Test d'équivalence apparié (Paired Equivalence Test)

Un test d'équivalence apparié détermine si deux méthodes de mesure, instruments ou procédé liés donnent des résultats assez proches pour être considérés comme pratiquement équivalents. Contrairement à un test d'hypothèse classique qui cherche des différences, ce test est conçu pour démontrer la similitude : il examine si l'écart moyen entre mesures appariées se situe dans une limite acceptable prédéfinie, appelée intervalle d'équivalence.

Dernière révision

Point clé

Un test d'équivalence apparié détermine si deux méthodes de mesure, instruments ou procédé liés donnent des résultats assez proches pour être considérés comme pratiquement équivalents.

Sur cette page
  1. Qu'est-ce que le test d'équivalence apparié ?
  2. Quand utiliser le test d'équivalence apparié ?
  3. Recommandations pour bien utiliser le test d'équivalence apparié
  4. Alternatives : quand ne pas utiliser le test d'équivalence apparié
  5. Exemple de test d'équivalence apparié
  6. Comment effectuer un test d'équivalence apparié

Qu'est-ce que le test d'équivalence apparié ?

Un test d'équivalence apparié détermine si deux méthodes de mesure, instruments ou procédé liés donnent des résultats assez proches pour être considérés comme pratiquement équivalents. Contrairement à un test d'hypothèse classique qui cherche des différences, ce test est conçu pour démontrer la similitude : il examine si l'écart moyen entre mesures appariées se situe dans une limite acceptable prédéfinie, appelée intervalle d'équivalence.

Il est le plus souvent utilisé pour la validation de méthodes, la comparaison d'instruments de laboratoire et les études de changement de procédé , lorsque l'objectif est de confirmer que passer d'une méthode à une autre ne produira pas de résultats sensiblement différents.

Définition simple :un test qui démontre que deux méthodes de mesure ou procédé appariés donnent des résultats assez proches pour être substitués sans impact notable — au lieu de chercher des différences, il démontre la similitude.

Quand utiliser le test d'équivalence apparié ?

  • Utilisez-le lorsque vous voulez confirmer que deux méthodes de mesure ou instruments appariés sont interchangeables — par exemple en comparant un nouvel instrument de laboratoire à un instrument de référence sur les mêmes échantillons.
  • Utilisez-le lorsque vous devez valider un changement de procédé et démontrer que le procédé modifié produit des résultats équivalents à ceux du procédé d'origine.
  • Utilisez-le lorsque les mêmes sujets, pièces ou échantillons sont mesurés dans les deux conditions, ce qui crée des paires naturelles dans les données.
  • Utilisez-le lorsque des normes réglementaires ou de qualité exigent une preuve formelle d'équivalence — par exemple dans les applications pharmaceutiques, de dispositifs médicaux ou de sécurité alimentaire.

Recommandations pour bien utiliser le test d'équivalence apparié

  • Définissez l' intervalle d'équivalence avant de recueillir les données — c'est l'écart maximal acceptable entre les deux méthodes ; il doit reposer sur des connaissances scientifiques ou pratiques, et non sur les données elles-mêmes.
  • Veillez à ce que les mesures soient correctement appariées — chaque observation du Groupe 1 doit correspondre directement à une observation précise du Groupe 2 (même échantillon, même sujet, même pièce).
  • Les différences entre paires doivent suivre approximativement une distribution normale pour que les résultats du test soient valides.
  • Utilisez une effectif de l'échantillon suffisant — les tests d'équivalence exigent généralement des échantillons plus grands que les tests de différence pour atteindre une puissance statistique adéquate.
  • Fixez alpha à 0.05 comme valeur par défaut standard — l'équivalence n'est conclue que lorsque les bornes de confiance supérieure et inférieure se situent toutes deux entièrement dans l'intervalle d'équivalence.

Alternatives : quand ne pas utiliser le test d'équivalence apparié

  • Si les deux échantillons sont indépendants plutôt qu'appariés, utilisez le test d'équivalence à deux échantillons
  • Si l'objectif est de détecter une différence plutôt que de démontrer la similitude, utilisez un test t apparié
  • Si les données sont non normales et les effectifs d'échantillon petits, envisagez plutôt une approche d'équivalence non paramétrique.
  • Si vous n'avez pas défini d' intervalle d'équivalence pertinent, n'utilisez pas ce test — l'intervalle est indispensable et ne peut pas être déduit des seules données.

