Moyenne, médiane, mode : quand chacun est la bonne mesure de tendance centrale

« Moyenne » dans le langage courant signifie généralement la moyenne arithmétique. En statistiques, c’est un mot plus flou couvrant au moins trois métriques différentes : la moyenne, la médiane et le mode. Chacune mesure « la valeur typique » dans un jeu de données, mais elles répondent à des questions différentes et divergent dramatiquement sur des données asymétriques. Ce guide explique quand chacune est le bon outil.

Les trois définitions, rapidement

• Moyenne — somme de toutes les valeurs divisée par le nombre. La valeur par défaut. Mêmes unités que les données.
• Médiane — la valeur centrale du jeu de données trié. La moitié au-dessus, la moitié en dessous.
• Mode — la valeur la plus fréquente. La seule qui fonctionne sur des données non numériques.

La divergence classique : le revenu

Revenu des ménages américains, 2023 (American Community Survey) :

• Moyenne : 111 000 $
• Médiane : 80 610 $
• Mode : environ 40 000-50 000 $ (la tranche la plus peuplée)

Trois chiffres qui répondent tous à « combien gagne un ménage américain typique ? » — et qui divergent jusqu’à un facteur de trois. La moyenne est tirée vers le haut par les 1 % les plus riches ; la médiane se situe au vrai milieu de la distribution ; le mode reflète où se trouve la plus grande tranche.

Pour les discussions politiques et les titres de presse, la médiane est presque toujours le bon chiffre — elle est robuste aux valeurs aberrantes et représente un ménage réellement atteignable.

Quand utiliser chacune

Utilisez la MOYENNE quand

• La distribution est approximativement symétrique.Tailles, scores de QI, erreurs de mesure. La moyenne et la médiane concordent étroitement ; la moyenne convient à rapporter.
• Vous devez calculer des totaux à partir de moyennes.La moyenne (× compte) donne la somme exactement. La médiane ne le fait pas. Pour la budgétisation, la comptabilité et les intégrales, la moyenne est obligatoire.
• Vous l’intégrerez dans d’autres statistiques.La variance, l’écart-type, les intervalles de confiance se construisent tous sur la moyenne.

Utilisez la MÉDIANE quand

• La distribution est asymétrique.Revenus, prix des maisons, temps de réponse, tailles de fichiers, durées d’hospitalisation, coûts de projets. La médiane est ce que les vraies personnes expérimentent ; la moyenne est ce qu’un milliardaire / un coureur de marathon exceptionnel gonfle.
• Les valeurs aberrantes sont probables et non contrôlées.Données de capteurs avec des pannes occasionnelles, nombres saisis manuellement avec des erreurs de frappe, analyses web avec du trafic de bots. La médiane les filtre automatiquement.
• Vous voulez l’« expérience typique ».Temps d’attente médian à la préfecture, temps de trajet médian, temps de réponse médian à votre service client. Ce sont des questions sur les individus typiques, pas le débit agrégé.

Utilisez le MODE quand

• Les données sont catégorielles.Couleur préférée, navigateur utilisé, pays d’origine. La moyenne et la médiane sont indéfinies pour celles-ci ; le mode est le seul résumé.
• Vous voulez le cas le plus courant.Produit le plus populaire, type d’erreur le plus courant, taille de carton UPS la plus expédiée. Le mode est la seule mesure qui répond directement à cela.
• Vous suspectez une distribution bimodale.Tailles masculines+féminines combinées, données météo chaud-froid, trafic réseau en heure de pointe/creuse. Rapporter deux modes capture la structure qu’une seule moyenne cacherait.

Le piège de la distribution asymétrique

Les articles de presse rapportent régulièrement la moyenne des revenus, le prix moyen des maisons, le temps de réponse moyen. Les trois sont des distributions asymétriques à droite ; dans les trois, la moyenne est systématiquement plus élevée que la médiane ; rapporter la moyenne surestime systématiquement le « typique ».

Test rapide : si le jeu de données a un plancher dur (zéro) et pas de plafond dur, il est probablement asymétrique à droite. Utilisez la médiane.

Comment repérer le mensonge

Trois phrases à surveiller dans les affirmations utilisant « moyenne » :

1. « L’Américain moyen gagne X $. »Si X > 90 000 $, c’est la moyenne. La médiane est ~80 k$. La moyenne est techniquement correcte mais répond à une question différente.
2. « Temps de réponse moyen : 200 ms. »Pour une API, c’est presque certainement la moyenne, que quelques requêtes lentes ont gonflée. La médiane est probablement 50-100 ms ; le p99 pourrait être 2 000 ms. La moyenne seule vous dit peu.
3. « Le X le plus populaire est... »C’est le mode. Si utilisé correctement, c’est bien ; si utilisé à la place de la moyenne ou de la médiane, c’est trompeur.

Quand rapporter les trois

La présentation honnête de données montre généralement la moyenne, la médiane et une mesure de dispersion (écart-type ou écart interquartile). La différence entre la moyenne et la médiane indique instantanément au lecteur à quel point la distribution est asymétrique.

Calculez les trois (plus les percentiles, l’écart-type et un histogramme) en un seul passage avec notre calculateur de statistiques. Pour le fond du statisticien praticien sur la variance et l’écart-type, voir écart-type expliqué.

Guide pratique : surveillance des temps de réponse

Six requêtes API ce matin mesurées en millisecondes : [42, 51, 48, 55, 47, 2 800]. La dernière est une valeur aberrante de démarrage à froid. Trois résumés :

• Moyenne : (42+51+48+55+47+2800)/6 = 507 ms.
• Médiane : triée à [42, 47, 48, 51, 55, 2800], prend la moyenne des deux valeurs centrales = 49,5 ms.
• Mode : toutes les valeurs apparaissent une fois, donc le mode est indéfini pour cet échantillon.

Rapporter uniquement la moyenne (« temps de réponse moyen : 507 ms ») convaincrait une partie prenante que l’API est cassée. Rapporter uniquement la médiane (« réponse typique : 49,5 ms ») cache le problème de démarrage à froid. Le résumé honnête est les deux chiffres plus le p99 : « médiane 50 ms, p99 ~2,8 s — rapide dans le cas courant, pics occasionnels de démarrage à froid. » C’est exploitable ; aucun des deux chiffres seul ne l’est pas.

Erreurs courantes

• Calculer la « moyenne des moyennes ». La moyenne des moyennes de trois groupes n’est pas la moyenne des données combinées à moins que les groupes ne soient de taille égale. Recalculez toujours à partir des données brutes, ou utilisez une moyenne pondérée avec les tailles de groupe comme poids.
• Rapporter la médiane sans mesure de dispersion. Deux jeux de données avec des médianes identiques peuvent avoir des formes complètement différentes. Ajoutez l’écart interquartile (Q3 − Q1) ou un résumé en quartiles.
• Appeler une distribution bimodale « la moyenne ».Une distribution combinée taille masculine+féminine a deux pics à ~168 cm et ~178 cm. La moyenne (~173 cm) ne décrit personne. Désagréger par groupe et rapporter chaque sous-population séparément.
• Utiliser le mode pour des données continues. Pour les mesures vraiment continues (tailles, poids, temps de réponse) chaque valeur est techniquement unique ; le mode est soit indéfini soit un artefact de la granularité de mesure. Utilisez un histogramme à la place.