Mesure de la perception du risque lié à la COVID-19

1. Résumé

La Mesure de la perception du risque lié à la COVID-19 (COVID-19 Risk Perception Measure), développée par Lucia Savadori, Oksana Tokarchuk, Massimo Pizzato et Stefania Pighin (2023), est un instrument psychométrique conçu pour évaluer la nature multidimensionnelle de l’appréciation du risque épidémique et son impact direct sur les comportements décisionnels, plus particulièrement dans le secteur du tourisme et des intentions de voyage vers des destinations affectées. Conçue initialement à partir de treize items adaptés de la littérature biomédicale et comportementale en santé publique, l’échelle se structure autour d’une approche tripartite du risque, distinguant la perception analytique (évaluation probabiliste, cognitive et rationnelle), la perception affective (inquiétude, peur, anxiété viscérale et évaluation globale du danger) et la perception expérientielle (disponibilité mentale du scénario d’infection, imagerie mentale et sentiment intuitif de vulnérabilité personnelle).

Le protocole d’administration confronte les participants à un scénario prospectif standardisé simulant le choix d’un lieu de vacances soumis à des taux d’incidence virale réels rapportés officiellement. Les réponses sont recueillies sur des échelles de type Likert en 7 points. Les analyses psychométriques, conduites au travers de deux études auprès de résidents adultes italiens, ont comporté une analyse factorielle confirmatoire (AFC). Le modèle initial à 13 items affichait des indices d’ajustement modérés (χ² = 375, df = 62, χ²/df = 6,05, CFI = 0,951, TLI = 0,938, RMSEA = 0,090). L’inspection des indices de modification a conduit à l’élimination de deux items redondants (Q2 et Q3). Le modèle révisé à 11 items présente des qualités d’ajustement supérieures (χ² = 126, df = 41, χ²/df = 3,07, CFI = 0,984, TLI = 0,978, RMSEA = 0,058). La consistance interne est solide, avec des coefficients alpha de Cronbach systématiquement supérieurs à 0,70 pour l’ensemble des dimensions. Cet outil s’avère précieux pour la modélisation des choix préventifs et de mobilité en période de crise sanitaire majeure.

2. Mots-clés

Perception du risque, COVID-19, perception affective du risque, perception analytique du risque, perception expérientielle du risque, psychométrie, intentions de voyage, prise de décision, santé publique, comportement du consommateur en contexte pandémique

3. Auteurs

L’instrument a été élaboré par une équipe de chercheurs interdisciplinaires de l’Université de Trente (Italie) :

• Lucia Savadori : Département d’Économie et de Gestion (Department of Economics and Management), Université de Trente, Via Inama 5, 38122 Trente, Italie. ORCID : 0000-0003-3957-3132. Courriel institutionnel : [email protected] (Auteure correspondante).
• Oksana Tokarchuk : Département d’Économie et de Gestion, Université de Trente, Trente, Italie.
• Massimo Pizzato : Département de Biologie Cellulaire, Computationnelle et Intégrative (Department of Cellular, Computational and Integrative Biology – CIBIO), Université de Trente, Trente, Italie.
• Stefania Pighin : Centre des Sciences de l’Esprit et du Cerveau (Center for Mind/Brain Sciences – CIMeC), Université de Trente, Rovereto, Italie. ORCID : 0000-0002-9088-7201.

4. Objectif

La Mesure de la perception du risque lié à la COVID-19 a été développée afin de combler un vide méthodologique et conceptuel persistant dans l’étude des réactions individuelles face aux crises sanitaires globales. Historiquement, la recherche sur la perception du risque en santé s’est fréquemment focalisée sur des mesures unidimensionnelles et purement cognitives, invitant les répondants à quantifier une probabilité mathématique d’infection. Or, la prise de décision en situation d’incertitude extrême, telle qu’une pandémie mondiale, est gouvernée par des dynamiques cognitives et affectives intriquées. L’objectif fondamental de cet instrument est donc de décomposer le construit global de perception du risque viral en trois composantes distinctes mais interdépendantes : les processus analytiques, affectifs et expérientiels, afin d’examiner précisément comment ces différents vecteurs façonnent les comportements d’évitement ou d’engagement, notamment l’intention d’entreprendre des voyages vers des zones géographiques identifiées comme foyers infectieux.

