Randomisation : pourquoi le hasard peut améliorer une comparaison

Répartir les participants ou les unités expérimentales au hasard limite l’influence des choix conscients et inconscients du chercheur. La randomisation vise à créer des groupes comparables en moyenne, avant l’application d’un traitement.

Figure 1. CONSORT 2010 flow diagram for a two-group parallel randomized trial. Illustration externe de contexte ; elle ne représente pas des résultats produits pour cet article. Auteur/crédit : Derek Jansen. Licence : CC BY 4.0. Source : Wikimedia Commons — fiche originale. Attribution : Derek Jansen, Grad Coach. Image non modifiée ; affichage redimensionné.

Ce qu’elle peut faire

Une procédure bien conduite réduit les biais d’attribution. Chaque unité doit avoir une probabilité d’affectation définie par le plan. La liste doit être générée avant de connaître les résultats, et son application doit être documentée.

Ce qu’elle ne garantit pas

Dans un petit échantillon, le hasard peut produire des déséquilibres. Il ne répare pas non plus une mesure imprécise, des pertes de suivi importantes ou une analyse choisie après coup. La randomisation complète d’autres protections ; elle ne les remplace pas.

Un exemple

Pour comparer deux conditions de germination, attribuez les récipients aux conditions par un tirage prévu à l’avance. Pensez aussi à leur position sur l’étagère. Sinon, lumière et traitement risquent de varier ensemble. La qualité de l’expérience dépend du plan complet. 

Référence de la figure

[Figure 1] Derek Jansen. CONSORT 2010 flow diagram for a two-group parallel randomized trial. Wikimedia Commons. CC BY 4.0. Consulté le 2026-10-21. Source/crédit original : Own work , based on the CONSORT 2010 flow diagram (Schulz, Altman and Moher 2010, Figure 1).