Calcul l’écart interquartile Excel
Calculez rapidement Q1, la médiane, Q3 et l’écart interquartile à partir de vos données. Cet outil reproduit la logique des fonctions Excel les plus utilisées et vous aide à interpréter la dispersion centrale de votre série statistique.
Guide expert : comment faire le calcul de l’écart interquartile dans Excel
Le calcul de l’écart interquartile dans Excel est une méthode fondamentale pour mesurer la dispersion d’un jeu de données sans se laisser trop influencer par les valeurs extrêmes. En analyse descriptive, l’écart interquartile, souvent noté IQR pour Interquartile Range, représente la distance entre le troisième quartile Q3 et le premier quartile Q1. Autrement dit, il décrit l’étendue de la moitié centrale des observations. Cette approche est très utile en finance, en qualité, en ressources humaines, en santé publique, en recherche académique et dans toutes les situations où l’on veut comprendre la variabilité réelle d’une série.
Dans Excel, plusieurs fonctions permettent d’obtenir les quartiles, notamment QUARTILE.INC, QUARTILE.EXC, PERCENTILE.INC et PERCENTILE.EXC. Le choix de la fonction dépend de la convention statistique utilisée dans votre entreprise, votre établissement ou votre discipline. C’est précisément pour cela qu’un bon calculateur doit non seulement donner un résultat, mais aussi rappeler la méthode employée. Une différence de convention peut produire des quartiles légèrement distincts, surtout sur les petits échantillons.
Définition simple de l’écart interquartile
L’écart interquartile se calcule avec la formule suivante :
IQR = Q3 – Q1
Q1 correspond au 25e percentile, c’est-à-dire la valeur sous laquelle se trouvent environ 25 % des données. Q3 correspond au 75e percentile. Entre Q1 et Q3, on retrouve environ 50 % des observations centrales. Cette mesure est considérée comme robuste, car elle est moins sensible aux valeurs aberrantes que l’étendue totale ou même l’écart-type dans certains contextes.
Pourquoi utiliser Excel pour ce calcul
Excel reste l’un des environnements les plus utilisés pour l’analyse de données opérationnelles. Il permet de :
- calculer rapidement les quartiles sur de petites et moyennes séries ;
- mettre à jour automatiquement les résultats si les données changent ;
- combiner l’IQR avec des graphiques, des tableaux croisés et des tableaux de bord ;
- détecter visuellement les données atypiques ;
- partager facilement le travail avec des collègues non spécialistes.
Lorsque vous utilisez Excel pour le calcul de l’écart interquartile, vous travaillez le plus souvent sur des séries brutes comme des prix, des salaires, des temps de livraison, des notes d’examen ou des mesures biologiques. Le principal avantage de l’IQR dans ces cas est qu’il met l’accent sur le noyau central de la distribution.
Les formules Excel à connaître
1. QUARTILE.INC
La fonction QUARTILE.INC(plage; quart) inclut les bornes extrêmes dans le calcul. Pour obtenir Q1, on écrit :
=QUARTILE.INC(A1:A10;1)
Pour Q3 :
=QUARTILE.INC(A1:A10;3)
Ensuite, l’écart interquartile s’obtient par :
=QUARTILE.INC(A1:A10;3)-QUARTILE.INC(A1:A10;1)
2. QUARTILE.EXC
La fonction QUARTILE.EXC(plage; quart) exclut certaines bornes selon une interpolation différente. Elle est souvent utilisée dans les environnements qui préfèrent une définition plus stricte des quantiles :
=QUARTILE.EXC(A1:A10;1) pour Q1, puis =QUARTILE.EXC(A1:A10;3) pour Q3.
3. PERCENTILE.INC et PERCENTILE.EXC
Vous pouvez aussi calculer l’IQR avec les percentiles. Par exemple :
=PERCENTILE.INC(A1:A10;0,75)-PERCENTILE.INC(A1:A10;0,25)
Cette écriture est parfois préférable si vous travaillez dans un cadre plus large de statistiques de position.
Exemple concret de calcul dans Excel
Prenons la série suivante représentant des temps de traitement en minutes : 12, 14, 15, 18, 21, 24, 28, 30, 31, 35. Dans Excel, si ces valeurs sont placées de A1 à A10, vous pouvez obtenir :
- Q1 avec =QUARTILE.INC(A1:A10;1)
- Q3 avec =QUARTILE.INC(A1:A10;3)
- IQR avec =QUARTILE.INC(A1:A10;3)-QUARTILE.INC(A1:A10;1)
Supposons que le calcul renvoie Q1 = 15,75 et Q3 = 29,50. L’écart interquartile vaut alors 13,75. Cela signifie que la moitié centrale des temps de traitement s’étend sur 13,75 minutes. Si vous comparez cette mesure à une autre équipe ou à un autre mois, vous pouvez immédiatement évaluer laquelle présente la dispersion opérationnelle la plus forte.
Interprétation statistique de l’écart interquartile
L’IQR ne se contente pas de donner un nombre. Il aide à comprendre le comportement de la distribution :
- IQR faible : les observations centrales sont regroupées. Le processus semble relativement stable.
- IQR élevé : les données centrales sont plus dispersées. Il peut exister des sous-groupes, des variations de procédure ou des facteurs externes.
- IQR combiné à la médiane : vous obtenez une vision à la fois du centre et de la variabilité robuste.
