Comment calculer le coefficient alpha de Cronbach

Calculez coefficient alpha de Cronbach pour fiabilite consistance interne questionnaires et échelles Likert. Formule k/(k-1)*(1 - sum sigma^2_i / sigma^2_t), interprétation Nunnally, exemples cliniques.

Paramètres de calcul
Ce calculateur vous a-t-il été utile ?

Comment calculer le coefficient alpha de Cronbach: mesure de fiabilite (consistance interne) d'un questionnaire ou échelle compose de k items, formule alpha = (k / (k - 1)) * (1 - Σ sigma^2_i / sigma^2_T), ou sigma^2_i est variance de l'item i et sigma^2_T variance des scores totaux. Plage [0, 1] (peut etre negatif). Seuils typiques: alpha >= 0,70 acceptable (Nunnally 1978), >= 0,80 bonne (recherche clinique), >= 0,90 excellente. Coefficient fondamental en psychometrie, validation échelles Likert, batteries tests cognitifs, enquetes satisfaction client.

Formule du coefficient

Alpha brut: alpha = (k / (k-1)) * (1 - Σ sigma^2_i / sigma^2_T). Equivalent: alpha = (k * moyenne_cov) / (moyenne_var + (k-1) * moyenne_cov).

Alpha standardise (correlations): alpha_std = (k * r_bar) / (1 + (k-1) * r_bar). Prefere si items échelles differentes; standardiser en z-scores avant.

Intervalle confiance: Feldt 1965 proposa IC 95% base distribution F. R psych::alpha() implemente, Python pingouin.cronbach_alpha. Utile pour replicabilite.

Decomposition: alpha augmente avec (a) nombre items k (Spearman-Brown), (b) correlations inter-item élevées, (c) variance totale élevée. Item-total correlation r_it >= 0,30 indique item contributif; r_it < 0,20 candidat suppression. R psych::alpha() output "alpha if item dropped" identifie items problematiques.

Histoire et contexte

Lee J. Cronbach (1916-2001), psychologue Stanford, publia "Coefficient alpha and the internal structure of tests" en Psychometrika 1951, definissant formellement le coefficient generalisant la formule KR-20 (Kuder-Richardson 1937) pour items dichotomiques aux items polytomiques (Likert). Cronbach travailla a Educational Testing Service Princeton et University of Illinois avant Stanford. La formule devint rapidement le standard de facto en psychometrie educative et clinique. Aujourd'hui alpha est la metrique la plus citee en recherche psychologique (plus de 50.000 citations Google Scholar). Critiques modernes: McDonald omega (1999) et Revelle GLB (2009) souvent plus precis pour dimensionnalite multiple. APA Standards (AERA-APA-NCME 2014) exigent fiabilite >= 0,80 pour decisions individuelles high-stakes, >= 0,70 pour recherche. ICH E9 et ANSM recommandent alpha pour PRO en essais cliniques. NF EN ISO 9001 enquetes satisfaction client utilisent alpha.

Tableau interprétation et valeurs seuils

  • alpha >= 0,90: excellent, redondance possible
  • 0,80 <= alpha < 0,90: bonne fiabilite, recommandee recherche publiable
  • 0,70 <= alpha < 0,80: acceptable (Nunnally 1978)
  • 0,60 <= alpha < 0,70: discutable
  • 0,50 <= alpha < 0,60: faible
  • alpha < 0,50: inacceptable
  • alpha negatif: items reverse-coded non corriges
  • k effet: 5 items alpha 0,70 difficile; 20 items 0,90 frequent
  • r_bar 0,30: alpha = 0,68 (k=5), 0,90 (k=20)
  • Moyenne inter-item r: 0,15 - 0,50 optimal

Exemples numériques detailles

Exemple 1 - questionnaire satisfaction travail JSS France. Échelle 5 items Likert 1-5, n = 100 employes entreprise manufacturiere (Convention metallurgie). Variances item: 0,82; 0,76; 0,91; 0,68; 0,85, somme 4,02. Variance totale 14,5. alpha = (5/4) * (1 - 4,02/14,5) = 0,904. Excellente. Moyenne inter-item r = 0,65.

Exemple 2 - Beck Depression Inventory adapte SFP. 21 items, n = 200 patients consultation psychologie. R psych::alpha(): alpha = 0,87, IC 95% [0,84; 0,90]. Item 13 r_it = 0,18 problématique, alpha if dropped = 0,89, suggere suppression. Validation CIM-11 depression.

Exemple 3 - SUS System Usability Scale. 10 items Likert standard, dataset 50 utilisateurs app banque BNP Paribas. alpha = 0,82 (plage 0,80-0,93 Bangor 2008). Conformite NF EN ISO 9241-11 utilisabilite.

Exemple 4 - MMSE assurance maladie évaluation. 11 items dichotomiques (KR-20). alpha = 0,73 (litterature 0,70-0,80, Folstein adaptation francaise Hugonot 1996). Cutoff demence 24/30. CNAM AVC, demences ALD.

Exemple 5 - questionnaire climat organisationnel OCS. 15 items, 4 sous-échelles. Sous-échelle alpha 0,82-0,89, total 0,93. McDonald omega_h = 0,87 confirme facteur général. Etude INSEE competences numériques entreprises.

Limites

  1. Alpha suppose tau-equivalence: McDonald omega plus robuste.
  2. Sensible au nombre items k.
  3. Items échelles differentes: standardiser avant.
  4. Items dichotomiques: KR-20 ou tetrachorique.
  5. Reverse-coded non recodes: alpha bas.
  6. Multidimensionnalite: factor analysis EFA/CFA.
  7. Item-rest r_it >= 0,30 obligatoire.
  8. n minimum 100 (Streiner 2003).
  9. Outcomes binaires: ICC plus approprie.
  10. APA Standards 2014, COSMIN 2018 exigent IC.

