peuvent pas appréhender.

Analyse de la consommation énergétique des quatre modèles que vous utiliserez.

Vous trouverez ci-dessous les quatre modèles expérimentaux les plus utilisés en recherche appliquée, accompagnés de leur formule et d'un exemple concret calculé pour une taille d'effet moyenne, un seuil de signification (alpha) de 0.05 et une puissance de 80 %. Toutes les figures présentées proviennent des mêmes logiciels statistiques que ceux utilisés par les chercheurs pour leurs protocoles, et non d'estimations empiriques.

Deux groupes indépendants (test t)

La comparaison des moyennes entre deux groupes indépendants (groupe traité contre groupe témoin, ou groupe exposé contre groupe non exposé) est le modèle généralement retenu pour le calcul de la taille de l'échantillon. La puissance statistique dépend ici du d de Cohen, la différence entre les moyennes des groupes exprimée en écarts-types. La régression logistique permet une comparaison similaire entre deux groupes lorsque la variable dépendante est binaire plutôt que continue , grâce à un calcul apparenté mais distinct, décrit plus loin.

ANOVA à un facteur (moyennes de trois groupes ou plus)

Dès lors qu'une comparaison porte sur plus de deux groupes, l'ANOVA remplace le test t et la taille de l'effet est alors évaluée par le f de Cohen, qui résume la dispersion des moyennes de groupe par rapport à la variabilité au sein de chaque groupe. Les plans expérimentaux qui ajoutent un regroupement à plusieurs groupes, comme un essai randomisant les cliniques plutôt que les patients individuellement , nécessitent un ajustement supplémentaire appelé effet de plan. Cet ajustement augmente la taille d'échantillon requise afin de tenir compte du fait que les patients d'un même groupe présentent une plus grande similarité entre eux qu'entre les patients de groupes différents.

Corrélation (Association entre deux variables continues)

Pour tester si deux variables continues évoluent de concert, comme la pression artérielle et l'âge, ou le score d'un questionnaire et une mesure de résultat, on utilise directement le coefficient de corrélation de Pearson (r) comme mesure de l'effet. Le choix du test approprié dès le départ est ici plus important qu'il n'y paraît, car une relation qui semble linéaire en théorie mais ne l'est pas dans les données réelles nécessite une approche non paramétrique différente, souvent moins puissante.

Régression multiple (test des prédicteurs d'un résultat)

Les modèles de régression testant plusieurs prédicteurs simultanément, ou un seul prédicteur après ajustement pour les covariables, utilisent le f² de Cohen, un ratio comparant la variance expliquée par les prédicteurs d'intérêt à la variance résiduelle. En recherche clinique, la régression multivariée nécessite généralement un nombre de participants plus important qu'une simple comparaison entre deux groupes dès lors que plusieurs covariables sont intégrées au modèle. De plus, la régression logistique pour une variable binaire requiert une règle empirique supplémentaire, en plus du calcul de puissance standard : on estime souvent à environ dix le nombre d'événements observés par variable prédictive.

Tous les chiffres ont été calculés à α = 0.05, bilatéral et à une puissance de 80 %, en utilisant les R. stats et pwr des kits qui correspondent à la puissance de sortie de G*Power pour les mêmes entrées.

Un exemple concret que vous pouvez réutiliser

Voici le calcul complet qui sous-tend la première ligne de ce tableau, effectué manuellement afin que la logique soit visible plutôt que cachée dans un logiciel.

Imaginons un essai à deux bras comparant une nouvelle intervention aux soins standards sur un critère d'évaluation continu. D'après la littérature existante, une différence standardisée de d de Cohen = 0.5 correspond au plus petit effet détectable, soit un effet moyen conventionnel. Le seuil alpha est fixé à 0.05 (bilatéral), le seuil standard, avec une puissance de 80 %, soit 80 % de chances de détecter cet effet s'il existe réellement.

La formule d'approximation normale pour une comparaison entre deux groupes est : n par groupe = 2 × z² (z pour α / 2 + z pour la puissance) / d². Les valeurs standard sont de 1.96 pour z à 0.025 et de 0.84 pour z à une puissance de 80 %.

