Les méthodes d’analyse des données

Sommaire
Introduction.................................................................................................................................3
Chapitre I : L'analyse thématique...............................................................................................4
1. Principes et objectifs : identifier, analyser et rapporter les thèmes récurrents....................4
2. La démarche en pratique : du codage à la synthèse des thèmes..........................................4
3. Forces et limites..................................................................................................................5
4. Applications typiques :........................................................................................................5
Chapitre II : L'analyse comparatif...............................................................................................7
1. Origines et objectifs : la théorie ancrée...............................................................................7
2. La méthode de la comparaison constante............................................................................8
3. Apport et limites................................................................................................................10
Chapitre III : L’analyse de contenu..........................................................................................11
1. Les fondements.................................................................................................................11
2. Les déclinaisons de l’analyse de contenu..........................................................................11
Chapitre IV : Synthèse..............................................................................................................17
1. Tableau comparatif des méthodes..................................................................................17
2. Comment choisir ?.........................................................................................................19
3. Complémentarité et hybridation des méthodes..............................................................20
Conclusion................................................................................................................................21
Références.................................................................................................................................22

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Introduction
Dans le paysage riche et complexe de la recherche qualitative, l'analyse des données constitue
une étape cruciale où le chercheur donne sens à la matière recueillie. Entre entretiens,
observations et documents divers, se trouve une masse d'informations qui, sans méthodologie
rigoureuse, resterait une collection de paroles et de comportements épars. Les méthodes
d'analyse transforment ces données brutes en connaissances scientifiques structurées,
permettant de répondre aux questions de recherche qui ont motivé l'enquête.

Cet exposé se propose d'explorer trois approches majeures d'analyse qualitative : l'analyse
thématique, l'analyse comparative et l'analyse de contenu avec ses différentes déclinaisons.
Chacune de ces méthodes offre des postures épistémologiques, des procédures techniques et
des finalités distinctes, tout en partageant un impératif commun : la systématisation de
l'analyse. Nous verrons comment l'analyse thématique identifie les patterns récurrents dans les
discours, comment l'analyse comparative, issue de la grounded theory, construit la théorie à
partir des données, et comment l'analyse de contenu et ses variantes permettent d'explorer tant
le contenu manifeste que latent des communications.

Au-delà de leur présentation individuelle, cet exposé ambitionne de fournir des repères clairs
pour choisir, adapter et éventuellement combiner ces méthodes en fonction des objectifs de
recherche, contribuant ainsi à une pratique réflexive et rigoureuse de l'enquête qualitative.

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Chapitre I : L'analyse thématique

1. Principes et objectifs : identifier, analyser et rapporter les thèmes récurrents

L'analyse thématique est une méthode d'analyse qualitative qui vise à identifier, analyser et
rapporter des patterns (thèmes) à l'intérieur d'un corpus de données. Elle se situe au
fondement de nombreuses approches qualitatives et peut être considérée comme une méthode
"fondamentale" ou "générique".

Définition et positionnement épistémologique :

Un thème représente un pattern significatif, une idée récurrente ou un ensemble de
significations coalescentes dans les données. Contrairement à d'autres méthodes plus
théoriquement ancrées, l'analyse thématique est flexible quant à son positionnement
épistémologique : elle peut être utilisée dans des perspectives réalistes (décrivant des
expériences et réalités rapportées) ou constructionnistes (explorant comment ces réalités sont
construites dans le discours).

Objectifs principaux :

 Identifier les thèmes saillants et récurrents à travers l'ensemble du corpus

 Organiser ces thèmes en une structure cohérente qui rend compte de la complexité
des données
 Analyser les relations entre les thèmes et leur signification dans le contexte de la
recherche
 Rapporter de manière systématique les résultats en illustrant par des extraits
significatifs
2. La démarche en pratique : du codage à la synthèse des thèmes

La mise en œuvre de l'analyse thématique suit généralement un processus itératif et réflexif,

que l'on peut décomposer en six étapes claires :

Étape 1 : Familiarisation avec les données

 Immersion complète dans le corpus : lectures et relectures attentives

 Prise de notes initiales, impressions et idées émergentes
 Transcription si nécessaire (avec conventions établies)

Étape 2 : Génération des codes initiaux

 Codage systématique de segments de données pertinents

 Attribution de "labels" ou "étiquettes" descriptives à des unités de sens
 Processus de réduction des données en éléments significatifs

