Analyse comparative des méthodes de classifications

Abstract

De nombreux travaux de recherche en gestion des ressources en humaines, en marketing ou en stratégie établissent des profils. La finalité commune est de préciser les liens existants entre différents concepts. Cet engouement pour la création de profils permet de dépasser l’aspect monolithique des échantillons utilisés par les chercheurs. Les résultats obtenus sont plus précis. Cette approche centrée sur les personnes débouche sur des clarifications conceptuelles et des préconisations d’actions davantage adaptées au contexte étudié que celles obtenues à partir d’estimations moyennes. Pour mener à bien ces projets, plusieurs méthodes de classification sont disponibles. Il s’agit entre autre de méthodes « traditionnelles » qui regroupent les méthodes simples comme le split par la moyenne, la médiane ou le centre d’échelle, de méthodes non hiérarchiques comme les nuées dynamiques, de méthodes hiérarchiques ou encore de méthodes « avancées » comme la méthode mêlée. Plus récemment, une nouvelle génération est apparue dans les travaux de recherche nord-américains : les « mixture models ». La première partie de cet article est consacrée à une présentation et une analyse critique de ces deux générations de méthodes. Elle permet de montrer leurs limites respectives. Elle aboutit également à présenter les avantages théoriques des « mixture models ». Ils tiennent en particulier à la batterie d’indicateurs proposée pour arrêter le nombre final de profils. La part d’arbitraire de cette phase clé du processus est réduite sans toutefois disparaître complètement. Pour illustrer empiriquement les avantages comparatifs de ces modèles mixtes, un concept multidimensionnel issu du champ de « l’organizational behavior » est mobilisé : le bien-être au travail. Il est mesuré grâce à l’EPBET (Echelle de mesure Positive du Bien-Etre au Travail) sur un échantillon de 865 salariés français. Cette échelle appréhende le bien-être au travail au travers de quatre rapports : un rapport au management, aux collègues, à l’environnement physique de travail et enfin aux temps. Cette illustration montre que le nombre de profils et l’affectation d’une partie des personnes à ces profils dépend de la méthode traditionnelle utilisée. Ce nombre va de quatre à seize selon les cas. Grâce à la batterie d’indicateurs fournis, les « latente profil analysis » et les « factor mixture analysis » permettent d’aboutir une partition stable de l’échantillon. Ils répondent ce faisant à l’enjeu de connaissance et de décision sous-jacent aux travaux de classification réalisés dans les sciences de gestion.