Fonction COVARIANCE ExcelGuide Complet 2026 – Mesure de Variation Conjointe

C'est le premier ensemble de valeurs numériques à analyser. Ça peut être une plage de cellules comme A2:A10 contenant tes premières données. Par exemple, si tu analyses la relation entre deux actions, matrice1 pourrait contenir les rendements de l'action A.

Important : Cette plage doit contenir uniquement des valeurs numériques. Les cellules vides, le texte ou les valeurs logiques sont ignorés.

C'est le deuxième ensemble de valeurs numériques à analyser. Cette plage doit avoir exactement le même nombre de valeurs que matrice1. Si tu continues l'exemple des actions, matrice2 contiendrait les rendements de l'action B.

Contrainte : Si matrice1 et matrice2 n'ont pas le même nombre de points de données valides, Excel retournera une erreur #N/A.

Plages de tailles différentes

Si matrice1 contient 10 valeurs et matrice2 en contient 8, Excel retournera #N/A. C'est l'erreur la plus courante avec COVARIANCE.

Solution : Vérifie que tes deux plages ont exactement le même nombre de lignes. Utilise =NB(matrice1) et =NB(matrice2) pour compter les valeurs numériques dans chaque plage.

Interprétation de la valeur absolue

Une covariance de 50 n'est pas nécessairement "meilleure" qu'une de 5. L'échelle dépend complètement des unités de tes données. Comparer des covariances brutes entre différents jeux de données n'a souvent aucun sens.

Solution : Pour comparer des relations entre variables, utilise plutôt CORREL qui normalise le résultat entre -1 et +1, rendant les comparaisons pertinentes.

Données avec cellules vides ou texte

Si tes plages contiennent des cellules vides ou du texte, Excel les ignore, ce qui peut créer un décalage entre tes deux séries et fausser le calcul.

Solution : Nettoie tes données avant le calcul. Remplace les cellules vides par des valeurs (moyenne, médiane) ou supprime les lignes incomplètes des deux plages simultanément.

Confusion entre COVARIANCE.P et COVARIANCE.S

COVARIANCE.P (ou .PEARSON) est pour une population complète, tandis que COVARIANCE.S est pour un échantillon. Utiliser la mauvaise fonction fausse légèrement le résultat.

Solution : Si tu as toutes les données (ex: tous les employés de l'entreprise), utilise .P. Si tu travailles sur un échantillon représentatif (ex: 100 employés sur 10 000), utilise .S.

Quelle est la différence entre COVARIANCE.P et COVARIANCE.S ?

COVARIANCE.P (COVARIANCE.PEARSON) calcule la covariance pour une population complète, tandis que COVARIANCE.S calcule celle d'un échantillon. En pratique, si tu analyses toutes tes données (ex: tous les employés), utilise .P. Si tu travailles sur un échantillon représentatif, utilise .S.

Quelle différence entre covariance et corrélation ?

La covariance mesure comment deux variables varient ensemble, mais sans limite d'échelle. La corrélation (fonction CORREL) normalise ce résultat entre -1 et +1, ce qui facilite l'interprétation. Utilise CORREL pour comparer des relations entre différentes paires de variables.

Une covariance nulle signifie-t-elle que les variables sont indépendantes ?

Pas nécessairement. Une covariance de 0 indique qu'il n'y a pas de relation linéaire entre les variables, mais une relation non linéaire peut exister. Par exemple, si Y = X², la covariance peut être proche de 0 alors que les variables sont clairement liées.

Comment interpréter une covariance de 50 ou 500 ?

L'échelle de la covariance dépend des unités de tes données. Une covariance de 500 n'est pas forcément 10 fois plus forte qu'une de 50, car tout dépend de l'échelle des variables. C'est pour ça que la corrélation est souvent préférée : elle donne un résultat normalisé entre -1 et +1.

Puis-je utiliser COVARIANCE pour prédire des valeurs futures ?

Non, la covariance mesure uniquement la relation historique entre deux variables. Pour faire des prédictions, tu dois utiliser des fonctions de régression comme DROITEREG ou créer un modèle avec PREVISION.LINEAIRE.