Fonction de compatibilité
Cette fonction est conservée pour assurer la compatibilité avec les anciennes versions d'Excel (Excel 2007 et antérieures). Elle reste fonctionnelle mais n'est plus recommandée pour les nouveaux classeurs.
Utilise plutôt : KHIDEUX.TEST qui offre plus de fonctionnalités et une meilleure précision.
Fonction TEST.KHIDEUX ExcelGuide Complet 2026
La fonction TEST.KHIDEUX te permet de déterminer si deux variables catégorielles sont indépendantes ou associées. En clair, elle répond à des questions comme : "Le choix d'un produit dépend-il du genre du client ?", "La satisfaction est-elle liée à la catégorie d'âge ?", ou "Le taux de guérison diffère-t-il selon le traitement reçu ?". Que tu travailles en marketing, en recherche, en santé ou en RH, TEST.KHIDEUX t'aide à valider statistiquement tes hypothèses et à prendre des décisions basées sur des preuves solides.
Syntaxe de la fonction TEST.KHIDEUX
La syntaxe de TEST.KHIDEUX est simple : tu lui donnes deux plages de données (fréquences observées et fréquences attendues), et elle te retourne une p-value qui t'indique si les variables sont statistiquement dépendantes.
=TEST.KHIDEUX(plage_réelle; plage_attendue)Comprendre chaque paramètre de la fonction TEST.KHIDEUX
plage_réelle
(obligatoire)C'est ta plage de données contenant les fréquences observées, c'est-à-dire ton tableau de contingence réel. Ce tableau croise deux variables catégorielles : par exemple, Genre (Homme/Femme) et Préférence (Produit A/Produit B). Chaque cellule contient le nombre d'observations pour cette combinaison de catégories.
Conseil : Assure-toi que tes données sont des comptages absolus, pas des pourcentages. TEST.KHIDEUX nécessite des fréquences brutes (nombre de personnes, d'événements, etc.).
plage_attendue
(obligatoire)Ta plage de fréquences attendues, c'est-à-dire ce qu'on observerait si les variables étaient totalement indépendantes. Cette plage doit avoir exactement les mêmes dimensions que ta plage réelle. Tu dois calculer ces fréquences avec la formule :(Total ligne × Total colonne) / Total généralpour chaque cellule.
Attention : Excel ne calcule pas automatiquement les fréquences attendues. Tu dois les préparer toi-même dans un tableau séparé. C'est l'étape la plus importante pour utiliser correctement TEST.KHIDEUX.
Comment interpréter le résultat ?
TEST.KHIDEUX te retourne une p-value, un nombre entre 0 et 1. Plus cette valeur est petite, plus il est probable que les variables soient réellement dépendantes.
p-value ≥ 0,05
Pas d'association significative détectée. Tu peux considérer que les deux variables sont indépendantes. Les différences observées peuvent raisonnablement être attribuées au hasard de l'échantillonnage.
p-value inférieure à 0,05
Les variables sont significativement dépendantes. Il y a une association statistiquement prouvée entre elles. Plus la p-value est proche de zéro, plus l'association est forte.
Astuce : Le seuil de 0,05 (5%) est une convention statistique standard. En recherche médicale, on utilise parfois 0,01 (1%) pour être plus prudent. En marketing ou RH, 0,05 est généralement suffisant.
Exemples pratiques pas à pas
Exemple 1 – Responsable marketing : préférence produit selon le genre
Tu es responsable marketing dans une entreprise de cosmétiques. Tu veux savoir si la préférence entre deux produits dépend du genre des clients. Si c'est le cas, tu vas adapter ta stratégie de communication par segment.
p-value = 0,0187 → Association significative ! Les femmes préfèrent davantage le produit A, les hommes le produit B.
| A | B | C | |
|---|---|---|---|
| 1 | Produit A | Produit B | |
| 2 | Hommes | 45 | 55 |
| 3 | Femmes | 65 | 35 |
| 4 | |||
| 5 | Attendu : | ||
| 6 | Hommes | 55 | 45 |
| 7 | Femmes | 55 | 45 |
=TEST.KHIDEUX(B2:C3; B6:C7)Avec une p-value de 0,0187 (inférieure à 0,05), tu as la preuve statistique que le genre influence le choix du produit. Tu peux maintenant créer des campagnes ciblées : mettre en avant le produit A auprès des femmes et le produit B auprès des hommes.