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

 Exemple : dans une recherche sur l'expérience étudiante, un extrait "Je me sens
souvent submergé par la charge de travail" pourrait être codé "charge de travail
perçue" et "sentiment de submersion"

Étape 3 : Recherche des thèmes

 Regroupement des codes similaires en thèmes potentiels

 Organisation des données codées en patterns émergents
 Construction de "thèmes candidats" et de cartes thématiques
 Début de structuration hiérarchique (thèmes principaux et sous-thèmes)

Étape 4 : Révision et validation des thèmes

 Vérification de la pertinence des thèmes par rapport aux codes et au corpus complet
 Raffinement, division ou fusion des thèmes
 Élaboration d'un "matériel" thématique cohérent et représentatif
 Validation par retour aux données brutes

Étape 5 : Définition et nomination des thèmes

 Analyse fine de l'essence de chaque thème

 Rédaction de définitions claires et précises
 Établissement des relations entre thèmes
 Développement d'une structure narrative

Étape 6 : Production du rapport

 Rédaction finale intégrant extraits significatifs et analyse

 Illustration des thèmes par des verbatims représentatifs
 Articulation avec la littérature existante et les questions de recherche
3. Forces et limites

Forces :

 Flexibilité : adaptable à divers cadres théoriques et questions de recherche

 Accessibilité : méthode intuitive, particulièrement adaptée aux débutants en recherche
qualitative
 Efficacité : permet de traiter des volumes importants de données textuelles
 Transparence : procédure claire qui facilite la démonstration de la rigueur
scientifique
 Puissance descriptive : rend compte de manière riche et détaillée des données

Limites :

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

 Risque de superficialité : tentation de rester au niveau descriptif sans analyse

approfondie
 Subjectivité : influence possible des préconceptions du chercheur
 Manque de cadrage théorique : absence parfois de cadre d'interprétation explicite
 Difficulté d'analyse latente : tendance à privilégier le contenu manifeste au détriment
des significations implicites
4. Applications typiques :

 Exploration d'un domaine peu connu

 Identification des perceptions, expériences et représentations
 Analyse des discours médiatiques ou institutionnels
 Recherche évaluative ou en santé publique

L'analyse thématique demeure ainsi une méthode particulièrement utile pour qui souhaite
dresser une cartographie complète et systématique des contenus présents dans un corpus, tout
en conservant une grande liberté quant aux cadres d'interprétation mobilisés.

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Chapitre II : L'analyse comparatif

L’analyse comparative occupe une place centrale dans la Grounded Theory, une approche
méthodologique créée par Barney Glaser et Anselm Strauss dans les années 1960. Cette
méthode repose sur un principe fondamental : les théories sociales doivent émerger à partir
des données recueillies sur le terrain et non être imposées à priori depuis un cadre conceptuel
préétabli. Dans leur ouvrage fondateur The Discovery of Grounded Theory (1967), les auteurs
décrivent le processus de comparaison constante comme « la stratégie principale qui permet
de générer une théorie fondée empiriquement ». L’analyse comparative vise donc à produire
une compréhension progressive, nuancée et dynamique du phénomène étudié. Contrairement
aux méthodologies déductives classiques, elle ne cherche pas à vérifier une théorie existante,
mais à en construire une nouvelle, progressivement enrichie, cohérente et étroitement liée aux
expériences des acteurs.

Cette méthode s’est rapidement imposée comme un pilier de la recherche qualitative moderne.
Elle est aujourd’hui largement mobilisée en sociologie, en psychologie, en anthropologie, en
éducation, dans les recherches en santé, ainsi que dans les sciences de gestion. Sa pertinence
tient au fait qu’elle permet de modéliser des phénomènes complexes et mouvants, souvent
difficilement accessibles par des méthodes strictement quantitatives. Par exemple, dans une
étude portant sur le vécu d’étudiants salariés, l’analyse comparative permet d’identifier des
éléments récurrents comme la gestion du temps, le stress ou les stratégies d’adaptation, mais
aussi d’examiner leurs relations et leurs variations selon les profils. Elle favorise ainsi
l’émergence d’une compréhension contextualisée, loin des généralisations hâtives.

