En bref : La taille d'échantillon dans les études qualitatives par entretiens se justifie par la puissance informationnelle ou par la saturation, et non par la puissance statistique. La puissance informationnelle (Malterud, Siersma & Guassora, 2016) établit que plus l'échantillon contient d'informations pertinentes, moins il faut de participants. Cinq dimensions la déterminent : l'objectif de l'étude, la spécificité de l'échantillon, le recours à une théorie établie, la qualité du dialogue et la stratégie d'analyse.
Dernière mise à jour : 9 octobre 2026 (première publication le 20 juillet 2026)
Chaque doctorant finit par entendre la question de son directeur, d'un comité d'éthique ou du Reviewer 2 : pourquoi autant de participants ? « Jusqu'à saturation » est la réponse la plus courante, et souvent la plus faible, car la saturation ne peut être constatée qu'une fois les données recueillies. Ce guide explique comment justifier la taille d'échantillon dans les études qualitatives par entretiens avec la puissance informationnelle, en quoi elle diffère de la saturation, quelles stratégies d'échantillonnage déterminent qui recruter, et comment rédiger une justification de taille d'échantillon qui résiste à l'évaluation. Il comprend un paragraphe de justification type et une grille d'une page à intégrer dans un projet.
Points clés
- La puissance informationnelle est un modèle de planification et de justification de la taille d'échantillon qualitatif : plus chaque participant apporte d'informations pertinentes pour l'objectif, moins il en faut.
- Ses cinq dimensions sont l'objectif (étroit ou large), la spécificité de l'échantillon (dense ou épars), la théorie établie (appliquée ou absente), la qualité du dialogue (forte ou faible) et la stratégie d'analyse (par cas ou transversale).
- La puissance informationnelle se mobilise avant et pendant le terrain ; la saturation s'évalue pendant et après. Une bonne justification s'appuie sur la puissance informationnelle pour le plan, puis rapporte ce qui s'est passé au regard de ce plan.
- Les études empiriques sur la saturation donnent des repères utiles : une revue systématique de 2022 a constaté une saturation entre 9–17 entretiens dans des échantillons relativement homogènes aux objectifs étroits (Hennink & Kaiser).
- La taille d'échantillon est la deuxième question. La première est qui : les stratégies d'échantillonnage raisonné, comme la variation maximale, l'échantillonnage par critères et l'échantillonnage théorique, déterminent si vos participants peuvent répondre à la question.
- L'entretien modéré par IA supprime le plafond lié aux heures de modérateur sur n, ce qui rend la justification écrite plus importante, non moins.
Qu'est-ce que la puissance informationnelle en recherche qualitative ?
La puissance informationnelle est un modèle permettant de décider combien de participants une étude qualitative par entretiens exige. Proposé par Kirsti Malterud, Volkert Siersma et Ann Dorrit Guassora dans Qualitative Health Research (2016), il pose que l'adéquation d'un échantillon dépend de la quantité d'informations pertinentes au regard de l'objectif de l'étude qu'il contient. Plus la puissance informationnelle est élevée, moins il faut de participants ; plus elle est faible, plus il en faut.
Ce modèle a été conçu comme une alternative à la saturation traitée comme règle par défaut. Il ne produit pas de chiffre. Il structure un argumentaire : vous évaluez votre étude selon cinq dimensions, fixez une cible provisoire, puis la révisez à mesure que la qualité des entretiens se précise. L'article original le présente comme un guide pour une évaluation qui se poursuit pendant la collecte des données, et non comme un substitut au jugement (Malterud et al., 2016, DOI 10.1177/1049732315617444).
