Modèle des comportements aberrants de conduite des livreurs de repas

1. Résumé / Abstract

Le Modèle des comportements aberrants de conduite des livreurs de repas (Aberrant Riding Behavior of Food Delivery Riders Model), développé par Qian, He et Shi en 2024, constitue un cadre d’évaluation psychométrique et structurel destiné à mesurer et expliquer les infractions routières et les conduites à risque chez les livreurs de repas opérant principalement à deux-roues motorisés ou en vélo électrique. Face à l’expansion fulgurante des plateformes numériques de livraison de repas à la demande et à la précarité temporelle inhérente à cette profession, les comportements de conduite dangereux sont devenus un problème mondial majeur de sécurité routière et de santé publique. Cet instrument psychométrique de 31 items évalue de façon multidimensionnelle l’impact des connaissances en sécurité routière (Safety Knowledge) sur les comportements aberrants de conduite, tout en articulant le rôle médiateur crucial joué par les attitudes envers la sécurité (distinguées entre attitudes envers la responsabilité individuelle et attitudes envers les lois et règlements) et la perception des risques (englobant les infractions générales, les distractions et erreurs, ainsi que la conduite agressive).

Administré par voie électronique auprès d’un large échantillon d’adultes livreurs en Chine, l’instrument utilise une échelle de réponse ordinale de type Likert en 5 points, allant de 1 (« Pas du tout d’accord » ou « Jamais ») à 5 (« Tout à fait d’accord » ou « Très fréquemment »). Les analyses psychométriques démontrent une excellente validité structurelle et une consistance interne robuste. Les coefficients alpha de Cronbach (α) et la fiabilité composite (CR) s’échelonnent respectivement de 0,706 à 0,944 et de 0,836 à 0,934 selon les sous-échelles. La fiabilité par bipartition (split-half reliability) confirme ces résultats avec des coefficients de Spearman-Brown de 0,804 pour l’attitude envers les lois et de 0,821 pour la perception des risques. La validité convergente est étayée par des variances moyennes extraites (AVE) supérieures au seuil de 0,50, tandis que la validité discriminante respecte le critère rigoureux de Fornell-Larcker. L’analyse factorielle confirmatoire démontre un ajustement remarquable du modèle théorique aux données empiriques (χ²/df = 1,929 ; RMSEA = 0,064 ; CFI = 0,916 ; TLI = 0,904). Cet outil fournit aux chercheurs en psychologie des transports, aux ergonomes et aux décideurs publics une base empirique pour concevoir des interventions ciblées visant à atténuer les accidents au sein de l’économie des petits boulots (gig economy).

2. Mots-clés / Keywords

Comportements aberrants de conduite, livreurs de repas, sécurité routière, perception des risques, attitudes envers la sécurité, connaissances en matière de sécurité, vélos électriques, psychométrie des transports, infractions routières, ergonomie du transport, économie des plateformes, modélisation par équations structurelles.

3. Auteurs / Authors

Le modèle et le système d’évaluation ont été conçus et validés par une équipe de chercheurs du département de génie civil et des transports de l’Université Tsinghua :

• Qian Qian : Département de génie civil, Université Tsinghua, Pékin, République populaire de Chine. Spécialiste de la dynamique des transports urbains et des comportements des usagers vulnérables.
• Junyi He : Département de génie civil, Université Tsinghua, Pékin, République populaire de Chine. Chercheur en analyse quantitative des systèmes de transport et sécurité du trafic.
• Jing Shi (Auteur correspondant) : Professeur au Département de génie civil, Université Tsinghua, Pékin, République populaire de Chine. Courriel institutionnel : [email protected]. Expert reconnu dans l’ingénierie des transports, la sécurité routière et la modélisation des comportements humains au volant et au guidon.

