Introduction

Dans les leçons précédentes, la démarche de recherche en sciences de gestion a été posée progressivement : définition de la connaissance scientifique, clarification des paradigmes épistémologiques, construction de la problématique, puis étude des méthodologies qualitatives et des principaux outils de collecte de données primaires.

La présente leçon complète cet ensemble en traitant trois familles essentielles d’outils méthodologiques :

• les méthodes quantitatives ;
• les méthodes mixtes ;
• l’exploitation des données secondaires.

L’objectif n’est pas d’opposer mécaniquement quantitatif et qualitatif, mais de comprendre comment choisir une méthodologie de recherche adaptée à une problématique professionnelle, comment en mesurer les avantages et les limites, et comment mobiliser les outils méthodologiques pertinents pour produire un mémoire professionnel rigoureux.

Dans l’UE 7, il ne s’agit pas de faire de la statistique pour elle-même. Il s’agit de sélectionner une méthode cohérente avec :

• la nature de la question de recherche ;
• le type de données disponibles ;
• les contraintes de terrain ;
• le niveau de preuve recherché ;
• les possibilités réelles de collecte et de traitement.

Autrement dit, une bonne méthodologie n’est pas la plus sophistiquée : c’est celle qui permet de répondre de manière crédible, argumentée et reproductible à la problématique formulée.

Objectifs d’apprentissage

À l’issue de cette leçon, vous devez être capable de :

• identifier les méthodes utilisables dans la résolution d’une problématique de mémoire ;
• distinguer enquête par questionnaire, expérimentation, méthodes mixtes et exploitation de données secondaires ;
• comprendre les avantages et les limites de chaque méthodologie ;
• choisir une méthodologie cohérente avec un sujet de DSCG ;
• mobiliser des outils méthodologiques pertinents pour collecter, traiter et interpréter les données ;
• justifier vos choix méthodologiques dans un écrit académique ou professionnel.

1. Situer les méthodologies quantitatives, mixtes et documentaires dans une recherche en sciences de gestion

1.1. Rappel : la méthodologie découle de la problématique

Une méthodologie de recherche est l’ensemble structuré des choix permettant de répondre à une problématique : type de données, mode de collecte, méthode d’analyse, critères de validité.

En sciences de gestion, la méthodologie n’est jamais indépendante du sujet. Par exemple :

• si l’on cherche à mesurer la diffusion d’une pratique dans une population, une enquête par questionnaire est souvent pertinente ;
• si l’on veut tester l’effet d’un dispositif sur un comportement, une expérimentation peut être envisagée ;
• si l’on souhaite comprendre un phénomène puis en mesurer l’ampleur, une méthode mixte est appropriée ;
• si l’on dispose déjà de nombreuses informations existantes, l’exploitation de données secondaires peut être centrale.

Le choix méthodologique doit donc répondre à une question simple : de quelles preuves ai-je besoin pour répondre à ma problématique ?

1.2. Trois grandes logiques ici étudiées

A. La logique quantitative

La méthode quantitative vise à produire des résultats fondés sur des données chiffrées, comparables et souvent standardisées. Elle cherche fréquemment à :

• mesurer une fréquence ;
• comparer des groupes ;
• établir des relations entre variables ;
• tester une hypothèse.

B. La logique mixte

La méthode mixte combine données qualitatives et quantitatives dans une même recherche. Elle repose sur l’idée qu’un phénomène de gestion est souvent mieux compris quand on articule :

• la profondeur d’analyse du qualitatif ;
• la capacité de généralisation relative du quantitatif.

C. La logique documentaire et secondaire

Les données secondaires sont des données déjà produites avant la recherche et pour un autre usage initial : archives internes, bases de données, rapports, documentation professionnelle, publications institutionnelles, etc.

Elles sont souvent très utiles dans un mémoire professionnel, car elles permettent :

• de contextualiser le sujet ;
• de documenter l’organisation ;
• d’objectiver un phénomène ;
• de compléter ou remplacer une collecte primaire difficile.

