1. Résumé / Abstract
L’Échelle de surutilisation des médias numériques (Digital Media Overuse Scale [dMOS] ; Hipp et al., 2023) a été conçue pour évaluer de manière ciblée, granulaire et évolutive les comportements problématiques et les attitudes dysfonctionnelles associés à l’usage excessif des technologies numériques. Face aux limites conceptuelles des instruments psychométriques traditionnels qui appréhendent souvent « Internet » comme une entité monolithique et uniforme, la dMOS se distingue par son architecture modulaire et adaptative. Cette conception permet d’examiner séparément les différents écosystèmes médiatiques tout en maintenant un cadre structurel invariant capable d’intégrer les futures mutations technologiques.
L’instrument explore cinq domaines fondamentaux : les jeux vidéo numériques (gaming), la consommation de pornographie en ligne, l’usage des réseaux sociaux, le visionnage de vidéos et flux en continu (streaming), ainsi que l’utilisation générale du smartphone en tant que support physique ubiquitaire. Le réservoir initial d’indicateurs comprenait 81 questions, dont 14 items centraux déclinés pour chaque domaine d’activité médiatique (évaluant des dimensions cliniques fondamentales telles que la perte de contrôle, la tolérance, le sevrage psychologique et la modification de l’humeur), complétés par des items spécifiques au support matériel pour le smartphone (totalisant 18 items pour ce module matériel). L’échelle de réponse originale comporte cinq options ordonnées : 0 (not at all / pas du tout), 1 (sometimes / parfois), 2 (often / souvent), 3 (always / toujours), et 4 (recodé en non applicable [N/A] dans les analyses statistiques).
Sur le plan psychométrique, les analyses reposent sur un échantillon de 800 étudiants universitaires américains ainsi que sur un groupe clinique de comparaison en quête de soins thérapeutiques spécialisés. Contrairement aux approches factorielles linéaires classiques, les auteurs ont privilégié l’analyse de classes latentes (Latent Class Analysis [LCA]) pour modéliser l’hétérogénéité des profils d’utilisateurs au sein de chaque domaine, révélant de manière robuste entre deux et trois classes distinctes de sévérité par sous-échelle. La cohérence interne globale s’est avérée exceptionnelle, avec un coefficient alpha de Cronbach de 0,948 pour l’ensemble des indicateurs agrégés. Les sous-échelles sectorielles présentent des indices de fiabilité élevés : jeux vidéo (α = 0,916), pornographie (α = 0,887), réseaux sociaux (α = 0,891), vidéos en continu (α = 0,898) et smartphone (α = 0,887). La validité externe a été étayée par la concordance remarquable observée entre les profils de patients cliniques et la classe latente la plus sévère issue des modélisations statistiques.
2. Mots-clés / Keywords
Addictions comportementales, surutilisation des médias numériques, analyse de classes latentes, smartphone, réseaux sociaux, jeux vidéo en ligne, streaming, pornographie sur Internet, psychométrie, validité externe, fidélité du test, perte de contrôle.
3. Auteurs / Authors
L’échelle dMOS a été développée et validée par une équipe multidisciplinaire de cliniciens et d’universitaires spécialisés dans les neurosciences cognitives, la psychologie du développement et la prise en charge des cyberaddictions :
- Daniel Hipp, Ph.D. : ORCID: 0000-0003-3847-2268. Affilié au Digital Media Treatment and Education Center (Boulder, Colorado, États-Unis). Courriel institutionnel / correspondance : [email protected]. Adresse : 2299 Pearl Street, #310, Boulder, CO 80302, États-Unis.
- Edward C. Blakley : Département de psychologie, Binghamton University (State University of New York), Binghamton, New York, États-Unis.
- Nicole Hipp, MA, LPC : Collegiate Coaching Services, Boulder, Colorado, États-Unis.
- Peter Gerhardstein, Ph.D. : Département de psychologie, Binghamton University (State University of New York), Binghamton, New York, États-Unis.
- Blake Kennedy : Digital Media Treatment and Education Center, Boulder, Colorado, États-Unis.
