← Retour au blog

IRaMuTeQ : préparer un corpus à partir d'entretiens (guide 2026)

Pour analyser des entretiens dans IRaMuTeQ, il faut un fichier texte brut (.txt) où chaque entretien commence par une ligne de quatre étoiles suivie de variables étoilées, par exemple **** *entretien_01 *sexe_f, puis le texte de l'entretien. Le reste de la préparation consiste à transcrire, décider quelles paroles garder, pseudonymiser, coder les variables de façon régulière et enregistrer le fichier en UTF-8.

IRaMuTeQ est un logiciel libre d'analyse de textes développé par Pierre Ratinaud. Il est gratuit, très utilisé en sciences humaines et sociales, mais exigeant sur le format : une variable mal écrite ou un encodage mal choisi suffit à fausser l'import.

Ce guide suit l'ordre réel du travail, de l'enregistrement de l'entretien au corpus prêt à ouvrir, avec les règles de formatage de la documentation officielle, un exemple complet et les erreurs qui reviennent le plus souvent.

Sommaire

  1. Qu'est-ce qu'IRaMuTeQ et que lui faut-il ?
  2. Le format d'un corpus IRaMuTeQ
  3. Préparer le corpus étape par étape
  4. Exemple de corpus prêt à importer
  5. Importer le corpus dans IRaMuTeQ
  6. Gagner du temps avec l'export IRaMuTeQ d'AudiosTranscribe
  7. Les erreurs fréquentes
  8. Sources
  9. Questions fréquentes

Qu'est-ce qu'IRaMuTeQ et que lui faut-il ?

IRaMuTeQ (Interface de R pour les Analyses Multidimensionnelles de Textes et de Questionnaires) est un logiciel d'analyse de textes et de tableaux de données, qui s'appuie sur le logiciel de statistique R et sur le langage Python. Il est distribué sous licence libre GNU GPL v2 et développé par Pierre Ratinaud.

Sur un corpus d'entretiens, il propose notamment :

Le vocabulaire à connaître

La documentation d'IRaMuTeQ emploie deux mots qu'il faut avoir en tête avant de préparer quoi que ce soit :

Tout ce que vous savez sur la personne interrogée (âge, statut, terrain, date) passe par des variables étoilées écrites au début de chaque texte. C'est grâce à elles que vous pourrez comparer les groupes ensuite.

Le format d'un corpus IRaMuTeQ

Les règles ci-dessous viennent de la documentation officielle d'IRaMuTeQ (Loubère et Ratinaud). Elles ne sont pas des conseils de style : si elles ne sont pas respectées, l'import échoue ou les analyses comptent mal.

Un fichier texte brut

Le corpus est un fichier .txt, pas un document Word. La documentation recommande de garder la ponctuation : elle aide le logiciel à découper les segments de texte.

La ligne étoilée

Chaque texte commence par quatre étoiles (****), suivies d'une série de variables étoilées séparées par un espace. Chaque texte doit avoir au moins une variable étoilée.

**** *entretien_01 *sexe_f *age_30_39
Texte du premier entretien...

**** *entretien_02 *sexe_h *age_50_59
Texte du deuxième entretien...

L'écriture des variables

Les thématiques (facultatives)

On peut découper un texte en thématiques avec une ligne qui commence par un tiret et une étoile (-*), par exemple -*parcours. Cette ligne ne contient rien d'autre. Si vous utilisez des thématiques, tous les paragraphes d'un texte doivent appartenir à une thématique : un paragraphe placé avant la première ligne -* n'est pas accepté.

Pour des entretiens semi-directifs, les thématiques peuvent correspondre aux grands thèmes de votre grille d'entretien. C'est utile si vous voulez comparer ce qui se dit sur chaque thème, mais cela demande de repérer les changements de thème dans chaque transcription.

L'étoile est réservée

Le caractère * sert à marquer les variables. Il ne doit pas apparaître dans le texte des entretiens : supprimez-le de vos transcriptions (notes entre astérisques, mots masqués du type « M*** »).

