Inventaire du modèle de fatigue liée aux messages sur la COVID-19, de surcharge informationnelle, d’évitement des messages et d’intention comportementale

1. Résumé

L’Inventaire du modèle de fatigue liée aux messages sur la COVID-19, de surcharge informationnelle, d’évitement des messages et d’intention comportementale (en anglais : COVID-19 Message Fatigue, Information Overload, Message Avoidance, and Behavioral Intention–Model Inventory), élaboré par Juhyung Sun et Sun Kyong Lee en 2023, constitue un instrument psychométrique novateur conçu pour opérationnaliser la dynamique cognitive et comportementale des usagers des réseaux sociaux face à la surabondance de communications sanitaires d’urgence. Ancré dans le paradigme théorique du Stressor-Strain-Outcome (SSO) issu de la psychologie de la santé et de la communication médiatisée par ordinateur, cet outil capture la transition délétère entre l’exposition excessive à l’information (stresseur), la fatigue psychologique et l’épuisement cognitif (tension ou strain), et les conséquences adaptatives ou comportementales néfastes (résultat ou outcome), à savoir l’évitement actif des messages sanitaires et la diminution subséquente de l’intention d’adhérer aux recommandations de santé publique.

Le modèle initial et son inventaire d’évaluation mesurent quatre dimensions fondamentales : la surcharge informationnelle perçue (Perceived Information Overload), la fatigue communicationnelle liée à la COVID-19 (COVID-19 Message Fatigue, sous-divisée conceptuellement en lassitude et épuisement), l’évitement des messages (Message Avoidance), et l’intention comportementale de conformité aux directives préventives (Behavioral Intention, articulée autour de l’hygiène, de la distanciation physique et de la vaccination). Dans sa version opérationnelle finale, après élagage factoriel exploratoire éliminant les items à faible saturation, l’inventaire repose sur une échelle de Likert en 5 points allant de 1 (« Pas du tout d’accord ») à 5 (« Tout à fait d’accord »).

Les propriétés psychométriques de l’instrument témoignent d’une remarquable robustesse méthodologique. Les analyses révèlent une cohérence interne élevée, avec des coefficients alpha de Cronbach (α) et des indices de fiabilité composite (CR) oscillant entre 0,73 et 0,94 selon les sous-échelles. La validité convergente est confirmée par des variances moyennes extraites (AVE) comprises entre 0,51 et 0,80, dépassant le seuil classique de Fornell-Larcker. La validité discriminante a été rigoureusement attestée par le ratio hétérotrait-monotrait (HTMT), dont l’ensemble des valeurs demeure strictement inférieur au critère conservateur de 0,90. Enfin, la modélisation par équations structurelles (SEM) et l’analyse factorielle confirmatoire de second ordre confirment un ajustement exemplaire aux données empiriques, faisant de cette échelle un instrument de référence pour analyser la résistance informationnelle en temps de pandémie.

2. Mots-clés

Fatigue communicationnelle, surcharge informationnelle, évitement des messages, intention comportementale, cadre stressor-strain-outcome, COVID-19, réseaux sociaux, psychométrie, santé publique, désengagement préventif, infodémie, épuisement numérique, modélisation par équations structurelles.

3. Auteurs

L’instrument a été conçu, développé et validé empiriquement par une équipe de chercheurs en communication pour la santé et psychologie des médias :

• Juhyung Sun, Ph.D. : Professeur adjoint au sein du Department of Communication de l’Université de l’Oklahoma (Norman, Oklahoma, États-Unis).
  Identifiant ORCID : 0000-0002-0302-5196.
  Courriel institutionnel : [email protected].
• Sun Kyong Lee, Ph.D. : Professeure associée à la School of Media & Communication de l’Université de Corée (Séoul, République de Corée).
  Identifiant ORCID : 0000-0002-8645-8922.
  Courriel institutionnel : [email protected].