- Thalia Markle : Digital Media Treatment and Education Center, Boulder, Colorado, États-Unis.
4. Objectif / Purpose
L’objectif fondamental de la Digital Media Overuse Scale (dMOS) est de fournir un instrument standardisé, modulaire et théoriquement fondé permettant de mesurer avec précision les comportements compulsifs, la perte d’autorégulation et les attitudes dysfonctionnelles liés à la surutilisation des médias numériques. Pendant plusieurs décennies, la recherche psychologique s’est appuyée sur des concepts globaux tels que l’« addiction à Internet » (Internet Addiction), mesurée par des outils généralistes comme l’Internet Addiction Test (IAT ; Young, 1998). Or, l’avènement du Web interactif, des algorithmes de recommandation personnalisés et de l’accès mobile omniprésent a rendu caduque l’idée qu’Internet constitue un média homogène. Les individus ne développent pas une dépendance au réseau en tant que vecteur technique, mais s’engagent de manière compulsive dans des activités spécifiques hébergées sur ce réseau, chacune mobilisant des contingences de renforcement et des processus neuropsychologiques distincts.
La dMOS a donc été conçue pour répondre à une triple nécessité :
- La modularité contextuelle : Permettre aux chercheurs et aux praticiens de mesurer indépendamment les manifestations problématiques associées à divers contenus numériques (jeux vidéo compétitifs, plateformes de réseaux sociaux, pornographie en ligne, consommation passive de vidéos) sans obliger le sujet à répondre à des questions non pertinentes pour son profil d’utilisation.
- La distinction entre matériel (hardware) et contenu (software) : Isoler le terminal physique (le smartphone) des applications logicielles qu’il véhicule. Le smartphone possède des attributs concrets spécifiques (proximité corporelle, alertes haptiques, sollicitations visuelles constantes) qui justifient une analyse structurelle dédiée, distincte des dynamiques propres aux contenus consommés.
- L’extensibilité et la pérennité psychométrique : Fournir une matrice d’interrogation standardisée (le « squelette » d’items invariants) applicable à n’importe quelle nouvelle technologie numérique émergente (réalité virtuelle, intelligence artificielle générative, métavers) sans compromettre la comparabilité psychométrique des dimensions sous-jacentes.
En pratique clinique, la dMOS offre un profil diagnostique fin facilitant l’orientation thérapeutique, le triage des patients et l’évaluation ciblée des interventions cognitives et comportementales. En milieu de recherche, elle permet d’étudier l’étiologie différentielle des cyberdépendances, d’analyser les comorbidités psychopathologiques (dépression, anxiété sociale, TDAH) et d’examiner l’interaction entre les vulnérabilités individuelles et les architectures de captologie numérique propres à chaque plateforme.
5. Construit psychologique / Construct
Le construit psychologique opérationnalisé par la dMOS repose sur le concept de surutilisation problématique des médias numériques (problematic digital media overuse), envisagée comme une forme d’addiction comportementale caractérisée par une incapacité à réguler sa consommation en dépit de conséquences négatives tangibles. Contrairement aux approches unidimensionnelles, la dMOS conçoit ce construit comme un ensemble de facettes symptomatiques communes répliquées au travers de domaines comportementaux indépendants.
1. Architecture transversale des symptômes (Le squelette d’indicateurs)
Chaque domaine de contenu repose sur un noyau d’indicateurs évaluant les composantes classiques du trouble de l’usage selon les critères diagnostiques contemporains :
- Perte de contrôle et échec de cessation (Cessation failure) : Incapacité répétée à interrompre la session d’utilisation ou à réduire le temps d’engagement malgré une intention explicite formulée par l’individu.
- Échappement émotionnel et modification de l’humeur (Escape / Mood modification) : Utilisation instrumentale du média pour anesthésier des états affectifs aversifs (stress, solitude, dysphorie, ennui), générant un renforcement négatif puissant.
- Préoccupation cognitive et prééminence (Salience) : Focalisation constante de la pensée sur l’activité numérique, même en cours d’exécution d’autres obligations professionnelles, académiques ou interpersonnelles.
