Fonction de compatibilité. LOI.NORMALE reste disponible pour les anciens classeurs, mais Excel recommande désormais LOI.NORMALE.N pour tes nouveaux fichiers.
LOI.NORMALE (NORM.DIST en anglais) calcule la probabilité d'une distribution normale, aussi appelée courbe en cloche ou loi de Gauss. Si tu travailles dans le contrôle qualité, l'analyse statistique ou les prévisions, cette fonction est indispensable pour évaluer la probabilité qu'une mesure se trouve dans un intervalle donné.
La distribution normale est partout dans le monde réel : poids des produits en sortie de ligne, temps de réponse d'une application, notes d'une promotion, performances de vente d'une équipe. Maîtriser LOI.NORMALE te permet de quantifier l'incertitude, de calculer des taux de conformité et de faire des prédictions fondées sur des données réelles.
Syntaxe de la fonction LOI.NORMALE
=LOI.NORMALE(x; moyenne; écart_type; cumulative)LOI.NORMALE est la version héritée, présente dans toutes les versions d'Excel. Sa successeure LOI.NORMALE.N (Excel 2010+) est strictement équivalente mais recommandée dans les nouvelles feuilles. Les deux fonctions donnent exactement les mêmes résultats.
Comprendre chaque paramètre de la fonction LOI.NORMALE
Les quatre arguments se lisent dans l'ordre : la valeur que tu mesures (x), puis le centre de ta courbe (moyenne), puis sa dispersion (écart_type), et enfin cumulative qui décide du type de résultat. Aucun n'est facultatif ici, contrairement à beaucoup d'autres fonctions.
C'est ce dernier argument qui piège : mets VRAI pour une probabilité P(X ≤ x), FAUX seulement si tu traces la courbe en cloche point par point.
x
: la valeur pour laquelle tu veux calculer la probabilitéPar exemple, si tu mesures le poids de produits et que tu veux savoir quelle proportion pèse 502 g ou moins, x = 502. Ce paramètre peut être une référence de cellule comme A1 ou une valeur directe.
En contrôle qualité, x représente souvent une mesure que tu compares à tes spécifications (limite haute, limite basse, valeur cible).
moyenne
: la moyenne arithmétique de ta distributionC'est le centre de ta courbe en cloche, le point autour duquel les valeurs se concentrent. En production, c'est souvent ta valeur cible ou la moyenne historique de tes mesures.
Par exemple, si tes produits pèsent en moyenne 500 g, ta moyenne = 500. Calcule-la avec =MOYENNE() si tu pars des données brutes. La moyenne détermine où se situe le pic de ta courbe en cloche.
écart_type
: l'écart-type mesure la dispersion de tes données autour de la moyennePlus il est élevé, plus tes valeurs sont dispersées et ta courbe est aplatie. Plus il est faible, plus tes valeurs sont concentrées et ta courbe est pointue.
Ce paramètre doit être strictement positif, sinon la fonction retourne l'erreur #NOMBRE!. Calcule-le avec =ECARTYPE.PEARSON() pour un échantillon ou =ECARTYPE.STANDARD() pour une population complète.
Attention : Un écart-type nul ou négatif provoque l'erreur #NOMBRE!. Vérifie que ta plage de données n'est pas vide et que toutes les valeurs ne sont pas identiques (ce qui donnerait un écart-type nul).
cumulative
: une valeur logique qui détermine le type de calculUtilise VRAI (ou 1) pour obtenir la probabilité cumulée P(X ≤ x) : la probabilité que la valeur soit inférieure ou égale à x. C'est le cas de loin le plus courant.
Utilise FAUX (ou 0) pour obtenir la densité de probabilité, c'est-à-dire la hauteur de la courbe en cloche au point x. La densité est utile principalement pour tracer la courbe graphiquement, pas pour calculer des probabilités.
Astuce : Dans 99 % des cas pratiques, utilise VRAI. La densité (FAUX) sert uniquement à construire le graphique de la courbe en cloche point par point.