Exemple 2 – Data analyst santé : efficacité d'un traitement
Tu es data analyst dans un centre de recherche médicale. Tu analyses les résultats d'une étude clinique comparant un nouveau traitement à un placebo. Le traitement améliore-t-il réellement le taux de guérison ?
p-value = 0,0003 → Association hautement significative. Le traitement améliore très significativement le taux de guérison.
| A | B | C | |
|---|---|---|---|
| 1 | Guéri | Non guéri | |
| 2 | Traitement | 78 | 22 |
| 3 | Placebo | 52 | 48 |
| 4 | |||
| 5 | Attendu : | ||
| 6 | Traitement | 65 | 35 |
| 7 | Placebo | 65 | 35 |
=TEST.KHIDEUX(B2:C3; B6:C7)La p-value de 0,0003 (bien inférieure à 0,001) te donne une preuve extrêmement solide que le traitement fonctionne. Le taux de guérison de 78% dans le groupe traité contre 52% dans le groupe placebo n'est pas dû au hasard. Tu peux recommander de poursuivre le développement de ce traitement.
Exemple 3 – Responsable RH : satisfaction selon l'ancienneté
Tu es responsable RH et tu viens de mener une enquête de satisfaction. Tu veux savoir si le niveau de satisfaction est lié à l'ancienneté des employés pour adapter tes actions d'amélioration.
p-value = 0,7845 → Pas d'association significative. La satisfaction ne varie pas selon l'ancienneté.
| A | B | C | D | |
|---|---|---|---|---|
| 1 | Satisfait | Neutre | Insatisfait | |
| 2 | Moins 1 an | 25 | 18 | 12 |
| 3 | 1-5 ans | 42 | 28 | 15 |
| 4 | Plus 5 ans | 48 | 22 | 10 |
| 5 | ||||
| 6 | Attendu : | |||
| 7 | Moins 1 an | 28,75 | 17,0 | 9,25 |
| 8 | 1-5 ans | 44,43 | 26,27 | 14,30 |
| 9 | Plus 5 ans | 41,82 | 24,73 | 13,45 |
=TEST.KHIDEUX(B2:D4; B7:D9)Avec une p-value de 0,7845 (bien supérieure à 0,05), tu constates que l'ancienneté n'influence pas la satisfaction. Les nouveaux comme les anciens ont des niveaux de satisfaction similaires. Tes actions d'amélioration peuvent donc être les mêmes pour tous les groupes.
Exemple 4 – Responsable e-commerce : conversion selon le canal
Tu es responsable e-commerce. Tu analyses tes canaux d'acquisition pour savoir si le taux de conversion (achat vs pas d'achat) dépend du canal par lequel le visiteur arrive sur ton site.
p-value = 0,0001 → Association hautement significative. Le canal d'acquisition influence très fortement le taux de conversion.
| A | B | C | |
|---|---|---|---|
| 1 | Achat | Pas d'achat | |
| 2 | SEO | 156 | 844 |
| 3 | Publicité | 98 | 402 |
| 4 | 127 | 373 | |
| 5 | Social | 89 | 411 |
| 6 | |||
| 7 | Attendu : | ||
| 8 | SEO | 188 | 812 |
| 9 | Publicité | 94 | 406 |
| 10 | 94 | 406 | |
| 11 | Social | 94 | 406 |
=TEST.KHIDEUX(B2:C5; B8:C11)La p-value proche de zéro te révèle que le canal d'acquisition a un impact majeur sur la conversion. L'email et la publicité convertissent mieux que le SEO et les réseaux sociaux. Tu peux maintenant réallouer ton budget marketing vers les canaux les plus performants.
Comment calculer les fréquences attendues ?
Les fréquences attendues représentent ce qu'on observerait si les variables étaient parfaitement indépendantes, tout en conservant les totaux de lignes et colonnes. La formule pour chaque cellule est :
Fréquence attendue = (Total de la ligne × Total de la colonne) / Total généralExemple de calcul pas à pas
Dans un tableau croisant Genre (Homme/Femme) et Préférence (Produit A/B) :
- • Ligne "Homme" : 150 personnes
- • Colonne "Produit A" : 120 personnes
- • Total général : 300 personnes
(150 × 120) / 300 = 60Les erreurs fréquentes et comment les éviter
Fréquences attendues inférieures à 5
L'erreur la plus courante : utiliser le test du chi-carré avec des fréquences attendues trop faibles. Si une ou plusieurs cellules ont une fréquence attendue inférieure à 5, le test n'est pas fiable et la p-value peut être incorrecte.
Confusion entre fréquences et pourcentages
TEST.KHIDEUX nécessite des comptages absolus (fréquences), pas des pourcentages. Si tes données sont en pourcentages, le test donnera des résultats complètement faux. Utilise toujours les effectifs bruts.
