FUN

Méthodes de sondage et d'enquête (FUN)

Méthodes de sondage et d'enquête (FUN)

En vous proposant une initiation rigoureuse aux principes de base de la méthodologie des sondages, ce MOOC vous aidera à vous forger un regard plus critique et avisé sur les statistiques qui inondent notre quotidien.

Nous sommes quotidiennement abreuvés de résultats de sondages de toute sorte. Mais, comment juger dans quelle mesure les statistiques issues des enquêtes par sondage reflètent correctement ou non la réalité ?

Evaluer la qualité d’une enquête par sondage impose de prendre en compte de nombreux aspects différents de la démarche du sondeur. Ceci nécessite une compréhension fine des principes de base de la théorie des sondages et de la méthodologie d’enquête. Ce MOOC vous expliquera comment prélever un échantillon et estimer différentes caractéristiques de la population qui nous intéresse. Il vous familiarisera avec les outils statistiques disponibles pour appréhender la précision d’un sondage. Il vous aidera aussi à prendre conscience des différentes sources d’erreur dans une enquête par sondage.
L’approche suivie mêlera intuition et bon sens aux explications plus rigoureuses et techniques qui feront appel à quelques notions de base en statistique et probabilités, ainsi qu’à un peu de formalisme mathématique. Vous découvrirez les différentes notions de manière très progressive à l’aide d’exemples et d’illustrations.
A l’issue de ce MOOC, vous serez capable de :

  • Définir l’objectif général d’un sondage et identifier les différentes étapes de la démarche d’enquête par sondage.
  • Différencier les méthodes de sondage – méthodes de prélèvement d’un échantillon – aléatoires des méthodes de sondage empiriques et en expliquer les avantages et inconvénients.
  • Décrire les caractéristiques de la méthode de sondage aléatoire simple et de la méthode de sondage stratifié, et définir les estimateurs d’une proportion, d’une moyenne ou d’un total utilisés lorsqu’on applique ces méthodes d’échantillonnage.
  • Décrire et interpréter correctement les « outils » statistiques disponibles évaluer la précision d’une procédure d’estimation.
  • Décrire les caractéristiques de la population et de l’échantillon qui jouent sur la précision de la procédure d’estimation d’une proportion, d’une moyenne ou d’un total.
  • Choisir de manière réfléchie la taille de l’échantillon à prélever.
  • Tirer des conclusions valides de résultats d’estimation de proportions, notamment dans le cadre de sondages pré-électoraux.
  • D’expliquer les différents types d’erreurs qui peuvent survenir dans le cadre d’une enquête par sondage.
  • Avoir une idée claire de la liste des points à contrôler pour évaluer globalement la qualité et la fiabilité d’une enquête par sondage.

Plan du cours

Module 1 – Introduction générale au MOOC
L’expérience MOOC : navigation dans le MOOC, le forum, le wiki
Préparez-vous pour le MOOC : les connaissances en statistique et les outils nécessaires pour suivre le MOOC
Les sondages : qu’en pensez-vous ?

Module 2 – Premiers pas en théorie des sondages
Qu’est-ce qu’un sondage ?
Concepts de base
Qu’est-ce qu’un « bon » échantillon ?
Les étapes d’un sondage
Catégorisation des méthodes de sondage
Les méthodes aléatoires : base de sondage, plan de sondage et probabilités d’inclusion
Les méthodes empiriques
L’information auxiliaire

Module 3 – Sondage aléatoire simple : partie 1
Procédure d’échantillonnage
Plan de sondage et probabilités d’inclusion
Estimation d’une proportion
Estimateur d’une proportion
Propriétés de cet estimateur : sa distribution d’échantillonnage, son espérance et sa variance
Facteurs de précision

Module 4 – Sondage aléatoire simple : partie 2
Estimation d’une moyenne et d’un total
Estimateurs d’une moyenne et d’un total
Propriétés de ces estimateurs
Facteurs de précision
Le tirage systématique

Module 5 – Sondage aléatoire simple : partie 3
L’estimation par intervalle de confiance
Objectifs
Définition et construction
Interprétation
L’effet du niveau de confiance
Incertitudes absolue et relative
Le choix de la taille de l’échantillon
La problématique
Pour l’estimation d’une moyenne
Pour l’estimation d’une proportion
Trois questions relatives à la comparaison de deux proportions
Formulation des questions
Règle de conduite à suivre pour répondre adéquatement aux questions formulées

Module 6 – Sondage stratifié
Pourquoi recourir au sondage stratifié ?
Principe général
Stratification de la population et échantillonnage stratifié
Estimateurs stratifiés d’une moyenne, d’un total et d’une proportion
Propriétés de ces estimateurs
Sondage stratifié proportionnel
Sondage stratifié optimal

Module 7 – Sondages empiriques
Avantages et inconvénients par rapport aux sondages aléatoires
Quelques méthodes empiriques
La méthode des quotas
La méthode des unités-types
La méthode des itinéraires
Le volontariat
L’échantillonnage sur place
La méthode « boule de neige »

Module 8 – Sources d’erreur dans une enquête par sondage
L’erreur d’échantillonnage
L’erreur de couverture
L’erreur de mesure
L’erreur due à la non-réponse
Peut-on se fier aux sondages ?

Module 9 – La fin du voyage
Test final d’évaluation
Un dernier petit mot !

Go to Class
MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Related Courses

Random Models, Nested and Split-plot Designs (Coursera) Coursera
Arizona State University

Random Models, Nested and Split-plot Designs (Coursera)

Many experiments involve factors whose levels are chosen at random. A well-know situation is the study of measurement systems to determine their capability. This course presents the design and analysis of these types of experiments, including modern methods for estimating the components of variability in these systems. The course also covers experiments with nested factors, and experiments with hard-to-change factors that require split-plot designs.