4. Objectif / Purpose

L’objectif fondamental de cet instrument est de déconstruire, de quantifier et de modéliser les déterminants psychologiques et cognitifs sous-jacents aux comportements aberrants de conduite chez les livreurs de denrées alimentaires opérant sur des deux-roues (vélos électriques, cyclomoteurs, scooters). Dans le cadre de l’essor fulgurant des plateformes de livraison à la demande, les livreurs sont confrontés à une pression temporelle extrême induite par des algorithmes d’optimisation stricts, des pénalités financières pour retard et des interfaces de navigation sur smartphone particulièrement distrayantes. Cette configuration professionnelle atypique favorise l’émergence d’infractions répétées au code de la route, telles que le non-respect des feux de signalisation, la circulation à contresens, l’excès de vitesse et l’usage compulsif du téléphone en roulant.

Sur le plan fondamental et de la recherche en psychologie de la circulation, l’outil a été spécifiquement structuré pour tester une chaîne causale intégrée : il ne s’agit pas simplement de constater la survenue d’infractions, mais d’élucider comment l’acquisition de connaissances en matière de sécurité routière (Safety Knowledge) modifie les attitudes envers la sécurité (Safety Attitudes), comment ces attitudes façonnent la perception du risque (Risk Perception), et comment ces états cognitifs conjoints inhibent ou exacerbent les comportements aberrants. Les études antérieures avaient souvent exploré ces variables de manière fragmentaire ou s’étaient cantonnées aux conducteurs d’automobiles conventionnelles en adaptant aveuglément le classique Driver Behaviour Questionnaire (DBQ) de Reason et al. L’instrument de Qian, He et Shi (2024) comble une lacune critique en proposant un outil contextuellement ancré dans les réalités professionnelles des livreurs de repas.

Sur le plan appliqué, institutionnel et préventif, l’instrument fournit aux opérateurs de plateformes numériques, aux compagnies d’assurance et aux autorités de régulation de la circulation routière une grille diagnostique opérationnelle. Il permet de :

• Diagnostiquer les déficits de connaissances réglementaires spécifiques chez les coursiers nouvellement recrutés ;
• Évaluer la réceptivité et l’attitude des travailleurs vis-à-vis des normes de sécurité et de la responsabilité citoyenne ;
• Distinguer les erreurs non intentionnelles (issues de l’inattention ou de la surcharge cognitive) des violations délibérées et de l’agressivité au guidon ;
• Concevoir des modules de formation sur mesure ciblant la restructuration des attitudes plutôt que la simple transmission de consignes prescriptives ;
• Évaluer l’efficacité longitudinale des politiques publiques et des mécanismes d’incitation algorithmique sur la réduction des comportements dangereux.

5. Construit psychologique / Construct

Le construit psychologique opérationnalisé par cet instrument s’articule autour d’une architecture multidimensionnelle hiérarchisée, regroupant 31 items répartis en quatre grandes dimensions théoriques interdépendantes : les connaissances en sécurité, les attitudes envers la sécurité, la perception du risque et les manifestations comportementales aberrantes.

1. Connaissances en matière de sécurité (Safety Knowledge – SA)

Cette dimension évalue la maîtrise objective et la compréhension cognitive des règles de circulation, de l’entretien mécanique élémentaire du véhicule et des principes fondamentaux de la conduite défensive. Il ne s’agit pas uniquement de la mémorisation du code de la route, mais de l’assimilation des principes de prudence propres aux deux-roues, par exemple l’anticipation des angles morts des véhicules lourds, l’adaptation de la vitesse sous conditions météorologiques dégradées et l’importance du port d’un casque homologué.

2. Attitudes envers la sécurité (Safety Attitude)

L’attitude est décomposée en deux sous-construits distincts, reflétant la double posture morale et réglementaire du travailleur :

• Attitudes envers la responsabilité (Safety Attitudes toward Responsibility – SA-r) : Cette sous-échelle appréhende le sentiment d’obligation morale, d’éthique professionnelle et de devoir civique du livreur envers sa propre intégrité physique et celle des autres usagers de la route (piétons, cyclistes, automobilistes). Elle mesure le refus de subordonner la vie d’autrui aux impératifs de ponctualité imposés par l’application mobile.
• Attitudes envers les lois et règlements (Safety Attitudes toward Laws – SA-l) : Cette dimension mesure le degré de légitimité que l’individu accorde à la législation routière. Elle permet de quantifier le cynisme réglementaire, c’est-à-dire la tendance à considérer le code de la route comme un obstacle injustifié à la productivité ou, à l’inverse, comme une barrière protectrice collectivement indispensable.