Erreurs courantes

  1. Reporter alpha sans IC.
  2. Ne pas recoder reverse-coded.
  3. Confondre alpha avec validite.
  4. alpha sur échelle multidimensionnelle sans factor analysis prealable.
  5. Melanger Likert 5 et 7 points sans standardisation.
  6. alpha sur échelles 1-2 items.
  7. Ignorer r_it basse.
  8. Supprimer items uniquement pour augmenter alpha.
  9. Confondre raw et standardized.
  10. alpha sur données ordinales peu categories.

Applications pratiques

  1. Psychometrie clinique: SFP tests, Beck Depression, MMPI-2-RF, SCL-90.
  2. Education: validation tests DEPP, OECD PISA, baccalaureat.
  3. Sante: PRO, SF-36, EQ-5D-5L ANSM.
  4. Marketing: enquetes satisfaction, NPS, brand image.
  5. RH: climat organisationnel, engagement, 360° leadership.
  6. Ergonomie: SUS, NASA-TLX, NF EN ISO 9241-11.
  7. Sociologie: INSEE échelles bien-etre, INED enquetes.
  8. Sport: motivation, Borg RPE, INSEP psychologie.
  9. Customer expérience: NF EN ISO 10004, SERVQUAL.
  10. Recherche: validation échelles, ANSM regulatory.

Support

Questions: info@calcoi.com. Outil pedagogique fiabilite échelles. Applications professionnelles: Streiner-Norman-Cairney "Health Measurement Scales" 5e ed (Oxford 2015), R psych::alpha(), Python pingouin.cronbach_alpha.

Mis à jour en juillet 2026

Questions fréquentes

Que mesure exactement l'alpha de Cronbach?

Mesure dans quelle mesure les k items d'une échelle/questionnaire covarient entre eux: dans quelle mesure les scores items individuels correlent avec score total. Alpha = 0,9 signifie correlation interne élevée, items mesurent meme construit. Ne mesure PAS la validite (justesse mesure du construit), seulement la fiabilite. APA Standards 2014 distinguent de validite contenu, construit, critère.

Difference entre alpha brut et standardise?

Alpha brut: base sur covariances, depend des variances items. Standardise: base sur correlations inter-item, independant de l'échelle. Different si items ont variances tres differentes. R psych::alpha() rapporte les deux. Pour échelles Likert meme échelle 1-5 presque identiques. Pour échelles mixtes (ex. mix Likert 5 et 7 points) standardise recommande. APA Standards favorisent brut.

Quel seuil minimum pour publication?

Nunnally (1978) proposa 0,70 minimum recherche exploratoire, 0,80 appliquee, 0,90 decisions high-stakes individuelles (tests cliniques, selection personnel, baccalaureat). APA Standards 2014 et COSMIN 2018 confirment 0,80 minimum pour validation studies. Pour publication PsycINFO/JSTOR alpha < 0,70 generalement non acceptable sans justification (ex. construit heterogene).

Comment gerer les items reverse-coded?

Items formules negativement (ex. 'Je ne suis PAS satisfait') doivent etre recodes avant calcul: x_new = (max + min) - x_old. Exemple Likert 1-5: 1 -> 5, 2 -> 4, 3 -> 3, 4 -> 2, 5 -> 1. Sans recodage covariances negatives reduisent drastiquement alpha (peut devenir negatif). R: keys = c(1, -2, 3, -4, 5) automatise dans psych::alpha(keys=...). Erreur #1 en theses psychologie.

Quand utiliser McDonald omega au lieu d'alpha?

Omega plus robuste quand: (a) échelle multidimensionnelle (alpha sous-estime reliability), (b) items avec saturations factorielles differentes (tau-congenerique), (c) presence facteur général + specifiques (omega_h hierarchique). Alpha exige tau-equivalence (hypothèse souvent violee). Revelle-Zinbarg (2009) recommandent omega par defaut. R psych::omega(), Python pingouin omega. Mplus pour CFA confirmatoire.

L'importance du nombre d'items k?

Prophetie Spearman-Brown: alpha augmente avec k. Passant de 5 a 20 items avec meme correlation moyenne r_bar = 0,30, alpha passe de 0,68 a 0,90. Alpha eleve avec k > 30 items non surprenant. Inversement, alpha = 0,80 avec k = 5 excellent (r_bar > 0,44). Guide: 5-15 items échelle unidimensionnelle, 20-50 batteries multifactor. EFA/CFA determinent k optimal. Spearman 1910 dérivée formule originale.

Puis-je utiliser alpha pour items dichotomiques?

Oui, cas special: KR-20 (Kuder-Richardson 1937, predecesseur alpha). Formule KR-20 = (k/(k-1)) * (1 - Σ p_i*q_i / sigma^2_T) ou p_i proportion corrects item i, q_i = 1-p_i. KR-21 version simplifiee (suppose difficulte egale). Pour items avec peu categories (3-4 niveaux) preferer ordinal alpha ou omega ordinal. R psych::alpha() gere automatiquement. APA Standards 2014 recommandent ordinal alpha Likert <5 points.

Formule

alpha = (k/(k-1)) * (1 - sum sigma^2_i / sigma^2_T)
alpha_std = (k * r_bar) / (1 + (k-1) * r_bar)
>=0.9 eccellente, >=0.8 buona, >=0.7 accettabile (Nunnally 1978)
KR-20 (item dicotomici) = (k/(k-1)) * (1 - sum p_i*q_i / sigma^2_T)
Cronbach 1951 Psychometrika; KR-20 Kuder-Richardson 1937; APA Standards 2014

Commentaires (0)

Pas encore de commentaire. Soyez le premier !