2. L’enquête par questionnaire

2.1. Définition

L’enquête par questionnaire est une méthode quantitative de collecte de données consistant à administrer à un ensemble de répondants une série de questions standardisées, afin d’obtenir des informations comparables et exploitables de manière statistique.

Elle est particulièrement adaptée lorsque le chercheur souhaite :

• recueillir des opinions, perceptions ou pratiques ;
• mesurer des comportements déclarés ;
• comparer plusieurs catégories de répondants ;
• tester des relations entre variables.

2.2. Pourquoi utiliser un questionnaire ?

Le questionnaire est pertinent quand la problématique suppose une vue d’ensemble sur une population ou un échantillon.

Exemples de problématiques compatibles

• Quel est le niveau d’appropriation d’un nouvel outil budgétaire par les managers ?
• Quels facteurs influencent l’acceptation d’un logiciel de dématérialisation ?
• Dans quelle mesure les collaborateurs perçoivent-ils le contrôle interne comme utile ?
• Existe-t-il un lien entre formation et qualité perçue des procédures comptables ?

Dans ces cas, l’objectif n’est pas d’explorer en profondeur quelques situations individuelles, mais de mesurer, comparer et mettre en relation.

2.3. Les étapes de construction d’un questionnaire

1. Définir précisément ce que l’on cherche à mesurer

Avant de rédiger des questions, il faut clarifier les variables ou dimensions étudiées.

Exemple : si l’on étudie l’appropriation d’un progiciel, on peut distinguer :

• la fréquence d’utilisation ;
• la facilité perçue ;
• l’utilité perçue ;
• la qualité de la formation ;
• la satisfaction globale.

2. Transformer ces dimensions en questions observables

Chaque notion abstraite doit être traduite en questions concrètes.

Exemple :

• notion abstraite : satisfaction ;
• question observable : « Globalement, êtes-vous satisfait de l’outil ? »

3. Choisir le type de questions

On distingue notamment :

• les questions fermées (oui/non, choix multiples) ;
• les questions à échelle (par exemple de 1 à 5) ;
• les questions de classement ;
• les questions ouvertes en complément éventuel.

Dans une logique quantitative, les questions fermées et à échelle sont généralement privilégiées, car elles facilitent le traitement.

4. Organiser le questionnaire

Un questionnaire doit suivre une progression logique :

• introduction et objet de l’enquête ;
• questions de filtrage si nécessaire ;
• questions principales ;
• questions de profil en fin de questionnaire.

5. Tester le questionnaire

Un pré-test est indispensable. Il permet de vérifier :

• la compréhension des questions ;
• la durée de passation ;
• les ambiguïtés ;
• les oublis ;
• la cohérence générale.

6. Administrer le questionnaire

Le questionnaire peut être diffusé :

• en ligne ;
• en face à face ;
• par courriel ;
• via l’organisation d’accueil.

Le mode d’administration influence le taux de réponse et la qualité des données.

2.4. Conditions de qualité d’un bon questionnaire

Un bon questionnaire doit être :

• clair : vocabulaire simple, sans ambiguïté ;
• pertinent : chaque question doit servir la problématique ;
• neutre : éviter les formulations orientées ;
• court mais suffisant : trop long, il décourage ; trop court, il appauvrit l’analyse ;
• cohérent : ordre logique des questions ;
• éthique : information sur l’usage des réponses, respect de l’anonymat si annoncé.

2.5. Avantages de l’enquête par questionnaire

L’enquête par questionnaire présente plusieurs atouts :

• elle permet de recueillir un volume important de données ;
• elle facilite la comparabilité des réponses ;
• elle autorise des traitements statistiques ;
• elle donne une vision synthétique d’une population ;
• elle est efficace pour tester des hypothèses ou objectiver des perceptions.

