B. Le Roux & H. Rouanet (2004) : Geometric Data Analysis 
Kluwer :  Dordrecht

L‘analyse géométrique des données, (GDA en anglais), est le nom donné aux méthodes statistiques multivariées initiées par Benzécri dans les années soixante. Ces méthodes, longtemps qualifiées de « méthodes d'analyse de données à la française » commencent à être utilisées dans d'autres pays. Si, dans la communauté scientifique internationale, l'analyse des correspondances est maintenant bien reconnue et utilisée, l'analyse géométrique des données dans son ensemble reste largement à découvrir. Ce livre, qui en est une véritable bible, devrait en favoriser la diffusion internationale.

Dans le premier chapitre les auteurs introduisent l'analyse géométrique des données à la fois intuitivement et historiquement : ils la situent par rapport à l'analyse statistique multivariée traditionnelle tant philosophiquement que techniquement. Ils exposent un démenti de certains défauts couramment reprochés à GDA, à savoir de n'être qu'une méthode descriptive et exploratoire, incapable de traiter des données structurées, de faire des inférences et d'être utilisée comme modèle explicatif.

Les méthodes détaillées sont ensuite présentées de façon très pédagogique, comprenant chaque fois que possible la confrontation avec les statistiques plus conventionnelles ; elles sont complétées par de nombreux exercices accompagnés des solutions.

Notons l'intérêt de la présentation de nouveaux développements de la méthode d'analyse des correspondances multiples, celle dite  « spécifique », à savoir restreinte soit à un sous ensemble de modalités, prenant ainsi en compte le problème des modalités rares, soit à une sous nuage d'individus, permettant alors de se focaliser sur une sous-population particulière.

Les applications traitées de façon claire et précise dans le chapitre 9 sont tirées de trois domaines distincts, à savoir la médecine, la science politique et l'éducation ; concrétisant bien ces méthodes elles devraient ainsi « parler » à des lecteurs divers ; elles complètent les exposés théoriques de façon fort circonspecte, donnant à des lecteurs issus de différents horizons des illustrations bien adaptées à chacun.

Ce livre s'adresse à des utilisateurs mais aussi à des enseignants de statistiques multivariées. Il ne demande pas de pré requis en statistique inférentielle, mais suppose connues les statistiques descriptives multivariées et de bonnes bases en algèbre linéaire même si elles sont judicieusement rappelées dans le chapitre 10.

La bibliographie est bien fournie et fréquemment référencée dans le texte.

Marion Selz

Bulletin de Méthodologie Sociologique, Septembre 2006

Début de page