Exemple de test d'équivalence apparié

L'ingénieur d'une société d'optique veut vérifier si une nouvelle solution de nettoyage de lentilles de contact est aussi efficace que la marque leader. Pour cela, 14 participants portent des lentilles pendant une journée ; ensuite, chaque participant nettoie une lentille avec la nouvelle solution et l'autre avec la marque leader. L'ingénieur mesure la propreté par l'angle de contact d'une goutte d'eau, un angle plus faible indiquant une lentille plus propre. Pour évaluer les performances, il réalise un test d'équivalence apparié, en considérant les solutions comme équivalentes si la différence moyenne des angles de contact se situe dans ±0.5 degré. Le test se déroule selon les étapes suivantes :

  1. Rassemblez les données nécessaires.
Paired Equivalence Test — figure 1
  1.  Analysez maintenant les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
  2.  Pour trouver Paired Equivalence Test, choisissez Statistical module> Hypothesis Test> Paired Equivalence Test.
  3.  Dans l'outil, saisissez les données ainsi que les autres entrées comme suit :
Paired Equivalence Test — figure 2

5. Après avoir utilisé l'outil ci-dessus, vous obtenez les résultats suivants :

Paired Equivalence Test — figure 3

Comment effectuer un test d'équivalence apparié

La marche à suivre est la suivante :

  1. Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
  2. Sur la page d'accueil, choisissez Statistical Tool> Hypothesis Test >Paired Equivalence Test .
  3. Ensuite, saisissez les données manuellement ou copiez-les (Ctrl+C) depuis une feuille Excel et collez-les (Ctrl+V) ici.
  4. Renseignez les options requises.
  5. Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.

Sur le tableau de bord de Paired Equivalence Test, la fenêtre est divisée en deux parties.

Paired Equivalence Test — figure 4

Dans la partie gauche se trouve le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement ou copiées (Ctrl+C) depuis une feuille Excel puis collées (Ctrl+V) ici.

Load example : des données d'exemple sont chargées.

Load File : sert à charger directement les données Excel.

Dans la partie droite se trouvent de nombreuses options, comme suit :

