Analyse thématique : les six phases de Braun and Clarke, expliquées (guide 2026)

Rédigé par Fengming Liu (UCL) · Relu par Prof. Shubin Yu (HEC Paris) · May 2026 · Mis à jour: 2026-05-30 · 16 min read

L’analyse thématique est la méthode vers laquelle la plupart des chercheurs qualitatifs se tournent en premier — et celle qui est le plus souvent menée de façon approximative. Bien réalisée, c’est une manière rigoureuse et transparente de repérer et de rapporter des motifs de sens à travers des entretiens, des groupes de discussion ou du texte libre. Ce guide la parcourt phase par phase, en s’appuyant sur le cadre largement cité de Braun and Clarke, et montre où l’IA accélère désormais le travail sans remplacer votre jugement.

Pour le contexte d’analyse plus large, consultez notre guide Analyse de données qualitatives ; pour les fondamentaux, La recherche qualitative 101.

Qu’est-ce que l’analyse thématique ?

L’analyse thématique est une méthode permettant d’identifier, d’analyser et de rapporter systématiquement des motifs de sens — des thèmes — à travers un jeu de données qualitatives. C’est la méthode d’analyse qualitative la plus flexible et la plus utilisée, car elle n’est pas liée à un cadre théorique unique : elle peut s’appliquer à travers les disciplines et les paradigmes pour comprendre comment les gens vivent un sujet et en parlent.

Un thème capture quelque chose d’important dans les données par rapport à la question de recherche et représente une réponse ou un sens récurrent à travers le jeu de données. Le but n’est pas de résumer ce qui a été dit, mais d’interpréter ce que cela signifie.

Types d’analyse thématique

L’« analyse thématique » est en réalité une famille d’approches. Trois distinctions clés façonnent la manière de la mener :

Inductive vs. déductive — les thèmes émergent des données (inductive) ou sont guidés par une théorie ou un livre de codes existant (déductive). La plupart des études mêlent les deux.
Sémantique vs. latente — l’analyse reste au niveau du sens explicite, de surface (sémantique), ou interprète les hypothèses et idées sous-jacentes (latente).
Réflexive vs. fiabilité du codage — les thèmes sont développés par l’interprétation active et réflexive du chercheur, ou via un livre de codes structuré avec plusieurs codeurs et des vérifications d’accord. Les travaux plus récents de Braun and Clarke mettent l’accent sur la forme réflexive.

Les six phases de Braun and Clarke

Le cadre en six phases est l’ossature de l’analyse thématique. Les phases sont récursives, et non strictement linéaires — vous faites des allers-retours à mesure que votre compréhension se développe.

Familiarisation avec les données — lire et relire l’ensemble du jeu de données, en écoutant les enregistrements si disponibles, et noter les premières idées. On ne peut pas repérer de motifs dans des données que l’on ne connaît pas bien.
Générer des codes initiaux — parcourir les données de façon systématique, en attachant des codes concis aux éléments qui paraissent intéressants ou pertinents. Codez de façon inclusive et conservez un peu de contexte environnant.
Rechercher des thèmes — trier et regrouper les codes en thèmes candidats, en rassemblant toutes les données pertinentes pour chacun. Des outils visuels comme les cartes aident ici.
Revoir les thèmes — vérifier les thèmes candidats par rapport à leurs extraits codés (sont-ils cohérents ?) et par rapport à l’ensemble du jeu de données (conviennent-ils ?). Diviser, fusionner ou écarter selon les besoins.
Définir et nommer les thèmes — rédiger une définition claire de ce dont chaque thème traite et ne traite pas, et lui donner un nom concis et informatif. Chaque thème doit avoir un point de mire clair et raconter une partie de l’histoire d’ensemble.
Produire le rapport — tisser les thèmes en un récit analytique, étayé par des extraits vivants et représentatifs, qui répond à la question de recherche et dialogue avec la littérature.

Codes vs. thèmes vs. sujets

On les confond souvent, et cette confusion affaiblit l’analyse :

Un code est une courte étiquette sur un segment de données précis (par ex. « rationner le temps »).
Un thème est un motif plus large, construit à partir de nombreux codes, qui formule un point analytique (par ex. « le contrôle s’exerce à travers de petits arbitrages quotidiens »).
Un sujet n’est qu’un domaine thématique (par ex. « le temps »). Un thème dit quelque chose à propos d’un sujet ; un sujet seul ne le fait pas.

