FlashInsight

Glossaire

Calibration

Aussi appelé calibrage · ancrage empirique

L’opération qui rattache une population générée à des données réelles observées, et la mesure de l’écart qui subsiste une fois l’opération faite.

Calibrer, c’est contraindre une population générée à ressembler à une population observée : on part de données réelles — recensement, enquêtes publiques, données sectorielles — on les traduit en cibles, et on construit la population sous ces cibles.

Mais la moitié qui compte vient après. Une fois la population tirée, il reste un écart aux cibles. Ce sont ces écarts, mesurés et documentés, qui font la différence entre une méthode décrite et une méthode contrôlée. Un fournisseur qui explique longuement sa mécanique sans jamais publier un écart n’a rien montré.

Ouvrir l’animation en plein écran

Ce que ce n’est pas

La conformité statistique n’est pas la validité comportementale. Retrouver la bonne pyramide des âges ne dit rien de la justesse des réponses produites. Ce sont deux contrôles distincts, et le second est plus difficile — ce qui explique qu’il soit plus rarement publié.

Ce qu’un acheteur peut vérifier

Quelles sources de référence, pour quel marché et de quelle année. Quels écarts mesurés, sur quelles variables. Et si la calibration a été faite sur le marché concerné ou empruntée à un autre pays — un modèle calé sur des données américaines ne décrit pas la France.

Questions fréquentes

Qu’est-ce que la calibration en études synthétiques ?

C’est l’opération qui rattache une population générée à des données réelles observées : on part du recensement, d’enquêtes publiques ou de données sectorielles, on les traduit en cibles, et on construit la population sous ces cibles. Puis on mesure l’écart qui reste. Ce sont ces écarts, mesurés et documentés, qui distinguent une méthode décrite d’une méthode contrôlée.

La calibration prouve-t-elle que les réponses sont justes ?

Non. La conformité statistique n’est pas la validité comportementale : retrouver la bonne pyramide des âges ne dit rien de la justesse des réponses produites. C’est un second contrôle, plus difficile, qui se fait sur des questions que le système n’a pas vues pendant sa calibration.

Que demander à un fournisseur sur sa calibration ?

Quelles sources de référence, pour quel marché et de quelle année. Quels écarts ont été mesurés, sur quelles variables. Et si la calibration a été faite sur le marché concerné ou empruntée à un autre pays : un modèle calé sur des données américaines ne décrit pas la France.

Voir aussi

  • Population synthétique — L’ensemble généré pris comme un tout, construit pour respecter les marges statistiques connues d’un territoire. Le terme vient de la microsimulation, pas des études.
  • Sous-dispersion — Le défaut le plus fréquent des panels simulés : les réponses sont plus resserrées que celles d’humains réels. Le désaccord disparaît, et avec lui le signal.
  • Donnée synthétique — Une donnée générée artificiellement qui reproduit les propriétés statistiques de données réelles sans contenir d’information personnelle. La matière première — pas le répondant.

À lire

Retour au glossaire