  • Test Samples : sélectionnez la colonne contenant les mesures de la méthode nouvelle ou alternative évaluée — par exemple les relevés d'un nouvel instrument, d'une nouvelle formulation ou d'un procédé modifié. C'est la méthode dont vous voulez démontrer l'équivalence avec la référence établie. Ce champ est obligatoire.
  • Reference Samples : sélectionnez la colonne contenant les mesures de la méthode établie ou standard à laquelle l'échantillon d'essai est comparé — par exemple les relevés de l'instrument actuel, de la formulation existante ou du procédé d'origine. Chaque observation de cette colonne doit être directement appariée à l'observation correspondante de la colonne Test Samples — c'est-à-dire que les deux mesures ont été prises sur le même sujet, échantillon ou pièce. Ce champ est obligatoire.
  • Alpha : définit le seuil de signification du test d'équivalence. La valeur par défaut standard est 0.05, ce qui signifie un risque de 5 % de conclure à tort à l'équivalence alors que les deux méthodes ne sont pas réellement équivalentes. Un alpha plus petit (par ex. 0.01) rend le test plus prudent et exige des preuves plus solides avant de conclure à l'équivalence. Alpha doit être défini avant de recueillir les données.
  • Hypothesized (Test Mean − Reference Mean) : la différence attendue ou supposée entre la méthode d'essai et la méthode de référence. Dans la plupart des études d'équivalence, elle est fixée à 0, ce qui signifie que vous supposez que les deux méthodes devraient produire en moyenne des résultats identiques. Si un décalage systématique connu est attendu entre les deux méthodes, cette valeur peut être saisie ici à la place.
  • Alternative Hypothesis : définit ce que le test cherche à démontrer. La forme standard est :
  • Lower Limit < Test Mean − Reference Mean < Upper Limit — confirme que la vraie différence moyenne entre la méthode d'essai et la méthode de référence se situe entièrement dans les limites d'équivalence acceptables. L'équivalence n'est conclue que lorsque l'intervalle de confiance de la différence est entièrement contenu dans les deux limites simultanément.
  • Lower Limit : la différence minimale acceptable entre la méthode d'essai et la méthode de référence. Elle définit la borne inférieure de l'intervalle d'équivalence — toute différence moyenne inférieure à cette valeur signifierait que la méthode d'essai se situe de façon inacceptable en dessous de la référence. Cette valeur doit être fixée d'après des connaissances scientifiques, réglementaires ou pratiques avant l'analyse, et non déduite des données elles-mêmes.
  • Upper Limit : la différence maximale acceptable entre la méthode d'essai et la méthode de référence. Elle définit la borne supérieure de l'intervalle d'équivalence — toute différence moyenne supérieure à cette valeur signifierait que la méthode d'essai donne des résultats de façon inacceptable plus élevés que la référence. Avec Lower Limit, elle forme la fenêtre d'équivalence complète dans laquelle la différence observée doit se situer pour déclarer les deux méthodes équivalentes.
  • Box Plot of Difference : lorsqu'elle est activée, affiche une boîte à moustaches (box plot) des différences appariées (essai moins référence) pour chaque observation. Cela donne un résumé visuel rapide du centre, de la dispersion et de la forme des différences — et vous aide à évaluer si les différences sont systématiquement proches de zéro ou s'il existe un décalage systématique entre les deux méthodes.
  • Histogram of Difference : lorsqu'elle est activée, affiche un histogramme montrant la distribution des différences appariées. C'est utile pour vérifier si les différences suivent approximativement une distribution normale — hypothèse du test d'équivalence apparié — et pour repérer toute structure inhabituelle ou asymétrie dans les valeurs des différences.
  • Equivalence Plot : lorsqu'elle est activée, affiche le graphique de résultats principal du test d'équivalence — montrant l'intervalle de confiance de la différence moyenne à côté des limites d'équivalence (inférieure et supérieure). Si l'intervalle de confiance tout entier se situe dans les limites, l'équivalence est confirmée. C'est le résultat visuel le plus important du test et il doit toujours être examiné avec la valeur p.
  • Subject Profile Plot : lorsqu'elle est activée, affiche des graphiques en lignes individuels reliant chaque observation appariée — montrant comment la mesure d'essai et la mesure de référence se comparent pour chaque sujet, échantillon ou pièce. Cela aide à identifier si la différence entre les deux méthodes est constante sur toutes les paires ou si elle varie pour certains sujets, ce qui pourrait indiquer des interactions ou des performances de méthode irrégulières.
  • Download as Excel : exporte dans un fichier Excel tous les résultats du test, les différences appariées, les intervalles de confiance, les limites d'équivalence et les valeurs p, pour le reporting, un dossier réglementaire ou l'archivage.

Questions fréquentes

Qu'est-ce qu'un test d'équivalence apparié ?

Un test d'équivalence apparié détermine si deux méthodes de mesure, instruments ou procédé liés donnent des résultats assez proches pour être considérés comme pratiquement équivalents. Au lieu de chercher une différence, il teste si la différence moyenne entre mesures appariées se situe dans une limite acceptable prédéfinie, appelée intervalle d'équivalence.

Quand utiliser un test d'équivalence apparié plutôt qu'un test t apparié ?

Utilisez un test d'équivalence apparié lorsque l'objectif est de démontrer la similitude, par exemple qu'un nouvel instrument et un instrument de référence mesurant les mêmes échantillons sont interchangeables, ou qu'un changement de procédé donne des résultats équivalents. Si l'objectif est de détecter une différence, utilisez un test t apparié. Pour des échantillons indépendants, utilisez un test d'équivalence à deux échantillons.

Comment interpréter un test d'équivalence apparié ?

L'équivalence n'est conclue que lorsque les bornes de confiance supérieure et inférieure de la différence moyenne se situent toutes deux entièrement dans l'intervalle d'équivalence. Le graphique d'équivalence montre l'intervalle de confiance par rapport aux limites inférieure et supérieure et doit être examiné avec la valeur p.

Quelles sont les exigences d'un test d'équivalence apparié ?

Définissez l'intervalle d'équivalence avant de recueillir les données, d'après des connaissances scientifiques ou pratiques et non d'après les données. Chaque observation d'essai doit être appariée à une observation de référence précise sur le même échantillon, sujet ou pièce. Les différences appariées doivent être approximativement normales, et les échantillons sont généralement plus grands que pour les tests de différence afin d'atteindre une puissance adéquate.