- Tolérance (Tolerance) : Besoin d’augmenter progressivement l’intensité, la fréquence ou la durée de l’exposition pour obtenir le même niveau de soulagement ou de satisfaction psychologique.
- Conséquences néfastes et conflits interpersonnels (Conflict & Functional impairment) : Détérioration de l’hygiène de vie (sommeil, sédentarité), interférences avec le rendement scolaire ou professionnel, et tensions relationnelles résultant de l’arbitrage systématique en faveur du média.
2. Les cinq domaines spécifiques évalués par la dMOS
- Jeux vidéo numériques (Gaming) : Ce domaine explore les dynamiques propres au jeu vidéo interactif sur consoles, ordinateurs ou applications mobiles. Il met en lumière les boucles de rétroaction dopaminergiques liées aux récompenses aléatoires, à la compétition en ligne et au sentiment d’immersion vicariale, pouvant dériver vers un trouble du jeu vidéo (Gaming Disorder tel que défini par l’OMS dans la CIM-11).
- Pornographie en ligne (Cyberpornography) : Ce domaine s’attache à la consommation compulsive de matériels érotiques et pornographiques sur Internet. Il mesure la désensibilisation progressive, la compulsion de recherche de nouveauté visuelle et la déconnexion vis-à-vis de l’intimité relationnelle dans le monde physique.
- Réseaux sociaux (Social Media) : Cette dimension examine l’engagement sur les plateformes interactives (TikTok, Instagram, X/Twitter, Snapchat). Les questions ciblent le besoin compulsif de validation sociale, la comparaison descendante ou ascendante, la peur de rater quelque chose (FOMO) et la navigation passive infinie (infinite scrolling).
- Plateformes de vidéos et de streaming (Internet Video / Streaming Sites) : Ce module se focalise sur la consommation de vidéos à la demande (YouTube, Netflix, Twitch). Il capture spécifiquement le phénomène de visionnage boulimique (binge-watching), la léthargie cognitive et le report chronique de l’heure du coucher.
- Utilisation globale du smartphone (Smartphone Usage) : Ce domaine intègre non seulement les comportements numériques transversaux mais aussi des questions spécifiques liées à l’objet physique lui-même (la vérification réflexe dès le réveil, l’anxiété de séparation vis-à-vis du combiné [nomophobie] et l’intrusion physique de l’appareil dans toutes les sphères spatio-temporelles du quotidien).
6. Cadre théorique / Theoretical Framework
Le développement de la dMOS s’enracine dans une articulation théorique intégrant le modèle des composantes de l’addiction (Griffiths, 2005), le modèle I-PACE (Interaction of Person-Affect-Cognition-Execution ; Brand et al., 2016, 2019) et la théorie de l’usage compensatoire d’Internet (Compensatory Internet Use Theory [CIUT] ; Kardefelt-Winther, 2014).
1. Le modèle I-PACE comme prisme étiologique
Le cadre I-PACE postule que l’émergence d’une utilisation problématique d’applications en ligne résulte d’une interaction complexe entre des prédispositions individuelles fondamentales (P : facteurs génétiques, traits de personnalité, psychopathologie sous-jacente), des réponses affectives et cognitives à des déclencheurs spécifiques (A et C : attentes de gratification, biais attentionnels, mécanismes de coping inadaptés) et une dégradation progressive des fonctions exécutives (E : contrôle inhibiteur et prise de décision). La structure modulaire de la dMOS s’aligne fidèlement sur ce modèle : elle postule que les stimuli déclencheurs et les processus de conditionnement diffèrent drastiquement selon le type de média. Ainsi, un joueur en ligne peut présenter des biais cognitifs liés au contrôle et au statut social, tandis qu’un consommateur compulsif de réseaux sociaux réagit prioritairement à l’anxiété d’exclusion et aux renforcements intermittents d’approbation sociale.