1. Origines et objectifs : la théorie ancrée

La Grounded Theory est née d’un besoin méthodologique nouveau : comprendre des
phénomènes sociaux tels qu’ils sont vécus par les individus, notamment lorsque la littérature
existante est limitée ou insuffisante. Glaser et Strauss, travaillant dans les services
hospitaliers, cherchaient à analyser la manière dont les professionnels de santé gèrent la mort
des patients et interagissent avec les familles. Ils ont alors mis en place une méthode
permettant de faire émerger des concepts directement issus du terrain. Cette innovation
méthodologique marquait une rupture par rapport aux approches plus positivistes dominantes
à l’époque.

L’objectif premier de la théorie ancrée est de produire une théorie « enracinée » dans les
données empiriques. Selon Strauss et Corbin (1990), il s’agit de « développer une explication
théorique qui rende compte des processus sociaux sous-jacents ». La théorie n’est donc pas un
point de départ, mais un point d’arrivée. Ce renversement épistémologique redonne au terrain
toute sa richesse : chaque entretien, chaque observation, chaque document constitue un
matériau susceptible de faire évoluer la réflexion du chercheur.

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Le processus repose sur un principe fondamental : toute nouvelle donnée doit être
systématiquement comparée aux précédentes afin d’identifier des similitudes, des différences,
des nuances et des variations. Glaser (1978) explique que cette comparaison constante est
essentielle car elle permet de « saturer les catégories », c’est-à-dire d’obtenir une
compréhension suffisamment complète et stable du phénomène. Par exemple, dans une
enquête sur les vendeurs ambulants de Cotonou, chaque témoignage est confronté aux autres
afin d’identifier non seulement des pratiques communes (comme les routes stratégiques
utilisées pour éviter les contrôles), mais aussi des différences selon le genre, l’âge,
l’ancienneté ou le secteur de vente.

2. La méthode de la comparaison constante

La comparaison constante est le cœur opérationnel de l’analyse comparative. C’est une

démarche qui ne cesse jamais : le chercheur collecte des données, les analyse, crée des
catégories, retourne éventuellement sur le terrain, affine les concepts, vérifie leur validité et
les met en relation. Strauss & Corbin (1990) soutiennent que cette dynamique d’aller-retour
est indispensable pour éviter de « plaquer » des explications toutes faites sur les données.
Chaque nouvelle information vient enrichir ou transformer l’analyse, jusqu’à la construction
d’une théorie intégrée qui rende compte du phénomène étudié.

Imaginons une étude portant sur les pratiques commerciales informelles à Cotonou. Si un
premier vendeur explique qu’il contourne les contrôles municipaux en changeant d’horaires,
et qu’un deuxième évoque plutôt la solidarité entre vendeurs pour signaler la présence des
agents, le chercheur compare ces cas pour comprendre les différentes stratégies mobilisées.
S’il apparaît ensuite qu’une vendeuse évoque les risques encourus en étant débutante dans le
métier, la comparaison permettra d’identifier des variations en fonction de l’expérience.
Ainsi, l’analyse comparative ne se contente pas d’identifier des thèmes : elle met en lumière
des logiques internes et des processus sociaux.

La méthode se déploie en trois étapes principales : le codage ouvert, le codage axial et le

codage sélectif. De nombreux auteurs, notamment Charmaz (2006) dans sa version
constructiviste de la théorie ancrée, soulignent que ces étapes ne sont pas strictement
linéaires ; elles peuvent s’articuler de manière souple, au rythme des allers-retours entre
données et interprétation.

a) Le codage ouvert : identification des concepts

Le codage ouvert constitue la première étape du travail analytique. Strauss & Corbin (1990) le
décrivent comme un « processus de fractionnement et d’examen minutieux des données ». Le
chercheur lit les données ligne par ligne, phrase par phrase, et attribue un code à chaque idée
significative. Il ne cherche pas encore à organiser les codes ni à déterminer leur importance

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

relative. L’objectif est d’ouvrir le champ des possibles en laissant émerger une grande variété
d’éléments.

Par exemple, dans une étude sur les entrepreneurs du numérique au Bénin, le chercheur peut
identifier des éléments tels que la motivation, la créativité, les contraintes financières, les
obstacles administratifs, la recherche de réseaux, l’importance de la connexion Internet ou
encore l’accès aux espaces de coworking. Chaque élément devient un code provisoire,
directement relié à des extraits du corpus.