2.6. Limites de l’enquête par questionnaire

Ses limites sont importantes et doivent être reconnues :

• les réponses sont souvent déclaratives ;
• elles peuvent être influencées par la désirabilité sociale ;
• le questionnaire capte mal la complexité des situations ;
• une mauvaise formulation produit des données médiocres ;
• un faible taux de réponse fragilise la portée des résultats ;
• la représentativité est souvent imparfaite dans les mémoires professionnels.

2.7. Exemple d’application

Sujet

Évaluer l’appropriation d’un nouvel outil de reporting par les responsables de service.

Démarche

1. Définir les dimensions : utilité, simplicité, fréquence d’usage, qualité de formation.
2. Construire un questionnaire de 15 à 20 questions.
3. Diffuser à l’ensemble des responsables concernés.
4. Calculer des tris à plat et des comparaisons par ancienneté ou service.
5. Interpréter les résultats à la lumière de la problématique.

Intérêt

Cette méthode permet d’objectiver un phénomène qui, sinon, resterait fondé sur des impressions.

3. L’expérimentation

3.1. Définition

L’expérimentation est une méthode quantitative consistant à observer les effets d’une variable sur une autre en contrôlant, autant que possible, les conditions d’observation.

Autrement dit, on cherche à savoir si une action, un dispositif ou une modification produit un effet mesurable.

3.2. Pourquoi utiliser une expérimentation ?

L’expérimentation est adaptée lorsqu’on veut tester une relation causale.

Exemples :

• un nouveau format de tableau de bord améliore-t-il la rapidité de décision ?
• une formation à la cybersécurité réduit-elle les erreurs déclaratives ?
• une nouvelle procédure de validation réduit-elle les anomalies comptables ?

La logique n’est plus seulement descriptive, mais explicative : on veut observer un effet.

3.3. Schéma général d’une expérimentation

Une expérimentation repose souvent sur :

• un groupe exposé à un dispositif ;
• éventuellement un groupe de comparaison ;
• une mesure avant et/ou après ;
• une observation des différences.

Exemple simplifié :

• Groupe A : utilise un nouveau formulaire de contrôle.
• Groupe B : conserve l’ancien.
• On compare le nombre d’erreurs détectées sur une période donnée.

3.4. Les étapes d’une démarche expérimentale

1. Formuler une hypothèse

Exemple : « La simplification du support de saisie réduit le taux d’erreur. »

2. Définir les variables

• Variable explicative : simplification du support.
• Variable expliquée : taux d’erreur.

3. Définir le protocole

Il faut préciser :

• qui participe ;
• dans quelles conditions ;
• pendant combien de temps ;
• comment l’effet sera mesuré.

4. Recueillir les données

Les données peuvent être des mesures chiffrées : temps de traitement, nombre d’erreurs, taux de conformité, etc.

5. Comparer et interpréter

On examine si les différences observées sont cohérentes avec l’hypothèse.

3.5. Avantages de l’expérimentation

• Elle permet d’approcher une logique de causalité.
• Elle donne des résultats souvent parlants pour l’action managériale.
• Elle est utile pour tester un dispositif avant généralisation.
• Elle renforce la dimension probatoire de la recherche.

3.6. Limites de l’expérimentation

Dans un mémoire professionnel, l’expérimentation présente des contraintes fortes :

• difficulté d’accès au terrain ;
• difficulté de constituer des groupes comparables ;
• impossibilité de contrôler tous les facteurs ;
• contraintes de temps ;
• enjeux éthiques ou organisationnels ;
• risque de conclure trop vite à une causalité alors que d’autres variables interviennent.

En pratique, dans l’UE 7, l’expérimentation est souvent possible sous une forme aménagée ou quasi-expérimentale, plutôt qu’en protocole strict.

3.7. Exemple d’application

Sujet

Mesurer l’effet d’une nouvelle procédure de relance clients sur les délais d’encaissement.

Démarche possible

• comparer les résultats avant/après mise en place ;
• ou comparer deux portefeuilles clients gérés selon deux modalités.

Prudence

Il faut reconnaître que d’autres facteurs peuvent influencer les délais : saisonnalité, profil des clients, contexte économique.

