Logiciel statistique pour un mémoire 2026 : SPSS, R ou jamovi — comment choisir

Les données sont récoltées, le fichier est propre — et il faut maintenant choisir avec quoi les analyser. La réponse spontanée est «SPSS, comme au cours de méthodes». Ce n’est pas forcément la mauvaise, mais elle mérite trente minutes de réflexion, parce que ce choix conditionne votre calendrier, la reproductibilité de vos résultats et ce que vous pourrez encore faire après l’obtention de votre diplôme.

Les six candidats

• SPSS. La référence historique en sciences sociales et en santé. Interface à menus, tout se fait à la souris, la syntaxe reste optionnelle. Payant, mais souvent disponible via une licence de votre haute école.
• jamovi. Gratuit et libre, construit sur R mais piloté par une interface qui ressemble beaucoup à celle de SPSS. Les tableaux de sortie respectent d’emblée les conventions APA, ce qui fait gagner un temps considérable au moment de la rédaction.
• JASP. Gratuit également, philosophie proche de jamovi, avec un accent marqué sur les analyses bayésiennes. Excellent si votre encadrement s’y intéresse.
• R avec RStudio. Gratuit, libre, extrêmement puissant. Tout passe par du code. Courbe d’apprentissage réelle, mais c’est l’outil standard de la recherche académique actuelle.
• Stata. Très implanté en économie, en économétrie et en épidémiologie. Payant. À choisir uniquement si c’est l’outil de votre laboratoire.
• Excel. Parfait pour saisir et nettoyer des données, insuffisant pour l’inférentiel. Les fonctions statistiques existent, mais les sorties ne sont pas exploitables telles quelles et plusieurs procédures manquent.

Python mérite une mention à part : avec pandas et statsmodels, il fait tout ce que font les autres. Il n’a de sens que si vous programmez déjà — apprendre Python pour un mémoire de bachelor n’est pas un bon investissement de temps.

Le tableau comparatif

Une précision sur la colonne «sorties APA» : jamovi et JASP produisent des tableaux déjà mis en forme selon les conventions — nombres avec le bon nombre de décimales, valeurs de p correctement notées, symboles en italique. Avec SPSS, il faut systématiquement retaper les valeurs dans un tableau propre. Sur un mémoire comportant huit ou dix tableaux, cela représente facilement une journée de travail.

Le critère qu’on oublie

Les licences que votre haute école met à disposition sont des licences campus : elles cessent de fonctionner lorsque votre immatriculation prend fin. Concrètement, cela veut dire trois choses.

Pendant le mémoire, vérifiez la date exacte d’expiration. Si votre statut d’étudiante s’éteint à la fin du semestre et que vous rendez en septembre, vous pouvez perdre l’accès à votre logiciel au moment où vous en avez le plus besoin. Il arrive aussi que la licence exige une reconnexion périodique au réseau de l’institution.

Après le diplôme, si vous voulez tirer un article de votre mémoire, refaire une analyse à la demande d’une relectrice ou simplement rouvrir votre fichier, vous n’aurez plus rien. Un fichier .sav reste lisible par jamovi et par R, mais votre fichier de syntaxe SPSS ne servira plus à grand-chose.

Sur votre matériel personnel, l’installation passe souvent par un VPN ou un serveur de licences. Testez la procédure la première semaine, pas la veille de la première analyse.

C’est l’argument le plus solide en faveur de jamovi et de R : ils continueront de fonctionner dans cinq ans, sur n’importe quelle machine, sans démarche administrative.

Choisir selon votre situation

• Analyses classiques, délai serré, pas d’expérience de programmation. jamovi. Vous serez opérationnelle en une demi-journée, et les tableaux sortiront prêts à coller.
• Votre encadrement travaille avec SPSS et relira vos sorties. SPSS. Parler la même langue que la personne qui vous corrige vaut plus que n’importe quel avantage technique.
• Vous envisagez un doctorat ou une publication. R. L’investissement de départ se rentabilise dès le deuxième projet, et c’est l’outil que vous retrouverez partout.
• Analyses inhabituelles — modèles multiniveaux, équations structurelles, méta-analyse, graphiques sur mesure. R, sans hésitation : les autres outils atteignent vite leurs limites.
• Économie, finance, économétrie. Stata si votre institut le fournit, R sinon.
• Vous hésitez encore. Installez jamovi, il est gratuit et l’installation prend cinq minutes. Refaites-y une analyse que vous connaissez déjà et comparez les résultats.