Préparer le corpus étape par étape

Étape 1 : transcrire les entretiens

IRaMuTeQ travaille sur du texte : chaque enregistrement doit d'abord devenir une transcription. Pour une analyse lexicométrique, le choix entre verbatim intégral et transcription épurée a des conséquences directes : les « euh », répétitions et tics de langage comptent comme des formes et pèsent dans les calculs. Les garder ou les retirer est un choix méthodologique, à décider avant de transcrire et à expliciter dans votre mémoire ou votre article. Les conventions sont détaillées dans notre guide du verbatim d'entretien.

Gardez une transcription par entretien et nommez les fichiers de façon régulière (entretien_01, entretien_02…) : ce nom servira de variable identifiant.

Étape 2 : décider quelles paroles garder

Un entretien contient deux voix : celle de l'enquêteur et celle de la personne interrogée. Si les questions et relances de l'enquêteur restent dans le corpus, leur vocabulaire entre dans les calculs au même titre que celui des enquêtés, et les mêmes formulations répétées d'un entretien à l'autre peuvent peser sur les classes de discours.

Deux options existent :

Il n'y a pas de règle unique : choisissez en fonction de votre question de recherche et justifiez ce choix dans la partie méthodologique.

Étape 3 : pseudonymiser

Un corpus d'entretiens contient des données personnelles : noms, lieux, employeurs, détails de vie. Avant l'analyse et avant tout partage (directeur de recherche, co-auteurs, dépôt de données), remplacez les noms par des pseudonymes ou des codes, toujours les mêmes d'un entretien à l'autre (Marie Dupont devient P07 partout).

Le remplacement des noms ne suffit pas toujours. Une combinaison de détails (une petite commune, un métier rare, une date) peut permettre de reconnaître quelqu'un. Relisez chaque transcription en vous posant la question : un lecteur qui connaît le terrain pourrait-il identifier la personne ?

Gardez la table de correspondance à part (« Marie Dupont = P07 »), dans un emplacement sécurisé, séparé du corpus. Et gardez en tête qu'au sens du RGPD, un corpus pseudonymisé reste une donnée personnelle : tant qu'une table de correspondance existe ou qu'une personne reste reconnaissable, les obligations s'appliquent. Seule une anonymisation irréversible fait sortir les données du RGPD.

Le cadre à poser dès le terrain

Pour le cadre légal, voir notre article transcription et RGPD, et rapprochez-vous du référent RGPD ou du DPO de votre établissement, qui connaît les règles propres à votre institution.

Étape 4 : coder les variables

Listez avant de commencer les variables dont vous aurez besoin pour vos comparaisons, et fixez leurs modalités une fois pour toutes. Un exemple de tableau de codage :

VariableModalitésExemple
Identifiant01, 02, 03…*entretien_01
Sexef, h*sexe_f
Tranche d'âge20_29, 30_39, 40_49…*age_30_39
Statutcadre, employe, independant*statut_cadre
Terrainurbain, rural*terrain_rural

Ce tableau, gardé à côté de votre corpus, évite les variantes qui créent des modalités en double (*statut_employe et *statut_employé, par exemple, la seconde étant de toute façon interdite à cause de l'accent).

Étape 5 : nettoyer le texte

Étape 6 : enregistrer en UTF-8

La documentation d'IRaMuTeQ recommande de travailler en UTF-8. Attention : à l'ouverture du corpus, le logiciel propose par défaut l'UTF-8 sous macOS et Linux, mais le CP 1252 sous Windows. Si votre fichier est en UTF-8, choisissez explicitement UTF-8 au moment de l'import. Un mauvais encodage se repère tout de suite : les accents s'affichent sous forme de caractères étranges dans les résultats.

Pour assembler le fichier, utilisez un éditeur capable de gérer l'encodage (la documentation cite LibreOffice ; un éditeur de texte comme Notepad++ ou VS Code convient aussi) et enregistrez au format texte brut.

