« On a ajouté des questions ouvertes et on récupère surtout des cases vides ou des 'rien de particulier'. » C'est l'une des plaintes les plus fréquentes en exploitation d'enquête. Les questions ouvertes (texte libre) sont le seul moyen de capter les vrais mots des clients, mais une mauvaise conception produit trois douleurs en même temps : personne n'écrit / les réponses sont trop courtes / on ne peut rien analyser ensuite.
Cet article parcourt à quoi servent vraiment les questions ouvertes, pourquoi on les saute, quand les utiliser plutôt que des fermées, les règles de rédaction et les choix UX qui décident de l'engagement des répondants. L'idée naïve « plus d'ouvertes = plus de profondeur » n'est qu'à moitié vraie — l'accent est mis sur ce qu'il faut décider sciemment pour que les gens écrivent réellement.
1. Ce qu'est une question ouverte
Une question ouverte (aussi OA / FA : Free Answer) ne donne pas d'options au répondant et lui demande de saisir sa propre réponse avec ses propres mots.
À quoi servent les ouvertes
- Capter ce qui n'avait pas été anticipé — fait remonter des options ou cadrages que le concepteur n'avait pas envisagés
- Avoir le pourquoi derrière une note — complète les notations numériques par le raisonnement
- Préserver les vrais mots du client — utile pour le copy marketing et le storytelling interne
- Combler les angles morts du fermé — capter ce que les gens entendaient par « Autre »
Structure typique
Q. Comment évaluez-vous notre service globalement ? (échelle de 10)
→ Note = 6
Q. Veuillez nous expliquer la raison de cette note. (texte libre)
→ « Plus cher que la concurrence, mais la qualité du support compense. »
Schuman & Presser (1979) The Open and Closed Question ont posé les ouvertes comme « le moyen de faire émerger les enjeux saillants que les fermées ne voient pas. » En même temps, la même tradition de recherche note depuis 40+ ans que multiplier les ouvertes augmente fortement la charge cognitive, ce qui fait grimper les blancs et les réponses d'un mot.
2. Pourquoi les gens n'écrivent pas — le problème de charge cognitive
L'ennemi numéro un des questions ouvertes est la charge cognitive. Choisir parmi des options c'est « prendre dans ce qui est là ». Les ouvertes exigent « verbaliser depuis zéro », ce qui est cognitivement bien plus coûteux.
Données empiriques sur le taux et la qualité de réponse
Smyth, Dillman, Christian & McBride (2009) « Open-Ended Questions in Web Surveys » est l'article de référence sur le comportement des ouvertes en enquête web. Observations clés :
- Effets de position — ouvertes en début de questionnaire : non-réponse fortement plus haute ; ouvertes tardives : réponses plus courtes.
- Distribution des longueurs — la majorité fait 30–100 caractères ; moins de 10 % dépasse 200.
- Taux de « rien » / « N/A » — 15–30 % des réponses ouvertes sont fonctionnellement des non-réponses (un mot, négation).
La charge en quatre étapes
Ce qui se passe dans la tête du répondant se décompose en quatre étapes :
- Comprendre la question — qu'est-ce qu'on me demande ?
- Récupérer en mémoire — quelles expériences pertinentes me viennent ?
- Verbaliser — convertir la pensée en texte (l'étape la plus lourde)
- Saisir — entrée physique des caractères
Sur le modèle de Tourangeau, Rips & Rasinski (2000) The Psychology of Survey Response — compréhension → récupération → jugement → restitution — les fermées sollicitent surtout la « restitution » ; les ouvertes sollicitent les quatre étapes.
3. Ouvertes vs fermées — quand utiliser quoi
Le réflexe « plus d'ouvertes = compréhension client plus profonde » est à moitié faux. Les deux formats ont des rôles différents.
Comment choisir
| Objectif | Meilleur format | Pourquoi |
|---|---|---|
| Quantifier et comparer | Fermée (SA/MA) | L'analyse statistique présuppose des données structurées |
| Découvrir des options inconnues | Ouverte | Brille en phase de formulation d'hypothèse |
| Avoir les raisons derrière une note | Note + ouverte | Paire numérique + qualitative |
| Tendances à grande échelle (N élevé) | Fermée | Lire 1 000 textes libres n'est pas pratique |
| Peu de voix mais profondes | Ouverte (en complément d'entretien) | Quand N est petit, les ouvertes brillent |
« Si une fermée le fait, prends une fermée »
Geer (1991) « Do Open-Ended Questions Measure Salient Issues? » a trouvé qu'environ 80 % de l'information d'une ouverte se capture par une fermée bien conçue. À l'inverse, les 20 % restants — les découvertes inattendues — c'est pour ça qu'on prend des ouvertes. Lâche l'idée que « tout en ouvert = compréhension plus profonde ».
4. Cinq règles de rédaction
Cinq règles côté libellé pour que les gens répondent vraiment.