Sur le plan de la recherche fondamentale et appliquée, l’échelle poursuit plusieurs visées. Premièrement, elle permet de déterminer quel canal perceptif prédomine dans la formation des attitudes préventives. Dans le cadre de l’étude princeps de Savadori et collaborateurs (2023), les auteurs ont utilisé cet instrument pour élucider l’impact de différents formats de communication du risque épidémique (taux d’incidence cumulés versus quotidiens, proportions relatives versus chiffres absolus) sur la perception du danger et le comportement touristique consécutif. L’instrument permet d’identifier si une intervention communicationnelle donnée altère la compréhension rationnelle du danger (canal analytique) ou suscite principalement une alarme émotionnelle inhibitrice (canal affectif).

Deuxièmement, dans une perspective clinique, épidémiologique et psychosociale, la mesure offre un cadre diagnostique pour évaluer les réactions d’anxiété disproportionnée ou, à l’inverse, l’optimisme comparatif excessif (biais d’invulnérabilité) chez des segments spécifiques de la population. Les praticiens en psychologie de la santé et les décideurs politiques peuvent identifier les leviers psychologiques précis responsables du refus d’adhésion aux mesures barrières ou de l’inhibition des comportements économiques et sociaux. En isolant la facette expérientielle (facilité à s’imaginer contaminé), l’outil capte l’influence des heuristiques cognitives (telles que l’heuristique de disponibilité) sur la prise de décision, fournissant un cadre rigoureux pour concevoir des campagnes d’information publique qui évitent d’induire une panique délétère tout en maintenant une vigilance sanitaire adéquate.

5. Construit psychologique

L’architecture conceptuelle de l’instrument repose sur une modélisation tripartite du risque perçu, issue de la convergence entre la psychologie cognitive, la théorie des processus duaux et la psychologie des émotions. Les trois sous-échelles qui composent l’instrument mesurent des facettes distinctes mais corrélées de l’expérience du danger biologique :

1. La perception analytique du risque (Analytical Risk Perception)

La dimension analytique renvoie aux opérations logiques, délibératives et probabilistes par lesquelles un individu tente d’estimer objectivement la menace. Inspirée des modèles d’utilité espérée et des théories formelles de la décision, cette composante évalue la probabilité perçue de contracter l’infection en fonction de paramètres contextuels et de conditions spécifiques. Elle comprend l’évaluation de la probabilité absolue de contamination lors d’un séjour de 7 jours dans la zone cible (Item Q1), mais également l’évaluation du risque conditionnel lié aux comportements de prévention (Item Q4 : probabilité en cas de non-respect des gestes barrières tels que le port du masque et la distanciation physique) et aux modes de vie personnels (Item Q5 : probabilité rapportée au style de vie habituel). La perception analytique exige un effort cognitif de pondération des facteurs de risque objectifs et de la susceptibilité biologique perçue.

2. La perception affective du risque (Affective Risk Perception)

Cette dimension opérationnalise la réponse émotionnelle brute, viscérale et immédiate générée par la perspective du contact avec l’agent pathogène. Loin d’être un calcul numérique froid, le risque est ici appréhendé comme un sentiment subjectif de vulnérabilité et de malaise. Les items de cette sous-échelle mesurent le niveau d’inquiétude (concern, Item Q6), la peur (fear, Item Q7), la nervosité (nervousness, Item Q8) et l’évaluation holistique du caractère intrinsèquement dangereux de la destination (general perceived riskiness, Item Q9). L’affect agit ici comme une heuristique de lecture rapide (affect heuristic) où l’étiquetage émotionnel négatif induit une aversion immédiate à l’égard de l’activité projetée, souvent de manière disproportionnée par rapport aux statistiques épidémiologiques objectives.