L’intérêt scientifique repose donc aussi sur la lucidité méthodologique.

4. Les méthodes mixtes

4.1. Définition

Les méthodes mixtes combinent, dans une même recherche, des données qualitatives et des données quantitatives afin d’obtenir une compréhension plus complète du phénomène étudié.

Elles reposent sur l’idée qu’aucune méthode ne suffit toujours à elle seule.

4.2. Pourquoi recourir à une méthode mixte ?

Une méthode mixte est utile lorsque la problématique exige à la fois :

• de comprendre les mécanismes, les perceptions, les freins ;
• et de mesurer l’ampleur, la fréquence ou la distribution d’un phénomène.

Exemple :

• des entretiens permettent d’identifier les causes possibles d’un rejet d’outil ;
• un questionnaire permet ensuite de mesurer l’importance respective de ces causes dans la population concernée.

4.3. La triangulation

La triangulation consiste à croiser plusieurs sources, méthodes ou points de vue afin de renforcer la robustesse des résultats.

Elle peut prendre plusieurs formes, mais dans le cadre de cette leçon, l’idée essentielle est la suivante : on confronte plusieurs types de données pour mieux valider ou nuancer l’analyse.

Exemple de triangulation :

• entretiens avec des managers ;
• questionnaire auprès des collaborateurs ;
• analyse d’archives internes.

Si les trois convergent, la conclusion gagne en crédibilité. S’ils divergent, cela ouvre une analyse plus fine.

4.4. Principales logiques de combinaison

A. Séquentielle exploratoire

On commence par du qualitatif, puis on poursuit par du quantitatif.

Pourquoi ? Parce qu’on veut d’abord identifier les dimensions du problème avant de les mesurer.

Exemple :

1. entretiens exploratoires sur les difficultés d’usage d’un ERP ;
2. construction d’un questionnaire à partir des thèmes ressortis ;
3. diffusion du questionnaire à un plus grand nombre.

B. Séquentielle explicative

On commence par du quantitatif, puis on ajoute du qualitatif.

Pourquoi ? Parce qu’on veut expliquer des résultats chiffrés inattendus ou ambigus.

Exemple :

1. questionnaire sur la satisfaction des utilisateurs ;
2. entretiens ciblés pour comprendre pourquoi certains services sont très insatisfaits.

C. Convergente

Les deux volets sont menés en parallèle, puis rapprochés.

Exemple :

• questionnaire diffusé aux équipes ;
• entretiens menés avec les responsables ;
• confrontation des résultats en phase d’analyse.

4.5. Avantages des méthodes mixtes

• Elles donnent une vision plus riche du phénomène.
• Elles permettent de croiser profondeur et étendue.
• Elles renforcent la crédibilité des conclusions.
• Elles sont souvent très adaptées aux problématiques professionnelles complexes.

4.6. Limites des méthodes mixtes

• Elles sont plus exigeantes en temps.
• Elles supposent de maîtriser deux logiques méthodologiques.
• Elles peuvent produire beaucoup de données difficiles à articuler.
• Le risque est d’additionner des méthodes sans véritable cohérence.

Une méthode mixte n’est pas une juxtaposition. Elle doit répondre à une stratégie de recherche explicitée.

4.7. Exemple d’application

Sujet

Comprendre les conditions de réussite d’un projet de dématérialisation des factures fournisseurs.

Dispositif mixte

• Entretiens avec les acteurs clés pour identifier les freins et leviers ;
• Questionnaire auprès des utilisateurs pour mesurer la perception des difficultés ;
• Archives internes pour comparer les délais de traitement avant/après.

Apport

Le qualitatif explique, le quantitatif mesure, les données secondaires objectivent.

5. Les données secondaires

5.1. Définition

Les données secondaires sont des données déjà existantes, produites antérieurement à la recherche et initialement pour un autre objectif que celui du mémoire.

Elles se distinguent des données primaires, collectées directement par le chercheur pour son étude.

