Inventaire du modèle de l’expérience consommateur sur les plateformes de portefeuille mobile

1. Résumé

L’Inventaire du modèle de l’expérience consommateur sur les plateformes de portefeuille mobile (en anglais, Consumer Experience of Mobile Wallet Platforms–Model ou CEMWP-M), élaboré par Amit Shankar et Abhishek Behl (2023), constitue un instrument psychométrique conçu pour conceptualiser, mesurer et modéliser l’expérience client au sein des écosystèmes transactionnels dématérialisés de type portefeuille électronique (m-wallet). Face à la prolifération des technologies financières (FinTech) et à la reconfiguration des parcours d’achat multicanaux, cet outil répond au besoin critique de quantifier les déterminants ergonomiques, cognitifs et relationnels façonnant les interactions des utilisateurs avec les solutions de paiement mobile.

L’instrument repose sur une architecture multidimensionnelle de 19 items évalués au moyen d’une échelle de Likert en cinq points. Le modèle structure l’expérience globale du consommateur à travers cinq dimensions déterminantes (la réactivité, l’interactivité, la confidentialité et la sécurité, la praticité, et le contact/support client), lesquelles prédisent la dimension sommative de l’expérience client subjective. Issus d’une adaptation rigoureuse de cadres établis de l’interaction humain-machine et du marketing de service (notamment Cyr et al., 2009 ; Huang et al., 2015 ; Shankar et al., 2019), les items ont été calibrés à l’aide d’une approche mixte combinant l’analyse textuelle de comptes rendus d’expérience et une validation empirique quantitative auprès de consommateurs adultes en Inde.

Les analyses psychométriques, menées par modélisation par équations structurelles (SEM), démontrent des propriétés de mesure robustes. La validité convergente est étayée par des variances moyennes extraites (AVE) supérieures au seuil de 0,50, tandis que la validité discriminante satisfait pleinement les critères classiques de Fornell et Larcker. La cohérence interne est attestée par des valeurs de fiabilité composite excédant le seuil normatif de 0,70 pour l’ensemble des construits latents. Enfin, l’évaluation du biais de méthode commune par le test monofactoriel de Harman confirme que la variance du modèle n’est pas contaminée par des artéfacts de mesure univariés. Cet inventaire fournit aux chercheurs et praticiens une assise standardisée pour auditer, comparer et optimiser l’ergonomie servicielle des interfaces de paiement mobile.

2. Mots-clés

expérience consommateur, portefeuille mobile, m-wallet, réactivité, interactivité, sécurité et confidentialité, praticité, service client, modélisation par équations structurelles, psychométrie de consommation, adoption des technologies financières, ergonomie cognitive

3. Auteurs

• Dr. Amit Shankar : Professeur adjoint en gestion du marketing, Indian Institute of Management (IIM) Visakhapatnam, Inde. Adresse de correspondance : [email protected].
• Dr. Abhishek Behl : Chercheur et professeur associé, O.P. Jindal Global University, Sonipat, Inde. Identifiant ORCID : 0000-0002-5157-0121.

4. Objectif

La transition rapide des sociétés contemporaines vers des économies sans numéraire (cashless economies) a érigé les plateformes de portefeuille mobile (ex. Apple Pay, Google Wallet, Paytm, PhonePe) en artefacts technologiques pivots de l’économie numérique. Malgré cette démocratisation globale, la persistance de taux élevés d’abandon, de frictions cognitives et de désaffection des usagers a révélé une limite théorique majeure : les modèles traditionnels d’acceptation des technologies, à l’image du Technology Acceptance Model (TAM) ou de l’UTAUT, tendent à réduire l’usage d’un outil financier à ses dimensions d’utilité perçue et de facilité d’utilisation, négligeant la complexité holistique de l’expérience vécue par le consommateur (Customer Experience ou CX).

