Questionnaire sur les attitudes envers les robots industriels coopératifs (ACIR-Q)

1. Résumé / Abstract

Le Questionnaire sur les attitudes envers les robots industriels coopératifs (Attitudes toward Cooperative Industrial Robots Questionnaire, ACIR-Q ; Leichtmann et al., 2023) est un instrument diagnostique et psychométrique standardisé développé pour évaluer de manière multidimensionnelle les attitudes des travailleurs du secteur manufacturier face à l’introduction et à l’usage de robots industriels coopératifs (communément appelés « cobots »). S’appuyant sur les travaux fondateurs de la psychologie organisationnelle relatifs à l’introduction technologique (Chao & Kozlowski, 1986 ; Herold, Farmer, & Mobley, 1985), le questionnaire a fait l’objet d’un processus de raffinement méthodologique rigoureux reposant sur l’algorithme d’optimisation par colonie de fourmis (Ant Colony Optimization, ACO). Ce procédé a permis d’extraire une version parcimonieuse de 12 items articulée autour de trois dimensions psychologiques distinctes : les préoccupations affectives et comportementales (Affect-Behavior), les croyances sociales (Social beliefs) et les croyances relatives aux tâches (Task beliefs).

L’échelle a été validée auprès d’échantillons en ligne d’employés d’usines en Allemagne ainsi que d’une cohorte de terrain issue d’entreprises manufacturières locales confrontées au déploiement de technologies robotiques mobiles. Les propriétés psychométriques de l’ACIR-Q témoignent d’une excellente validité de construit confirmée par des analyses factorielles exploratoires (AFE) et confirmatoires (AFC), avec des indices d’adéquation exemplaires (CFI ≈ 1,00 ; RMSEA ≈ 0,00). La cohérence interne de l’instrument s’avère particulièrement robuste, présentant des coefficients oméga de McDonald (ω) compris entre 0,81 et 0,84 selon les sous-échelles. L’ACIR-Q constitue ainsi un outil d’évaluation indispensable pour orienter les décisions managériales, planifier les interventions en ergonomie organisationnelle et anticiper les freins psychologiques lors des transitions vers l’industrie 4.0.

2. Mots-clés / Keywords

Attitudes des employés, Robotique coopérative, Cobotique, Ergonomie organisationnelle, Optimisation par colonie de fourmis, Psychologie du travail, Industrie 4.0, Acceptation de la technologie, Climat social, Relations de travail, Validité psychométrique, Modélisation par équations structurelles.

3. Auteurs / Authors

Le développement et la validation psychométrique de l’ACIR-Q ont été conduits par une équipe interdisciplinaire de chercheurs spécialistes en psychologie cognitive, psychologie différentielle, psychométrie et ergonomie industrielle :

• Benedikt Leichtmann (Auteur correspondant)
  
  Affiliation : Johannes Kepler University Linz, Robopsychology Lab, Linz, Autriche.
  
  Identifiant ORCID : 0000-0002-9062-0996
  
  Courriel : [email protected]
  
  Adresse de correspondance : Altenberger Str. 69, 4040 Linz, Autriche.
• Johanna Hartung
  
  Affiliation : University of Bonn, Department of Psychology, Bonn, Allemagne.
  
  Identifiant ORCID : 0000-0002-6392-4468
  
  Courriel : [email protected]
• Oliver Wilhelm
  
  Affiliation : Ulm University, Institute of Psychology and Education, Ulm, Allemagne.
  
  Identifiant ORCID : 0000-0001-7980-1166
  
  Courriel : [email protected]
• Verena Nitsch
  
  Affiliation : RWTH Aachen University, Institute of Industrial Engineering and Ergonomics, Aix-la-Chapelle, Allemagne.
  