Les cinq dimensions de la puissance informationnelle
Chaque dimension fait monter ou descendre la taille d'échantillon requise. Le tableau reformule le modèle en termes de planification et ajoute la question que pose probablement un évaluateur.
| Dimension | Moins de participants lorsque… | Plus de participants lorsque… | Question de l'évaluateur |
|---|---|---|---|
| Objectif | L'objectif est étroit (une expérience, une décision, un rôle) | L'objectif est large ou exploratoire, à travers de nombreux contextes | L'objectif est-il assez précis pour délimiter l'échantillon ? |
| Spécificité de l'échantillon | Les participants ont une expérience directe et dense du phénomène | Les participants n'ont qu'un lien lâche avec le phénomène | Pourquoi ces personnes sont-elles les bons informateurs ? |
| Théorie établie | Une théorie existante encadre l'échantillonnage et l'analyse | Aucune théorie n'est mobilisée ; l'étude est purement inductive | Quelle théorie, et comment guide-t-elle les questions ? |
| Qualité du dialogue | Les entretiens sont approfondis, bien relancés et clairement centrés | Les entretiens sont courts, superficiels ou peu relancés | Comment savoir que les entretiens étaient riches ? |
| Stratégie d'analyse | Analyse approfondie de récits ou de quelques cas | Analyse exploratoire transversale sur de nombreux participants | L'échantillon correspond-il à la méthode d'analyse ? |
Remarquez la quatrième dimension. La qualité de l'entretien est une variable de la taille d'échantillon. Des entretiens superficiels imposent d'en réaliser davantage. C'est pourquoi les entretiens non relancés, de type questionnaire, et les transcriptions de conversations courtes coûtent cher de façon cachée : chacun porte moins d'information.
Puissance informationnelle ou saturation : quelle différence ?
La saturation demande si les nouvelles données apportent encore du sens nouveau ; la puissance informationnelle demande si l'échantillon contient assez d'informations pertinentes pour l'objectif. La saturation s'évalue pendant et après l'analyse. La puissance informationnelle peut être argumentée avant le terrain, ce qui la rend mieux adaptée aux projets, aux dossiers d'éthique et aux pré-enregistrements. La plupart des bonnes sections méthodologiques utilisent les deux.
| Critère | Puissance informationnelle | Saturation |
|---|---|---|
| Question centrale | L'échantillon contient-il assez d'informations pertinentes pour cet objectif ? | Les nouveaux entretiens ajoutent-ils encore de nouveaux codes ou du sens ? |
| Moment d'usage | Planification, puis suivi pendant le terrain | Pendant l'analyse ; confirmée a posteriori |
| Donne un chiffre ? | Non : une cible raisonnée et révisable | Non : un point d'arrêt observé dans les données |
| Meilleur usage | Projets, comités d'éthique, designs réflexifs et interprétatifs | Approches fondées sur un codebook et la fiabilité du codage ; théorie ancrée (en saturation théorique) |
| Principale faiblesse | Fondée sur le jugement ; peut servir à justifier un n commode | Souvent revendiquée sans preuve de la manière dont elle a été évaluée |
Le débat compte surtout pour l'analyse thématique. Braun et Clarke soutiennent que la saturation s'accorde mal avec l'analyse thématique réflexive, où le sens se construit par l'interprétation plutôt que d'être découvert dans les données, et proposent la puissance informationnelle comme justification plus cohérente (Braun & Clarke, 2021, Qualitative Research in Sport, Exercise and Health). Si vous utilisez une analyse thématique réflexive, citer la saturation comme règle d'arrêt appelle une objection épistémologique. Pour un traitement plus complet de la saturation elle-même, voir qu'est-ce que la saturation des données et combien d'entretiens modérés par IA faut-il réaliser.
Ce que disent les études empiriques sur les chiffres
La puissance informationnelle ne donne pas de chiffre, mais les évaluateurs veulent souvent un repère. Deux revues sont utiles :
- Hennink & Kaiser (2022) ont passé en revue systématiquement 23 tests empiriques de la saturation. Les études fondées sur des données empiriques ont atteint la saturation entre 9–17 entretiens, ou 4–8 groupes de discussion, surtout avec des populations relativement homogènes et des objectifs définis de façon étroite (Social Science & Medicine, vol. 292).