L’objectif fondamental du CEMWP-M est de modéliser avec granularité les antécédents techniques, sécuritaires et relationnels qui déterminent l’évaluation expérientielle globale des plateformes de portefeuille électronique. Sur le plan fondamental, l’instrument vise à combler le fossé entre la psychologie de l’interaction humain-machine (HMI) et le comportement du consommateur dans le secteur des FinTech. Le modèle postule que l’expérience vécue lors d’une transaction financière dématérialisée n’est pas uniquement rationnelle ou procédurale ; elle combine un sentiment d’autonomie cognitive, un contrôle perçu des risques psychosociaux et monétaires, ainsi qu’une fluidité opérationnelle exempte d’accrocs temporels.

Dans le domaine de la recherche, cet inventaire offre une structure opérationnelle reproductible pour étudier les disparités inter-générationnelles dans l’adoption des services bancaires mobiles, analyser l’impact du design d’interface utilisateur (UI) sur le bien-être financier perçu, ou encore tester des modèles conceptuels intégrant la confiance technologique et la fidélité de marque. En milieu appliqué et industriel, le CEMWP-M sert d’outil de diagnostic diagnostique pour les concepteurs de produits logiciels, les équipes d’ingénierie des facteurs humains (Human Factors Engineering) et les directeurs de la stratégie client. Il permet d’isoler avec précision les faiblesses d’une application (latence système, manque de transparence des protocoles de secours, ambiguïté des canaux d’assistance) et d’orienter les investissements de développement vers les leviers d’expérience au rendement psychologique le plus significatif.

5. Construit psychologique

Le modèle CEMWP-M s’articule autour de six construits latents interconnectés, formulant une représentation globale de l’interaction technologique et servicielle :

5.1. La réactivité (Responsiveness)

La réactivité renvoie à la rapidité technique d’exécution et à la stabilité perçue de la plateforme lors des interactions transactionnelles. Ce construit évalue la conformité du système aux exigences de temporalité instantanée inhérentes au commerce mobile. Un système réactif élimine les goulots d’étranglement temporels (tels que les temps de chargement des écrans ou les gels inattendus de l’application). Sur le plan psychologique, une haute réactivité réduit le stress d’attente (waiting anxiety) associé au risque d’échec de la transaction monétaire.

5.2. L’interactivité (Interactivity)

L’interactivité qualifie la capacité perçue par le consommateur d’exercer un contrôle actif et bidirectionnel sur le flux d’informations et la navigation au sein de l’interface logicielle. Elle englobe la convivialité (user-friendliness), la logique de structuration des menus, et l’adaptabilité visuelle/ergonomique aux différentes typologies d’écrans et d’appareils mobiles. Une forte interactivité favorise le sentiment de maîtrise cognitive et renforce l’agentivité de l’usager face à ses opérations financières.

5.3. La confidentialité et la sécurité (Privacy and Security)

Ce construit traduit la perception par l’usager de l’intégrité de ses actifs numériques, de la protection de ses données à caractère personnel et de l’invulnérabilité du système face aux accès non autorisés. Il opérationnalise la présence de dispositifs de réassurance visibles, tels que les notifications d’alertes en cas de connexion suspecte, la garantie de non-divulgation des historiques d’achat, et la possibilité pour l’utilisateur de révoquer ou bloquer unilatéralement l’accès à son compte en cas de perte ou de vol du terminal physique.

5.4. La praticité (Convenience)

La praticité mesure l’économie de ressources physiques et cognitives réalisée par l’utilisateur lors de l’exécution de ses transactions financières. Distincte de la simple facilité d’utilisation, elle renvoie à la minimisation de l’effort perçu, à la réduction des étapes requises pour finaliser un paiement et à l’élimination des frictions procédurales. Une plateforme pratique s’intègre harmonieusement dans les routines quotidiennes de l’usager sans nécessiter d’apprentissage lourd ni d’attention soutenue.

5.5. Le contact et le support client (Contact)

La dimension de contact opérationnalise la présence et l’accessibilité perçue des mécanismes d’assistance humaine et automatisée en cas de dysfonctionnement transactionnel. Elle intègre la clarté des instructions de contingence délivrées par l’application en situation d’échec de transfert, la diversité des canaux de support mis à disposition (chat, ligne téléphonique, messagerie instantanée), ainsi que la diligence et l’efficacité perçues des équipes de relation client pour résoudre les litiges.