3. Perception du risque (Risk Perception)

La perception du risque évalue l’estimation subjective par le livreur de la probabilité d’être impliqué dans une collision ou d’encourir une sanction judiciaire à la suite d’un acte dangereux. Cette dimension est intimement liée au biais d’optimisme comparatif et à la tolérance au danger dans un environnement urbain dense.

4. Comportements aberrants de conduite (Aberrant Riding Behaviors)

Inspirée et adaptée de la taxonomie des comportements anormaux au volant, cette composante opérationnelle catégorise les actes de conduite en trois composantes comportementales distinctes :

• Infractions générales (General Violations) : Transgressions délibérées et rationnalisées des règles de circulation formelles. Ces comportements incluent le franchissement d’un feu rouge lorsque l’intersection paraît dégagée, la circulation sur les trottoirs réservés aux piétons, la conduite à contresens sur une voie cyclable et l’excès de vitesse pour rattraper un délai de livraison serré.
• Distractions et erreurs cognitives (Distraction and Mistakes) : Défaillances de l’attention ou défaillances de jugement non intentionnelles mais exacerbées par la tâche de livraison. Cela comprend la consultation compulsive de l’écran du smartphone en mouvement pour accepter de nouvelles commandes, l’incapacité à percevoir un obstacle surgissant en raison d’une attention focalisée sur l’itinéraire GPS, ou des erreurs de trajectoire dues à la fatigue psychique.
• Conduite agressive (Aggressive Riding) : Manifestations hostiles et impatientes face aux contraintes du trafic. Cette facette englobe le slalom dangereux entre les véhicules à l’arrêt, l’usage agressif de l’avertisseur sonore, le refus délibéré de céder la priorité et les comportements d’intimidation envers les usagers lents qui bloquent le passage.

6. Cadre théorique / Theoretical Framework

Le développement de ce modèle d’évaluation repose sur l’intégration interdisciplinaire de plusieurs théories fondamentales de la psychologie sociale, de l’ergonomie cognitive et de l’accidentologie des transports.

La taxonomie des comportements anormaux de Reason et al.

Le point d’ancrage structural du comportement de conduite trouve sa source dans la taxonomie de James Reason (Reason et al., 1990), fondatrice du Driver Behaviour Questionnaire (DBQ). Reason a établi une distinction fondamentale entre les erreurs (résultant d’une défaillance dans les mécanismes d’information cognitive, d’inattention ou d’oubli involontaire) et les violations (qui constituent des déviations délibérées par rapport à des pratiques de sécurité socialement acceptées ou légalement prescrites). Qian, He et Shi (2024) adaptent ce paradigme aux spécificités de la micro-mobilité professionnelle urbaine en y introduisant la notion de conduite agressive comme une manifestation distincte des infractions instrumentales.

La Théorie du Comportement Planifié (TCP) d’Ajzen

Le cheminement structural du modèle est largement guidé par la théorie du comportement planifié d’Icek Ajzen (1991). Selon cette approche, l’adoption d’un comportement est directement déterminée par l’intention comportementale, elle-même influencée par l’attitude envers le comportement, la norme subjective et le contrôle comportemental perçu. Dans le modèle de Qian et al., les attitudes de sécurité (face aux lois et à la responsabilité) sont conceptualisées comme des précurseurs directs de l’inclinaison à enfreindre les règles. Cependant, les auteurs enrichissent le cadre d’Ajzen en positionnant la connaissance en sécurité comme un déterminant distal fondamental qui nourrit et structure les attitudes, tandis que la perception du risque agit comme une passerelle régulatrice modulant la traduction des attitudes en actes observables.