Charmaz (2006) insiste sur le fait que le codage ouvert est une étape essentielle pour éviter
que le chercheur n’impose trop rapidement ses propres catégories. Cette ouverture analytique
permet de découvrir des aspects inattendus du phénomène, ce qui est l’un des atouts majeurs
de l’analyse comparative.

b) Le codage axial : mise en relation des catégories

Le codage axial vise à organiser, structurer et relier les concepts issus du codage ouvert.
Strauss et Corbin (1990) décrivent cette étape comme un « processus de recontextualisation »
où les codes sont regroupés pour former des catégories plus larges et plus explicatives. Le
chercheur cherche alors à comprendre comment les catégories s’articulent entre elles, quelles
relations causales ou structurelles les relient, dans quelles conditions elles apparaissent et
quelles conséquences elles impliquent.

Dans l’exemple des entrepreneurs du numérique, les codes tels que « obstacles financiers », «
difficultés administratives » et « absence d’accompagnement » peuvent être regroupés dans
une catégorie nommée « contraintes institutionnelles ». À l’inverse, les codes liés à la
motivation personnelle, au désir d’innovation ou à la volonté d’avoir un impact social peuvent
être regroupés sous la catégorie « moteurs de l’engagement entrepreneurial ».

À ce stade, le chercheur commence à percevoir des patterns, c’est-à-dire des régularités qui
donnent sens au phénomène étudié. Le codage axial permet donc de passer de la description à
l’explication, en reliant les éléments entre eux pour identifier des structures sous-jacentes.

c) Le codage sélectif : intégration et raffinement de la théorie

Le codage sélectif constitue la dernière étape du processus. Strauss & Corbin (1998) le
décrivent comme « l’intégration systématique des catégories en une théorie cohérente et
unifiée ». Le chercheur identifie une catégorie centrale, appelée parfois « catégorie noyau »,
autour de laquelle toutes les autres catégories gravitent. Cette catégorie centrale doit être

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

suffisamment générale pour rendre compte de l’ensemble du phénomène, mais aussi

suffisamment précise pour être analytique.

Reprenons l’exemple de l’entrepreneuriat numérique : la catégorie centrale pourrait être la «

stratégie d’adaptation face aux contraintes institutionnelles et économiques ». Autour de cette
idée principale s’organisent des catégories comme les motivations individuelles, les
ressources matérielles et sociales, les obstacles administratifs, les relations de solidarité, ou
encore l’importance de la créativité dans un contexte de forte incertitude économique.

Le codage sélectif implique également un travail de vérification et de complétion. Si la théorie

en construction présente des zones d’ombre, le chercheur peut retourner sur le terrain pour
recueillir de nouvelles données. Cette démarche est appelée échantillonnage théorique et fait
partie intégrante de la méthode selon Glaser (1978). La théorie finale est obtenue lorsque les
catégories sont suffisamment saturées, c’est-à-dire lorsqu’elles ne semblent plus nécessiter de
nouvelles données pour être comprises correctement.

3. Apport et limites

L’analyse comparative présente des avantages significatifs. Elle permet d’obtenir une
compréhension fine, nuancée et contextualisée des phénomènes sociaux. Charmaz (2006)
souligne qu’elle favorise une « théorie enracinée dans l’expérience réelle des acteurs », ce qui
en fait une méthode particulièrement adaptée pour explorer des phénomènes peu documentés
ou en évolution constante. De plus, la comparaison constante garantit une rigueur analytique
importante : chaque catégorie est construite à partir d’un examen minutieux et répété des
données, ce qui augmente la crédibilité des résultats. L’approche offre également une
flexibilité appréciable : elle s’adapte à des contextes très variés et à des terrains hétérogènes.

Cependant, cette méthode comporte aussi des limites. Elle est exigeante en temps et en effort,
car l’analyse et la collecte des données sont menées simultanément. Elle demande une
capacité d’abstraction importante pour passer du concret à l’analytique, ce qui peut être
difficile pour les chercheurs débutants. Plusieurs auteurs, comme Bryant et Charmaz (2007),
insistent également sur le risque de subjectivité : si le chercheur n’explicite pas clairement ses
choix méthodologiques, la théorie produite peut apparaître trop dépendante de sa propre
interprétation. Enfin, l’absence d’un protocole strict et standardisé peut déstabiliser ceux qui
préfèrent des méthodes plus structurées.