  Courriel : [email protected]

4. Objectif / Purpose

L’introduction de la robotique collaborative dans les ateliers d’usinage et les chaînes de montage marque une rupture fondamentale par rapport à l’automatisation industrielle classique. Alors que les robots traditionnels opéraient confinés derrière des barrières physiques ou des cages de sécurité grillagées afin de prévenir tout contact physique avec l’humain, les systèmes coopératifs et les robots mobiles autonomes partagent le même espace physique et temporel que les opérateurs. Cette transformation sociotechnique modifie en profondeur la dynamique de l’activité productive, les interactions interpersonnelles, le sentiment de sécurité physique et le sens même accordé au travail. L’objectif fondamental de l’ACIR-Q est d’offrir aux praticiens des ressources humaines, aux ergonomes et aux chercheurs un instrument standardisé, fiable et théoriquement fondé, capable de mesurer les attitudes et les représentations des salariés face à ces technologies émergentes.

Dans le champ de la psychologie du travail et des organisations, une mesure fine et multidimensionnelle des attitudes préalables ou concomitantes à l’implémentation est un levier déterminant pour prévenir la résistance au changement, l’anxiété technologique (technostress) et le désengagement professionnel. L’ACIR-Q a été spécifiquement conçu pour guider les décideurs dans l’élaboration de programmes de formation personnalisés, l’adaptation ergonomique des postes de travail et la mise en œuvre d’approches de gestion du changement participatives. En isolant les dimensions émotionnelles, relationnelles et opérationnelles, le questionnaire permet d’identifier précisément les sources de réticence au sein d’une unité de production donnée (par exemple, la crainte d’un déclassement professionnel versus l’appréhension liée aux risques physiques de collision).

Sur le plan de la recherche, l’ACIR-Q répond à un manque critique d’instruments psychométriquement validés dédiés à la collaboration homme-robot (Human-Robot Collaboration, HRC). Jusqu’alors, de nombreuses études recouraient à des adaptations sommaires du modèle d’acceptation de la technologie (TAM ; Davis, 1989) ou à des échelles génériques d’attitudes envers les robots (comme la NARS de Nomura et al.), lesquelles ne prennent pas en compte les contraintes collectives, sociales et sécuritaires propres au travail en usine. L’ACIR-Q comble ce vide empirique en fournissant une métrique ciblée sur le contexte industriel manufacturier.

5. Construit psychologique / Construct

Le construit mesuré par l’ACIR-Q est l’attitude globale envers les robots industriels coopératifs, conceptualisée non pas comme un trait unidimensionnel, mais comme une structure tripartite intégrant des réponses évaluatives affectives, cognitives-sociales et cognitives-instrumentales. En accord avec le modèle tripartite classique des attitudes en psychologie sociale, l’instrument décompose ce construit en trois dimensions corrélées de quatre items chacune :

1. Composante Affective et Comportementale (Affect-Behavior)

Cette sous-échelle évalue les réactions émotionnelles immédiates suscitées par l’idée de travailler à proximité directe d’un cobot, ainsi que la disposition comportementale d’évitement ou d’ouverture face à l’interaction. Elle capture l’anxiété, le malaise ressenti (uneasy feeling), l’appréhension diffuse quant à la cohabitation avec une machine autonome, mais aussi l’enthousiasme anticipatoire et la propension individuelle à adapter ses propres habitudes motrices et opératoires. Par exemple, l’expérience d’une perte de contrôle perçue face à un bras robotique en mouvement peut engendrer un état de tension émotionnelle que cette dimension quantifie fidèlement.

2. Croyances Sociales (Social Beliefs)

La dimension des croyances sociales appréhende l’impact perçu de la robotique collaborative sur l’écologie sociale de l’organisation. L’introduction d’un robot dans une cellule de travail n’est jamais neutre : elle peut altérer la communication entre collègues, affaiblir la cohésion d’équipe, fragmenter les collectifs de travail et modifier la répartition des responsabilités. Cette sous-échelle mesure également des aspects cruciaux liés à l’identité professionnelle et à l’aliénation au travail :

• La crainte de la précarisation ou de la perte de son emploi (job insecurity) face à l’automatisation ;
• Le sentiment de dévalorisation du statut d’ouvrier ou de perte d’utilité personnelle au sein de l’entreprise ;
• L’érosion du sens attribué au travail lorsque des tâches qualifiées sont déléguées à l’agent artificiel ;
• La dégradation des opportunités d’échanges informels et de solidarité entre pairs sur la ligne de production.