Cette approximation normale est proche du résultat, mais elle ne correspond pas exactement aux calculs de G*Power ou de R. Ces deux fonctions utilisent la distribution t non centrée exacte au lieu de l'approximation simplifiée mentionnée précédemment, qui est légèrement plus conservatrice. En utilisant les mêmes données d'entrée (d = 0.5, α = 0.05, bilatéral, puissance de 80 %) avec R, on obtient : power.t.test La fonction renvoie 63.8 par groupe, arrondi à l'entier supérieur. 64 participants par groupe, soit 128 au total, le nombre qu'une section méthodes indiquerait effectivement et le même chiffre que G*Power produit pour cette conception.

L'écart entre la réponse approximative et la réponse exacte est important pour une raison simple : se fier à une approximation plutôt qu'à la méthode exacte utilisée par le logiciel est le genre d'erreur, même minime, qui a des conséquences importantes. Recruter seulement 40 participants par groupe au lieu de 64 – une différence qui peut paraître insignifiante sur un tableau budgétaire – réduit la puissance statistique obtenue pour un même effet (d = 0.5) à un peu moins de 60 %, au lieu des 80 % prévus par l'étude. C'est quasiment un coup de chance de passer complètement à côté d'un effet réel et modéré, et c'est précisément le type d'erreur que Freiman et Moher ont constaté dans des décennies d'essais publiés.

Pour un modèle correspondant à l'une des lignes du tableau précédent, le calculateur de taille d'échantillon gratuit d'Editverse effectue ce calcul exact sans nécessiter l'installation locale de R ou G*Power, et le guide d'utilisation étape par étape détaille chaque champ de saisie.

Erreurs qui compromettent discrètement une analyse de puissance

• Calcul de la puissance a posteriori à partir de vos propres résultats. La puissance statistique calculée a posteriori à partir de la valeur p de l'étude n'est mathématiquement qu'une version redimensionnée de cette valeur p. Elle n'apporte aucune information supplémentaire et la plupart des méthodologistes déconseillent de la mentionner.
• Estimer l'ampleur de l'effet sans données pilotes ni fondement bibliographique. Choisir par défaut la valeur « moyenne » parce qu'elle semble raisonnable transforme un calcul en une conjecture déguisée en laborantin.
• En ignorant les abandons prévus ou les données manquantes. Une analyse de puissance permet de déterminer la taille de l'échantillon nécessaire à l'analyse, et non la taille réelle de l'échantillon. L'attrition prévue doit être ajoutée au nombre calculé, et non intégrée a posteriori.
• Sans ajustement pour le regroupement, les mesures répétées ou les comparaisons multiples. Chacune de ces modifications influe sur la taille effective de l'échantillon ou sur le risque alpha réellement engagé, et le fait de ne pas procéder à cet ajustement érode discrètement la puissance que l'étude croit posséder.
• Considérer l'analyse de puissance comme une simple case à cocher une fois pour toutes devant un comité d'éthique. L'ajout d'un bras de l'étude, la modification du critère d'évaluation principal ou la révision du plan d'analyse en cours d'étude devraient déclencher un nouveau calcul, et cette étape est trop souvent négligée.
• Confondre la signification statistique avec la signification pratique. Un échantillon de très grande taille peut être suffisamment puissant pour détecter une différence trop petite pour avoir une importance clinique ou pratique, ce qui constitue en soi un défaut de conception.

Rédiger votre analyse de puissance pour un manuscrit ou une demande de subvention

La section « Méthodes » doit fournir suffisamment d'informations pour permettre à un évaluateur ou au statisticien d'un comité d'attribution de subvention de vérifier l'analyse de puissance, et non se contenter de supposer qu'elle a été effectuée. Cela implique de préciser la source de l'ampleur de l'effet supposée : étude pilote, méta-analyse publiée ou différence minimale cliniquement importante, en indiquant également les seuils alpha et de puissance, ainsi que le logiciel ou la formule exacte utilisée.

• Indiquez l'ampleur de l'effet et sa source. L’affirmation « Nous avons supposé un effet moyen, d = 0.5, d’après [une étude antérieure] » est vérifiable. L’affirmation « Nous avons supposé un effet raisonnable » ne l’est pas.
• Indiquez explicitement l'alpha et la puissance. Ne laissez pas le lecteur déduire ces informations du seul chiffre de la taille finale de l'échantillon.
• Nommez le logiciel et effectuez le test. G*Power, R's pwr Les packages PASS et nQuery peuvent produire des chiffres légèrement différents aux extrémités, donc nommer l'outil permet à quelqu'un d'autre de reproduire la figure.
• Indiquez le chiffre final avec honnêteté, en incluant toute inflation due aux abandons ou aux regroupements. Si le nombre de participants inscrits est inférieur à celui prévu par le calcul, indiquez-le et discutez directement de la puissance statistique qui en résulte plutôt que de laisser ce point à un examinateur.