Un dernier critère, souvent décisif : demandez à votre encadrement lors du premier entretien. Une personne qui connaît bien un outil peut vous débloquer en dix minutes sur un problème qui vous coûterait sinon deux jours. Notez au passage que les attentes en matière d’analyse quantitative ne sont pas identiques partout — l’article comparant le mémoire de bachelor HES et le mémoire de master universitaire détaille ces différences.

Combien de temps pour apprendre

Des ordres de grandeur réalistes, pour quelqu’un qui a suivi un cours de statistiques mais n’a jamais utilisé l’outil :

Ces durées supposent que vous savez déjà quel test appliquer. Si ce n’est pas le cas, le temps réel se joue ailleurs : c’est la décision méthodologique qui coûte, pas le logiciel. Le choix entre approches paramétrique et non paramétrique, par exemple, se pose indépendamment de l’outil — voyez à ce sujet l’article sur le test paramétrique ou non paramétrique.

Petit conseil de calendrier : intégrez ce temps d’apprentissage explicitement à votre planning, comme une tâche à part entière. La plupart des retards en phase d’analyse viennent de là — l’article sur la façon de rédiger son mémoire en travaillant montre comment loger ce genre de bloc dans un calendrier déjà chargé.

La reproductibilité

Voici l’argument qui devrait peser le plus lourd, et qui pèse presque toujours le moins.

Imaginez la situation suivante : deux semaines avant le rendu, vous vous apercevez qu’un critère d’exclusion doit changer. Trois participantes doivent sortir de l’échantillon. Si vous avez tout fait à la souris, il faut refaire chaque analyse à la main, dans le bon ordre, sans en oublier une — comptez une journée entière et un vrai risque d’incohérence. Si vous avez un script, vous modifiez une ligne et vous relancez : dix minutes.

Conséquences pratiques :

• Sous SPSS, cliquez sur «Coller» plutôt que sur «OK» dans chaque boîte de dialogue. La commande part dans la fenêtre de syntaxe au lieu d’être exécutée directement. Vous obtenez gratuitement un script complet.
• Sous jamovi, le fichier de projet conserve l’ensemble des analyses ; il suffit de remplacer les données et tout se recalcule.
• Sous R, c’est le fonctionnement par défaut. Votre script est votre méthode.
• Ne modifiez jamais le fichier de données brutes. Toutes les transformations passent par le script, à partir d’une copie intacte.

Cette exigence rejoint celle qui s’applique à la documentation de vos sources et de votre bibliographie : ce qui n’est pas tracé ne peut pas être vérifié. Pour la partie bibliographique, l’article sur le gestionnaire bibliographique en Suisse romande détaille les outils disponibles.

Erreurs fréquentes

1. Changer d’outil en cours de route. Chaque logiciel a ses conventions de codage des valeurs manquantes et ses réglages par défaut. Migrer un projet à mi-parcours crée plus de problèmes qu’il n’en résout.
2. Coller des captures d’écran dans le mémoire. Elles sont floues, non indexables, portent des intitulés en anglais et ne rentrent dans aucune liste des tableaux. Reportez les valeurs dans un tableau que vous construisez vous-même.
3. Faire confiance aux réglages par défaut. Les intervalles de confiance et les tailles d’effet ne sont pas cochés d’office dans plusieurs procédures. Ce sont pourtant les valeurs qu’on vous demandera.
4. Oublier de déclarer les valeurs manquantes. Un code de type −99 non déclaré est traité comme une valeur réelle et fausse toutes les moyennes.
5. Attendre la fin de la récolte pour installer le logiciel. Installez-le et testez-le sur des données fictives pendant que la récolte tourne.

Questions fréquentes