Le modèle des croyances relatives à la santé (Health Belief Model) et l’homéostasie du risque

Pour expliquer la médiation exercée par la perception du risque, les auteurs s’appuient sur les principes du modèle des croyances en santé (Becker, 1974) et de la théorie de l’homéostasie du risque de Gerald Wilde (1982). Selon ces cadres, un travailleur n’ajuste son comportement vers une plus grande sécurité que s’il perçoit une menace tangible, grave et immédiate pour son intégrité ou ses moyens de subsistance. Si le coursier estime que le risque d’accident ou de contravention est négligeable face au gain monétaire certain d’une livraison effectuée à temps, son niveau de risque accepté augmente, ce qui catalyse les violations et l’agressivité au guidon.

7. Validité / Validity

La validation psychométrique du modèle de Qian, He et Shi (2024) a été menée selon des protocoles méthodologiques rigoureux dans le cadre de la modélisation par équations structurelles (SEM). Les propriétés de validité de construit, de validité convergente et de validité discriminante ont été systématiquement vérifiées.

Validité convergente

La validité convergente a été établie par l’examen minutieux des charges factorielles standardisées (λ) et de la variance moyenne extraite (AVE – Average Variance Extracted) pour chacun des construits latents :

• Les saturations factorielles de tous les items conservés sont statistiquement significatives au seuil de p < 0,001 et dépassent amplement la valeur minimale recommandée de 0,60, témoignant d’une forte cohésion entre les énoncés et leurs facteurs respectifs ;
• Les valeurs de l’AVE obtenues pour l’ensemble des sous-échelles dépassent systématiquement le seuil critique de 0,50 recommandé par Fornell et Larcker (1981). Cela indique que plus de 50 % de la variance des indicateurs observables est expliquée par les construits théoriques sous-jacents, confirmant une validité convergente robuste.

Validité discriminante

La validité discriminante garantit que chaque sous-échelle mesure un phénomène psychologique distinct et ne fait pas double emploi avec un autre concept du modèle :

• L’analyse a été menée à l’aide de l’approche classique de Fornell-Larcker : la racine carrée de l’AVE de chaque variable latente a été calculée et comparée aux coefficients de corrélation bivariée entre cette variable et toutes les autres composantes du modèle ;
• Pour toutes les dimensions analysées, la racine carrée de l’AVE (valeurs diagonales) s’est avérée strictement supérieure à l’ensemble des corrélations inter-facteurs correspondantes (valeurs hors diagonale). Cette condition mathématique valide formellement la distinctivité conceptuelle des échelles d’attitudes, de connaissances, de perception des risques et des trois typologies de comportements aberrants.

Validité prédictive et nomologique

La validité nomologique a été confirmée par les résultats du modèle structurel global : les connaissances en sécurité exercent un effet positif significatif sur les attitudes envers les lois et la responsabilité, lesquelles prédisent négativement et significativement les comportements aberrants. De plus, la perception des risques joue un rôle modérateur et médiateur cohérent avec les postulats de la psychologie du trafic, démontrant que l’outil possède une excellente validité prédictive pour discriminer les profils d’accidentalité chez les professionnels de la livraison.

8. Fidélité / Reliability

L’évaluation de la fiabilité et de la stabilité interne de l’instrument a fait appel à de multiples indicateurs statistiques complémentaires, assurant une précision métrique élevée pour chaque sous-échelle de l’inventaire.

Consistance interne (α de Cronbach et Fiabilité Composite)

La consistance interne a été évaluée à la fois par le coefficient traditionnel alpha de Cronbach et par le coefficient de fiabilité composite (CR – Composite Reliability), ce dernier ne reposant pas sur le postulat restrictif de tau-équivalence des items :

• Les valeurs de l’alpha de Cronbach pour l’ensemble des facteurs oscillent entre 0,706 et 0,944, excédant largement le standard académique de 0,70 requis pour les outils de recherche ;
• Les valeurs de fiabilité composite (CR) se situent dans un intervalle compris entre 0,836 et 0,934, apportant la preuve d’une homogénéité remarquable des indicateurs au sein de chaque construit latent.

