Interprétation et qualité de représentation (L3 analyse de données)
Réaliser une analyse factorielle (ACP, AFC, ACM) ne suffit pas : il faut savoir interpréter rigoureusement les axes à l'aide d'indicateurs de qualité. En L3 du parcours data pour économistes,…

interpretation-et-qualite-de-representation
Réaliser une analyse factorielle (ACP, AFC, ACM) ne suffit pas : il faut savoir interpréter rigoureusement les axes à l'aide d'indicateurs de qualité. En L3 du parcours data pour économistes, dans le cours d'analyse de données, les QCM CampusQCM testent ces outils d'interprétation. Deux…
Réaliser une analyse factorielle (ACP, AFC, ACM) ne suffit pas : il faut savoir interpréter rigoureusement les axes à l'aide d'indicateurs de qualité. En L3 du parcours data pour économistes, dans le cours d'analyse de données, les QCM CampusQCM testent ces outils d'interprétation. Deux indicateurs sont essentiels et complémentaires. La contribution mesure la part d'un individu (ou d'une variable/modalité) dans la construction d'un axe : un point a une forte contribution s'il pèse lourd dans la formation de l'axe ; on interprète un axe à partir des points qui y contribuent le plus. Le cosinus carré (cos²), aussi appelé qualité de représentation, mesure à quel point un point est bien représenté sur un axe ou un plan : c'est le carré du cosinus de l'angle entre le point et l'axe, compris entre 0 et 1. Un cos² proche de 1 signifie que le point est bien projeté (l'axe restitue fidèlement sa position) ; un cos² faible signale que le point est mal représenté sur cet axe, et qu'il ne faut pas surinterpréter sa position. La distinction est cruciale : un point peut fortement contribuer à un axe sans y être bien représenté, et inversement. On combine donc les deux. Le choix du nombre d'axes à interpréter s'appuie sur le pourcentage d'inertie expliquée (cumulée), la règle du coude ou, en ACP, le critère de Kaiser (valeur propre > 1). Enfin, on distingue les éléments actifs (qui construisent les axes) des éléments supplémentaires (projetés a posteriori sans participer à la construction), utiles pour enrichir l'interprétation. Maîtriser contribution et cos² est le réflexe attendu pour ne pas surinterpréter une projection.
Objectifs d'apprentissage
- Comprendre la notion de contribution
- Comprendre le cosinus carré (cos²)
- Distinguer contribution et qualité de représentation
- Choisir le nombre d'axes
- Distinguer éléments actifs et supplémentaires
Concepts clés à maîtriser
Contribution
EssentielCosinus carré (cos²)
EssentielChoix des axes
EssentielActifs vs supplémentaires
EssentielDeux logiciels affichent le même premier axe ACP, mais avec tous les scores individuels et coefficients de cet axe de signes opposés. Que comparer pour interpréter ce résultat ?

Auteurs et références
- Husson, F.; Lê, S.; Pagès, J. (2016) — Analyse de données avec R, Presses Universitaires de Rennes
- Saporta, G. (2011) — Probabilités, analyse des données et statistique, Technip
- Lebart, L.; Morineau, A.; Piron, M. (2006) — Statistique exploratoire multidimensionnelle, Dunod
Pièges fréquents à éviter
Une ACP garde 90 % de la variance sur deux axes, mais les groupes d'intérêt connus se chevauchent sur ce plan. L'équipe veut visualiser leur séparation. Quelle suite est la plus solide ?

Questions types d'examen
- Qu'est-ce que la contribution d'un point à un axe ?
- Qu'est-ce que le cosinus carré ?
- Quelle différence entre contribution et cos² ?
- Comment choisit-on le nombre d'axes ?
- Quelle différence entre éléments actifs et supplémentaires ?
À retenir
On interprète une analyse factorielle avec deux indicateurs : la contribution (part d'un point dans la construction d'un axe) et le cosinus carré cos² (qualité de représentation, entre 0 et 1). Un point peut contribuer fort sans être bien représenté : il ne faut pas surinterpréter un faible cos². On distingue éléments actifs et supplémentaires. L'examinateur attend contribution vs cos².
Notions liées à approfondir
Teste tes connaissances
5 questions disponibles
Choisis ton mode et entraîne-toi avec des corrections détaillées.
Questions fréquentes
Qu'est-ce que interpretation-et-qualite-de-representation en analyse-donnees ?
Réaliser une analyse factorielle (ACP, AFC, ACM) ne suffit pas : il faut savoir interpréter rigoureusement les axes à l'aide d'indicateurs de qualité. En L3 du parcours data pour économistes, dans le cours d'analyse de données, les QCM CampusQCM testent…
Combien de questions sont disponibles ?
CampusQCM propose 5 questions corrigées sur interpretation-et-qualite-de-representation avec explications pédagogiques détaillées.
Comment réviser interpretation-et-qualite-de-representation efficacement ?
Commencez par le mode Révision, lisez les corrections, refaites les erreurs après quelques jours, puis passez en mode Examen.
Ce QCM est-il adapté au programme de L2 ?
Oui, nos questions correspondent au programme officiel de L2 du cursus Data econometrie avancee.
Les QCM fonctionnent-ils sur mobile ?
Oui, CampusQCM est entièrement optimisé pour smartphones et tablettes. Révisez interpretation-et-qualite-de-representation où que vous soyez, vos scores se synchronisent entre vos appareils.
Les QCM sont-ils gratuits ?
Oui, tous nos QCM sont entièrement gratuits. Créer un compte vous permet de sauvegarder vos scores et suivre votre progression, mais ce n'est pas obligatoire.