- Wutich, Beresford & Bernard (2024) ont examiné les recommandations de taille d'échantillon pour 10 types d'analyse qualitative et proposent des repères distincts : environ 9 entretiens pour la saturation des thèmes, environ 24 pour la saturation du sens et 20–30+ pour la saturation théorique (International Journal of Qualitative Methods, vol. 23).
Lisez ces résultats comme des constats conditionnels, non comme des quotas. Les deux revues associent les valeurs basses à des échantillons homogènes et à des objectifs étroits, ce qui correspond précisément à une puissance informationnelle élevée. Une étude large, hétérogène et sans théorie doit s'attendre à se situer au-dessus de ces fourchettes.
La grille de puissance informationnelle (modèle Qualitati)
Utilisez cette grille d'une page dans un projet, un dossier d'éthique ou un chapitre méthodologique. Évaluez chaque dimension, rédigez une phrase de justification, et seulement ensuite fixez une cible provisoire. Elle transforme un jugement en argument vérifiable.
| Dimension | Évaluation | Justification (une phrase) | Effet sur n |
|---|---|---|---|
| Objectif | Étroit / Modéré / Large | Énoncez l'objectif et ce qui est hors champ | ↓ / – / ↑ |
| Spécificité de l'échantillon | Dense / Mixte / Épars | Énoncez les critères d'inclusion qui garantissent une expérience directe | ↓ / – / ↑ |
| Théorie établie | Appliquée / Partielle / Aucune | Nommez la théorie et la façon dont elle façonne le guide | ↓ / – / ↑ |
| Qualité du dialogue | Forte / Incertaine / Faible | Preuves du pilote : durée des entretiens, profondeur des relances, expérience de l'intervieweur | ↓ / – / ↑ |
| Stratégie d'analyse | Par cas / Mixte / Transversale | Nommez la méthode d'analyse (IPA, TA réflexive, framework, théorie ancrée) | ↓ / – / ↑ |
| Cible provisoire | Indiquez une fourchette (pas un chiffre unique), le point de révision (par exemple, après le premier tiers des entretiens) et ce qui vous amènerait à prolonger le recrutement | ||
Un exemple de justification de taille d'échantillon
Voici un paragraphe type pour une étude hypothétique sur la manière dont les doctorants de première année en gestion décident d'utiliser ou non l'IA générative dans leurs revues de littérature :
« La taille de l'échantillon a été guidée par la puissance informationnelle (Malterud et al., 2016). L'objectif était étroit (une décision, dans une seule population), l'échantillon était dense (tous les participants avaient utilisé ou refusé explicitement l'IA générative pour une revue de littérature au cours des six derniers mois), et les entretiens étaient encadrés par la littérature sur l'acceptation des technologies. À l'inverse, la stratégie d'analyse transversale et les preuves limitées de notre pilote sur la qualité du dialogue réduisaient la puissance informationnelle. Nous avons donc fixé une cible provisoire de 14 à 20 entretiens, réévalué la puissance informationnelle après les sept premiers, et prévu de prolonger le recrutement si de nouveaux parcours décisionnels continuaient d'apparaître. Nous avons réalisé 17 entretiens ; les trois derniers n'ont ajouté aucun nouveau parcours décisionnel. »
Trois caractéristiques font la force de ce paragraphe : il nomme les cinq dimensions, il donne une fourchette avec un point de révision, et il rapporte ce qui s'est réellement passé. Les chiffres sont illustratifs ; les vôtres doivent provenir de votre propre étude.