5.2. Pourquoi les données secondaires sont-elles importantes en mémoire professionnel ?

Dans un mémoire DSCG, elles sont souvent décisives, car le candidat travaille dans ou avec une organisation qui possède déjà une masse documentaire importante.

Elles permettent de :

• comprendre le contexte ;
• retracer une évolution ;
• objectiver un dysfonctionnement ;
• compléter une collecte primaire ;
• gagner du temps ;
• accéder à des informations impossibles à produire soi-même.

5.3. Les principales catégories de données secondaires

A. Les bases de données

Une base de données est un ensemble structuré d’informations exploitables pour l’analyse.

Dans un contexte professionnel, il peut s’agir de :

• données comptables ;
• données RH ;
• données commerciales ;
• données de production ;
• historiques d’incidents ;
• tableaux de bord existants.

B. Les archives

Les archives regroupent les documents conservés par l’organisation ou par des institutions :

• comptes rendus ;
• procédures ;
• rapports d’audit ;
• notes internes ;
• documents budgétaires ;
• historiques de projet ;
• correspondances professionnelles.

C. La documentation générale

La documentation générale comprend les ressources documentaires utiles à la compréhension et à l’analyse du sujet :

• rapports institutionnels ;
• publications professionnelles ;
• textes réglementaires ;
• doctrine ;
• études sectorielles ;
• documentation interne de l’entreprise.

5.4. Comment exploiter des données secondaires ?

1. Identifier les sources pertinentes

Il faut d’abord repérer quelles sources existent réellement et lesquelles sont utiles à la problématique.

Exemple : pour un mémoire sur le contrôle interne, les sources pertinentes peuvent être :

• cartographies des processus ;
• rapports d’audit interne ;
• historiques d’anomalies ;
• procédures ;
• indicateurs de conformité.

2. Vérifier l’accessibilité

Toutes les données existantes ne sont pas librement accessibles. Il faut tenir compte :

• de la confidentialité ;
• du secret professionnel ;
• de l’autorisation de l’organisation ;
• de l’anonymisation éventuelle.

3. Évaluer la qualité des données

Une donnée secondaire n’est pas automatiquement fiable. Il faut examiner :

• qui l’a produite ;
• dans quel but ;
• à quelle date ;
• selon quelle méthode ;
• avec quel niveau d’exhaustivité.

4. Trier et sélectionner

Le chercheur doit éviter l’accumulation documentaire. Il faut sélectionner ce qui répond réellement à la problématique.

5. Analyser

L’analyse dépend du type de document :

• extraction de tendances chiffrées ;
• comparaison dans le temps ;
• lecture critique de rapports ;
• repérage de récurrences ;
• confrontation avec des données primaires.

5.5. Avantages des données secondaires

• Elles sont souvent rapidement disponibles.
• Elles permettent une analyse longitudinale si l’historique existe.
• Elles réduisent la charge de collecte primaire.
• Elles apportent une forte contextualisation.
• Elles peuvent objectiver des phénomènes mieux que des déclarations.

5.6. Limites des données secondaires

• Elles n’ont pas été produites pour la problématique du mémoire.
• Elles peuvent être incomplètes ou hétérogènes.
• Leur qualité méthodologique n’est pas toujours connue.
• Certaines données sont biaisées par leur finalité initiale.
• L’accès peut être limité.
• Leur interprétation exige un recul critique important.

5.7. Exemple d’application

Sujet

Évaluer l’efficacité d’un dispositif de contrôle des notes de frais.

Données secondaires mobilisables

• historique des anomalies détectées ;
• procédures internes ;
• rapports de contrôle ;
• tableaux de suivi ;
• documentation réglementaire interne.

Intérêt

Avant même de lancer un questionnaire ou des entretiens, ces données permettent de qualifier le problème : fréquence, nature, évolution, services concernés.