Sep 21st 2026
3 Weeks
Understanding and Visualizing Data with Python (Coursera) Coursera
University of Michigan

Understanding and Visualizing Data with Python (Coursera)

In this course, learners will be introduced to the field of statistics, including where data come from, study design, data management, and exploring and visualizing data. Learners will identify different types of data, and learn how to visualize, analyze, and interpret summaries for both univariate and multivariate data. Learners will also be introduced to the differences between probability and non-probability sampling from larger populations, the idea of how sample estimates vary, and how inferences can be made about larger populations based on probability sampling.

Sep 21st 2026
4 Weeks
Statistique pour l'ingénieur (FUN) FUN
Institut Mines-Telecom

Statistique pour l'ingénieur (FUN)

Les méthodes statistiques sont largement répandues dans presque tous les secteurs de l’activité humaine : sciences et techniques, économie, sciences humaines et sociales. Elles font partie des connaissances de base de l’ingénieur. Parmi les innombrables applications dans le domaine industriel, on peut citer le contrôle de qualité, la fiabilité, l’analyse des résultats de mesure, la prévision et la planification.

No sessions available
5-12 Weeks
Fondamentaux pour le Big Data (FUN) FUN
Institut Mines-Telecom

Fondamentaux pour le Big Data (FUN)

Le MOOC « Fondamentaux pour le big data » permet d'acquérir efficacement le niveau prérequis en informatique et en statistiques pour suivre des formations dans le domaine du big data. Le big data offre de nouvelles opportunités d’emplois au sein des entreprises et des administrations. De nombreuses formations préparant à ces opportunités de métiers existent. Le suivi de ces formations nécessite des connaissances de base en statistiques et en informatique que ce MOOC vous propose d’acquérir dans les domaines de l’analyse, algèbre, probabilités, statistiques, programmation Python et bases de données.

No sessions available
5-12 Weeks
Practical Time Series Analysis (Coursera) Coursera
The State University of New York

Practical Time Series Analysis (Coursera)

Many of us are "accidental" data analysts. We trained in the sciences, business, or engineering and then found ourselves confronted with data for which we have no formal analytic training. This course is designed for people with some technical competencies who would like more than a "cookbook" approach, but who still need to concentrate on the routine sorts of presentation and analysis that deepen the understanding of our professional topics.

Oct 5th 2026
5-12 Weeks
Estadística y probabilidad (Coursera) Coursera
Universidad Nacional Autónoma de México

Estadística y probabilidad (Coursera)

En este curso podrás apoyar tu formación en temas de estadística y probabilidad I. Más allá de que encuentres aquí un apoyo para lograr una calificación, el curso busca ayudarte a que adquieras los aprendizajes que comprenden temas de estadística descriptiva, datos bivariados y probabilidad, los cuales te serán de utilidad en tu paso por la licenciatura y en tu vida profesional.

Sep 28th 2026
4 Weeks
Math for MBA and GMAT Prep (Coursera) Coursera
Emory University

Math for MBA and GMAT Prep (Coursera)

This course gives participants a basic understanding of statistics as they apply in business situations. A fair share of students considering MBA programs come from backgrounds that do not include a large amount of training in mathematics and statistics. Often, students find themselves at a disadvantage when they apply for or enroll in MBA programs. This course will give you the tools to understand how these business statistics are calculated for navigating the built-in formulas that are included in Excel, but also how to apply these formulas in an range of business settings and situations.

Oct 5th 2026
5-12 Weeks
Materials Data Sciences and Informatics (Coursera) Coursera
Georgia Institute of Technology

Materials Data Sciences and Informatics (Coursera)

This course aims to provide a succinct overview of the emerging discipline of Materials Informatics at the intersection of materials science, computational science, and information science. Attention is drawn to specific opportunities afforded by this new field in accelerating materials development and deployment efforts.

Oct 5th 2026
5-12 Weeks
Fundamentos de estadística aplicada (Coursera) Coursera
Universidad de los Andes

Fundamentos de estadística aplicada (Coursera)

El curso está orientado a profesionales de diferentes campos, que estén interesados en adquirir conceptos fundamentales de estadística aplicada. El contenido del curso será particularmente útil para profesionales que estén interesados en adelantar estudios de postgrado en ingeniería, administración o economía, entre otras profesiones, y que requieran de una adecuada fundamentación en estadística.

Sep 28th 2026
4 Weeks
Data Science in Real Life (Coursera) Coursera
Johns Hopkins University

Data Science in Real Life (Coursera)

Have you ever had the perfect data science experience? The data pull went perfectly. There were no merging errors or missing data. Hypotheses were clearly defined prior to analyses. Randomization was performed for the treatment of interest. The analytic plan was outlined prior to analysis and followed exactly. The conclusions were clear and actionable decisions were obvious. Has that every happened to you? Of course not. Data analysis in real life is messy. How does one manage a team facing real data analyses? In this one-week course, we contrast the ideal with what happens in real life. By contrasting the ideal, you will learn key concepts that will help you manage real life analyses.

Sep 21st 2026
1 Week
Global Statistics - Composite Indices for International Comparisons (Coursera) Coursera
University of Geneva

Global Statistics - Composite Indices for International Comparisons (Coursera)

In this course on global statistics, offered by the University of Geneva jointly with the ETH Zürich KOF, you will learn the general approach of constructing composite indices and some of resulting problems. We will discuss the technical properties, the internal structure (like aggregation, weighting, stability of time series), the primary data used and the variable selection methods. These concepts will be illustrated using a sample of the most popular composite indices. We will try to address not only statistical questions but also focus on the distinction between policy-, media- and paradigm-driven indicators.

Sep 28th 2026
5-12 Weeks