Stratégies d'échantillonnage qualitatif : décider qui avant combien
La puissance informationnelle suppose que vos participants sont les bons participants. C'est le rôle de la stratégie d'échantillonnage. Le guide d'Oliver Robinson sur l'échantillonnage dans la recherche par entretiens fixe un ordre en quatre étapes : définir l'univers d'échantillonnage (critères d'inclusion et d'exclusion), décider de la taille de l'échantillon, choisir une stratégie d'échantillonnage, puis constituer l'échantillon (Robinson, 2014, Qualitative Research in Psychology).
| Stratégie | Ce qu'elle fait | À utiliser quand | Risque principal |
|---|---|---|---|
| Variation maximale | Couvre délibérément des contextes différents ou des cas extrêmes | Vous avez besoin de l'éventail des expériences, ou de régularités qui tiennent malgré la diversité | Couverture mince de chaque segment si n est petit |
| Homogène | Se concentre sur un groupe étroitement défini | Vous avez besoin de profondeur sur un rôle, un parcours ou une situation (fréquent en IPA) | Les résultats ne se transposent pas au-delà de ce groupe |
| Par critères | Inclut toute personne qui atteint un seuil ou vit un événement défini | Étude d'une expérience précise (un diagnostic, un abandon, une adoption ratée) | Le critère peut être mal mesuré |
| Théorique | Recrute de façon itérative à partir de l'analyse en cours | Théorie ancrée ; développement de concepts | Suppose que l'analyse se déroule en parallèle du terrain |
| Cas extrême / déviant | Cible des réussites ou des échecs inhabituels | Vous voulez observer les mécanismes dans leur forme la plus visible | Les cas atypiques sont lus comme la norme |
| Boule de neige | Les participants en recommandent d'autres | Populations cachées ou difficiles d'accès | Les chaînes de recommandation se regroupent socialement |
| Raisonné stratifié | Fixe des cibles par segment, avec un choix raisonné au sein de chacun | Vous devez comparer des groupes définis | Quotas remplis par des participants peu adaptés |
| De commodité | Qui est disponible | Pilotes et test d'instrument uniquement | Biais systématique ; affirmations faibles |
La stratégie et la puissance informationnelle interagissent. Les designs stratifiés et à variation maximale abaissent la spécificité de l'échantillon dans chaque segment, et exigent donc des totaux plus importants. Un échantillon par critères homogène augmente la spécificité et permet un n plus petit. La revue de Vasileiou et ses collègues sur les études par entretiens a montré que les justifications de taille d'échantillon dans les articles publiés étaient souvent absentes ou minces, ce qui fait ressortir l'intérêt de nommer à la fois la stratégie et le raisonnement de puissance informationnelle (Vasileiou et al., 2018, BMC Medical Research Methodology).
Liste de contrôle de la qualité de l'échantillonnage
- Critères d'inclusion et d'exclusion rédigés avant l'ouverture du recrutement.
- Stratégie d'échantillonnage nommée dans le protocole et dans le rapport final.
- Grille de puissance informationnelle complétée, avec une fourchette cible et un point de révision.
- Cibles par segment fixées lorsque le design compare des groupes.
- Questionnaire de sélection testé sur quelques profils connus comme bons et mauvais.
- Échantillon obtenu rapporté par rapport à la cible, y compris les écarts.
- Groupes absents nommés dans la section des limites.
Ce que les entretiens modérés par IA changent à la taille d'échantillon
Autrefois, le nombre d'entretiens était limité par le temps du modérateur, et douze à quinze entretiens relevaient en partie d'une contrainte budgétaire. L'entretien modéré par IA change cela : les entretiens peuvent se dérouler en parallèle, à travers les fuseaux horaires et les langues. La conséquence méthodologique est souvent mal comprise.
- Des entretiens moins chers ne baissent pas la barre. Un échantillon de commodité de 300 personnes reste un échantillon de commodité. Le volume ne corrige pas l'erreur de sélection.
- La qualité du dialogue devient la dimension clé. Si le modérateur IA relance mal, chaque transcription porte moins d'information et il en faut davantage. Testez quelques entretiens et lisez-les avant de changer d'échelle.
- L'échantillonnage théorique demande des vagues. Lancer tous les entretiens en même temps supprime la possibilité que les premières analyses modifient le recrutement suivant. Menez le terrain par lots.
- Le filtrage devient déterminant. Un recrutement ouvert à grande échelle augmente l'exposition aux répondants frauduleux ou professionnels. Voir filtrer les participants frauduleux dans les entretiens par IA.