Pas envie d'écrire la formule LOI.NORMALE à la main ?
Génère-la avec notre IA
Exemples pratiques pas à pas
Responsable qualité : évaluer la conformité d'un lot de production
Tu es responsable qualité dans une usine de conditionnement. Tes sachets doivent peser 500 g avec un écart-type de 5 g. Un sachet pèse 510 g et tu veux savoir quelle proportion de la production pèse 510 g ou moins, pour évaluer si ce sachet représente un cas extrême.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Poids mesuré (g) | Moyenne (g) | Écart-type (g) | P(X ≤ 510 g) |
| 2 | 510 | 500 | 5 | 97,72 % |
=LOI.NORMALE(510; 500; 5; VRAI)Avec le dernier argument à VRAI, la fonction renvoie la probabilité cumulée P(X ≤ 510), soit 97,72 % des sachets égaux ou plus légers que 510 g ; seuls 2,28 % dépassent ce poids. Le sachet tombe pile à la limite des 2 sigma (500 + 2 × 5 = 510 g), donc rien d'alarmant tant que le dépassement reste ponctuel.
Ingénieur process : calculer le taux de rebut prévisionnel
Tu fabriques des pièces dont le diamètre doit être compris entre 48 mm et 52 mm. Ton process produit des pièces avec une moyenne de 50 mm et un écart-type de 1,2 mm. Tu veux estimer le pourcentage de pièces hors tolérance pour décider si tu dois améliorer ton process.
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Limite basse | Limite haute | Moyenne | Écart-type | Taux conformité |
| 2 | 48 | 52 | 50 | 1,2 | 90,47 % |
=LOI.NORMALE(52; 50; 1,2; VRAI) - LOI.NORMALE(48; 50; 1,2; VRAI)La formule calcule P(48 ≤ X ≤ 52) en retranchant la probabilité d'être sous 48 de celle d'être sous 52 : il reste 90,47 % de pièces conformes, donc 9,53 % de rebut prévisionnel. Pour réduire ce rebut, tu peux recentrer la moyenne sur 50 mm ou resserrer l'écart-type (à 0,8 mm, la conformité grimperait à 98,76 %).
Astuce de pro : La formule à deux LOI.NORMALE pour calculer P(a ≤ X ≤ b) est la technique de base du contrôle qualité. Mémorise-la : =LOI.NORMALE(b; moy; ét; VRAI) - LOI.NORMALE(a; moy; ét; VRAI).
Analyste commercial : identifier les performances exceptionnelles
Tu évalues les performances de ton équipe de vente. Les ventes mensuelles moyennes sont de 15 000 € avec un écart-type de 3 000 €. Un commercial réalise 22 000 € ce mois-ci. Tu veux quantifier à quel point cette performance est exceptionnelle pour décider s'il mérite une prime spéciale.
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Ventes (€) | Moyenne (€) | Écart-type (€) | P(X ≤ 22 000) | Rang |
| 2 | 22 000 | 15 000 | 3 000 | 99,01 % | Top 1 % |
=LOI.NORMALE(22000; 15000; 3000; VRAI)Ici, la fonction renvoie la part des mois où les ventes restent sous 22 000 €, soit 99,01 %. Ce commercial se situe donc dans le top 1 % des performances : un résultat statistiquement très rare (moins d'un mois sur cent) qui justifie une prime exceptionnelle.
Data analyst : vérifier le respect d'un SLA
Tu mesures les temps de réponse de ton application web. Le temps moyen est de 250 ms avec un écart-type de 40 ms. Ton SLA garantit que 95 % des requêtes doivent répondre en moins de 350 ms. Tu veux vérifier si ton système respecte cet engagement.
| A | B | C | D | E | |
|---|---|---|---|---|---|
| 1 | Seuil SLA (ms) | Moyenne (ms) | Écart-type (ms) | P(X ≤ 350 ms) | Respect SLA |
| 2 | 350 | 250 | 40 | 99,38 % | OUI |
=LOI.NORMALE(350; 250; 40; VRAI)La fonction renvoie la proportion de requêtes traitées en moins de 350 ms, soit 99,38 %. Ton SLA exige 95 % : tu le dépasses avec une marge confortable, signe que le système tient son engagement de performance même en cas de légère dégradation des temps de réponse.