3. La perception expérientielle du risque (Experiential Risk Perception)

La dimension expérientielle correspond à l’ancrage intuitif, narratif et perceptif du risque dans le système cognitif de l’individu. Ancrée dans la facilité de simulation mentale, cette composante évalue l’aisance avec laquelle un individu peut se représenter mentalement en train de tomber malade (Item Q10), la confiance subjective en sa non-contamination (Item Q11, inversé), la conviction intime qu’une absence totale de risque relèverait du mensonge ou de l’illusion (Item Q12, inversé), et l’identification personnelle immédiate à autrui (« cela pourrait être moi ») lorsqu’un tiers contracte l’infection (Item Q13). Cette composante mesure le sentiment phénoménologique d’inévitabilité ou de plausibilité concrète du scénario infectieux, fortement dépendant des souvenirs antérieurs et de la prégnance des images médiatiques.

6. Cadre théorique

La structure de l’instrument s’enracine principalement dans les théories du double processus cognitif (Dual-Process Theories) développées en psychologie cognitive et sociale, notamment popularisées par Daniel Kahneman, Amos Tversky, Keith Stanovich et Richard West. Ces modèles postulent l’existence de deux modes cognitifs distincts : le Système 1 (rapide, automatique, intuitif, expérientiel, fortement teinté d’affects et peu exigeant en ressources attentionnelles) et le Système 2 (lent, délibératif, analytique, logique et nécessitant un contrôle métacognitif explicite).

Dans le domaine spécifique de l’évaluation du danger, ce dualisme trouve son expression la plus aboutie dans le paradigme du « Risque comme sentiment » (Risk as Feelings), formulé par George Loewenstein, Elke Weber, Christopher Hsee et Ned Welch (2001), ainsi que dans les travaux fondamentaux de Paul Slovic et Ellen Peters sur l’heuristique affective (Affect Heuristic). Ces auteurs ont démontré empiriquement que les réponses émotionnelles au risque divergent souvent de manière substantielle des calculs cognitifs de probabilités et de sévérité. Lorsque des individus font face à un danger inconnu, invisible et potentiellement létal comme le virus SARS-CoV-2, les réactions affectives (peur, effroi, dégoût) devancent l’analyse statistique et dictent majoritairement le comportement d’évitement.

Parallèlement, la dimension expérientielle fait directement écho aux travaux de Seymour Epstein (1994) sur la théorie cognitivo-expérientielle du soi (Cognitive-Experiential Self-Theory – CEST). Selon Epstein, les individus encodent la réalité au moyen d’un système expérientiel pré-rationnel orienté vers le plaisir et la douleur, alimenté par des récits, des images concrètes et des métaphores. L’inclusion des travaux de Ferrer et al. (2016) et de Dillard et al. (2012) a permis d’opérationnaliser la simulation d’événements sanitaires en tant que précurseur de l’intention comportementale. En intégrant ces multiples courants, l’échelle de Savadori et collaborateurs unifie la tradition psychométrique du modèle des croyances en santé (Health Belief Model) avec les neurosciences cognitives de la décision affective, offrant un cadre théorique exhaustif permettant d’appréhender le comportement humain lors des crises de santé publique.

7. Validité

L’évaluation des propriétés de validité de la Mesure de la perception du risque lié à la COVID-19 a été menée dans le cadre des deux études expérimentales conduites par Savadori et ses collaborateurs (2023) auprès d’échantillons représentatifs d’adultes italiens confrontés à des scénarios de choix de vacances réels :

Validité de contenu et d’apparence

Les treize items initiaux n’ont pas été formulés ex nihilo, mais méthodiquement adaptés d’instruments validés issus de la littérature médicale et comportementale internationale. Les items analytiques ont été dérivés des protocoles de Kaufman et al. (2020) et de Pighin, Bonnefon et Savadori (2011), ainsi que des travaux sur le risque conditionnel de Dillard et al. (2012) et de Ferrer et al. (2016). Les items affectifs s’appuient sur les échelles d’anxiété situationnelle de Sheeran, Harris et Epton (2014) et sur les mesures de risque global de Peters, Hart et Fraenkel (2011). Enfin, les items expérientiels reprennent les formulations de simulation mentale développées par Ferrer et ses collègues. Cette filiation garantit une excellente représentativité du domaine conceptuel exploré.

