Écart type, maîtrisez le calcul pour vos données statistiques

Deux classes obtiennent la même moyenne de 12 sur 20. Dans la première, presque tout le monde tourne autour de 12. Dans la seconde, la moitié frôle le 5 et l'autre moitié dépasse 18. Même moyenne, réalité radicalement différente. Ce que la moyenne cache, l'écart type le révèle : il mesure à quel point vos données s'éloignent de leur centre. C'est l'indicateur de dispersion le plus utilisé en statistique, et celui qu'on comprend trop souvent de travers.

Cet article vous explique ce qu'est vraiment l'écart type, comment le calculer pas à pas avec un exemple chiffré, quand utiliser sa variante « échantillon » plutôt que « population », et comment l'obtenir en deux secondes dans Excel ou Google Sheets sans vous tromper de fonction.

L'écart type en une phrase claire

L'écart type est la distance moyenne qui sépare vos valeurs de leur moyenne. Plus il est grand, plus les données sont éparpillées. Plus il est petit, plus elles se serrent autour de la moyenne.

Son grand intérêt, c'est qu'il s'exprime dans la même unité que vos données. Si vous mesurez des tailles en centimètres, l'écart type est en centimètres. Si vous suivez des salaires en euros, il est en euros. Vous pouvez donc l'interpréter directement, ce qui n'est pas le cas de la variance.

À retenir. La moyenne vous dit où se situe le centre de vos données. L'écart type vous dit à quel point les valeurs s'écartent de ce centre. Les deux ensemble racontent l'histoire complète ; l'une sans l'autre vous trompe.

Variance et écart type : quel rapport ?

La variance et l'écart type décrivent la même chose : la dispersion. La variance correspond à la moyenne des écarts élevés au carré. L'écart type est simplement sa racine carrée. On élève au carré pour deux raisons : empêcher les écarts positifs et négatifs de s'annuler, et pénaliser plus fortement les valeurs très éloignées.

Le souci de la variance, c'est qu'elle s'exprime dans une unité « au carré » (des euros au carré, par exemple), donc difficile à interpréter. En reprenant la racine carrée, on revient à l'unité d'origine. C'est tout l'intérêt de l'écart type : la rigueur de la variance, mais lisible.

Population ou échantillon : le choix qui change la formule

Avant tout calcul, posez-vous une question décisive : vos données représentent-elles l'ensemble complet qui vous intéresse, ou seulement un échantillon censé représenter un ensemble plus large ?

• Écart type de population. Vous disposez de toutes les valeurs. Exemple : les notes des 30 élèves d'une classe quand seule cette classe vous intéresse. On divise la somme des carrés des écarts par N (le nombre total de valeurs).
• Écart type d'échantillon. Vos données sont un sous-ensemble servant à estimer toute une population. Exemple : 200 clients interrogés pour estimer la satisfaction de milliers d'acheteurs. On divise par N − 1, et non par N.

Pourquoi ce N − 1 ? Un échantillon a tendance à sous-estimer la vraie dispersion de la population, parce qu'il contient rarement les valeurs les plus extrêmes. Diviser par un nombre plus petit gonfle légèrement le résultat pour corriger ce biais. C'est ce qu'on appelle la correction de Bessel. Dans le doute, et surtout sur un échantillon, la version N − 1 est presque toujours le bon choix.

Conséquence concrète : sur un petit jeu de données, le mauvais choix peut fausser sensiblement le résultat. Sur de grands volumes, l'écart entre les deux formules devient négligeable, mais le réflexe reste utile.

Calculer l'écart type pas à pas

La méthode tient en cinq étapes. Prenons un exemple simple avec cinq valeurs : 4, 8, 6, 5, 7. Imaginons qu'il s'agit de la population complète (on divisera donc par N).

Étape 1 — Calculez la moyenne

Additionnez toutes les valeurs, puis divisez par leur nombre. Ici : 4 + 8 + 6 + 5 + 7 = 30, divisé par 5 valeurs, ce qui donne une moyenne de 6.

Étape 2 — Mesurez l'écart de chaque valeur à la moyenne

Pour chaque valeur, soustrayez la moyenne. On obtient : −2, +2, 0, −1, +1. Ces écarts indiquent qui est au-dessus, qui est en dessous, et de combien.

Étape 3 — Élevez chaque écart au carré

Multipliez chaque écart par lui-même pour éliminer les signes : 4, 4, 0, 1, 1. C'est cette opération qui empêche les écarts de s'annuler entre eux.

Étape 4 — Calculez la variance

Faites la somme des carrés (4 + 4 + 0 + 1 + 1 = 10), puis divisez par le nombre de valeurs. Pour une population : 10 ÷ 5 = 2. La variance vaut donc 2. (Pour un échantillon, on diviserait par 4, soit 10 ÷ 4 = 2,5.)

Étape 5 — Prenez la racine carrée

La racine carrée de la variance donne l'écart type. La racine de 2 vaut environ 1,41. Vos cinq valeurs s'écartent donc en moyenne de 1,41 unité autour de la moyenne de 6. Une dispersion modérée : aucune valeur ne s'éloigne dramatiquement du centre.

Le calcul d'un coup d'œil

Valeur	Écart à la moyenne (6)	Écart au carré
4	−2	4
8	+2	4
6	0	0
5	−1	1
7	+1	1
Somme	0	10

Remarquez un détail rassurant : la somme des écarts simples fait toujours zéro. C'est justement pour cette raison qu'on passe par les carrés.