Envie de t'entraîner sur de vrais exercices Excel ?
M'entraîner
Les erreurs fréquentes avec la fonction LOI.NORMALE
Tes ennuis avec LOI.NORMALE viennent presque toujours de l'écart-type ou du dernier argument. Si tu vois #NOMBRE!, c'est que ton écart-type est nul ou négatif : une distribution normale exige une dispersion strictement positive.
L'autre cas piégeux ne déclenche aucune erreur visible : un résultat minuscule du genre 0,05 au lieu d'un pourcentage proche de 100 % trahit un cumulative resté sur FAUX, qui te renvoie la hauteur de la courbe au lieu de la probabilité.
Erreur #NOMBRE! : écart-type négatif ou nul
L'écart-type doit être strictement positif. Un écart-type de 0 signifierait que toutes les valeurs sont identiques, ce qui n'a pas de sens pour une distribution normale. Un écart-type négatif est mathématiquement impossible.
Solution : Vérifie le calcul de ton écart-type avec =ECARTYPE.STANDARD(plage). Si le résultat est 0, toutes tes valeurs sont identiques (possible problème de données). Si c'est négatif, tu as une erreur dans ta formule de calcul.
Résultat de densité (0,05) au lieu d'une probabilité proche de 100 %
Le paramètre cumulative vaut FAUX au lieu de VRAI. Avec FAUX, tu obtiens la hauteur de la courbe (densité), pas la probabilité. Les densités sont de petits nombres décimaux, jamais des pourcentages proches de 100 %.
Solution : Pour calculer des probabilités (le cas standard), utilise toujours VRAI comme dernier paramètre : =LOI.NORMALE(x; moyenne; écart_type; VRAI). Réserve FAUX uniquement pour tracer la courbe en cloche graphiquement.
Probabilités légèrement fausses sur un petit échantillon
Si tu calcules l'écart-type sur un petit échantillon avec ECARTYPE.STANDARD() (qui divise par n) alors que tu devrais utiliser ECARTYPE.PEARSON() (qui divise par n-1), tes probabilités sont biaisées. La différence est significative pour n < 30.
Solution : Pour un échantillon (le cas le plus courant), utilise =ECARTYPE.PEARSON(). Pour la population complète (données exhaustives), utilise =ECARTYPE.STANDARD(). Pour n > 100, la différence devient négligeable.
Astuces avancées avec LOI.NORMALE
Calculer la probabilité entre deux valeurs
Pour trouver P(a ≤ X ≤ b), soustrais deux probabilités cumulées : =LOI.NORMALE(b; moy; ét; VRAI) - LOI.NORMALE(a; moy; ét; VRAI).
C'est la technique fondamentale du contrôle qualité pour définir des zones de tolérance et calculer des taux de conformité.
Vérifier la cohérence de tes paramètres
La probabilité cumulée à la moyenne doit toujours valoir exactement 50 %. Teste avec =LOI.NORMALE(moyenne; moyenne; écart_type; VRAI) : si tu n'obtiens pas 0,5, tu as une erreur dans tes paramètres.
C'est un test rapide de cohérence avant de construire ton analyse.
Trouver les limites de contrôle à 3 sigma
En Six Sigma, les limites de contrôle à ±3 sigma englobent 99,73 % des valeurs. Calcule-les avec =moyenne + 3*écart_type (limite haute) et =moyenne - 3*écart_type (limite basse).
Toute valeur hors de ces limites est statistiquement suspecte et mérite investigation.