Toute correspondance relative à l’utilisation académique, à l’adaptation transculturelle ou aux autorisations de reproduction de l’inventaire doit être adressée au Dr Juhyung Sun, University of Oklahoma, Department of Communication, 610 Elm Ave, Norman, Oklahoma 73019, USA.

4. Objectif

L’objectif cardinal de l’Inventaire du modèle de Sun et Lee (2023) est d’élucider, de quantifier et de modéliser les répercussions psychologiques et comportementales néfastes générées par l’avalanche de messages sanitaires diffusés sur les réseaux sociaux numériques lors des crises épidémiques majeures. Alors que la communication persuasive des agences sanitaires internationales (telles que l’Organisation mondiale de la santé ou les Centers for Disease Control and Prevention) postule traditionnellement qu’une exposition répétée renforce l’adoption des comportements de protection, l’instrument vise précisément à capturer le point de bascule où l’excès d’information déclenche un phénomène contre-productif de saturation et d’épuisement psychologique.

Dans le domaine de la recherche fondamentale en communication sanitaire et en psychologie sociale appliquée, l’inventaire répond à un besoin critique d’opérationnalisation du concept d’infodémie. Plus spécifiquement, il permet de mesurer avec précision comment la surcharge informationnelle perçue (le volume cognitif ingérable d’annonces, de statistiques, de débats et de consignes) agit comme un stresseur environnemental induisant un état interne d’épuisement (la fatigue des messages). L’outil examine de manière détaillée les deux conséquences directes de cette fatigue :

• L’apparition de comportements actifs ou passifs d’évitement communicationnel (message avoidance), caractérisés par le filtrage, l’ignorance intentionnelle et le défilement sans consultation des contenus prophylactiques.
• La dégradation des intentions comportementales prophylactiques (behavioral intentions), notamment le respect des gestes barrières, la distanciation physique et l’acceptation vaccinale.

Sur le plan des applications appliquées et clinico-institutionnelles, cet inventaire offre aux épidémiologistes comportementaux, aux concepteurs de campagnes de prévention et aux autorités gouvernementales un cadre de diagnostic standardisé. En identifiant les seuils critiques de fatigue communicationnelle au sein de segments démographiques vulnérables (particulièrement les jeunes adultes et les cohortes de 18 à 39 ans, hyperconnectées aux flux numériques), les gestionnaires de crise peuvent calibrer la fréquence, la tonalité, la complexité et les canaux de diffusion de leurs messages. L’instrument permet d’éviter l’écueil de la communication « à saturation » qui, loin d’augmenter la vigilance, alimente le cynisme, le détachement cognitif et le désengagement comportemental face aux risques sanitaires mortels.

5. Construit psychologique

L’instrument repose sur une architecture multidimensionnelle articulant quatre macro-construits interdépendants, eux-mêmes sous-tendus par des facettes cognitives, affectives et conatives distinctes :

1. Surcharge informationnelle perçue (Perceived Information Overload)

Ce construit quantifie l’évaluation subjective par l’individu de son incapacité à traiter cognitivement l’ensemble des flux informationnels relatifs à la crise sanitaire disponibles sur les plateformes numériques. Issue des théories de la charge cognitive, la surcharge informationnelle survient lorsque les exigences de traitement imposées par le volume, la vitesse et la complexité des données dépassent la capacité limite de la mémoire de travail et des ressources attentionnelles du sujet. Dans l’échelle, ce construit est évalué à travers des manifestations perceptives claires : le sentiment d’invasion quantitative (« too much COVID-19 information »), l’impression de dépassement (« overloaded », « overwhelmed ») et la difficulté opérationnelle à appréhender la totalité des contenus distribués.