Les évaluateurs de demandes de subvention lisent attentivement cette section pour une raison bien précise. Une section sur l'approche statistique incohérente est l'une des causes les plus fréquentes et évitables d'une faible note de rigueur. Une évaluation des demandes de subvention axée sur la conformité permet de détecter ce type de lacune bien avant la soumission, plutôt que de s'en remettre au hasard.

Obtenez une aide concrète pour votre analyse de puissance

Certaines analyses de puissance sont routinières. D'autres impliquent le regroupement de données, des données manquantes ou un modèle suffisamment complexe pour qu'un calcul standard ne résiste pas à l'examen. Les statisticiens d'Editverse maîtrisent les deux cas extrêmes.

Points clés à retenir

• ✓ Fixez trois des paramètres suivants : la taille de l’effet (alpha), la puissance et la taille de l’échantillon ; une analyse de puissance permettra de déterminer le quatrième.
• ✓ Un alpha de 0.05 et une puissance de 80 % sont des points de départ conventionnels, et non des règles fixes.
• ✓ Des décennies d'essais publiés, d'un audit de 1978 à une réanalyse de 2021, continuent de mettre en évidence le même problème de puissance statistique insuffisante.
• ✓ Le pack d'alimentation G*Power et R couvre gratuitement les conceptions standard ; la simulation couvre le reste.
• ✓ Un calcul détaillé doit montrer ses calculs, et pas seulement son résultat final.
• ✓ Augmenter l'objectif d'inscriptions en tenant compte des abandons prévus avant de finaliser un plan de recrutement
• ✓ Indiquez systématiquement la taille de l'effet, sa source, son alpha, sa puissance et le logiciel utilisé.

Références

1. Freiman JA, Chalmers TC, Smith H Jr, Kuebler RR. Importance du coefficient bêta, de l’erreur de type II et de la taille de l’échantillon dans la conception et l’interprétation des essais contrôlés randomisés. Analyse de 71 essais « négatifs ». N Engl J Med. 1978;299(13):690-694. https://pubmed.ncbi.nlm.nih.gov/355881/
2. Moher D, Dulberg CS, Wells GA. Puissance statistique, taille de l'échantillon et leur présentation dans les essais contrôlés randomisés. JAMA. 1994;272(2):122-124. https://pubmed.ncbi.nlm.nih.gov/8015121/
3. Button KS, Ioannidis JPA, Mokrysz C, et al. Panne de courant : pourquoi la petite taille de l'échantillon compromet la fiabilité des neurosciences. Nat Rev Neurosci. 2013;14(5):365-376. https://pubmed.ncbi.nlm.nih.gov/23571845/
4. Faul F, Erdfelder E, Lang AG, Buchner A. G*Power 3 : un programme d'analyse de puissance statistique flexible pour les sciences sociales, comportementales et biomédicales. Méthodes de comportement Behav. 2007;39(2):175-191. https://pubmed.ncbi.nlm.nih.gov/17695343/
5. Reito A, Raittio L, Helminen O. Réexamen de la taille de l'échantillon et de la puissance statistique des essais contrôlés randomisés en orthopédie après 2 décennies. Rév. JBJS 2021; 9 (3). https://pubmed.ncbi.nlm.nih.gov/32224628/
6. Université Heinrich Heine de Düsseldorf. G*Power : logiciel d’analyse de puissance statistique. https://www.psychologie.hhu.de/arbeitsgruppen/allgemeine-psychologie-und-arbeitspsychologie/gpower
7. Champely S, et al. pwr : Fonctions de base pour l’analyse de puissance. Le réseau d’archives R complet. https://cran.r-project.org/package=pwr
8. École de santé publique de l'Université de Boston. Détermination de la puissance et de la taille de l'échantillon. https://sphweb.bumc.bu.edu/otlt/mph-modules/bs/bs704_power/bs704_power_print.html