10

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Chapitre III : L’analyse de contenu

1. Les fondements
Les techniques d’analyse de contenu ont été développées dans les années 20 aux Etats-Unis
d’Amériques afin d’étudier des articles de presse et les discours politiques. L’analyse de
contenu est une des méthodologies qualitatives particulièrement utilisées en sciences sociales
et humaines depuis les années 1950 qui consiste en un examen systématique et méthodique de
documents textuels ou visuels tout en minimisant les éventuels biais cognitifs et culturels afin
d’assurer l’objectivité de la recherche. L’Analyse de Contenu est la méthode qui cherche à
rendre compte de ce qu’ont dit les interviewés de la façon la plus objective possible et la plus
fiable possible. BERELSON (1952), son fondateur, la définit comme « une technique de
recherche pour la description objective, systématique et quantitative du contenu manifeste de
la communication ».
Voici des exemples d’analyse de contenu :
 L'analyse des mentions de la marque sur les réseaux sociaux pour comprendre la
réputation de votre marque
 L'analyse du feedback client pour évaluer (puis améliorer)
 L'étude des pages web des concurrents pour identifier leurs avantages concurrentiels et
leurs propositions de valeur
 L'interprétation des entretiens avec les clients et des résultats d'enquêtes pour
déterminer les préférences de l'utilisateur, et définir l'orientation pour le
développement de nouveaux produits ou de nouvelles fonctionnalités.
L’analyse de contenu se décline en plusieurs formes qu’il convient de distinguer.

2. Les déclinaisons de l’analyse de contenu

Analyse de l’expression
Elle examine sur la forme de la communication, qui reflète des informations sur l’état d’esprit
du locuteur ainsi que ses dispositions idéologiques (vocabulaire, longueur des phrases, ordre
des mots, hésitations)
 Processus méthodologique
Définir l'objectif de l'analyse
Identifier les éléments expressifs
Catégoriser selon les éléments identifiés
Coder et Interpréter
 Exemples

11

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Exemple 1 : Entretien sur la qualité d’un service

« Franchement, je suis vraiment très déçue du service. C’est toujours la même chose. »
éléments expressifs : franchement, vraiment très, déçue, toujours
interprétation : forte insatisfaction + frustration répétée.
Exemple 2 : Analyse d'un témoignage en psychologie

"Enfin, je ne sais pas... peut-être que... c'était comme si tout s'effondrait autour de moi. J'avais
l'impression de... je ne trouve pas les mots."
Indicateurs analysés :
 "je ne sais pas", "peut-être" → (doute, incertitude)
 "comme si" → Comparaison floue (difficulté à décrire)
 Énoncé haché avec points de suspension → Hésitation
 "je ne trouve pas les mots" → Méta-commentaire sur l'expression
Interprétation : Ces marqueurs linguistiques trahissent un état de confusion émotionnelle et
la difficulté à verbaliser une expérience traumatisante.
 Avantages :
 Révèle des dimensions souvent invisibles dans une analyse purement thématique
 Permet d'étudier le style, la rhétorique, la construction identitaire
 Approche fine pour comprendre les stratégies de communication
 Limites :
 Nécessite une compétence en analyse linguistique
 Risque de surinterprétation si les indicateurs ne sont pas clairement définis
 Peut-être plus subjective que l'analyse thématique
Analyse de l’énonciation
Elle étudie la dynamique du discours ou de la communication. Le chercheur doit être attentif à
des données telles que le développement général du discours, l’ordre des séquences, les
répétitions, les ruptures de rythme, etc. Cette analyse est complémentaire de l’analyse
thématique
 Processus de l’analyse de l’énonciation
Identifier la situation d'énonciation
Repérer les marques linguistiques