2. Le modèle des composantes de Griffiths
Sur le plan symptomatique, la dMOS operationalise les six critères universels de Griffiths (2005) : la prééminence (salience), la modification de l’humeur (mood modification), la tolérance (tolerance), le sevrage (withdrawal), le conflit (conflict) et la rechute (relapse). En adaptant ces six dimensions au sein de chacun des modules applicatifs, la dMOS valide l’hypothèse selon laquelle les addictions comportementales numériques partagent une phénoménologie centrale commune mais s’expriment au travers de canaux écologiques profondément diversifiés.
3. La dissociation phénoménologique entre vecteur et contenu
Un apport théorique majeur des auteurs de la dMOS réside dans la formalisation de la frontière entre le vecteur matériel (le terminal intelligent) et le contenu symbolique hébergé. Historiquement, la littérature a confondu l’addiction au smartphone avec l’addiction aux activités médiatisées par le smartphone. En s’appuyant sur les sciences de la cognition incarnée et la psychologie des affordances, Hipp et al. (2023) soutiennent que le smartphone modifie l’environnement perceptif immédiat de l’individu par sa simple présence spatiale (effet de saillance contextuelle et de réduction de la capacité cognitive résiduelle), justifiant une modélisation théorique distincte des contenus immatériels.
7. Validité / Validity
Les preuves de validité de la Digital Media Overuse Scale reposent sur une analyse rigoureuse de la validité de construit, de la validité discriminante et d’une première modélisation de la validité externe clinique rapportée par Hipp et al. (2023).
1. Validité de construit et typologie latente
La validité de construit a été documentée au moyen de l’analyse de classes latentes (LCA). Plutôt que de postuler arbitrairement une distribution continue uniforme de la sévérité, l’analyse a testé l’hypothèse selon laquelle les comportements d’utilisation s’agrègent en sous-populations qualitativement et quantitativement distinctes. L’analyse a démontré que pour chacun des cinq domaines, un modèle comprenant deux à trois classes présentait les meilleurs indices d’ajustement statistique (critère d’information bayésien [BIC] et critère d’Akaike [AIC]), confirmant la validité des dimensions sous-jacentes pour discriminer les utilisateurs normatifs/récréatifs des profils dysfonctionnels ou hautement dépendants.
2. Validité externe et confrontation clinique
L’évaluation de la validité externe a été menée en confrontant les profils latents identifiés au sein de la cohorte générale (N = 800 étudiants universitaires) aux données recueillies auprès d’une cohorte clinique indépendante composée de patients sollicitant un suivi thérapeutique au sein d’un centre spécialisé dans le traitement des abus technologiques (Digital Media Treatment and Education Center). Les résultats ont révélé une convergence probante :
- Les patients admis en traitement clinique pour des dysfonctionnements liés aux écrans se sont superposés de façon quasi exclusive avec la classe latente la plus extrême (« classe sévère / overuse ») identifiée au sein de chaque domaine concerné.
- Cette concordance démontre que les seuils d’attribution probabiliste des classes latentes de la dMOS correspondent effectivement à des manifestations cliniques authentiques nécessitant une prise en charge professionnelle, et non à de simples variations du temps d’écran sans signification pathologique.
3. Validité divergente entre les domaines
Les corrélations inter-modules ont confirmé que les domaines mesurent des entités comportementales bien différenciées. Par exemple, une surutilisation sévère de la pornographie en ligne n’est que modérément corrélée avec la surutilisation des réseaux sociaux, soulignant que la dMOS évite le piège de la colinéarité excessive qui affectait les anciens questionnaires globaux d’addiction à Internet.
8. Fidélité / Reliability
La fidélité psychométrique de la dMOS a été évaluée sous l’angle de la cohérence interne des indicateurs au sein de l’échantillon normatif principal de 800 participants universitaires.
1. Cohérence interne globale
L’ensemble des 80 questions indicatrices mobilisées lors de l’expérimentation (après retrait des items pièges / foils méthodologiques) a produit un coefficient alpha de Cronbach global de 0,948. Cette valeur dénote une excellente consistance interne transversale et prouve que l’armature générale des questions saisit un construit unifié de désrégulation comportementale.
