Étude quantitative

L’étude quantitative répond aux questions « quoi » ou « combien », l’étude qualitative répond à la question « pourquoi ». On a souvent intérêt à cumuler les deux types de méthodes dans une approche hybride. Si on résume à l’extrême, l’étude quantitative permet de générer des graphiques avec des valeurs chiffrées sur un nombre assez important d’utilisateurs. L’étude qualitative produit des connaissances sur les usages et les motivations réelles d’un plus petit nombre d’utilisateurs.

La taille des échantillons est une question critique dès lors que l’on va plus loin que des analyses purement descriptives. Pour traiter certaines hypothèses, on doit s’assurer d’avoir les bonnes conditions de mesure (par exemple, en mettant en place un groupe contrôle), puis d’avoir suffisamment de répondants pour que la puissance statistique soit suffisante. Si on cible trop peu de répondants, alors l’intérêt même de les interroger peut se poser, car on n’aura aucun moyen de généraliser. Pour un échantillon représentatif de la population française par ex., on comptera environ 1000 répondants, en utilisant la méthode des quotas.

Oui, par une méthode de questionnaire plus classique. Les données de suivi qui sont collectées par les outils d’analytics sont un bon exemple de données quantitatives. Les analyser permet d’objectiver combien de personnes visitent telle page, mais on n’accède pas du tout à l’objectif que poursuit l’utilisateur (ou à la raison pour laquelle il quitte une page). Difficile donc d’exploiter cette seule donnée. Il existe des questionnaires standardisés en fonction de ce que l’on cherche à mesurer dans l’UX d’un système. Et on peut évidemment créer des questionnaires sur mesure en fonction de ce que l’on cherche à étudier.

En statistiques, on peut réaliser des tests de façon assez simple. L’important, c’est d’être organisé. En cherchant un peu, on trouve facilement quels sont les tests adaptés pour comparer deux groupes entre eux, par exemple. Donc oui, on peut effectuer toutes les analyses descriptives sans être un expert. Dès lors que l’on commence à faire des statistiques inférentielles, il faut être très méthodique pour vérifier les conditions d’application et l’interprétation des résultats.