2. Fatigue liée aux messages sanitaires (COVID-19 Message Fatigue)

La fatigue communicationnelle représente la réponse psychologique d’épuisement affectif et motivationnel consécutive à l’exposition chronique, répétitive et redondante à des stimuli anxiogènes ou prescriptifs. Conceptuellement dérivée des travaux sur l’épuisement professionnel (burnout) et l’ennui cognitif, elle s’articule autour de deux facettes intimement corrélées :

• La lassitude / monotonie (Tedium / Boredom) : sentiment de désintérêt profond, d’irritation passive et de monotonie causé par la redondance des avertissements sanitaires.
• L’épuisement émotionnel et mental (Exhaustion) : sensation de vidage psychologique, d’usure cognitive (« weary », « tired », « burnt out ») face à la permanence du stimulus discursif.

Loin d’être une simple indifférence, cette fatigue constitue un état aversif d’appauvrissement des ressources d’autorégulation, diminuant la disposition du sujet à consacrer un quelconque effort cognitif au décodage des messages.

3. Évitement des messages (Message Avoidance)

L’évitement des messages constitue la réponse comportementale immédiate déclenchée pour protéger l’individu contre l’aggravation de son état d’épuisement informationnel. Il s’agit d’une stratégie de coping défensif visant à couper l’exposition aux stimuli aversifs. Dans l’inventaire, cette dimension mesure la propension active de l’utilisateur des réseaux sociaux à ignorer délibérément les messages sur la pandémie (« bypass », « ignore », « skip », « do not read »). Ce mécanisme de déconnexion sélective réduit la détresse immédiate mais prive l’individu de mises à jour scientifiques et sanitaires cruciales pour sa protection personnelle et collective.

4. Intention comportementale de prévention (Behavioral Intention)

Ancrée dans la tradition de la théorie du comportement planifié, l’intention comportementale représente le déterminant motivationnel proximal le plus robuste de l’action effective. Dans le cadre pandémique spécifique, Sun et Lee structurent ce construit autour de la conformité aux directives édictées par les autorités sanitaires (CDC). Bien que modélisé globalement ou sous la forme d’un facteur de second ordre, ce construit englobe trois domaines concrets de la prophylaxie comportementale :

• Les gestes d’hygiène personnelle : lavage fréquent et prolongé des mains à l’eau et au savon (minimum 20 secondes) et port du masque chirurgical ou respiratoire dans l’espace public.
• Les restrictions et mesures sociales : maintien strict de la distanciation physique (distance barrière d’au moins 2 mètres ou 6 pieds à l’égard d’autrui).
• L’adhésion globale et vaccinale : volonté explicite de se conformer durablement aux directives institutionnelles et d’accepter les protocoles préventifs préconisés.

6. Cadre théorique

L’Inventaire du modèle de Sun et Lee (2023) tire sa cohérence architecturale du modèle conceptuel Stressor-Strain-Outcome (SSO), initialement introduit par Koeske et Koeske (1993) en psychologie du travail et largement étendu depuis aux systèmes d’information et à la communication médiatisée par ordinateur. Ce paradigme postule que les stimuli environnementaux hostiles, excessifs ou exigeants agissent comme des stresseurs (Stressor), lesquels déclenchent des réactions psychologiques, affectives et physiologiques internes de détérioration ou de tension (strain), aboutissant inéluctablement à des comportements d’adaptation ou d’inhibition dysfonctionnels qualifiés de résultats (outcome).

Dans la transposition orchestrée par Sun et Lee :

1. Le Stresseur : La surcharge informationnelle perçue sur les plateformes numériques (Facebook, Instagram, Twitter/X, TikTok) matérialise l’agression cognitive subie par l’usager confronté à un déferlement ininterrompu d’infographies alarmistes, de controverses et de rappels comportementaux.
2. La Tension (Strain) : En réaction à cette surcharge, l’usager développe une fatigue communicationnelle aiguë (COVID-19 message fatigue). Selon la théorie de la préservation des ressources (Conservation of Resources Theory de Stevan Hobfoll), les individus s’efforcent d’acquérir, de maintenir et de protéger leurs ressources attentionnelles et émotionnelles. La sollicitation incessante exercée par les flux médiatiques draine ces ressources, induisant un état d’épuisement mental et de rejet affectif du message sanitaire.
3. Le Résultat (Outcome) : Privé de ressources cognitives disponibles, le sujet met en œuvre une double réponse d’inhibition. D’une part, un coping comportemental de retrait via l’évitement systématique des messages (conséquence directe). D’autre part, par un effet d’érosion motivationnelle et de réactance psychologique (Brehm, 1966), la fatigue et l’évitement entraînent un désengagement des intentions d’adhésion aux mesures de prévention sanitaire (conséquence distale).