6. Choisir entre méthodologie quantitative, mixte et données secondaires

6.1. Le bon critère : l’adéquation à la problématique

Le choix d’une méthodologie ne doit pas être guidé par la mode ou par la seule facilité technique. Il doit être justifié par l’adéquation avec la problématique.

Quelques repères

Le questionnaire est adapté si…

• vous cherchez à mesurer ;
• vous avez accès à un nombre suffisant de répondants ;
• les variables sont identifiables ;
• la standardisation est possible.

L’expérimentation est adaptée si…

• vous cherchez à tester l’effet d’un dispositif ;
• un protocole est envisageable ;
• les conditions d’observation sont relativement maîtrisables.

La méthode mixte est adaptée si…

• le phénomène est complexe ;
• vous devez à la fois comprendre et mesurer ;
• une triangulation apporte une vraie valeur ajoutée.

Les données secondaires sont adaptées si…

• l’organisation dispose déjà d’informations riches ;
• vous devez contextualiser, objectiver ou historiciser ;
• la collecte primaire seule serait insuffisante.

6.2. Exemples de choix méthodologiques

Cas 1 : sujet très opérationnel

Sujet : perception d’un nouvel outil de clôture comptable.

Méthodologie pertinente : questionnaire, éventuellement complété par quelques entretiens.

Cas 2 : sujet d’évaluation d’impact

Sujet : effet d’une procédure de validation sur le taux d’erreur.

Méthodologie pertinente : quasi-expérimentation + données secondaires.

Cas 3 : sujet complexe de transformation

Sujet : conditions de réussite d’un projet SI transversal.

Méthodologie pertinente : méthode mixte avec triangulation.

Cas 4 : sujet fortement documenté

Sujet : évolution du contrôle interne sur trois ans.

Méthodologie pertinente : exploitation d’archives et de bases internes, éventuellement complétée par des entretiens.

7. Les outils méthodologiques à mobiliser

Le programme exige de mobiliser les outils méthodologiques pertinents pour résoudre la problématique formulée. Cela signifie qu’il ne suffit pas de nommer une méthode : il faut savoir l’outiller.

7.1. Outils pour l’enquête par questionnaire

• plan de variables ;
• grille de correspondance entre hypothèses et questions ;
• questionnaire structuré ;
• pré-test ;
• tableau de codage ;
• tableau de résultats.

7.2. Outils pour l’expérimentation

• protocole d’expérimentation ;
• définition des variables ;
• calendrier d’observation ;
• critères de comparaison ;
• tableau de suivi des résultats.

7.3. Outils pour les méthodes mixtes

• schéma d’articulation des phases ;
• matrice de triangulation ;
• tableau de convergence/divergence des résultats ;
• chronologie de collecte.

7.4. Outils pour les données secondaires

• inventaire des sources ;
• fiche d’évaluation de la fiabilité d’une source ;
• grille d’extraction des données ;
• tableau de synthèse documentaire ;
• chronologie des documents.

8. Guide pas à pas : construire une méthodologie défendable dans un mémoire DSCG

Étape 1 : repartir de la problématique

Demandez-vous :

• veux-je comprendre, mesurer, tester, comparer, ou combiner plusieurs objectifs ?

Étape 2 : identifier les données disponibles

• ai-je accès à des personnes ?
• ai-je accès à des documents ?
• ai-je accès à une base de données ?
• puis-je observer une évolution dans le temps ?

Étape 3 : choisir la logique principale

• quantitative ;
• mixte ;
• documentaire fondée sur données secondaires ;
• ou combinaison raisonnée.

Étape 4 : justifier le choix

Votre justification doit répondre à trois questions :

1. Pourquoi cette méthode est-elle adaptée à la problématique ?
2. Quels sont ses avantages dans ce contexte ?
3. Quelles en sont les limites, et comment les maîtriser ?

Étape 5 : préciser les outils de collecte et d’analyse

Il faut indiquer concrètement :

• qui sera interrogé ou observé ;
• quels documents seront exploités ;
• comment les données seront traitées ;
• quelles précautions seront prises.