12

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Interpréter les relations

Exemple 1 : Message d’un étudiant à son enseignant
« Je voudrais vous informer que je n’ai pas pu terminer l’exercice à temps. »
Identification du locuteur
Un étudiant → statut inférieur dans la relation (hiérarchie académique).
Identification du destinataire
Un enseignant → figure d’autorité, relation formelle.
Marqueurs linguistiques repérés
 Je voudrais : formule polie, marqueur de respect.
 Vous informer : adresse directe au professeur, ton formel.
 Je n’ai pas pu : justification personnelle.
Contexte d’énonciation
Probablement un email ou message scolaire pour expliquer une difficulté.
Intention du locuteur : Informer + justifier son retard de façon respectueuse.
Interprétation : Discours prudent et respectueux, construit pour éviter un conflit ou un
jugement négatif.
Exemple 2 : Discours d’un maire lors d’une réunion publique
« Nous devons travailler ensemble pour améliorer la sécurité dans notre commune. »
Identification du locuteur : Le maire → autorité politique.
Identification du destinataire : Les habitants → communauté locale.
Marqueurs linguistiques repérés
 Nous : pronom collectif inclusif (le maire se place avec le public).
 Travailler ensemble : appel à la coopération.
 Notre commune : construction d’une identité partagée.
Contexte d’énonciation : Réunion publique, probablement sur des problèmes locaux.
Intention du locuteur : Rassembler, convaincre, créer un sentiment d’unité.
Interprétation : Le maire adopte une stratégie d’inclusion pour mobiliser les citoyens.
 Avantages :

13

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

 Révèle les positionnements subjectifs

 Montre comment se construisent les relations par le langage
 Permet une analyse fine des stratégies discursives
 Limites :
 Nécessite une compétence linguistique pointue
 Risque de surinterprétation
 Doit être combinée avec d'autres approches pour une analyse complète
Analyse des cooccurrences
L’analyse des cooccurrences examine les associations de thèmes dans les séquences de la
communication ce qui est susceptible d’informer le chercheur sur des structures mentales et
idéologiques ou sur des préoccupations latentes
A. Cooccurrences Syntagmatiques
 Mots qui apparaissent dans la même phrase ou même segment de texte
 Exemple : Dans "développement durable", les deux mots cooccurrents
systématiquement
B. Cooccurrences Paradigmatiques
 Mots qui pourraient apparaître dans les mêmes contextes
 Exemple : "médecin", "docteur", "clinique" partagent des environnements similaires

Exemple 1 : Satisfaction des usagers d’un service public

« Le service est lent et l’accueil est souvent désagréable. »
Mots clés : lent, désagréable
Repérage des cooccurrences : Les deux mots apparaissent dans le même segment.
Fréquence : Supposons que ces deux mots apparaissent ensemble dans 8 entretiens sur 15.
Interprétation
Lenteur ↔ désagrément
association forte : les usagers associent la lenteur du service à un mauvais accueil.
Indice d’un problème organisationnel global.
Exemple 2 : Étude sur la perception du changement climatique
« Les populations parlent de chaleur et de sécheresse de plus en plus fréquentes. »

14

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Mots clés : chaleur, sécheresse

Cooccurrence : Les deux termes apparaissent ensemble dans plusieurs phrases.
Fréquence : Cooccurrence observée dans 12 segments du corpus.
Interprétation
Les répondants associent la hausse des températures à l’assèchement des terres.
Le discours construit un lien causal perçu : climat chaud → baisse d’humidité.
 Avantages :
 Méthode semi-automatisable
 Objectivité des résultats quantifiables
 Découverte de patterns invisibles à la lecture simple
 Visualisation claire des réseaux sémantiques
 Limites :
 Nécessite un corpus de taille suffisante
 Risque de surinterprétation des corrélations
 Perte des nuances contextuelles
 Dépendante des paramètres choisis (fenêtre, seuils)
Analyse structurale
L’analyse structurale a pour but de mettre en évidence les principes qui organisent les
éléments du discours, de manière indépendante du contenu même de ces éléments. Dans
l’analyse à caractère structural, on se penche sur l’agencement des différents items sans tenir
compte du classement des signes ou des significations
 Processus Méthodologique
Identifier les unités de base
Repérer les relations
Modéliser la structure
Exemple 1 : Discours sur l’éducation
« L’éducation est essentielle pour le développement. Sans ressources suffisantes, les écoles ne
peuvent pas remplir leur mission. Il faut donc investir davantage. »
Unités de sens
1. « L’éducation est essentielle »

15

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

2. « Les ressources sont insuffisantes »

3. « Les écoles ne remplissent pas leur mission »
4. « Il faut investir davantage »
Relations identifiées
 Relation cause → conséquence : Manque de ressources → écoles inefficaces
 Relation problème → solution : Problème = manque de moyens → Solution = investir
 Relation hiérarchique : Idée centrale = importance de l’éducation → idées secondaires
= obstacles + solutions
Schéma (simplifié)
Importance : éducation
obstacle : manque de ressources
conséquence : mission non remplie
solution : investir plus
Interprétation
Le discours est construit pour justifier une demande d’investissement en montrant une chaîne
logique problème → conséquence → solution.