Où se situe Qualitati
Qualitati est une plateforme européenne de recherche qualitative, abordable, destinée aux universités et aux entreprises d'études, dont les priorités centrales sont la confidentialité des données et le RGPD. Pour les décisions de taille et d'échantillonnage en particulier :
- Les entretiens modérés par IA, par texte et par voix, se déroulent en parallèle ; des designs stratifiés avec de véritables cibles par segment et un échantillonnage théorique par vagues deviennent donc praticables avec un budget de recherche limité.
- Le mode Active Listener donne à un intervieweur humain des indices en temps réel et un suivi des sections, ce qui convient aux petits échantillons homogènes ou de type IPA, où la qualité du dialogue porte la puissance informationnelle.
- Les enquêtes conversationnelles, avec relances par IA et logique de branchement, peuvent servir de couche de sélection qui alimente un échantillon d'entretiens raisonné.
- La recherche multilingue en 10 langues (anglais, chinois, français, norvégien, néerlandais, allemand, espagnol, portugais, japonais et arabe) élargit l'univers d'échantillonnage au-delà des anglophones.
- ThemeLens analyse jusqu'à 100 transcriptions à la fois, en reliant les codes aux questions de recherche, ce qui permet de vérifier après chaque vague si les nouveaux entretiens apportent encore du sens. Le QDA Workspace prend en charge le codage inductif et déductif si vous préférez coder vous-même.
La tarification est publiée par crédit, et l'offre gratuite comprend 30 crédits mensuels sans carte bancaire. Consultez les tarifs pour les formules en vigueur.
Limites et compromis
- La puissance informationnelle est un cadre de jugement, non une formule. Elle structure un argumentaire ; elle ne calcule pas une taille d'échantillon. Deux chercheurs peuvent évaluer différemment la même étude.
- Elle peut être détournée. Évaluer toutes les dimensions comme « élevées » pour justifier un petit n commode est un travers connu. Montrez des preuves pour chaque évaluation, en particulier pour la qualité du dialogue.
- Les repères empiriques sont conditionnels. La fourchette de 9 à 17 entretiens s'applique à des échantillons homogènes aux objectifs étroits, non à toutes les études.
- Le paradigme compte. Le vocabulaire de la saturation convient à certains designs (TA fondée sur un codebook, théorie ancrée) et s'accorde mal avec d'autres (TA réflexive, IPA). Adaptez la justification à la méthode.
- L'IA ne tranche pas la question de l'adéquation. L'analyse automatisée peut montrer si de nouveaux codes apparaissent, mais savoir si l'échantillon répond à la question de recherche reste un jugement de chercheur.
- Note de relecture humaine : les justifications de taille d'échantillon, les affirmations de saturation et les déclarations de transférabilité doivent être relues par un chercheur qualifié, selon les normes de publication de votre discipline (par exemple COREQ ou SRQR), avant soumission.
À qui s'adresse ce guide, et quand ne pas l'utiliser
Il s'adresse : aux doctorants qui rédigent un chapitre méthodologique ou un dossier d'éthique, aux laboratoires qui planifient des études par entretiens, et aux cabinets d'études qualitatives ou de marché qui doivent défendre un échantillon auprès d'un client. Il ne convient pas aux études dont les conclusions reposent sur une généralisation statistique à une population. Si vous avez besoin d'estimations de prévalence, utilisez un échantillon probabiliste et une enquête, puis ajoutez des entretiens pour expliquer les résultats.
Questions fréquentes
Qu'est-ce que la puissance informationnelle en recherche qualitative ?
La puissance informationnelle est un modèle, proposé par Malterud, Siersma et Guassora en 2016, pour décider du nombre de participants nécessaire à une étude qualitative par entretiens. Plus l'échantillon contient d'informations pertinentes pour l'objectif de l'étude, moins il faut de participants. Elle s'évalue selon cinq dimensions : l'objectif, la spécificité de l'échantillon, la théorie, la qualité du dialogue et la stratégie d'analyse.