2. Fiabilité sectorielle par domaine
Conformément aux préconisations psychométriques, la cohérence interne a été calculée séparément pour chaque domaine modulaire afin d’attester de la fiabilité propre à chaque échelle d’évaluation :
- Module Jeux vidéo (Gaming) : α = 0,916 (Niveau d’homogénéité exceptionnel, indiquant une excellente précision de mesure du jeu problématique).
- Module Vidéos et streaming (Internet Videos) : α = 0,898 (Très forte fidélité pour l’évaluation de la consommation passive compulsive).
- Module Réseaux sociaux (Social Media) : α = 0,891 (Excellente précision pour la capture des comportements de connectivité sociale continue).
- Module Pornographie (Pornography) : α = 0,887 (Fidélité robuste pour un domaine souvent sujet aux biais de désirabilité sociale).
- Module Utilisation du smartphone (Phone) : α = 0,887 (Très bonne consistance interne pour l’évaluation combinée du matériel et de ses affordances).
Tous les coefficients de fidélité obtenus dépassent largement le seuil standard de 0,70 préconisé par la communauté scientifique pour la recherche empirique, et franchissent également le seuil plus exigeant de 0,85 requis pour une utilisation comme outil d’évaluation clinique individuelle.
9. Analyse factorielle / Factor Analysis
Sur le plan de l’investigation structurelle, les auteurs de la dMOS ont délibérément privilégié une approche de modélisation centrée sur la personne par analyse de classes latentes exploratoire (Exploratory Latent Class Analysis [LCA]), plutôt qu’une analyse factorielle exploratoire (AFE) ou confirmatoire (AFC) linéaire traditionnelle.
1. Justification méthodologique de l’analyse de classes latentes
L’analyse factorielle classique postule que les variations individuelles se distribuent selon des dimensions linéaires continues le long desquelles l’ensemble des sujets peut être ordonné de manière uniforme. Or, en psychopathologie computationnelle et dans l’étude des dépendances, les manifestations cliniques opèrent fréquemment par sauts qualitatifs et ruptures de seuil. L’analyse LCA permet de classer les individus en groupes mutuellement exclusifs (les « classes latentes ») partageant des profils de probabilités de réponse similaires à travers le réservoir d’items d’un domaine donné.
2. Résultats de l’analyse de classes latentes par domaine
L’analyse LCA exploratoire a été menée de façon indépendante sur chacun des cinq écosystèmes numériques (jeux vidéo, pornographie, réseaux sociaux, plateformes de vidéo, smartphone). L’hypothèse a priori des auteurs, voulant que l’analyse dégage au minimum deux classes de répondants (un profil non problématique et un profil problématique), a été pleinement confirmée :
- Dans l’ensemble des cinq domaines analysés, la structure des données a été modélisée de manière optimale par une solution comportant au moins deux et au maximum trois classes latentes.
- Classe 1 : Utilisateurs normatifs / adaptatifs. Cette classe regroupe la majorité des participants, caractérisés par de très faibles probabilités d’endosser des réponses de fréquence élevée (cotées 2 ou 3) aux indicateurs de tolérance, de préoccupation ou de perturbation de la vie quotidienne.
- Classe 2 : Utilisateurs à risque / modérément engagés. Cette classe présente des probabilités intermédiaires de rapporter des échecs occasionnels d’autorégulation ou un recours instrumental au média pour la régulation de l’humeur, sans détérioration majeure du fonctionnement psychosocial.
- Classe 3 : Utilisateurs problématiques / profil sévère. Présente de manière hautement significative dans les domaines des jeux vidéo, des réseaux sociaux et du smartphone, cette classe rassemble les répondants affichant des probabilités prépondérantes de cocher les options « souvent » et « toujours » pour les indicateurs de perte de contrôle, de conflit interpersonnel et de souffrance psychique.
Cette segmentation confirme la sensibilité discriminante de la dMOS et soutient empiriquement son utilité pour opérer un repérage précoce des populations vulnérables avant l’installation d’une pathologie chronique.
10. Instrument de mesure / Instrument
L’instrument se caractérise par une structure standardisée conçue selon les spécifications méthodologiques suivantes :
- Type de test : Auto-questionnaire psychométrique modulaire d’évaluation des attitudes et comportements d’usage numérique.
