L'écart absolu moyen a perdu un combat qu'il aurait dû gagner
Publié le 13/11/2026 · 3 min de lecture · Calculateurs du quotidien
Daniel Okonkwo — Développeur front-end et rédacteur Tech chez OneKitly
Performance web · Formats de fichiers
Vérifié à partir de 2 sources
Demandez à quelle distance se tient une valeur typique de la moyenne, et la réponse directe est l'écart absolu moyen : additionnez les distances, ignorez les signes, divisez par leur nombre. Pour 4, 8, 15, 16, 23, 42, la moyenne vaut 18 et cette distance moyenne 9,67. L'écart-type des mêmes données vaut 13,49, soit 40 % de plus, parce que l'élévation au carré donne aux points éloignés un poids supplémentaire avant que la racine ne ramène la réponse. Aucun n'est faux ; ils répondent à des questions différentes, et celle que presque tout le monde pose est la première.
Pour 4, 8, 15, 16, 23, 42, la distance moyenne à la moyenne vaut 9,67 et l'écart-type 13,49. Le premier est ce que la question demandait vraiment.
Eddington contre Fisher, et qui avait raison
L'astronome Arthur Eddington préférait l'écart absolu et l'a écrit ; Ronald Fisher a montré en 1920 que, pour des données parfaitement normales, l'écart-type extrait plus d'information du même échantillon, et la profession a suivi Fisher. Quarante ans plus tard, Tukey a signalé la condition manquante : les données réelles ne sont jamais parfaitement normales, et une contamination d'une fraction de pour cent par des valeurs extravagantes suffit à inverser le classement. Les deux avaient raison sur le cas qu'ils décrivaient, et les manuels n'ont gardé qu'un des deux cas.
Quand le choix change vraiment une décision
En gestion de stock, les marges de sécurité se fixent d'ordinaire à un multiple de la dispersion : choisir la mesure la plus grande immobilise plus de marchandise. En supervision de serveurs, un seuil d'alerte tiré de l'écart-type se déclenche plus tard après qu'une seule mauvaise mesure l'a gonflé, alors qu'un seuil tiré de l'écart absolu réagit plus régulièrement. Aucun comportement n'est universellement meilleur, mais les deux produisent des quantités de stock différentes et des nombres d'appels différents à trois heures du matin, ce qui fait du choix une décision d'ingénierie et non une affaire de goût.
| Données | Écart absolu moyen | Écart-type |
|---|---|---|
| 2, 4, 6, 8, 10 | 2,4 | 3,16 |
| 4, 8, 15, 16, 23, 42 | 9,67 | 13,49 |
| Rapport | 1 | 1,25 à 1,4 |
Exemple calculé avec notre outil
Calculateur d'écart absolu moyen (MAD)
Données
- Nombres (séparés par des virgules)
- 2, 4, 6, 8, 10
Résultat
- Moyenne
- 6
- Écart absolu moyen
- 2,4
Ces chiffres sont produits par le calculateur ci-dessous, pas saisis à la main — ils sont recalculés à chaque évolution de l'outil.
Refaire ce calcul avec tes chiffres →Questions fréquentes
- Existe-t-il une conversion fixe entre les deux ?
- Seulement pour une loi normale, où l'écart-type vaut 1,2533 fois l'écart absolu moyen — la racine de pi sur deux. Toute autre forme casse le rapport : l'exemple à six nombres ci-dessus tombe à 1,396 parce qu'il a une valeur très à droite. Voir un rapport nettement supérieur à 1,25 est en soi le signal d'une queue lourde, ce qui fait de la comparaison des deux un diagnostic gratuit plutôt qu'une redondance.
- En quoi diffère-t-il de l'écart absolu médian ?
- Celui décrit ici moyenne les distances à la moyenne ; l'écart absolu médian prend la médiane des distances à la médiane, ce qui est bien plus robuste encore. Les deux s'abrègent MAD, ce qui provoque une confusion réelle dans les articles et dans le code. La version médiane ignore jusqu'à la moitié des données corrompues avant de bouger, au prix d'exploiter très peu d'information sur des données propres — l'échange même que fait la médiane face à la moyenne.
Articles qui pourraient t'intéresser
Tous les guides →Outils similaires
Sources
Tu as repéré une erreur dans cet article ?