L’inventaire opérationnalise ainsi avec une extrême fidélité l’ensemble des transitions causales postulées par le modèle SSO, fournissant une démonstration empirique du fait que la saturation de messages de sensibilisation neutralise paradoxalement l’efficacité de la prévention en santé publique.

7. Validité

La validité psychométrique de l’inventaire a fait l’objet d’une analyse systématique et approfondie auprès d’un échantillon ciblé de jeunes adultes et d’étudiants universitaires américains (âgés de 18 à 39 ans), une population particulièrement représentative des dynamiques informationnelles propres aux réseaux sociaux.

Validité convergente

La validité convergente vérifie que les items composant chaque dimension partagent une proportion substantielle de variance commune relative au construit sous-jacent. Les chercheurs ont quantifié ce critère par l’extraction de la variance moyenne extraite (Average Variance Extracted, AVE). Conformément aux recommandations méthodologiques de Fornell et Larcker (1981), toutes les dimensions du modèle final présentent des valeurs d’AVE strictement supérieures au seuil conventionnel de 0,50, avec un intervalle s’étendant de 0,51 à 0,80. Cela atteste que plus de 50 % de la variance des indicateurs est directement imputable au construit latent plutôt qu’à l’erreur de mesure aléatoire.

Validité discriminante

La validité discriminante, qui garantit que chaque dimension mesure un phénomène empiriquement distinct des autres construits du modèle, a été confirmée par l’application de la méthode moderne du ratio hétérotrait-monotrait des corrélations (HTMT) (Henseler et al., 2015). Les analyses démontrent que l’ensemble des ratios HTMT entre les paires de variables latentes se situe confortablement en deçà du seuil critique conservateur de 0,90 (et même en deçà du critère plus strict de 0,85 pour la majorité des dyades). Cela démontre l’absence de chevauchement conceptuel entre la surcharge informationnelle (cause cognitive), la fatigue (état affectif/énergétique) et l’évitement (comportement d’action).

Biais de méthode commune (Common Method Bias)

Étant donné l’administration transversale de données auto-rapportées via un questionnaire auto-administré unique, les auteurs ont rigoureusement contrôlé le risque de biais de variance commune à l’aide du test unifactoriel de Harman. L’analyse sans rotation a révélé qu’un facteur unique n’expliquait que 41,76 % de la variance globale totale, soit un niveau nettement inférieur au seuil critique de 50 %. Ce résultat confirme que la variance résiduelle n’est pas contaminée de manière délétère par un artefact méthodologique commun.

8. Fidélité

La consistance interne de l’Inventaire du modèle de Sun et Lee a été établie à l’aide de deux indicateurs complémentaires : le coefficient standard de cohérence interne alpha de Cronbach (α) et l’indice de fiabilité composite (CR) issu de la modélisation en équations structurelles.

Les estimations obtenues sur l’échantillon d’évaluation sont remarquablement élevées :

• Intervalle global de consistance interne : Les coefficients alpha de Cronbach ainsi que les indices de fiabilité composite (CR) s’échelonnent entre 0,73 et 0,94 selon les sous-échelles du modèle.
• Fiabilité par dimension :
  • Surcharge informationnelle perçue : présente une cohérence interne très forte (CR et α > 0,85), témoignant d’une excellente redondance fonctionnelle des 5 indicateurs retenus.
  • Fatigue communicationnelle COVID-19 : démontre des niveaux de fidélité exceptionnels (CR et α compris entre 0,90 et 0,94), illustrant la robustesse du faisceau lexical mesurant l’usure psychologique et l’épuisement.
  • Évitement des messages : affiche une fiabilité composite élevée (CR > 0,88), attestant de l’alignement des conduites déclarées d’omission de lecture.
  • Intention comportementale : présente une stabilité de mesure robuste (valeurs d’alpha et de CR comprises entre 0,73 et 0,85 à travers ses composantes factorielles).