- Format d’administration : Questionnaire auto-administré sur support numérique ou papier-crayon.
- Nombre d’items : L’architecture standardisée comporte 14 items centraux pour chacun des domaines immatériels (jeux vidéo, pornographie, réseaux sociaux, streaming) et 18 items pour le module matériel du smartphone (incluant 3 questions additionnelles portant sur la présence physique de l’objet et ses intrusions perceptives, totalisant un noyau complet de 18 indicateurs d’usage). Le pool initial de recherche comportait 81 questions incluant 5 items pièges (foils) et 2 répétitions de contrôle.
- Échelle de réponse (authentique et obligatoire) : Chaque item est évalué au moyen d’un format de réponse ordonné en 5 points :
0 = Not at all (Pas du tout)
1 = Sometimes (Parfois)
2 = Often (Souvent)
3 = Always (Toujours)
4 = N/A (Recodé en valeur manquante / non applicable dans le logiciel R). - Population cible : Adultes (18 ans et plus), hommes et femmes, en population générale ou en contexte de consultation clinique.
- Modalités de cotation :
- Les scores peuvent être traités de manière modulaire, domaine par domaine, évitant ainsi le calcul d’un score composite global arbitraire qui masquerait les spécificités comportementales.
- Pour chaque module, les scores sont calculés par sommation des items applicables (les réponses 4 étant exclues de l’agrégation numérique pour éviter de biaiser les estimations).
- Dans le cadre d’une utilisation avancée en recherche, la cotation repose sur l’assignation de probabilités d’appartenance aux classes latentes (LCA) afin d’identifier les sujets relevant de la catégorie à risque ou sévère.
11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year
- Année de publication officielle : 2023.
- Tarifs d’utilisation (Fee) : Aucun frais financier (gratuit pour les activités de recherche académique et l’évaluation clinique non commerciale).
- Permissions et accès : Les droits d’auteur sont détenus par les auteurs et l’American Psychological Association (APA). L’utilisation de l’instrument dans le cadre de protocoles scientifiques ou d’applications cliniques requiert une prise de contact préalable avec l’auteur correspondant :
Dr Daniel Hipp, Digital Media Treatment and Education Center, Boulder, Colorado, États-Unis.
Courriel : [email protected].
12. Références / References
Les publications fondatrices et références théoriques régissant la dMOS comprennent :
- Brand, M., Young, K. S., Laier, C., Wölfling, K., & Potenza, M. N. (2016). Integrating psychological and neurobiological considerations regarding the development and maintenance of specific Internet-use disorders: An Interaction of Person-Affect-Cognition-Execution (I-PACE) model. Neuroscience & Biobehavioral Reviews, 71, 252–266. https://doi.org/10.1016/j.neubiorev.2016.08.033
- Brand, M., Wegmann, E., Stark, R., Müller, A., Wölfling, K., Robbins, T. W., & Potenza, M. N. (2019). The Interaction of Person-Affect-Cognition-Execution (I-PACE) model for addictive behaviors: Update, generalization to specific addictions, and clinical implications. Frontiers in Psychiatry, 10, Article 687. https://doi.org/10.3389/fpsyt.2019.00687
- Griffiths, M. (2005). A ‘components’ model of addiction within a biopsychosocial framework. Journal of Substance Use, 10(4), 191–197. https://doi.org/10.1080/14659890500114359
- Hipp, D., Blakley, E. C., Hipp, N., Gerhardstein, P., Kennedy, B., & Markle, T. (2023). The Digital Media Overuse Scale (dMOS): A modular and extendible questionnaire for indexing digital media overuse. Technology, Mind, and Behavior, 4(3). https://doi.org/10.1037/tmb0000117
- Kardefelt-Winther, D. (2014). A conceptual and methodological critique of internet addiction research: Towards a model of compensatory internet use. Computers in Human Behavior, 31, 351–354. https://doi.org/10.1016/j.chb.2013.10.059
- Young, K. S. (1998). Caught in the net: How to recognize the signs of internet addiction—and a winning strategy for recovery. John Wiley & Sons.