Règle 1 : nomme la cible précise dans la question
❌ « Avez-vous un retour ? » — trop abstrait ; les gens ne savent pas quoi écrire. ✅ « S'il y a quelque chose que vous aimeriez voir améliorer dans notre support, décrivez-le concrètement. » — cible (support) et angle (amélioration) explicites.
Règle 2 : libellé en 1–2 phrases
Un libellé long disperse l'attention avant la fin de la lecture. Vise environ 40–80 caractères d'information essentielle. Holland & Christian (2009) « The Influence of Topic Interest and Interactive Probing » montre que un libellé verbeux fait directement monter la non-réponse.
Règle 3 : distingue « pourquoi » et « comment »
« Pourquoi avez-vous dit ça ? » fait sortir des raisons / contexte. « Comment pourrait-on l'améliorer ? » fait sortir des solutions / demandes. Les mélanger embrouille le répondant sur quoi écrire — et cette confusion est une grosse source de « rien de particulier ».
Règle 4 : connecte à l'item précédent
Lie l'ouverte à la note ou au choix précédent : « Veuillez nous expliquer pourquoi vous avez donné cette note... » / « Si vous avez choisi 'Insatisfait·e' à Q3... » Bien fait, cela peut doubler grossièrement le taux de réponse d'après les retours d'expérience publiés. Sans contexte, le répondant ne sait pas à qui et pourquoi on demande, et perd la motivation d'écrire.
Règle 5 : fournis des exemples ou placeholders
Un champ vide intimide psychologiquement. Placeholders et lignes d'aide du type « par ex. : la livraison était en retard, le descriptif différait du produit reçu » facilitent le démarrage de la rédaction. Mais des exemples trop forts biaisent les réponses dans leur direction, donc présente plusieurs orientations (positive et négative à la fois) si tu les utilises.
5. Règles UX
Le libellé fait la moitié du travail ; le design du champ d'entrée décide l'autre moitié.
La taille du champ détermine la longueur
Israel (2010) « Effects of Answer Space Size on Responses to Open-Ended Questions in Mail Surveys » a démontré que la taille de l'espace d'entrée prévue corrèle avec la longueur des réponses. Le même effet se voit en web.
| Champ | Longueur attendue | Cas d'usage |
|---|---|---|
| Une ligne (OA) | 5–20 caractères | Réponses courtes : nom de produit, d'entreprise |
| 3–4 lignes | 30–80 caractères | Raisons ou demandes concises |
| 5–8 lignes | 100–300 caractères | Récits d'expérience détaillés, propositions d'amélioration |
| Auto-extensible | sans limite | UGC / format avis |
Un schéma pervers : « on leur donne plein d'espace » avec une boîte de 10 lignes se retourne contre vous — l'espace vide intimide et la non-réponse augmente. Dimensionner intentionnellement à la longueur réelle souhaitée est la bonne approche.
Obligatoire vs facultatif
- Obligatoire → le taux de réponse monte, mais « rien », « . », « n/a » se faufilent et n'améliorent pas vraiment la qualité.
- Facultatif → seuls écrivent ceux qui ont quelque chose à dire. Meilleure qualité mais N plus petit.
Le pattern opérationnel dominant est « ouvertes facultatives par défaut, obligatoires uniquement pour les outliers (par ex. notes très basses) » — obligation conditionnelle.
Coût d'entrée sur mobile
Le clavier virtuel mobile représente une vraie charge physique, et la longueur des réponses ouvertes en mobile est typiquement 30–50 % plus courte qu'en desktop selon les rapports prestataires. Si votre audience est très mobile, attendez-vous à un rendement bien moindre que ce que les tests desktop suggèrent.
6. Concevoir pour l'analyse IA en aval
L'analyse LLM des ouvertes (codage, sentiment, résumé) est devenue mainstream, et concevoir en pensant à l'analyse aval change beaucoup l'efficacité opérationnelle.
Ce qui marche bien avec l'IA
- Cible bien cadrée — des items comme « à propos de notre équipe support » se classent proprement avec haute précision.
- Un thème par item — combiner « prix + qualité + livraison » dans une seule ouverte oblige le modèle à démêler des thèmes mélangés.
- Note + raison en paire — coupler une note numérique avec sa raison rend triviales les analyses « raisons derrière notes hautes vs basses ».
Ce qui marche mal avec l'IA
- Questions abstraites — « avez-vous un retour ? » dépasse modèles et humains à la fois.
- Items multi-thèmes — l'étiquetage casse.
- Items qui ne reçoivent que de l'ultra-court — moins de 30 caractères, c'est généralement du bruit même pour les LLMs.
Pour la méthode, voir notre guide d'analyse IA des réponses ouvertes.
7. Vue rédactionnelle — cinq règles qui font la différence
En suivant les rapports sectoriels et les cas publics, cinq points sur lesquels nous insisterions fortement.
1. Plafonne les ouvertes à 2–3 par questionnaire. Des équipes qui « veulent plus de voix client » sortent parfois des questionnaires à 5 ou 6 ouvertes — schéma qu'on voit régulièrement dans la presse spécialisée. En pratique, plus tu ajoutes d'ouvertes, plus la qualité des suivantes décroche brutalement. Garde les 1–2 plus importantes et remplace le reste par des fermées. C'est l'équilibre rendement-qualité réaliste.