Exemple de corpus prêt à importer

Voici un corpus de trois entretiens, sans thématique. Les extraits sont fictifs, écrits pour illustrer le format : seule la parole des personnes interrogées a été gardée, les noms ont été remplacés et chaque texte porte les mêmes variables.

**** *entretien_01 *sexe_f *age_30_39 *statut_cadre *terrain_urbain
Au début je ne voyais pas l'intérêt de changer d'organisation. Ce qui m'a fait changer d'avis c'est la charge de travail, on n'arrivait plus à suivre.
Avec une collègue on a fini par tout reprendre à zéro, en se répartissant les dossiers par secteur.

**** *entretien_02 *sexe_h *age_50_59 *statut_employe *terrain_rural
Ici tout le monde se connaît, donc les changements passent par la discussion avant de passer par les réunions.
Le plus difficile a été d'expliquer aux anciens pourquoi on modifiait les horaires.

**** *entretien_03 *sexe_f *age_20_29 *statut_employe *terrain_urbain
Je suis arrivée après la réorganisation, donc pour moi c'est la façon normale de travailler.
Ce que je remarque surtout c'est qu'on se parle moins entre services.

Le même corpus avec des thématiques ajouterait, sous chaque ligne étoilée, des lignes comme -*parcours ou -*organisation, chaque paragraphe étant placé sous l'une d'elles.

Un vrai corpus est évidemment plus long : la classification par la méthode Reinert a besoin de suffisamment de texte pour former des classes stables. Après l'analyse, IRaMuTeQ indique le nombre de segments classés sur la totalité du corpus. Une faible part de segments classés signale en général un corpus trop court ou trop hétérogène. Le tutoriel de Camargo et Justo, référencé sur le site d'IRaMuTeQ, indique qu'une classification efficace suppose de retenir au moins 75 % des segments de texte (70 % selon d'autres auteurs), et suggère sinon de privilégier d'autres analyses, comme les spécificités. Mentionnez ce chiffre dans vos résultats.

Importer le corpus dans IRaMuTeQ

Dans IRaMuTeQ, ouvrez le menu Fichier > Ouvrir un corpus, puis choisissez votre fichier .txt. Une fenêtre d'indexation s'ouvre. Les réglages à vérifier :

Vérifier l'import en deux minutes

  • Lancez les statistiques textuelles : l'onglet Global affiche le nombre de textes et le nombre d'occurrences. Le nombre de textes doit être égal au nombre d'entretiens.
  • Ouvrez le choix des variables (par exemple en lançant l'analyse des spécificités) et parcourez les variables et leurs modalités : une modalité en trop (*statut_Cadre à côté de *statut_cadre) trahit une faute de codage.

Une fois le corpus indexé, toutes les analyses (statistiques, spécificités, classification, similitudes, nuage de mots) se lancent depuis ce corpus.

La lemmatisation

Avant la plupart des analyses, IRaMuTeQ propose de lemmatiser le corpus : les verbes sont ramenés à l'infinitif, les noms au singulier et les adjectifs au masculin singulier (« mangé, mangeons, mangera » deviennent « manger »). La lemmatisation se fait à partir de dictionnaires, sans désambiguïsation : un mot qui a plusieurs sens ou plusieurs natures grammaticales n'est pas départagé. Le nombre d'occurrences et de formes change selon que le corpus est lemmatisé ou non.

Gagner du temps avec l'export IRaMuTeQ d'AudiosTranscribe

La partie la plus longue de la préparation n'est pas l'analyse, c'est le passage de dizaines d'heures d'enregistrement à un fichier propre. AudiosTranscribe transcrit vos entretiens en séparant les intervenants, puis exporte directement au format IRaMuTeQ :

Ce que l'export ne fait pas : il n'y a pas d'anonymisation automatique. Seuls les noms que vous listez sont remplacés ; les lieux, employeurs ou détails identifiants qui ne figurent pas dans votre liste restent dans le texte. La relecture de l'étape 3 reste nécessaire. De même, l'export ne crée qu'une variable (l'identifiant de l'entretien) : vos variables de codage (*sexe_f, *age_30_39…) sont à ajouter à la main sur chaque ligne étoilée.