Validité de construit (structurelle)

La validité dimensionnelle a été établie par modélisation d’équations structurelles via l’analyse factorielle confirmatoire. Si le modèle original à 13 items affichait des indices d’ajustement globaux acceptables mais perfectibles, le modèle révisé à 11 items a démontré une adéquation remarquable avec les données empiriques (CFI = 0,984 ; TLI = 0,978 ; RMSEA = 0,058). La suppression de l’item Q2 (taux d’infection perçu) et de l’item Q3 (probabilité conditionnelle liée au soin apporté à sa santé) a éliminé les redondances de variance d’erreur et permis d’obtenir une discrimination nette entre les trois facteurs théoriques.

Validité prédictive et de critère

L’instrument démontre une forte validité prédictive à l’égard des intentions comportementales déclarées. Dans les modèles de régression et d’équations structurelles présentés par Savadori et al. (2023), les trois dimensions de la perception du risque expliquent une part statistiquement significative de la variance des intentions d’annulation de voyage et de sélection de destinations alternatives. Plus spécifiquement, la perception affective s’est révélée être le médiateur le plus puissant entre les formats de présentation des données épidémiologiques (statistiques cumulatives vs quotidiennes) et la volonté de réserver un séjour, corroborant l’hypothèse théorique selon laquelle l’émotion constitue le moteur proximal de l’action en situation de menace sanitaire imminente.

8. Fidélité

Les propriétés de fidélité de l’instrument ont fait l’objet d’évaluations rigoureuses reposant sur la consistance interne et la fiabilité composite :

• Consistance interne (Alpha de Cronbach) : Dans les deux échantillons italiens analysés par Savadori et al. (2023), les coefficients alpha de Cronbach calculés pour chacune des dimensions factorielles retenues dépassent systématiquement le seuil critique conventionnel de α > 0,70 recommandé par Nunnally et Bernstein (1994) ainsi que par Hair et al. (2010). Cela atteste d’une très forte homogénéité des énoncés au sein de chaque sous-échelle.
• Fiabilité composite (Composite Reliability – CR) : L’analyse de la fiabilité composite, issue de la modélisation confirmatoire, a confirmé que la variance partagée entre les indicateurs et leur variable latente respective était largement supérieure à la variance résiduelle d’erreur, garantissant une mesure robuste et exempte de distorsion substantielle.
• Stabilité temporelle : Bien que la stabilité test-retest n’ait pas été mesurée à long terme en raison de la nature dynamique et volatile de l’actualité pandémique en 2020-2022 (les taux d’infection changeant quotidiennement), l’administration au cours de deux études distinctes à des intervalles de collecte temporels différents a confirmé la reproductibilité des poids factoriels et de la structure interne de l’instrument.

9. Analyse factorielle

L’analyse factorielle confirmatoire (AFC) a été conduite afin de vérifier si l’organisation empirique des réponses reflétait adéquatement le modèle théorique à trois facteurs (Analytique, Affectif, Expérientiel). Les critères d’adéquation retenus par les auteurs s’appuient sur les standards psychométriques établis par Hair, Black, Babin et Anderson (2010), à savoir un ratio χ²/df idéalement inférieur à 3,0, des indices d’ajustement comparatif CFI et TLI supérieurs à 0,90 (ou idéalement > 0,95) et une erreur quadratique moyenne d’approximation (RMSEA) inférieure à 0,07 (ou idéalement ≤ 0,06).