Dimensions incompatibles entre plages
La plage_réelle et la plage_attendue doivent avoir exactement les mêmes dimensions (même nombre de lignes et colonnes). Une erreur courante : inclure les totaux marginaux dans une plage mais pas dans l'autre. Sélectionne uniquement les cellules de données, sans les lignes/colonnes de totaux.
Mauvais calcul des fréquences attendues
Une erreur de calcul des attendues invalide tout le test. Vérifie toujours que : (1) la somme des attendues par ligne = somme des observées pour cette ligne, (2) la somme des attendues par colonne = somme des observées pour cette colonne.
Interprétation causale abusive
Un chi-carré significatif prouve une association statistique entre les variables, mais ne prouve PAS de relation causale. Si "formation" et "performance" sont associées, cela ne prouve pas que la formation cause l'amélioration (peut-être que les meilleurs employés choisissent de se former). Le test détecte des corrélations, pas des causalités.
Workflow : utiliser TEST.KHIDEUX en 5 étapes
Voici la méthode complète pour réaliser un test du chi-carré correctement :
Organise tes données observées
Crée un tableau de contingence avec les fréquences observées. Lignes = catégories de la variable 1, colonnes = catégories de la variable 2. Ajoute des lignes/colonnes de totaux pour faciliter les calculs.
Calcule les fréquences attendues
Pour chaque cellule, applique la formule :
=(Total_ligne * Total_colonne) / Total_généralVérifie les conditions d'application
Contrôle que TOUTES les fréquences attendues sont supérieures ou égales à 5. Si ce n'est pas le cas, regroupe des catégories ou augmente l'échantillon.
Applique TEST.KHIDEUX
Sélectionne les plages (SANS les totaux) :
=TEST.KHIDEUX(plage_observées; plage_attendues)Interprète le résultat
- • p-value inférieure à 0,05 → Variables dépendantes (associées significativement)
- • p-value ≥ 0,05 → Pas de preuve d'association significative
- • Analyse le tableau pour identifier les cellules qui contribuent le plus à l'écart
Astuce avancée : Pour identifier quelles cellules contribuent le plus à l'association, calcule les résidus standardisés : (Observé - Attendu) / √Attendu. Une valeur supérieure à 2 (en valeur absolue) indique une contribution significative.
Questions fréquentes
Quelle différence entre TEST.KHIDEUX et TEST.STUDENT ?
Ces deux fonctions répondent à des questions totalement différentes :
- TEST.KHIDEUX compare des fréquences (données catégorielles) pour tester l'indépendance
- TEST.STUDENT compare des moyennes (données quantitatives)
Utilise TEST.KHIDEUX pour des tableaux de contingence (oui/non, catégories), et TEST.STUDENT pour des mesures numériques continues.
Comment interpréter la p-value de TEST.KHIDEUX ?
Si la p-value est inférieure à 0,05, les deux variables sont statistiquement dépendantes. Si elle est supérieure ou égale à 0,05, tu ne peux pas rejeter l'hypothèse d'indépendance : les données ne prouvent pas de relation significative entre les variables. Plus la p-value est proche de zéro, plus l'association est forte.
Quelles sont les conditions pour utiliser TEST.KHIDEUX ?
Les conditions principales sont : (1) données catégorielles organisées en tableau de contingence, (2) observations indépendantes, (3) toutes les fréquences attendues supérieures ou égales à 5 (sinon le test n'est pas fiable). Si certaines fréquences attendues sont inférieures à 5, regroupe des catégories ou utilise le test exact de Fisher.
Comment calculer les fréquences attendues ?
Excel ne calcule pas automatiquement les fréquences attendues. Tu dois les calculer avec la formule : Attendu = (Total ligne × Total colonne) / Total général. Par exemple, si une ligne totalise 100, une colonne 80, et le total général est 200, la fréquence attendue pour cette cellule est (100 × 80) / 200 = 40.
Peut-on utiliser TEST.KHIDEUX pour plus de deux catégories ?
Absolument. TEST.KHIDEUX fonctionne avec des tableaux de n'importe quelle dimension (2×2, 3×4, 5×5, etc.). Il teste l'indépendance entre deux variables quel que soit le nombre de catégories de chacune. Plus le tableau est grand, plus il faut d'observations pour que toutes les fréquences attendues dépassent 5.
Les fonctions similaires à TEST.KHIDEUX
Deviens un pro d'Excel
Rejoins Le Dojo Club pour maîtriser toutes les fonctions Excel, avec des formations complètes, des lives experts et une communauté d'entraide.
Essayer pendant 30 jours