Réaliser une analyse thématique avec l’assistance de l’IA

L’IA peut accélérer les phases les plus laborieuses — générer des codes initiaux sur un grand jeu de données en quelques minutes et les regrouper en thèmes candidats — laissant au chercheur le travail interprétatif de revoir, définir et raconter. Utilisée selon une approche avec humain dans la boucle, elle préserve le jugement réflexif au cœur d’une bonne analyse thématique tout en supprimant le goulot d’étranglement. Consultez La recherche qualitative assistée par GenAI pour savoir comment la garder rigoureuse.

Pièges courants

Des thèmes qui ne sont que des sujets — une liste de domaines thématiques n’est pas une analyse ; un thème doit formuler un point.
Utiliser les questions d’entretien comme thèmes — organiser les résultats par les questions posées plutôt que par motifs de sens.
Des preuves minces — des thèmes non étayés par assez de données, ou appuyés uniquement sur des citations choisies à dessein.
Des thèmes qui se chevauchent — des thèmes peu distincts, signe que la phase de révision a été bâclée.
Sauter la familiarisation — coder avant de vraiment connaître les données.

Garantir la rigueur

L’analyse thématique se juge à sa fiabilité, non à des statistiques. Renforcez-la par une piste d’audit des décisions de codage, des définitions de thèmes claires, des extraits représentatifs (et non choisis à dessein), une réflexivité sur votre propre influence et — pour les variantes fondées sur la fiabilité du codage — des vérifications d’accord inter-codeurs.

Un exemple concret

Se familiariser — lire deux fois les 18 entretiens sur le bien-être en télétravail, en notant ses impressions.
Coder — générer des codes comme « culpabilité de la connexion permanente », « frontières floues » et « rituels signalant l’arrêt ».
Rechercher — regrouper les codes en thèmes candidats tels que « les frontières doivent être activement construites ».
Revoir — tester les thèmes face aux extraits et à l’ensemble du jeu de données ; fusionner deux thèmes qui se chevauchent.
Définir — nommer et définir chaque thème avec précision.
Rendre compte — rédiger le récit avec des citations représentatives et des liens avec la littérature.

Points clés à retenir

L’analyse thématique repère et rapporte systématiquement des motifs de sens (thèmes) à travers des données qualitatives.
Elle varie selon les dimensions inductive/déductive, sémantique/latente et réflexive/fiabilité du codage.
Les six phases récursives de Braun and Clarke vont de la familiarisation à la rédaction.
Un thème formule un point analytique ; il est plus qu’un code et plus qu’un sujet.
L’IA peut accélérer le codage et la recherche de thèmes, mais l’interprétation reste humaine.

Questions fréquentes

Qu’est-ce que l’analyse thématique ?

C’est une méthode qualitative flexible pour identifier, analyser et rapporter systématiquement des motifs de sens (thèmes) à travers un jeu de données tel que des entretiens ou des réponses ouvertes, afin d’interpréter ce que les données signifient.

Quelles sont les six phases de l’analyse thématique de Braun and Clarke ?

La familiarisation avec les données ; la génération de codes initiaux ; la recherche de thèmes ; la révision des thèmes ; la définition et la dénomination des thèmes ; et la production du rapport. Les phases sont récursives plutôt que strictement linéaires.

Quelle est la différence entre un code et un thème ?

Un code est une courte étiquette sur un segment de données précis ; un thème est un motif plus large, construit à partir de nombreux codes, qui formule un point analytique sur le jeu de données par rapport à la question de recherche.

Qu’est-ce que l’analyse thématique réflexive ?

C’est l’approche privilégiée par Braun and Clarke, dans laquelle les thèmes sont activement développés par l’interprétation et la réflexivité du chercheur, plutôt que via un livre de codes figé et un accord inter-codeurs.

L’analyse thématique est-elle inductive ou déductive ?

Elle peut être l’une, l’autre, ou les deux. L’analyse inductive laisse les thèmes émerger des données ; l’analyse déductive est guidée par une théorie ou un livre de codes existant. De nombreuses études combinent les deux.

L’IA peut-elle faire de l’analyse thématique ?

L’IA peut générer rapidement des codes initiaux et proposer des thèmes candidats à travers un jeu de données, mais la révision, la définition et l’interprétation des thèmes doivent rester du ressort du chercheur dans un flux de travail avec humain dans la boucle.