Modèle initial à 13 items

La première analyse factorielle confirmatoire menée sur l’ensemble des treize items a mis en évidence une structure globale cohérente, mais pénalisée par deux indices d’ajustement en deçà des standards recommandés :

• χ² = 375
• Degrés de liberté (df) = 62
• Ratio χ²/df = 6,05 (nettement supérieur au seuil standard de 3,0)
• Indice de comparaison de Bentler (CFI) = 0,951
• Indice de Tucker-Lewis (TLI) = 0,938
• Erreur d’approximation (RMSEA) = 0,090 (au-delà du seuil acceptable de 0,070-0,080)

Spécification et modèle final à 11 items

L’examen approfondi des indices de modification (modification indices) a révélé d’importantes saturations croisées et une covariance d’erreur substantielle impliquant deux items particuliers :

1. L’item Q2 (« How high do you rate the number of currently positive cases in this region? »), initialement rattaché à l’évaluation affective/perceptive du taux d’infection, présentait une ambiguïté cognitive chez les répondants, oscillant entre jugement factuel et affectif.
2. L’item Q3 (« Considering the way you take care of your health, in your opinion, the probability of you contracting coronavirus infection… »), mesurant le risque conditionnel, se chevauchait excessivement avec les items Q1, Q4 et Q5.

Après élimination concertée des items Q2 et Q3, le modèle a été ré-estimé sur 11 items. Les nouveaux indices d’ajustement ont démontré une amélioration remarquable :

• χ² = 126
• Degrés de liberté (df) = 41
• Ratio χ²/df = 3,07 (quasiment conforme au seuil strict de 3,00)
• CFI = 0,984 (adéquation excellente)
• TLI = 0,978 (adéquation excellente)
• RMSEA = 0,058 (indiquant une excellente précision d’estimation dans la population)

Toutes les saturations factorielles standardisées des 11 items finaux se sont avérées statistiquement significatives (p < 0,001) et d’une magnitude élevée, confirmant une convergence robuste des indicateurs sur leurs dimensions respectives.

10. Instrument de mesure

• Type d’instrument : Questionnaire d’auto-évaluation psychométrique (auto-rapporté / self-report).
• Format d’administration : Papier-crayon ou informatisé (questionnaire en ligne, hautement adapté aux plateformes d’enquêtes expérimentales).
• Nombre d’items : 11 items dans la version factorielle validée finale (13 items dans l’inventaire exploratoire complet).
• Population cible : Adultes (18 ans et plus), tout genre confondu. Validé initialement auprès de citoyens et résidents italiens confrontés à la planification de séjours touristiques.
• Sous-échelles :
  • Perception analytique du risque (3 items dans la version finale : Q1, Q4, Q5).
  • Perception affective du risque (4 items dans la version finale : Q6, Q7, Q8, Q9).
  • Perception expérientielle du risque (4 items : Q10, Q11, Q12, Q13).
• Échelle de réponse : Échelle de Likert en 7 points. Selon l’item, les ancres s’échelonnent de 1 (« extremely low » / « not at all » / « not at all risky » / « not at all confident » / « no, I would not lie at all » / « no, not at all ») à 7 (« extremely high » / « extremely » / « extremely risky » / « extremely confident » / « yes, I would lie a lot » / « yes, definitely »).
• Procédure de cotation :
  • Inversion préalable des scores pour les items formulés positivement ou de manière protectrice : les items Q11 et Q12 sont inversés avant calcul (Score inversé = 8 – Score brut).
  • Calcul des scores dimensionnels moyens ou cumulés pour chacune des trois sous-échelles.
  • Possibilité de calculer un score global de perception du risque en agrégeant les scores standardisés des dimensions.
  • Un score élevé traduit une perception accrue du danger épidémique, une vulnérabilité ressentie plus forte et une anxiété situationnelle exacerbée.