Pour les autres logiciels d'analyse qualitative, les mêmes options existent avec un export pour MAXQDA et f4 (répliques horodatées) et un export WebVTT pour ATLAS.ti.

L'export IRaMuTeQ est inclus dans les offres payantes, ou disponible pour un document débloqué à l'unité avec la Mission. La transcription elle-même peut être testée gratuitement.

Du terrain à IRaMuTeQ, sans retaper vos entretiens
Transcription par intervenant, filtre des voix, remplacement de noms et export du corpus en un fichier.
Transcrire un entretien gratuitement
AudiosTranscribe : traitement dans l'UE, conforme RGPD

Les erreurs fréquentes

Pour la partie qui précède l'analyse, voir aussi notre guide de l'entretien semi-directif et notre article sur la transcription d'un entretien de recherche.

Sources

Les règles citées viennent de la documentation officielle. Le logiciel évolue : en cas de doute, vérifiez la version que vous utilisez.

Questions fréquentes

Quel format de fichier faut-il pour IRaMuTeQ ?
Un fichier texte brut (.txt), de préférence en UTF-8. Chaque texte, par exemple chaque entretien, commence par une ligne de quatre étoiles suivie d'au moins une variable étoilée, comme **** *entretien_01 *sexe_f, puis le texte. Un document Word doit être converti en texte brut avant l'import.
Comment écrire les variables étoilées dans IRaMuTeQ ?
Sous la forme *variable_modalité, sans espace, sans accent ni caractère spécial : uniquement des lettres, des chiffres et le tiret bas. Par exemple *age_30_39 et non *âge 30 ans. La casse compte : *sexe_f et *Sexe_f sont deux variables différentes, il faut donc coder de façon parfaitement régulière.
Faut-il garder les questions de l'enquêteur dans le corpus ?
Cela dépend de votre objet. Si elles restent, leur vocabulaire entre dans les calculs au même titre que celui des enquêtés. Ne garder que la parole des personnes interrogées centre l'analyse sur leur discours ; garder l'ensemble se justifie si l'interaction fait partie de l'objet. Dans les deux cas, explicitez le choix dans votre méthodologie.
Quel encodage choisir pour un corpus IRaMuTeQ ?
La documentation d'IRaMuTeQ recommande l'UTF-8. À l'ouverture du corpus, le logiciel propose UTF-8 par défaut sous macOS et Linux, mais CP 1252 sous Windows : sous Windows, sélectionnez UTF-8 si votre fichier est enregistré en UTF-8, sinon les accents s'affichent mal.
Peut-on analyser des entretiens en plusieurs langues dans IRaMuTeQ ?
Pas dans un même corpus : IRaMuTeQ ne peut pas analyser simultanément plusieurs langues. Préparez un corpus par langue.
IRaMuTeQ est-il gratuit ?
Oui. IRaMuTeQ est un logiciel libre distribué sous licence GNU GPL v2, développé par Pierre Ratinaud. Il s'appuie sur R et Python.
Comment pseudonymiser des entretiens avant IRaMuTeQ ?
Remplacez chaque nom par un code ou un pseudonyme, toujours le même d'un entretien à l'autre, puis relisez les transcriptions : lieux, employeurs ou détails de vie peuvent aussi permettre d'identifier quelqu'un. Conservez la table de correspondance à part, en lieu sûr : un corpus pseudonymisé reste une donnée personnelle au sens du RGPD, seule une anonymisation irréversible en sort. L'export IRaMuTeQ d'AudiosTranscribe applique une liste de remplacements de noms à l'export, mais ne fait pas d'anonymisation automatique : seuls les noms listés sont remplacés.