Exemple 2 : Témoignage sur la vie en ville

« La ville offre plus d’opportunités, mais la vie y est stressante. On peut réussir, mais il faut
supporter la pression. »
Unités de sens
1. La ville offre plus d’opportunités
2. La vie en ville est stressante
3. On peut réussir
4. Il faut supporter la pression
Relations
 Opposition : opportunités ↔ stress
 Condition : réussir → supporter la pression
 Hiérarchie : avantages → conditions → conséquences
Schéma

16

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Ville = opportunités
↕
Opposition
↕
Ville = stress
Réussite possible
condition : supporter pression
Interprétation
Le discours met en avant une vision ambivalente : attirance (opportunités) + contraintes
(stress). La structure montre une tension entre bénéfices et coûts.

17

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Chapitre IV : Synthèse
1. Tableau comparatif des méthodes
Méthodes Objectifs Procédures Application
Analyse Identifier,  Codage initial • Exploration d'un
thématique décrire et domaine peu connu
organiser les  Regroupement • Identification des
thèmes en thèmes perceptions, expériences et
récurrents  Construction représentations
présents dans un de sous-thèmes • Analyse des discours
corpus  Interprétation médiatiques ou institutionnels
synthétique • Recherche évaluative
ou en santé publique
NB : on l’utilise pour des
études qualitatives en sciences
sociales, enquêtes
exploratoires, analyse des
représentations, compréhension
des expériences vécues
Analyse Construire  Codage ouvert  Recherche inductive
comparative progressivement  Codage axial  Analyse des
(Grounded une théorie  Codage sélectif dynamiques sociales
Theory) ancrée dans les  Étude des processus,
données ; conceptualisation
comprendre les théorique
processus
sociaux
Analyse de Rendre compte  Définition des  Étude des médias
contenu de ce qu’ont dit unités  Analyse de discours
les interviewés  Codage politiques
de la façon la  Catégorisation  Enquêtes clients, études
plus objective  Interprétation marketing
possible et la  Sociologie de la
plus fiable communication
possible

Sous-type de Objectifs Procédures Applications

18

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

l’analyse de
contenu
Repérage des indices
Comprendre les
Analyse de expressifs (vocabulaire, Psychologie, analyse des
émotions, attitudes et
l’expression rythme, hésitations), témoignages, étude des
positions à travers la
(sous-type) catégorisation, attitudes implicites
forme linguistique
interprétation
Comprendre la
Études
dynamique Identification du
Analyse de communicationnelles,
relationnelle dans le locuteur/destinataire,
l’énonciation analyse politique, analyse
discours (qui parle à repérage des marqueurs,
(sous-type) des interactions
qui, comment, analyse des relations
institutionnelles
pourquoi)
Identifier les
associations de mots Extraction des mots clés, Études de grands corpus,
Analyse des
ou thèmes révélant mesure des fréquences, analyse médiatique,
cooccurrences
structures mentales, visualisation, marketing, sciences
(sous-type)
idéologies ou interprétation cognitives
préoccupations
Mettre en évidence
Étude des récits, analyse
Analyse l’organisation interne Identification des unités,
politique, communication
structurale d’un discours repérage des relations,
institutionnelle,
(sous-type) indépendamment du modélisation schématique
anthropologie
contenu

2. Comment choisir ?
Critères de sélection en fonction de la question de recherche

Le choix de la méthode dépend toujours de la nature des données, de l’intention du chercheur

et de la problématique.

1. Quand utiliser l’analyse thématique ?

 Lorsque l’objectif est d’identifier des idées majeures, des perceptions ou des
représentations.
 Quand on veut une analyse flexible, adaptée à des entretiens, focus groups, récits,
observations.
 Appropriée pour des recherches exploratoires ou descriptives.
 Lorsque la question est : Quels sont les thèmes principaux évoqués par… ?

2. Quand utiliser l’analyse comparative (Grounded Theory) ?

19

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

 Quand le but est de générer une théorie ou un modèle explicatif à partir des données.
 Quand la recherche suit une logique inductive, sans hypothèses préétablies.
 Parfaite pour analyser les processus, les dynamiques, les évolutions.
 Lorsque la question est : Comment ce phénomène se construit-il ? Comment évolue-t-
il ?