11. Permissions, Tarifs et Année du test

• Année de publication : 2023.
• Droits d’auteur et permissions : Les auteurs (Lucia Savadori, Oksana Tokarchuk, Massimo Pizzato et Stefania Pighin) et l’éditeur autorisent l’utilisation de l’instrument sans frais pour les activités d’enseignement, de formation et de recherche scientifique non commerciale. L’utilisation dans le cadre d’études universitaires ne requiert pas d’accord formel préalable, sous réserve de citer rigoureusement l’article princeps paru dans le Journal of Hospitality and Tourism Management.
• Usage commercial : Toute exploitation dans un cadre lucratif, d’audit commercial ou de consultation privée nécessite une autorisation formelle écrite auprès de l’auteure correspondante ([email protected]).
• Tarifs : Gratuit pour la recherche académique ($0 / 0 €).

12. Références

Dillard, A. J., Ferrer, R. A., Ubel, P. A., & Fagerlin, A. (2012). Risk perception measures’ associations with behavior: Does the measure matter? Journal of Risk Research, 15(1), 89–102. https://doi.org/10.1080/13669877.2011.601323

Epstein, S. (1994). Integration of the cognitive and the psychodynamic unconscious. American Psychologist, 49(8), 709–724. https://doi.org/10.1037/0003-066X.49.8.709

Ferrer, R. A., Portnoy, D. B., & Klein, W. M. P. (2016). Extreme responses to cancer risk questions: Prevalence and associations with risk perceptions and behavioral intentions. Medical Decision Making, 36(7), 894–906. https://doi.org/10.1177/0272989X16644988

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Upper Saddle River, NJ: Prentice Hall.

Kaufman, A. R., Dwyer, L. A., Land, S. R., Klein, W. M. P., & Park, E. R. (2020). Smoking-related risk perceptions and beliefs among individuals undergoing low-dose computed tomography screening for lung cancer. Nicotine & Tobacco Research, 22(8), 1363–1370. https://doi.org/10.1093/ntr/ntz197

Loewenstein, G. F., Weber, E. U., Hsee, C. K., & Welch, N. (2001). Risk as feelings. Psychological Bulletin, 127(2), 267–286. https://doi.org/10.1037/0033-2909.127.2.267

Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). New York: McGraw-Hill.

Peters, E., Hart, P. S., & Fraenkel, L. (2011). Informing patients: The influence of numeracy, framing, and format of risk probabilities on comprehension and choice. Medical Decision Making, 31(3), 432–439. https://doi.org/10.1177/0272989X10391475

Pighin, S., Bonnefon, J. F., & Savadori, L. (2011). Overcoming natural frequencies to convey nominal risks of disease. Medical Decision Making, 31(2), 254–264. https://doi.org/10.1177/0272989X10375990

Pighin, S., Savadori, L., & Bonini, N. (2015). Providing risk information in relative versus absolute terms: The impact on lay risk perception. Risk Analysis, 35(1), 89–101. https://doi.org/10.1111/risa.12270

Savadori, L., Tokarchuk, O., Pizzato, M., & Pighin, S. (2023). The impact of infection risk communication format on tourism travel intentions during COVID-19. Journal of Hospitality and Tourism Management, 54, 65–75. https://doi.org/10.1016/j.jhtm.2022.12.004

Sheeran, P., Harris, P. R., & Epton, T. (2014). Does heightening risk appraisals change intentions and behavior? A meta-analysis of the experimental evidence. Psychological Bulletin, 140(2), 511–543. https://doi.org/10.1037/a0033065

Slovic, P., Finucane, M. L., Peters, E., & MacGregor, D. G. (2004). Risk as analysis and risk as feelings: Some thoughts about affect, reason, risk, and rationality. Risk Analysis, 24(2), 311–322. https://doi.org/10.1111/j.0272-4332.2004.00433.x

13. Questions et items du questionnaire

Le questionnaire est présenté ci-dessous dans sa version d’administration originelle en langue anglaise. Les consignes introductives et le scénario expérimental préparent le participant avant l’évaluation des items gradués sur une échelle en 7 points.