LOI.NORMALE vs LOI.NORMALE.STANDARD vs LOI.NORMALE.INVERSE
Prends LOI.NORMALE quand tu pars d'une vraie valeur avec sa propre moyenne et son écart-type, comme un poids ou un temps de réponse mesuré. Si tes données sont déjà standardisées en score Z (moyenne 0, écart-type 1), LOI.NORMALE.STANDARD t'évite de retaper ces deux paramètres.
Et quand tu fais le chemin inverse — tu connais la probabilité cible et tu cherches la valeur x correspondante, par exemple le 95e percentile — c'est LOI.NORMALE.INVERSE qu'il te faut.
| Critère | LOI.NORMALE | LOI.NORMALE.STANDARD | LOI.NORMALE.INVERSE |
|---|---|---|---|
| Type de fonction | Probabilité directe | Probabilité (moyenne=0, écart-type=1) | Fonction inverse |
| Cas d'usage typique | Calculer P(X ≤ x) | Données standardisées (score Z) | Trouver x pour une probabilité cible |
| Entrée principale | Valeur x | Score Z | Probabilité (0 à 1) |
| Sortie | Probabilité | Probabilité | Valeur x |
| Paramètres requis | x, moyenne, écart-type, cumulative | z et cumulative seulement | probabilité, moyenne, écart-type |
Questions fréquentes sur la fonction LOI.NORMALE
Quelle différence entre VRAI et FAUX pour le paramètre cumulative ?
VRAI donne la probabilité cumulée P(X ≤ x), c'est-à-dire la probabilité que la valeur soit inférieure ou égale à x. FAUX donne la densité de probabilité au point x, soit la hauteur de la courbe en cloche à ce point précis.
En pratique, utilise presque toujours VRAI pour calculer des probabilités. FAUX sert uniquement à tracer la courbe graphiquement.
Comment calculer la probabilité entre deux valeurs ?
Pour calculer P(a ≤ X ≤ b), utilise la différence entre deux probabilités cumulées : =LOI.NORMALE(b; moyenne; écart_type; VRAI) - LOI.NORMALE(a; moyenne; écart_type; VRAI).
Tu calcules la probabilité d'être sous b, puis tu soustrais la probabilité d'être sous a. C'est la technique de base en contrôle qualité.
Comment calculer un intervalle de confiance à 95 % avec LOI.NORMALE ?
Utilise la formule : moyenne ± 1,96 × écart-type. Le coefficient 1,96 vient de LOI.NORMALE.INVERSE(0,975; 0; 1) (pour une loi normale standard).
Cet intervalle signifie que 95 % des valeurs se trouvent à l'intérieur. En contrôle qualité, on parle aussi de ±2 sigma comme approximation pratique.
Quand utiliser LOI.NORMALE plutôt que LOI.STUDENT ?
Utilise LOI.NORMALE quand tu connais l'écart-type de la population ou quand ton échantillon contient plus de 30 valeurs. Utilise LOI.STUDENT pour les petits échantillons (n < 30) où tu estimes l'écart-type à partir de l'échantillon.
LOI.STUDENT est plus prudente avec peu de données : elle produit des intervalles de confiance plus larges pour tenir compte de l'incertitude.
LOI.NORMALE est-elle encore utilisée ou faut-il utiliser LOI.NORMALE.N ?
LOI.NORMALE reste fonctionnelle dans toutes les versions d'Excel et donne exactement les mêmes résultats que LOI.NORMALE.N. Pour les nouvelles feuilles, LOI.NORMALE.N est préférée par convention.
Si tu travailles sur des classeurs partagés avec des versions anciennes d'Excel, LOI.NORMALE garantit une meilleure compatibilité.
Pour aller plus loin
Bloqué sur une formule Excel ?
Pose ta question à notre assistant Excel IA, il te sort la bonne formule en quelques secondes.
Essayer l'assistant IAGratuit · 10 questions par mois