Interpréter un écart type : grand ou petit ?

Un écart type n'a pas de valeur « bonne » ou « mauvaise » dans l'absolu. Tout dépend du contexte et de l'échelle de vos données. Un écart type de 5 est énorme sur des notes sur 20, mais minuscule sur des salaires annuels. Pour le juger, comparez-le toujours à la moyenne.

Un repère très utile concerne les données qui suivent une distribution en cloche (la fameuse courbe normale), fréquente dans la nature et les mesures : environ deux tiers des valeurs se situent à moins d'un écart type de la moyenne, et la grande majorité à moins de deux écarts types. Ce n'est qu'une règle indicative — elle ne s'applique pas à des données très asymétriques — mais elle aide à visualiser ce que représente concrètement l'indicateur.

L'écart type décrit la dispersion autour de la moyenne, tandis que l'étendue, c'est-à-dire l'écart entre la plus petite et la plus grande valeur, décrit l'amplitude totale. Les deux se complètent : l'étendue se calcule en une soustraction mais reste à la merci d'une seule valeur extrême, là où l'écart type tient compte de toutes les données.

Là où l'écart type fait la différence

Cet indicateur dépasse largement le cadre scolaire. Quelques usages très concrets :

• Finance et placements. L'écart type des rendements mesure la volatilité, donc le risque. Deux placements affichant la même performance moyenne mais des écarts types différents n'offrent pas du tout le même confort.
• Qualité et production. Un faible écart type signifie un process régulier, des pièces conformes. Une hausse soudaine alerte sur une dérive de la chaîne.
• Sciences et recherche. Il sert à exprimer l'incertitude d'une mesure et à comparer des groupes.
• Gestion et tableaux de bord. Suivre la dispersion de vos ventes ou de vos délais en dit souvent plus que la seule moyenne. À ce sujet, si vous bâtissez des indicateurs, comprendre comment structurer un modèle de données dans Power BI vous aidera à exploiter ces statistiques à grande échelle.

L'écart type dans Excel et Google Sheets

Aucun besoin de tout calculer à la main. Les tableurs proposent des fonctions dédiées. Le piège, c'est de choisir la bonne selon que vos données forment une population ou un échantillon.

Cas	Excel (récent)	Excel (ancien) / Sheets
Population complète	=ECARTYPE.PEARSON(plage)	=ECARTYPEP(plage) / STDEVP
Échantillon	=ECARTYPE.STANDARD(plage)	=ECARTYPE(plage) / STDEV

Concrètement, sélectionnez vos cellules entre les parenthèses, par exemple =ECARTYPE.STANDARD(A1:A200), et le résultat s'affiche instantanément. Retenez le repère : la fonction dont le nom contient un P correspond à la population ; celle sans P correspond à l'échantillon. Une erreur de fonction sur un petit jeu de données peut suffire à fausser une conclusion.

Travailler proprement ses données en amont reste essentiel. Si vous jonglez entre plusieurs outils, savoir copier et dupliquer des données sans erreur sur Mac vous évitera bien des résultats faussés par des cellules mal collées.

Les erreurs à éviter

• Confondre population et échantillon. C'est l'erreur la plus fréquente. Posez-vous toujours la question avant de choisir la formule.
• Ne regarder que la moyenne. Sans dispersion, une moyenne peut masquer deux réalités opposées.
• Comparer des écarts types d'unités différentes. Un écart type ne se compare qu'à des données de même nature et de même échelle.
• Oublier l'effet des valeurs extrêmes. Comme on élève les écarts au carré, une seule valeur aberrante peut gonfler énormément le résultat. Vérifiez toujours vos données brutes.

Questions fréquentes

Quelle est la différence entre variance et écart type ?

La variance est la moyenne des carrés des écarts à la moyenne. L'écart type en est la racine carrée. Le second est préféré car il s'exprime dans la même unité que les données, donc directement interprétable.

Un écart type peut-il être négatif ?

Non, jamais. Il provient d'une racine carrée de valeurs au carré, toujours positives ou nulles. S'il vaut zéro, c'est que toutes vos valeurs sont identiques : aucune dispersion.

Quel est un « bon » écart type ?

Il n'y a pas de seuil universel. Tout dépend de l'échelle de vos données et de l'objectif. Comparez-le à la moyenne : un petit écart type par rapport à la moyenne traduit des données homogènes, un grand écart type des données dispersées.

Faut-il l'écart type pour analyser une activité commerciale ?

Il complète utilement d'autres indicateurs. Pour piloter une activité, il s'associe par exemple au calcul de la marge avec la bonne formule : la marge dit combien vous gagnez, l'écart type dit à quel point vos résultats sont réguliers d'une période à l'autre.

En résumé

L'écart type transforme une moyenne muette en information exploitable. Il répond à une question simple mais cruciale : mes données se ressemblent-elles, ou partent-elles dans tous les sens ? Retenez la marche à suivre — moyenne, écarts, carrés, variance, racine — et le réflexe décisif : population (divisé par N) ou échantillon (divisé par N − 1).

Dans un tableur, une seule fonction suffit, à condition de choisir la bonne. À partir de là, vous ne lirez plus jamais une moyenne de la même façon : vous chercherez toujours, derrière elle, la dispersion qu'elle dissimule.