Notre glossaire, méticuleusement élaboré, est votre boussole dans l’univers complexe et dynamique du marketing, de la communication et du digital. Ici, chaque terme est une clé que nous vous aidons à décrypter pour vous ouvrir a des concepts innovants et des stratégies éprouvées. Plongez dans nos thématiques pour éclairer votre chemin vers l’excellence et la créativité.
L’échantillonnage par quotas est une méthode d’échantillonnage non probabiliste qui construit un échantillon reproduisant la structure de la population sur quelques critères connus, comme le sexe, l’âge, la profession ou la région.
Le chargé d’études part de la répartition de la population sur ces critères, le plus souvent tirée de la statistique publique ou d’un fichier clients. Il fixe pour chaque catégorie un nombre d’interviews à atteindre : ce sont les quotas. Les enquêteurs, ou le gestionnaire du panel en ligne, recrutent ensuite les répondants librement, jusqu’à ce que chaque quota soit rempli.
La méthode repose sur des variables de quota liées au sujet de l’enquête, sur une source fiable pour leur répartition et sur un mode de recrutement. Les quotas peuvent être indépendants, chaque critère étant contrôlé séparément, ou croisés, lorsqu’on contrôle les combinaisons de critères, par exemple l’âge par sexe. Un redressement complète souvent la collecte pour corriger les écarts restants.
Elle se distingue de l’échantillonnage stratifié, qui découpe aussi la population en catégories mais y tire les individus au hasard dans une base de sondage. Dans la méthode des quotas, le choix final des personnes n’est pas aléatoire : la probabilité d’inclusion de chacun est inconnue. On la rencontre dans les sondages d’opinion, les études menées sur un panel en ligne et les enquêtes en face à face dans la rue ou en magasin.
Les quotas garantissent une seule chose : la structure de l’échantillon sur les variables contrôlées. Ils ne disent rien des autres. Deux répondants de même âge, même sexe et même région peuvent différer sur ce qui compte pour l’étude : disponibilité, aisance numérique, intérêt pour le sujet. Statistique Canada (« Échantillonnage non probabiliste », 2021) souligne que la méthode est relativement peu coûteuse et facile à administrer, mais qu’elle « dissimule un biais de sélection potentiellement important ».
Notre lecture : un échantillon par quotas vaut ce que vaut le lien entre les variables de quota et l’objet de l’étude. Dire « échantillon représentatif » sans préciser sur quels critères ne renseigne pas le lecteur.
En toute rigueur, la marge d’erreur se calcule pour un tirage aléatoire, où chaque probabilité d’inclusion est connue. Ce n’est pas le cas ici. La loi du 19 juillet 1977 relative à la publication et à la diffusion de certains sondages d’opinion impose pourtant, pour les sondages qu’elle couvre, de publier « les marges d’erreur des résultats publiés ou diffusés, le cas échéant par référence à la méthode aléatoire » (article 2, tel que présenté par la Commission des sondages). Pour un échantillon par quotas, la marge publiée est donc une référence calculée comme si le tirage avait été aléatoire. Nous recommandons de la lire comme un minimum : l’erreur réelle peut être plus forte.
En séances de prise de recul, Advalians confronte avec vous les résultats d’une étude aux arbitrages à rendre et vous aide à trancher avec méthode.
Les deux découpent la population en catégories et fixent un nombre d’individus par catégorie. La différence porte sur le choix des personnes. En échantillonnage stratifié, elles sont tirées au hasard dans une liste de chaque strate. Avec les quotas, l’enquêteur ou le panel recrute librement jusqu’à remplir chaque case.
Conséquence pratique : le stratifié permet de calculer une précision au sens strict, les quotas non. Critère de choix : si vous disposez d’une base de sondage complète, stratifiez ; sinon, les quotas restent la solution la plus réaliste, à condition d’en documenter les critères.
Partez du sujet, pas des habitudes. Retenez deux à quatre variables dont vous savez qu’elles influencent les réponses, puis cherchez leur répartition dans une source récente et adaptée à votre cible.
Croisez les deux variables les plus déterminantes et laissez les autres en quotas indépendants. Vérifiez que chaque case croisée compte assez de répondants pour être lue, puis fixez une tolérance d’écart, par exemple quelques points, au-delà de laquelle le terrain doit être corrigé. Consignez la source et les quotas dans la note de méthode pour assurer la comparaison entre vagues.
Pas au sens strict, car la probabilité d’inclusion de chaque répondant est inconnue. L’usage consiste à donner une marge d’erreur de référence, calculée comme si l’échantillon avait été tiré au hasard. La loi de 1977 sur les sondages d’opinion vise d’ailleurs des marges établies, le cas échéant, « par référence à la méthode aléatoire ».
Lisez cette valeur comme un minimum. Elle ignore les biais de recrutement et de non-réponse. Pour décider, ne retenez comme significatifs que des écarts nettement supérieurs à cette marge et confirmés par une autre source ou une autre vague.
La plus fréquente est de choisir des variables de quota sans lien avec le sujet : l’échantillon a la bonne structure démographique mais pas les bons comportements. La deuxième est de remplir les dernières cases à tout prix, avec des répondants recrutés à la hâte.
Surveillez aussi la qualité des réponses, surtout en ligne : durée de réponse anormalement courte, réponses identiques sur une grille, incohérences. Écartez ces questionnaires avant le calcul des résultats. Le biais de réponse se cumule alors au biais de sélection, et aucun redressement ne corrige les deux.
Choisissez les quotas lorsqu’il n’existe pas de liste complète de la population, lorsque le délai est court ou lorsque l’enquête passe par un panel en ligne. C’est souvent le cas des études en population générale.
Préférez un tirage aléatoire lorsque vous disposez d’un fichier fiable, par exemple vos clients, et que la décision exige une précision démontrable. C’est le cas d’un indicateur contractuel ou d’une estimation qui engage un budget important. Dans ce cas, l’échantillonnage aléatoire simple ou stratifié s’impose malgré un coût plus élevé.
Par Thomas Bizot – Président du cabinet Advalians
