L'export d'une enquête contient deux réponses avec le même identifiant, une durée de tâche négative et plusieurs notes laissées vides. Ces données nécessitent un examen attentif, mais elles ne doivent pas toutes être supprimées pour autant. L'une peut être un doublon, une autre un bug de tracking, et les champs vides le résultat normal d'un filtre conditionnel.
Le nettoyage des données permet d'identifier et de traiter les erreurs, les incohérences et autres problèmes de qualité pour analyser les données de manière fiable. Cela implique de vérifier la structure, les valeurs, les doublons et les données manquantes, tout en documentant clairement chaque décision pour qu'elle soit reproductible et évaluable.
Conserver l'original et bien comprendre les champs
Conservez toujours une copie intacte des données sources et effectuez vos transformations dans un flux de travail distinct et maîtrisé. Prenez le temps de lire les définitions avant de modifier des valeurs : « non demandé », « refusé » et « sans objet » peuvent tous apparaître comme des données manquantes, mais ils renvoient à des situations bien différentes.
Le projet QAMyData de l'UK Data Service montre bien l'intérêt de contrôles systématiques sur des points comme la définition des valeurs manquantes et les métadonnées incohérentes. Les vérifications automatisées permettent de repérer les anomalies à examiner, mais c'est le contexte de l'étude qui détermine s'il s'agit réellement d'une erreur.
Vérifiez les unités de mesure et les jointures. Une durée enregistrée en millisecondes mais lue en secondes peut passer à tort pour un comportement extrême, tout comme la jointure de tables au mauvais niveau peut démultiplier inutilement des participants pourtant légitimes.
Voir les signaux de qualité comme des indices à analyser
Un temps de réponse ultra-rapide, des notes répétitives ou des commentaires très courts peuvent traduire un manque d'attention, mais aucun de ces signaux ne suffit à lui seul. Un répondant bien informé peut répondre très vite, et des notes identiques peuvent simplement refléter des expériences similaires. Croisez ces signaux en appliquant des règles adaptées à votre étude, sans négliger les compétences ni les styles de réponse variés.
Définissez vos critères d'éligibilité et d'exclusion avant la phase terrain dès que possible. Si un problème imprévu impose un ajustement a posteriori, documentez-en la raison et précisez si les résultats étaient déjà visibles. Ne modifiez surtout pas les seuils dans l'espoir d'obtenir un résultat précis.
Analysez les valeurs aberrantes en les distinguant des valeurs impossibles. Une expérience extrême mais bien réelle est parfois l'information la plus précieuse pour l'équipe produit.
Gérer les données manquantes sans créer de fausses certitudes
Une note vide n'est pas une note neutre, et un événement non enregistré ne signifie pas forcément une absence d'usage. Cherchez à savoir où et pourquoi l'information manque. La solution retenue pourra varier selon qu'il s'agisse de statistiques descriptives, de modélisation ou de la structure propre au questionnaire.
L'imputation repose sur des hypothèses et doit refléter l'incertitude qu'elle induit. Remplacer chaque champ vide par une moyenne risque de fausser les distributions et les corrélations : ce n'est donc pas une simple formalité technique sans incidence sur l'analyse.
Tenez un journal de bord précis des corrections, exclusions et transformations, en indiquant les volumes concernés. Mentionnez les choix déterminants au moment de partager vos résultats, et menez des tests de sensibilité dès que des options alternatives pourraient modifier les conclusions. Le jeu de données final doit inspirer confiance, tout en montrant en toute transparence ce qui le distingue de la version brute.