Toutes les valeurs de fidélité composite dépassent largement le critère conventionnel d’acceptabilité de Nunnally et Bernstein (0,70), garantissant une erreur de mesure minimale et une forte reproductibilité des scores d’une administration à l’autre au sein de populations comparables.

9. Analyse factorielle

L’évaluation psychométrique de la structure latente de l’inventaire a procédé selon une double démarche articulant une analyse factorielle exploratoire (AFE) initiale et une analyse factorielle confirmatoire (AFC) par modélisation d’équations structurelles.

Analyse factorielle exploratoire (AFE) et élagage des items

Au cours de la phase initiale d’exploration factorielle, les données de l’échantillon ont été soumises à une extraction des facteurs principaux avec rotation oblique pour identifier d’éventuels items défaillants ou redondants. Suivant les critères méthodologiques stricts de Hair et al. (2010), un seuil minimal de saturation factorielle de 0,40 a été appliqué pour conserver un indicateur. L’analyse a révélé que quatre items originaux de l’intention comportementale (codifiés BI4, BI9, BI12 et BI14 dans la matrice expérimentale) présentaient des saturations insuffisantes (< 0,40) ou des intercorrélations croisées parasites. En conséquence, ces quatre items ont été définitivement exclus des analyses ultérieures afin de préserver l’unidimensionnalité et la parcimonie du modèle.

Analyse factorielle confirmatoire (AFC) de premier ordre

L’analyse factorielle confirmatoire du modèle de mesure global a été menée pour tester l’adéquation empirique des structures théoriques latentes. Les indices d’ajustement obtenus démontrent une conformité exemplaire aux recommandations de Hu et Bentler (1999) :

• Chi-deux normalisé : χ²(288) = 791,12, p < 0,001, soit un ratio χ²/df = 2,75 (inférieur au seuil exigé de 3,00 ou 5,00).
• Indice d’ajustement comparatif (CFI) : 0,95 (dépassant le critère d’excellence de 0,95).
• Erreur quadratique moyenne d’approximation (RMSEA) : 0,06 (conforme au seuil de bon ajustement < 0,08, avec un intervalle de confiance maîtrisé).
• Résidu quadratique moyen standardisé (SRMR) : 0,05 (inférieur au seuil strict de 0,08).

AFC de second ordre pour l’intention comportementale

Pour le macro-construit de l’intention comportementale (Behavioral Intention), les auteurs ont validé une structure factorielle hiérarchique de second ordre articulée en trois facteurs de premier ordre : l’hygiène, les restrictions sociales et la vaccination. Ce modèle de second ordre a fait preuve d’une excellente adéquation aux données :

• χ²(40) = 153,42, p < 0,001 ; χ²/df = 3,84 ;
• CFI = 0,97 ;
• RMSEA = 0,06 ;
• SRMR = 0,04.

Ces données confirment l’adéquation structurelle rigoureuse de l’outil et sa capacité à isoler les dimensions sans distorsion de saturation.