Fiabilité par bipartition (Split-Half Reliability)

Afin de pallier les limites potentielles liées à la longueur des questionnaires et de confirmer la cohérence intrinsèque des construits, une analyse de fiabilité par moitié coupée a été réalisée :

• Les coefficients de Spearman-Brown calculés pour l’attitude envers les lois (SA-l) atteignent 0,804 ;
• Le coefficient de Spearman-Brown pour la perception des risques (RP-p) s’élève à 0,821 ;
• Ces résultats confirment que les échelles ne souffrent pas d’effets de redondance inutile d’items ou de variations indésirables dues à l’ordre de passation.

9. Analyse factorielle / Factor Analysis

L’architecture psychométrique de l’outil a fait l’objet d’une démarche analytique séquentielle rigoureuse, combinant l’Analyse Factorielle Exploratoire (AFE) pour dégager la structure latente initiale, suivie d’une Analyse Factorielle Confirmatoire (AFC) pour tester formellement l’ajustement du modèle global.

Analyse Factorielle Exploratoire (AFE)

Les échelles mesurant les connaissances, les attitudes et la perception des risques ont d’abord été soumises à une AFE conjointe utilisant l’extraction par factorisation en axes principaux avec rotation oblique (Promax), adaptée à des dimensions théoriquement corrélées :

• Les indices d’adéquation de l’échantillonnage de Kaiser-Meyer-Olkin (KMO) ont affiché des valeurs exceptionnelles de 0,821 et 0,912 selon les blocs de variables, démontrant une inter-corrélation idéale des énoncés pour l’analyse factorielle ;
• Le test de sphéricité de Bartlett s’est révélé hautement significatif (p < 0,001), rejetant catégoriquement l’hypothèse d’une matrice d’identité ;
• La variance totale expliquée par les facteurs extraits dépasse 60 %, attestant d’une excellente capacité de condensation de l’information sans déperdition explicative majeure.

Analyse Factorielle Confirmatoire (AFC)

L’AFC a été mise en œuvre sur un échantillon indépendant afin d’évaluer la qualité de l’ajustement du modèle de mesure multidimensionnel comprenant 31 items. Les indices d’adéquation obtenus répondent tous aux critères les plus stricts de la littérature méthodologique (Hu & Bentler, 1999) :

• Ratio Chi-deux sur degrés de liberté (χ²/df) : La valeur observée est de 1,929, ce qui est nettement inférieur au seuil recommandé de 3,0, indiquant l’absence d’un sur-ajustement artificiel ;
• Root Mean Square Error of Approximation (RMSEA) : La valeur calculée s’établit à 0,064 (avec un intervalle de confiance à 90 % conforme), restant bien en deçà du seuil critique de tolérance de 0,08 ;
• Comparative Fit Index (CFI) : L’indice atteint 0,916, dépassant le seuil canonique de 0,90 ;
• Incremental Fit Index (IFI) : L’indice s’élève à 0,917, confirmant l’ajustement incrémental robuste par rapport au modèle nul ;
• Tucker-Lewis Index (TLI) : Le score atteint 0,904, consolidant la parcimonie et la validité de la solution factorielle finale.

10. Instrument de mesure / Instrument

L’instrument de Qian, He et Shi (2024) se présente sous la forme d’un questionnaire standardisé auto-administré, structuré pour une utilisation en milieu académique ou organisationnel.