5.6. L’expérience consommateur globale (Consumer Experience)

Constituant la variable d’aboutissement réflexive du modèle, l’expérience consommateur globale synthétise l’évaluation affective, cognitive et hédonique issue des interactions cumulées avec le portefeuille mobile. Elle englobe le confort émotionnel (feeling comfortable), l’évaluation de la valeur instrumentale ou fonctionnelle (usefulness), ainsi que le plaisir intrinsèque ou la gratification éprouvée lors de l’utilisation (enjoyment).

6. Cadre théorique

Le développement du CEMWP-M s’enracine dans la convergence de trois grands cadres conceptuels issus des sciences du comportement, de l’ergonomie cognitive et du marketing des services :

6.1. Le paradigme Stimulus-Organisme-Réponse (S-O-R)

Le socle théorique primaire de l’inventaire dérive du paradigme Stimulus-Organisme-Réponse formulé initialement en psychologie environnementale par Mehrabian et Russell (1974). Dans le contexte des environnements numériques (e-commerce et m-commerce), les attributs de la plateforme constituent les Stimuli environnementaux (réactivité, interactivité, sécurité perçue, praticité et support de contact). Ces stimuli influencent l’état interne de l’Organisme – matérialisé par les perceptions cognitives de contrôle, la confiance et le confort émotionnel –, qui déclenche à son tour une Réponse holistique matérialisée par l’évaluation expérientielle globale et l’intention de réutilisation continue.

6.2. La théorie de la qualité de service électronique (E-S-QUAL)

Le modèle s’appuie également sur les extensions numériques du modèle SERVQUAL, notamment le cadre conceptuel E-S-QUAL développé par Parasuraman, Zeithaml et Malhotra (2005). Shankar et Behl (2023) transposent les dimensions canoniques de la qualité de service en ligne (efficacité, disponibilité du système, accomplissement, confidentialité et contact) aux spécificités matérielles et situationnelles des téléphones intelligents. L’interaction mobile étant caractérisée par des contraintes attentionnelles fortes et une connectivité fluctuante, les dimensions de réactivité et de praticité acquièrent un statut prépondérant dans l’évaluation du service.

6.3. La théorie de l’interaction humain-machine et de l’expérience utilisateur (UX)

Enfin, l’échelle mobilise les travaux contemporains en expérience utilisateur (Hassenzahl, 2003 ; Cyr et al., 2009), qui distinguent les qualités pragmatiques (utilité, facilité, absence de latence) des qualités hédoniques (plaisir, confort psychologique, sentiment d’appropriation). Le CEMWP-M démontre que l’expérience vécue sur un portefeuille mobile ne peut être dissociée de la réponse affective de l’usager : la sécurité perçue et le contact apaisent les affects négatifs (anxiété, méfiance), tandis que l’interactivité et la praticité maximisent les affects positifs (plaisir, sentiment d’efficacité personnelle).

7. Validité

L’évaluation psychométrique de l’inventaire CEMWP-M repose sur un protocole d’analyse par équations structurelles appliqué à un échantillon empirique diversifié de consommateurs en Inde, confronté préalablement à une validation qualitative issue de données textuelles d’avis clients :

7.1. Validité de contenu et validité apparente

Les 19 items du questionnaire ont été adaptés d’instruments préexistants validés dans la littérature internationale de pointe (notamment Cyr et al., 2009 pour l’interactivité ; Shankar et al., 2019 pour les dimensions d’expérience et d’adoption technologique ; Huang et al., 2015 pour les construits de service et de réactivité). L’adéquation contextuelle au domaine spécifique des portefeuilles mobiles a été vérifiée par des panels d’experts académiques et de professionnels de l’ingénierie des FinTech, assurant une parfaite validité apparente (face validity).

7.2. Validité convergente

La validité convergente du modèle de mesure a été corroborée en examinant la variance moyenne extraite (AVE, Average Variance Extracted) pour chaque variable latente, conformément aux préconisations méthodologiques de Hair et al. (2010). L’ensemble des construits latents (Réactivité, Interactivité, Confidentialité et sécurité, Praticité, Contact, Expérience consommateur) présentent des indices AVE strictement supérieurs au seuil conventionnel de 0,50. Ce résultat atteste que les indicateurs associés à chaque construit partagent plus de 50 % de leur variance avec le construit théorique sous-jacent, démontrant une convergence empirique hautement satisfaisante.