La puissance informationnelle est-elle meilleure que la saturation ?
Aucune n'est universellement meilleure. La puissance informationnelle se défend plus facilement avant le terrain, elle convient donc aux projets et aux comités d'éthique, et s'accorde avec des méthodes interprétatives comme l'analyse thématique réflexive. La saturation est utile pour les designs fondés sur un codebook et la théorie ancrée. De nombreuses études solides planifient avec la puissance informationnelle puis rapportent ensuite des preuves de saturation.
Combien d'entretiens faut-il pour une étude qualitative ?
Il n'existe pas de chiffre universel. Les revues empiriques ont constaté une saturation entre 9 et 17 entretiens dans des échantillons homogènes aux objectifs étroits, mais les études larges ou hétérogènes en nécessitent davantage. Fixez une fourchette à partir des cinq dimensions de la puissance informationnelle, réévaluez-la à mi-parcours du terrain, et rapportez votre raisonnement.
Comment rédiger une justification de taille d'échantillon pour une étude qualitative ?
Nommez le cadre (puissance informationnelle ou saturation), évaluez chacune des cinq dimensions avec une phrase de justification, donnez une fourchette provisoire et un point de révision, puis rapportez l'échantillon obtenu et la raison de l'arrêt. Le paragraphe type de ce guide sert de modèle.
Quelle est la stratégie d'échantillonnage la plus courante en recherche qualitative ?
L'échantillonnage raisonné : la sélection délibérée de participants dont l'expérience correspond à la question de recherche. La variation maximale, l'échantillonnage homogène et l'échantillonnage par critères en sont les variantes les plus utilisées.
Les entretiens modérés par IA changent-ils le nombre de participants nécessaires ?
Ils changent le coût, non l'adéquation. La puissance informationnelle dépend toujours de l'objectif, de l'échantillon, de la théorie, de la qualité du dialogue et de l'analyse. Si les entretiens par IA relancent moins en profondeur qu'un intervieweur humain expérimenté, il peut en falloir davantage ; s'ils relancent bien, la même logique que pour les entretiens humains s'applique.
En conclusion
La meilleure réponse à la question de la taille d'échantillon dans les études qualitatives par entretiens n'est pas un chiffre mais un argumentaire. Définissez qui fait partie de l'échantillon, choisissez une stratégie raisonnée adaptée à la question de recherche, évaluez les cinq dimensions de la puissance informationnelle, fixez une fourchette avec un point de révision, et rapportez ce qui s'est passé. Les entretiens modérés par IA suppriment le plafond de coût sur n, et c'est précisément pourquoi cette justification écrite pèse aujourd'hui davantage.
Vous planifiez une étude par entretiens ? Commencez gratuitement avec 30 crédits, sans carte bancaire, ou consultez une tarification transparente. Découvrez comment Qualitati mène des entretiens modérés par IA, des groupes de discussion, des enquêtes conversationnelles et de l'analyse thématique, ou comparez-le à NVivo.
Texte alternatif suggéré pour l'image : « Grille de puissance informationnelle : cinq dimensions (objectif, spécificité de l'échantillon, théorie établie, qualité du dialogue, stratégie d'analyse) évaluées pour fixer la taille d'un échantillon d'entretiens qualitatifs. »
Sources externes : Malterud, Siersma & Guassora (2016), Sample Size in Qualitative Interview Studies: Guided by Information Power (Qualitative Health Research); Braun & Clarke (2021), To saturate or not to saturate? (Qualitative Research in Sport, Exercise and Health); Hennink & Kaiser (2022), Sample sizes for saturation in qualitative research: a systematic review of empirical tests (Social Science & Medicine); Wutich, Beresford & Bernard (2024), Sample Sizes for 10 Types of Qualitative Data Analysis (International Journal of Qualitative Methods); Vasileiou et al. (2018), Characterising and justifying sample size sufficiency in interview-based studies (BMC Medical Research Methodology); Robinson (2014), Sampling in Interview-Based Qualitative Research (Qualitative Research in Psychology).