• Type d’instrument : Questionnaire / Inventaire psychologique standardisé d’auto-évaluation.
• Nombre total d’items : 31 items soigneusement calibrés.
• Dimensions et sous-échelles :
  • Connaissances en sécurité (SA) ;
  • Attitudes envers la responsabilité (SA-r) ;
  • Attitudes envers les lois et règlements (SA-l) ;
  • Perception des risques (RP) ;
  • Infractions générales (General Violations) ;
  • Distractions et erreurs cognitives (Distraction and Mistakes) ;
  • Conduite agressive (Aggressive Riding).
• Format des réponses : Échelle ordinale de type Likert en 5 points :
  • Pour les attitudes, connaissances et perceptions : 1 = « Pas du tout d’accord », 2 = « Plutôt en désaccord », 3 = « Neutre / Indécis », 4 = « Plutôt d’accord », 5 = « Tout à fait d’accord ».
  • Pour la fréquence des comportements aberrants : 1 = « Jamais », 2 = « Rarement », 3 = « Quelquefois », 4 = « Souvent », 5 = « Très fréquemment / Constamment ».
• Mode d’administration : Plateforme électronique numérique (optimisée pour smartphone ou ordinateur), garantissant l’anonymat des participants pour réduire le biais de désirabilité sociale.
• Procédure de cotation : Les scores moyens ou cumulés sont calculés séparément pour chaque sous-échelle. L’inversion préalable des items formulés négativement est requise le cas échéant. Des scores élevés sur les échelles comportementales traduisent une propension critique aux conduites déviantes, tandis que des scores élevés sur les échelles d’attitudes et de connaissances reflètent une forte disposition préventive.

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année de développement et de publication : 2024.
• Statut des droits d’auteur : Les droits d’exploitation commerciale et éditoriale sont détenus par l’éditeur Elsevier B.V. au nom des auteurs et de la revue Transportation Research Part F: Traffic Psychology and Behaviour.
• Accès et tarification pour la recherche : L’utilisation des échelles et du modèle dans le cadre exclusif de la recherche scientifique non commerciale est généralement autorisée à des fins académiques, sous réserve d’une citation bibliographique formelle de l’article princeps de Qian, He et Shi (2024).
• Utilisation commerciale et industrielle : Toute intégration de l’outil dans des logiciels propriétaires de recrutement de livreurs, des audits privés d’entreprises de logistique ou des applications d’assurance télématique requiert une demande préalable d’autorisation et d’octroi de licence auprès de l’auteur correspondant (Prof. Jing Shi) et des services de licences de l’éditeur Elsevier (RightsLink).

12. Références / References

Les sources bibliographiques suivantes constituent le fondement méthodologique et théorique du modèle :

• Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-T
• Becker, M. H. (1974). The health belief model and personal health behavior. Health Education Monographs, 2(4), 324–473. https://doi.org/10.1177/109019817400200407
• 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
• 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
• Jamil, H. M., Alam, S. M. S., & Murshed, M. (2021). Exploring electric two-wheeler riders’ safety behavior: Application of the extended theory of planned behavior. Accident Analysis & Prevention, 159, 106287. https://doi.org/10.1016/j.aap.2021.106287
• Nguyen-Phuoc, D. Q., De Gruyter, C., Nguyen, H. A., & Oviedo, D. (2020). What influences motorcycle taxi riders’ intention to commit traffic violations? An extended Theory of Planned Behavior. Safety Science, 127, 104724. https://doi.org/10.1016/j.ssci.2020.104724
• Qian, Q., He, J., & Shi, J. (2024). Analysis of factors influencing aberrant riding behavior of food delivery riders: A perspective on safety attitude and risk perception. Transportation Research Part F: Traffic Psychology and Behaviour, 100, 273–288. https://doi.org/10.1016/j.trf.2023.12.007
• Reason, J., Manstead, A., Stradling, S., Baxter, J., & Campbell, K. (1990). Errors and violations on the roads: A real distinction? Ergonomics, 33(10–11), 1315–1332. https://doi.org/10.1080/00140139008925335
• Wang, Y., Li, L., Prato, C. G., & Wang, K. (2018). The role of safety attitudes and risk perceptions in the aberrant riding behavior of e-bike riders. Transportation Research Part F: Traffic Psychology and Behaviour, 58, 480–491. https://doi.org/10.1016/j.trf.2018.06.035
• Wilde, G. J. (1982). The theory of risk homeostasis: Implications for safety and health. Risk Analysis, 2(4), 209–225. https://doi.org/10.1111/j.1539-6924.1982.tb01384.x

13. Questions et items du questionnaire / Scale Items

Les items officiels composant le Modèle des comportements aberrants de conduite des livreurs de repas sont protégés par le droit d’auteur (copyright © 2024 Elsevier B.V. / Auteurs) et ne sont pas diffusés dans le domaine public ouvert.