7.3. Validité discriminante

La validité discriminante a été testée et validée à l’aide du critère de Fornell et Larcker (1981). L’inspection des matrices corrélationnelles révèle que la racine carrée de l’AVE de chaque construit latent (positionnée sur la diagonale principale) est substantiellement supérieure à toutes les corrélations inter-construits (coefficients non diagonaux). Cette condition statistique rigoureuse confirme que chaque dimension capture un phénomène psychologique empiriquement distinct des autres facettes du modèle.

8. Fidélité

La fidélité de l’inventaire CEMWP-M a fait l’objet d’un examen approfondi au niveau de sa cohérence interne structurelle :

8.1. Fiabilité composite (Composite Reliability)

En accord avec la modélisation statistique avancée (SEM), la fidélité a été quantifiée prioritairement par le coefficient de fiabilité composite (CR), jugé supérieur et plus précis que le simple coefficient alpha de Cronbach dans les modèles de mesure à saturations non contraintes. Toutes les valeurs de fiabilité composite rapportées par Shankar et Behl (2023) dépassent largement le seuil standard de 0,70 préconisé par Hair et al. (2010), plusieurs dimensions se situant au-delà de 0,80. Ces résultats soulignent l’homogénéité des indicateurs et l’absence d’erreurs aléatoires excessives de mesure au sein de chaque sous-échelle.

8.2. Homogénéité des items

Chaque sous-échelle comprenant un format resserré de 3 à 4 items, l’absence de redondance sémantique a été confirmée tout en maintenant une communauté de variance élevée. Ce dimensionnement garantit un ratio efficience/parcimonie optimal, limitant la fatigue cognitive des répondants lors de passations répétées ou d’enquêtes longitudinales.

9. Analyse factorielle

La structure factorielle de l’instrument a été évaluée selon une séquence méthodologique rigoureuse combinant analyse factorielle confirmatoire (CFA) et contrôle systématique des biais systématiques de mesure :

9.1. Modélisation factorielle confirmatoire et équations structurelles

La configuration factorielle postule une structure de mesure à six facteurs corrélés de premier ordre, où les cinq dimensions d’antécédents (réactivité, interactivité, sécurité/confidentialité, praticité, contact) sont modélisées comme déterminants structurels de la variable d’expérience globale. Les résultats des saturations factorielles standardisées (factor loadings) démontrent des contributions statistiquement significatives (p < 0,001) et supérieures aux seuils minimaux requis (saturations > 0,60 voire > 0,70 sur l’ensemble des indicateurs), confirmant la netteté de l’affectation des items à leurs facteurs de rattachement.

9.2. Évaluation du biais de méthode commune (Common Method Bias)

L’administration d’un questionnaire d’auto-évaluation en coupe transversale exposant la recherche au risque d’un biais de méthode commune (Common Method Variance), les auteurs ont exécuté le test monofactoriel de Harman (Harman’s single-factor test). Les résultats de cette analyse factorielle non tournée indiquent qu’aucun facteur unique n’émerge pour expliquer une part majoritaire de la variance totale. La variance expliquée par le premier facteur non tourné demeure largement inférieure au seuil critique de 50 %, confirmant que la structure multifactorielle observée n’est pas le produit d’un artéfact méthodologique.