10. Instrument de mesure

Les caractéristiques formelles de passation et de cotation de l’instrument se résument comme suit :

• Type d’évaluation : Échelle psychométrique auto-rapportée (inventaire de recherche et de diagnostic empirique).
• Domaines évalués : Perception de la surcharge informationnelle numérique, fatigue communicationnelle liée à la pandémie, comportements d’évitement sélectif des messages et intentions d’adhésion aux directives prophylactiques.
• Nombre d’items publiés : 18 items vérifiés dans sa forme standardisée principale (après suppression des 4 items sous-saturés lors de l’AFE).
• Format des réponses : Échelle de Likert à 5 points (5-point Likert scale) :
  • 1 = Strongly disagree (Pas du tout d’accord)
  • 2 = Disagree (Pas d’accord)
  • 3 = Neutral (Neutre / Ni d’accord ni en désaccord)
  • 4 = Agree (D’accord)
  • 5 = Strongly agree (Tout à fait d’accord)
• Population cible : Adultes (18 ans et plus), validée spécifiquement auprès de jeunes adultes (18–29 ans) et de personnes trentenaires (30–39 ans) de diverses identités de genre (hommes, femmes, non-binaires).
• Calcul des scores et cotation :
  • Surcharge informationnelle perçue (Perceived Information Overload) : moyenne ou somme des items 1 à 5. Un score élevé reflète une saturation cognitive face à l’abondance d’informations sur les réseaux sociaux.
  • Fatigue communicationnelle (COVID-19 Message Fatigue) : moyenne ou somme des items 6 à 10. Un score élevé signale un épuisement émotionnel et une lassitude intense.
  • Évitement des messages (Message Avoidance) : moyenne ou somme des items 11 à 14. Un score élevé indique un évitement actif et systématique des communications de santé.
  • Intention comportementale (Behavioral Intention) : moyenne ou somme des items 15 à 18. Un score élevé traduit une forte intention de respecter les mesures de prévention (masque, distanciation, hygiène, directives officielles).
  • Règle de score inversé : Aucun item n’est inversé dans les sous-échelles de stresseur, tension ou évitement ; l’évaluation directe de chaque indicateur préserve la lisibilité de la cotation.

11. Permissions, Tarifs et Année du test

• Année d’introduction : 2023.
• Permissions : L’utilisation de cet instrument à des fins exclusives de recherche académique non commerciale requiert une demande préalable adressée à l’auteur correspondant ([email protected]). Les adaptations transculturelles ou traductions standardisées doivent faire l’objet d’un accord explicite des concepteurs originaux.
• Tarifs et redevances : Instrument libre de redevance (Fee: No) pour les travaux de recherche scientifique universitaire et la recherche publique en santé.
• Exploitation commerciale : Strictement non commerciale (Commercial: No). Toute intégration dans une suite logicielle propriétaire ou un dispositif d’évaluation commerciale nécessite une négociation contractuelle avec les titulaires des droits et les éditeurs.

12. Références

Les publications fondatrices et cadres psychométriques de référence sont listés ci-dessous en style APA (7e édition) :

• Brehm, J. W. (1966). A theory of psychological reactance. Academic Press.
• Cho, H. (2004). The role of information overload in message processing and compliance [Doctoral dissertation, Rutgers University]. Rutgers University Community Repository.
• 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 (7th ed.). Prentice Hall.
• Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
• Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
• Koeske, G. F., & Koeske, R. D. (1993). A preliminary test of the stress-strain-outcome model for clinicians. Social Work Research and Abstracts, 29(4), 29–35. https://doi.org/10.1093/swra/29.4.29
• So, J., Kim, S., & Cohen, H. (2017). Message fatigue: Conceptual definition, operationalization, and its potential role in health communication. Communication Monographs, 84(4), 488–501. https://doi.org/10.1080/03637751.2017.1343728
• Sun, J., & Lee, S. K. (2023). “No more COVID-19 messages via social media, please”: The mediating role of COVID-19 message fatigue between information overload, message avoidance, and behavioral intention. Current Psychology: A Journal for Diverse Perspectives on Diverse Psychological Issues, 42(24), 20347–20361. https://doi.org/10.1007/s12144-023-04726-7
• Wisniewski, P., & Lu, Y. (2010). Interpersonal information overload: Social dynamics of consumer interactions in social media. Proceedings of the American Society for Information Science and Technology, 47(1), 1–4. https://doi.org/10.1002/meet.14504701267

13. Questions et items du questionnaire