Les techniques d’échantillonnage

Afin de recueillir des informations sur une population, le chercheur peut avoir recours au recensement ou au sondage. Le premier consiste à collecter entièrement les éléments d’une population, tandis que le second consiste à enquêter seulement une partie de la population (cf. Malhotra/Décaudin/Bouguerra/Bories 2011, p. 277). En recherche marketing, le sondage est privilégié lorsque la taille de l’échantillon est grande en raison de budgets et de délais. Pour cela, on distingue deux techniques d’échantillonnage : l’échantillonnage probabiliste et l’échantillonnage non probabiliste (cf. Malhotra/Décaudin/Bouguerra/Bories 2011, p. 283).

5.3.1 Les techniques d’échantillonnage non probabiliste

Cette technique dépend du jugement personnel du chercheur qui choisit arbitrairement les éléments d’un échantillon (cf. Malhotra/Décaudin/Bouguerra/Bories 2011, p. 283). On peut identifier les échantillonnages de convenance, par jugement, par quotas et boule de neige (cf. Malhotra 2010, p. 376).

L’échantillonnage de convenance est choisi par le chercheur pour ses avantages d’être pra- tique, peu coûteux et rapide (cf. Malhotra/Décaudin/Bouguerra/Bories 2011, p. 285). En étude marketing, un échantillon de convenance est par exemple composé d’étudiants, de per- sonnes interceptées dans la rue ou dans des centres commerciaux. Cependant, il a pour in-

convénient de ne pas être représentatif (cf. Jolibert/Jourdan 2006, p. 131). L’échantillonnage par jugement ou à priori, quant à lui, est utilisé lorsque le chercheur choisit un échantillon sur la base de son jugement selon lequel il pense que les individus représentent la population concernée (cf. Malhotra 2010, p. 379). Il a pour avantage d’être pratique, peu coûteux et ra- pide, mais ne permet pas de tirer des résultats généralisables envers toute la population (cf. Malhotra/Décaudin/Bouguerra/Bories 2011, p. 285). Des exemples courants de l’échantillonnage par jugement sont la sélection de magasins tests pour analyser les réactions des clients durant le lancement d’un nouveau produit (cf. Jolibert/Jourdan 2006, p. 130). Dans l’échantillonnage par quotas, qui est une extension de l’échantillonnage par jugement, le chercheur définit des quotas concernant les éléments à sélectionner dans un échantillon en fonction de la distribution estimée dans la population cible (cf. Malhotra 2010, p. 380). Il s’agit par exemple d’identifier des catégories par âge, sexe ou groupe ethnique. Ainsi, l’échantillonnage respecte la composition de la population par rapport à une catégorisation donnée. L’échantillonnage boule de neige consiste à sélectionner aléatoirement un premier groupe d’individus qui recommande par la suite d’autres individus (cf. Jolibert/Jourdan 2006, p. 131). Cette technique provoque un effet boule de neige car un individu recommandé est obtenu à partir d’un autre recommandé précédemment. Ainsi, cette méthode a pour avantage d’avoir un échantillon plus homogène et peu onéreux (cf. Malhotra 2010, p. 381).

Compte tenu des objectifs de notre thèse, l’échantillonnage de convenance et l’échantillonnage boule de neige pourraient être appropriés dans le cadre de nos projets. De plus, ils ont pour avantage la rapidité et le coût réduit de la collecte de données ainsi que l’homogénéité de l’échantillon.

5.3.2 Les techniques d’échantillonnage probabiliste

Un échantillonnage probabiliste consiste à sélectionner les participants au hasard (cf. Malhotra/Décaudin/Bouguerra/Bories 2011, p. 283). Les résultats obtenus peuvent être géné- ralisables sur l’ensemble de la population. Il existe différents types d’échantillonnage proba-

biliste : aléatoire simple, systématique, stratifié et par grappes (cf. Malhotra 2010, pp. 382- 385).

L’échantillon aléatoire simple se caractérise par le fait que chaque individu de l’ensemble de la population peut avoir la même chance d’être sélectionné (cf. Burns/Bush 2014, p. 243). Pour cela, l’enquêteur constitue une base de sondage d’une manière aléatoire dans laquelle chaque individu reçoit un numéro d’identification unique (cf. Malhotra 2009, p. 382). L’avantage majeur de l’échantillon aléatoire simple est sa capacité à projeter les résultats sur la population étudiée (cf. Malhotra/Décaudin/Bouguerra/Bories 2011, p. 286). Un inconvé- nient principal est que les échantillons sont trop dispersés sur de larges zones géographiques pouvant engendrer un coût élevé de la collecte des données et plus de temps aux enquêteurs (cf. Malhotra/Décaudin/Bouguerra/Bories 2011, p. 286). L’échantillon systématique est une technique par laquelle un point de départ est choisi au hasard comme base du sondage (cf. Malhotra/Décaudin/Bouguerra/Bories 2011, p. 287). Le chercheur sélectionne ensuite chaque énième élément. Comme pour l’échantillonnage aléatoire simple, chaque individu a la même chance d’être sélectionné (cf. Malhotra/Décaudin/Bouguerra/Bories 2011, p. 287). L’échantillonnage systématique peut coûter moins cher que l’échantillonnage aléatoire simple parce que la sélection au hasard ne se fait qu’une seule fois et prend ainsi moins de temps (cf. Malhotra 2010, p. 383). L’échantillonnage stratifié est une méthode d’échantillonnage constitué de deux étapes. La première étape consiste à diviser la population en strates dans lesquelles chaque élément n’appartient qu’à une seule strate (cf. Malhotra 2009, p. 383). De plus, les éléments d’une même strate sont homogènes alors que les élé- ments de strate différente sont hétérogènes (cf. Malhotra/Décaudin/Bouguerra/Bories 2011, p. 288). Durant la seconde étape, les éléments sont ensuite sélectionnés aléatoirement de chaque strate (cf. Malhotra 2009, p. 383). L’échantillonnage stratifié regroupe l’avantage de former un échantillon avec un bon rapport précision et coût (cf. Malhotra 2010, p. 385 ; Mal- hotra/Décaudin/Bouguerra/Bories 2011, p. 288). L’échantillon par grappes peut se dérouler en plusieurs étapes selon les types (cf. Malhotra 2010, p. 386). D’abord, la population ciblée est divisée en sous-groupes appelés « grappes » (cf. Malhotra 2010, p. 385). Contrairement à

l’échantillonnage stratifié, les éléments d’une grappe sont hétérogènes alors que les grappes sont homogènes entre elles (cf. Malhotra/Décaudin/Bouguerra/Bories 2011, p. 289). Ensuite, des échantillons de grappe sont sélectionnés au hasard (cf. Malhotra 2009, p. 385). L’avantage principal de l’échantillonnage par grappes est de réduire le coût de l’échantillonnage parce que les lieux de la collecte de données sont moins dispersés (cf. Joli- bert/Jourdan 2006, p. 122 ; Malhotra 2010, p. 386).

Bien que le choix d’une méthode d’échantillonnage probabiliste assure plus la représenta- tivité de l’échantillon, les techniques d’échantillonnage non probabiliste telles que l’échantillonnage de convenance et boule de neige pourraient être appropriées, pour réduire le temps consacré à la collecte de données, et en même temps pour minimiser le budget prévu à cet effet.