Étape 6 : reconnaître les limites

Une méthodologie crédible n’est pas une méthodologie prétendument parfaite. Il faut expliciter :

• les biais possibles ;
• les contraintes d’accès ;
• la portée réelle des résultats.

9. Erreurs fréquentes à éviter

9.1. Choisir un questionnaire sans réelle population accessible

Un questionnaire n’a de sens que si vous pouvez obtenir un nombre de réponses exploitable.

9.2. Confondre quantité de données et qualité méthodologique

Beaucoup de réponses mal construites valent moins que peu de données bien ciblées.

9.3. Utiliser des données secondaires sans critique

Une archive interne n’est pas neutre par nature. Il faut toujours interroger son origine et sa finalité.

9.4. Additionner les méthodes sans articulation

Faire « un peu de tout » n’est pas une méthode mixte. Il faut une logique d’ensemble.

9.5. Oublier les limites

Toute méthode a des limites. Les ignorer affaiblit le mémoire.

10. Exemple de formulation méthodologique dans un mémoire

Voici un exemple de formulation sobre et rigoureuse :

La problématique conduit à retenir une méthodologie mixte. Dans un premier temps, des données secondaires internes ont été exploitées afin d’objectiver l’évolution des anomalies de traitement sur trois exercices. Dans un second temps, une enquête par questionnaire a été administrée aux utilisateurs du processus afin de mesurer leur perception des causes de ces anomalies. Ce choix méthodologique permet de croiser des données factuelles et des données déclaratives. Il présente toutefois certaines limites, notamment liées au taux de réponse et au fait que les données internes ont été initialement produites à des fins de gestion et non de recherche.

Cette rédaction montre quatre qualités attendues :

• cohérence ;
• justification ;
• explicitation des outils ;
• reconnaissance des limites.

Mémo de synthèse

Notions clés

• Méthode quantitative : méthode fondée sur des données chiffrées et standardisées.
• Enquête par questionnaire : collecte standardisée auprès d’un ensemble de répondants.
• Expérimentation : méthode visant à observer l’effet d’une variable sur une autre.
• Méthode mixte : combinaison raisonnée de données qualitatives et quantitatives.
• Triangulation : croisement de plusieurs sources ou méthodes pour renforcer l’analyse.
• Données secondaires : données déjà existantes, produites avant la recherche.
• Base de données : ensemble structuré d’informations exploitables.
• Archives : documents conservés par une organisation ou une institution.
• Documentation générale : ensemble de ressources documentaires utiles à l’analyse du sujet.

Avantages / limites en un coup d’œil

Questionnaire

• Avantages : mesure, comparaison, standardisation.
• Limites : déclaratif, simplification, taux de réponse.

Expérimentation

• Avantages : test d’effet, logique causale.
• Limites : protocole difficile, contrôle imparfait.

Méthodes mixtes

• Avantages : richesse, triangulation, robustesse.
• Limites : lourdeur, articulation complexe.

Données secondaires

• Avantages : disponibilité, contextualisation, historicité.
• Limites : qualité variable, données non produites pour la recherche.

Points à retenir

1. Initier une recherche en sciences de gestion suppose de choisir une méthodologie cohérente avec la problématique.
2. Mobiliser une méthodologie de recherche adaptée signifie justifier le choix entre quantitatif, mixte et données secondaires selon le type de question posée.
3. Il faut identifier les méthodes utilisables : enquête par questionnaire, expérimentation, méthodes mixtes, exploitation de bases de données, archives et documentation générale.
4. Une bonne démarche consiste à identifier les limites et les avantages de la méthodologie choisie sans les dissimuler.
5. Enfin, il faut mobiliser les outils méthodologiques pertinents : questionnaire, protocole, matrice de triangulation, grille d’analyse documentaire, tableaux de synthèse.

La qualité d’un mémoire professionnel ne repose pas sur une méthode spectaculaire, mais sur une méthode adaptée, explicitée, maîtrisée et honnêtement discutée.