3. Quand utiliser l’analyse de contenu ?

 Quand la recherche exige une approche systématique, rigoureuse et reproductible.

 Quand on cherche à quantifier des éléments linguistiques ou sémantiques.
 Idéale pour les grandes quantités de données textuelles.

Lorsque la question est : Quelle fréquence ? Quel type de discours ? Quelle tendance
dans… ?

3. Quand utiliser les sous types d’analyse de contenu ?

 Expression : si l’on veut analyser le style, les émotions, la subjectivité.

Ex. : Étude du stress, des récits traumatiques, d’interactions sensibles.
 Énonciation : si l’on étudie les relations, la dynamique locuteur/destinataire.
Ex. : Analyse politique, institutionnelle, pédagogique.
 Cooccurrences : pour identifier les réseaux d’idées, les structures sémantiques.
Ex. : médias, réseaux sociaux, grands corpus textuels.
 Structurale : si l’on veut comprendre l’architecture du discours.
Ex. : analyse politique, anthropologie, analyse narrative.

3. Complémentarité et hybridation des méthodes

Dans la pratique, les méthodes ne s’excluent pas : elles se renforcent. La complémentarité

permet d’améliorer la validité des résultats, d’obtenir une compréhension plus riche, de
trianguler les sources d’information, et de compenser les limites de chaque méthode.

Analyse thématique + Analyse de contenu

L’analyse thématique dégage les grands thèmes. L’analyse de contenu permet de quantifier
leur fréquence. Ensemble, elles offrent un panorama complet : qualitatif + quantitatif.

20

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Analyse comparative + Analyse thématique

L’analyse thématique repère les idées récurrentes. La comparaison constante les relie pour
construire une théorie. Cette combinaison est parfaite pour des recherches inductives
avancées.

Analyse de l’expression + analyse structurale

L’expression révèle l’émotion et la subjectivité. La structure montre l’organisation logique du

discours. Ensemble, elles permettent une compréhension fine du discours (surface +
profondeur).

Analyse des cooccurrences + analyse thématique

Les cooccurrences détectent les associations non visibles à la simple lecture. L’analyse
thématique organise ces associations en thèmes cohérents. Très utile pour les corpus
volumineux (médias, réseaux sociaux).

21

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Conclusion
Les différentes méthodes d’analyse qualitative telles que l’analyse thématique, l’analyse
comparative et l’analyse de contenu dans ses diverses déclinaisons constituent un ensemble
méthodologique riche permettant d’appréhender la complexité des discours, des expériences
vécues et des phénomènes sociaux. Chacune possède ses finalités propres : décrire, expliquer,
quantifier ou modéliser les données qualitatives. Pourtant, malgré ces différences, elles
partagent une même exigence de rigueur et visent toutes à produire une compréhension
structurée, fidèle et cohérente de la réalité étudiée.

Le choix d’une méthode dépend ainsi de plusieurs critères : la nature de la question de

recherche, le type et le volume de données disponibles, le niveau d’interprétation souhaité
ainsi que le positionnement épistémologique du chercheur. Dans la pratique, la combinaison
de plusieurs approches s’avère souvent la plus pertinente, car elle permet de croiser les
perspectives et de renforcer la validité de l’analyse. Loin d’être exclusives, ces méthodes se
complètent, s’enrichissent mutuellement et offrent une vision multidimensionnelle
particulièrement adaptée aux enjeux contemporains des sciences sociales.

22

ISE – ENEAM 2025-2026

 Les méthodes d’analyse des données

Références
Glaser, B. G., & Strauss, A. L. (1967). The discovery of grounded theory: Strategies for
qualitative research. Aldine Publishing Company.

Strauss, A., & Corbin, J. (1990). Basics of qualitative research: Grounded theory procedures
and techniques. Sage Publications.

Glaser, B. G. (1978). Theoretical sensitivity: Advances in the methodology of grounded

theory. Sociology Press.

Strauss, A., & Corbin, J. (1998). Basics of qualitative research: Techniques and procedures
for developing grounded theory (2nd ed.). Sage Publications.

Charmaz, K. (2006). Constructing grounded theory: A practical guide through qualitative

analysis. Sage Publications.

Bryant, A., & Charmaz, K. (Eds.). (2007). The SAGE handbook of grounded theory. Sage
Publications.

23

ISE – ENEAM 2025-2026