2. Si « rien de particulier » dépasse 30 %, refais l'item. Une non-réponse de 30 %+ est un signal de design. Soit la question est trop abstraite, mal placée, ou déconnectée de l'item précédent. Ne te résigne pas à « les gens ne s'intéressent pas » — gagner 5+ points en reformulant est habituel.
3. Évite l'obligatoire par défaut sur les ouvertes. L'obligatoire fait grimper le compte mais aussi la fréquence du « . » / « x » / « rien » poubelle. La qualité des données empire. 60 % de qualité élevée en facultatif > 95 % de qualité mêlée en obligatoire est le consensus opérationnel récurrent.
4. Ne dimensionne pas la boîte sur l'espoir. « Donnons-leur plein d'espace, ils écriront plus » est un vœu, pas une règle. Israel (2010) montre que l'inverse peut arriver. Choisis une taille qui colle à la longueur réelle voulue — trop d'espace vide intimide et raccourcit les réponses.
5. À l'ère de l'analyse IA, conçois pour la classifiabilité dès le départ. « On enverra à une IA après et on verra » se heurte à une vérité dure : les questions abstraites produisent des réponses non-étiquetables, même pour des LLMs. À la conception, écris 5–10 étiquettes que tu voudrais appliquer aux réponses et confirme que la question peut produire des réponses qui rentrent dedans. Cette discipline seule réduit le coût d'analyse en aval de moitié environ.
8. Les ouvertes dans l'Outil de Sondage Kicue
Kicue embarque les composants pour une exploitation sérieuse des ouvertes en standard.
Types de question OA / FA
Les types de question ouverte viennent en deux saveurs : OA (saisie sur une seule ligne) et FA (multi-lignes, format long). OA est fixé à une seule ligne pour les réponses courtes, tandis que FA prend en charge la saisie multi-lignes pour les récits détaillés. Obligatoire/facultatif et nombres min/max de caractères se configurent indépendamment.
Articles de design liés
La conception des ouvertes se connecte à d'autres sujets. Voir aussi notre conception de matrices, conception de filtrage, effets d'ordre des questions et méthodes d'analyse IA des réponses ouvertes.
Choisir le bon outil — Les limites du plan gratuit, le support du branchement, les capacités IA et l'export CSV varient beaucoup entre outils. Consultez notre comparatif des outils de sondage gratuits pour trouver le bon pour cette approche.
Résumé
Checklist pour concevoir et exploiter les questions ouvertes :
- Les ouvertes servent à la « découverte inattendue ». L'analyse numérique et les tendances à grande échelle relèvent des fermées.
- 15–30 % de non-réponse est la base. Le design l'améliore beaucoup mais ne peut pas la mettre à zéro.
- Cinq règles de rédaction : nomme la cible / 1–2 phrases / distingue pourquoi vs comment / connecte à l'item précédent / fournis des exemples pour démarrer
- La taille du champ détermine la longueur — des boîtes trop grandes peuvent retourner par intimidation
- 2–3 ouvertes par questionnaire est le plafond pratique — la qualité des suivantes chute fort
- À l'ère IA, conçois pour la classifiabilité dès le départ — rétro-ajuster en analyse coûte cher
L'idée naïve « plus d'ouvertes = voix client plus profonde » est souvent contre-productive. Utilise du fermé quand le fermé suffit, et concentre les ouvertes sur les 2–3 items qui en ont vraiment besoin — c'est le cœur du couple quantité-qualité sur le texte libre.
Références
Académique et méthodologique
- Schuman, H. et Presser, S. (1979). The Open and Closed Question. American Sociological Review.
- Smyth, J. D., Dillman, D. A., Christian, L. M. et McBride, M. (2009). Open-Ended Questions in Web Surveys. Public Opinion Quarterly.
- Holland, J. L. et Christian, L. M. (2009). The Influence of Topic Interest and Interactive Probing on Responses to Open-Ended Questions in Web Surveys. Public Opinion Quarterly.
- Israel, G. D. (2010). Effects of Answer Space Size on Responses to Open-Ended Questions in Mail Surveys. Journal of Official Statistics.
- Geer, J. G. (1991). Do Open-Ended Questions Measure Salient Issues? Public Opinion Quarterly.
- Tourangeau, R., Rips, L. J. et Rasinski, K. (2000). The Psychology of Survey Response. Cambridge University Press.
Guides de prestataires et pratiques
- Qualtrics : Open-Ended Question Best Practices.
- SurveyMonkey : Open-Ended Survey Questions.
- Forsta : Designing Effective Open-Ended Questions.
Envie de concevoir des ouvertes de bout en bout avec collecte et agrégation sous un même toit ? Essayez l'outil de sondage en ligne gratuit Kicue. Les types OA (une ligne) et FA (multi-lignes) sont intégrés en standard, ce qui permet d'ajuster la taille du champ à la profondeur de réponse souhaitée pour maximiser qualité et rendement.