10. Instrument de mesure

• Type d’instrument : Échelle de mesure psychométrique standardisée / Modèle d’évaluation par questionnaire d’auto-évaluation (self-report inventory).
• Format d’administration : Format papier ou numérique (enquêtes en ligne, applications mobiles intégrées, enquêtes de satisfaction post-transactionnelles).
• Nombre total d’items : 19 items répartis en six dimensions théoriques :
  • Responsiveness (Réactivité) : 3 items
  • Interactivity (Interactivité) : 4 items
  • Privacy and security (Confidentialité et sécurité) : 3 items
  • Convenience (Praticité) : 3 items
  • Contact (Contact et support client) : 3 items
  • Consumer experience (Expérience consommateur globale) : 3 items
• Échelle de réponse (authentique et obligatoire) : Échelle de Likert en cinq points (five-point Likert scale), cotée de 1 à 5 :
  • 1 = Pas du tout d’accord (strongly disagree)
  • 2 = En désaccord (disagree)
  • 3 = Neutre / Ni en désaccord ni d’accord (neutral)
  • 4 = D’accord (agree)
  • 5 = Tout à fait d’accord (strongly agree)
• Population cible : Consommateurs adultes (18 ans et plus), incluant les jeunes adultes (18-29 ans) et les trentenaires (30-39 ans), usagers de plateformes de paiement par portefeuille électronique sur smartphone.
• Procédure de cotation : Calcul de scores moyens ou factoriels par sous-échelle. Aucun item n’est inversé. Un score élevé sur une sous-échelle donnée traduit une évaluation optimale de la dimension concernée. Les scores peuvent être intégrés en tant que variables latentes dans un modèle d’équations structurelles (SEM) prédisant la satisfaction continue, la fidélité ou le plaidoyer (NPS).

11. Permissions, Tarifs et Année du test

• Année de développement : 2023.
• Droits d’auteur et permissions : Les droits afférents à la publication originale sont détenus par l’éditeur international Taylor & Francis (Journal of Strategic Marketing). L’utilisation des items pour des travaux de recherche universitaire non commerciale est généralement régie par les règles du fair dealing académique avec citation obligatoire de l’article princeps. Pour toute exploitation commerciale, intégration logicielle propriétaire ou rediffusion institutionnelle, l’autorisation formelle de l’éditeur ou des auteurs doit être sollicitée.
• Frais d’utilisation : Aucun frais de licence n’est exigé pour un usage strictement scientifique et académique à but non lucratif.

12. Références

Les sources théoriques et méthodologiques ayant présidé à la conception et à la validation du modèle sont les suivantes :

• Cyr, D., Head, M., & Ivanov, A. (2009). Perceived interactivity leading to e-services-loyalty: An empirical investigation of mobile services. Computers in Human Behavior, 25(4), 850–869. https://doi.org/10.1016/j.chb.2009.02.010
• Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis: A global perspective (7th ed.). Pearson Education.
• Hassenzahl, M. (2003). The thing and I: Understanding the relationship between user and product. In M. A. Blythe, K. Overbeeke, A. F. Monk, & P. C. Wright (Eds.), Funology: From usability to enjoyment (pp. 31–42). Springer. https://doi.org/10.1007/1-4020-2967-5_4
• Huang, E. Y., Lin, S. C., & Fan, Y. C. (2015). M-S-QUAL: Mobile service quality measurement. Electronic Commerce Research and Applications, 14(2), 126–142. https://doi.org/10.1016/j.elerap.2015.01.003
• Mehrabian, A., & Russell, J. A. (1974). An approach to environmental psychology. MIT Press.
• Parasuraman, A., Zeithaml, V. A., & Malhotra, A. (2005). E-S-QUAL: A multiple-item scale for assessing electronic service quality. Journal of Service Research, 7(3), 213–233. https://doi.org/10.1177/1094670504271156
• Shankar, A., & Behl, A. (2023). How to enhance consumer experience over mobile wallet: A data-driven approach. Journal of Strategic Marketing, 31(4), 838–855. https://doi.org/10.1080/0965254X.2021.1999306
• Shankar, A., Datta, B., & Jebarajakirthy, C. (2019). Are you satisfied? An investigation into the role of user satisfaction on the adoption of mobile banking services. International Journal of Bank Marketing, 37(7), 1622–1643. https://doi.org/10.1108/IJBM-02-2019-0071

13. Questions et items du questionnaire

Les items originaux de l’instrument sont administrés en anglais dans le format verbatim validé par Shankar et Behl (2023). Le système de cotation repose strictement sur une échelle de Likert en cinq points (1 = strongly disagree à 5 = strongly agree).