On utilise aussi l’écart interquartile pour identifier des valeurs atypiques. Une règle courante consiste à définir les bornes suivantes :
- Borne basse = Q1 – 1,5 × IQR
- Borne haute = Q3 + 1,5 × IQR
Toute valeur située au-delà de ces bornes peut être examinée comme potentiellement atypique. Ce n’est pas une preuve automatique d’erreur, mais un signal d’analyse utile.
Comparaison de méthodes de quartiles
| Méthode | Fonction Excel | Principe | Usage typique |
|---|---|---|---|
| Inclusive | QUARTILE.INC | Inclut les bornes et utilise une interpolation compatible avec le percentile inclusif | Tableaux de bord, analyses métier, compatibilité large avec des classeurs existants |
| Exclusive | QUARTILE.EXC | Exclut certaines bornes dans le calcul des percentiles | Analyses formelles, conventions statistiques spécifiques |
| Médiane des moitiés | Pas de fonction unique native | Calcule Q1 et Q3 comme médianes des sous-ensembles inférieur et supérieur | Enseignement, boxplots manuels, statistique descriptive classique |
Données réelles : dispersion observée dans deux contextes
Pour comprendre l’intérêt de l’IQR, il est utile de comparer des données réelles ou réalistes. Dans le tableau ci-dessous, les statistiques sont basées sur des distributions de temps de trajet et de scores standardisés dans des contextes largement étudiés par les institutions publiques et universitaires. Les valeurs sont présentées à titre illustratif pour montrer comment l’IQR change la lecture de la dispersion.
| Jeu de données | Médiane | Q1 | Q3 | IQR | Lecture pratique |
|---|---|---|---|---|---|
| Temps de trajet domicile-travail urbain, en minutes | 27 | 18 | 39 | 21 | La moitié centrale des trajets s’étale sur 21 minutes, signe d’une forte hétérogénéité selon l’heure, le mode de transport et la distance. |
| Scores à un test académique standardisé sur 100 | 74 | 66 | 82 | 16 | La dispersion centrale reste modérée, ce qui suggère un groupe relativement homogène dans sa performance moyenne. |
Étapes détaillées pour faire le calcul dans une feuille Excel
- Placez vos données dans une seule colonne, sans texte parasite.
- Vérifiez qu’Excel reconnaît bien les valeurs comme des nombres.
- Choisissez la méthode de quartile adaptée à votre contexte.
- Calculez Q1 et Q3 avec la fonction appropriée.
- Soustrayez Q1 à Q3 pour obtenir l’IQR.
- Ajoutez si besoin les bornes d’anomalies avec la règle de 1,5 × IQR.
- Construisez un boxplot ou un graphique de synthèse pour communiquer les résultats.
Exemple de formules complémentaires
- Minimum : =MIN(A1:A100)
- Médiane : =MEDIANE(A1:A100)
- Maximum : =MAX(A1:A100)
- Borne basse : =QUARTILE.INC(A1:A100;1)-1,5*(QUARTILE.INC(A1:A100;3)-QUARTILE.INC(A1:A100;1))
- Borne haute : =QUARTILE.INC(A1:A100;3)+1,5*(QUARTILE.INC(A1:A100;3)-QUARTILE.INC(A1:A100;1))
Erreurs fréquentes à éviter
Dans la pratique, plusieurs erreurs reviennent souvent lors du calcul de l’écart interquartile dans Excel :
- mélanger des cellules vides, des textes et des nombres dans la même plage ;
- comparer deux IQR calculés avec des méthodes différentes ;
- oublier de trier conceptuellement les données lorsqu’on interprète les quartiles ;
- confondre IQR et étendue totale ;
- interpréter automatiquement toute valeur hors des bornes comme une erreur de saisie.
Il faut également garder en tête que l’IQR n’est pas un indicateur complet à lui seul. Dans un tableau de bord de qualité statistique, il gagne à être accompagné de la médiane, du minimum, du maximum, du nombre d’observations et parfois de l’écart-type. Ensemble, ces mesures donnent une vision beaucoup plus robuste du comportement des données.
Quand privilégier l’écart interquartile plutôt que l’écart-type
L’écart-type est très utile, mais il suppose souvent une lecture plus sensible aux valeurs extrêmes. Si vos données sont asymétriques, si elles contiennent quelques observations très élevées ou très faibles, ou si vous travaillez sur des séries socio-économiques, médicales ou logistiques, l’IQR est souvent plus parlant. Il répond à une question simple : quelle est l’étendue de la moitié centrale des données ? Cette approche est particulièrement pertinente lorsqu’on veut décrire une distribution non normale.
Sources utiles et références institutionnelles
Pour approfondir la compréhension des quartiles, des percentiles et de l’analyse descriptive, vous pouvez consulter ces ressources de référence :
- U.S. Census Bureau (.gov) – définitions statistiques utiles
- NIST (.gov) – percentiles, quartiles et méthodes descriptives
- University-level statistical explanation (.edu or academic-style educational resource when available through institutions)
Conclusion
Le calcul de l’écart interquartile dans Excel est l’un des meilleurs moyens d’évaluer la dispersion centrale d’une série de données de façon robuste, claire et exploitable. Que vous utilisiez QUARTILE.INC, QUARTILE.EXC ou une méthode de médiane des moitiés, l’essentiel est de rester cohérent, de documenter votre approche et d’interpréter le résultat dans le contexte métier ou scientifique approprié. Utilisez le calculateur ci-dessus pour obtenir instantanément Q1, Q3, la médiane, l’IQR et les bornes d’anomalies, puis comparez ces résultats avec vos formules Excel afin de fiabiliser vos analyses.