3. Croyances relatives aux Tâches (Task Beliefs)

Cette troisième composante se concentre sur les aspects instrumentaux, opératoires et ergonomiques de l’activité de travail. Elle évalue dans quelle mesure les salariés perçoivent le cobot comme un outil d’assistance capable d’accroître la productivité, d’optimiser l’organisation spatiale et temporelle des processus (ordre versus confusion), et d’alléger la pénibilité physique (soulagement des efforts biomécaniques, réduction des troubles musculosquelettiques). Inversement, elle intègre les craintes relatives à l’opacité cognitive des nouveaux protocoles de travail et aux dangers potentiels pour l’intégrité corporelle de l’opérateur (collisions, trajectoires imprévues).

6. Cadre théorique / Theoretical Framework

L’architecture conceptuelle de l’ACIR-Q s’enracine à la croisée de la théorie de l’action raisonnée (Fishbein & Ajzen, 1975), des modèles d’acceptation technologique en milieu de travail et de l’approche sociotechnique des organisations (Trist & Bamforth, 1951). Selon les théories de l’attitude, les croyances cognitives saillantes (les conséquences perçues d’un comportement ou d’un objet) déterminent les réactions affectives, qui à leur tour guident les intentions comportementales d’adoption, de contournement ou de sabotage.

Le socle théorique de l’instrument puise directement dans les travaux fondamentaux de Chao et Kozlowski (1986) sur la mise en œuvre des technologies avancées de fabrication (Advanced Manufacturing Technology, AMT) et ceux de Herold, Farmer et Mobley (1985) sur les réponses multidimensionnelles des salariés face aux changements technologiques. Ces auteurs avaient démontré que les réactions des opérateurs d’usine ne peuvent être réduites à de simples calculs d’utilité perçue ou de facilité d’utilisation (tels que postulés par le modèle TAM de Davis, 1989). L’environnement de l’atelier implique des dimensions collectives majeures : le climat social de l’équipe, la valorisation du savoir-faire manuel traditionnel et la sécurité physique.

Dans l’approche de Leichtmann et de ses collaborateurs (2023), l’attitude envers les robots coopératifs est théorisée comme un système dynamique où les bénéfices fonctionnels attendus sur la tâche (Task beliefs) sont constamment mis en balance avec les menaces perçues sur le rôle social (Social beliefs) et les résonances anxiogènes ou l’anticipation positive (Affect-Behavior). La modélisation sociotechnique rappelle que l’efficacité d’un système hybride homme-machine dépend de l’optimisation conjointe du sous-système technique (fiabilité de l’algorithme, précision du cobot) et du sous-système social (qualité de vie au travail, interactions professionnelles enrichissantes).

7. Validité / Validity

Les propriétés métrologiques de l’ACIR-Q ont été rigoureusement établies à travers plusieurs études combinant des échantillons d’ouvriers recrutés en ligne et des cohortes d’employés de terrain directement exposés à la robotique coopérative en Allemagne.

Validité de Construit et Structure Interne

La validité de construit a été démontrée par la convergence des données empiriques vers le modèle théorique à trois facteurs. L’application de l’algorithme d’optimisation par colonie de fourmis (ACO) a permis de sélectionner les 12 items présentant les saturations les plus pures et les résidus d’erreur les plus faibles, éliminant tout chevauchement conceptuel redondant. Le modèle final à trois facteurs interdépendants a présenté des indices d’adéquation quasi-parfaits dans les analyses confirmatoires : un indice d’ajustement comparatif (Comparative Fit Index, CFI) d’environ 1,00 et une racine carrée de l’erreur quadratique moyenne d’approximation (RMSEA) proche de 0,00.

Validité Convergente et Discriminante

La validité convergente a été confirmée par des corrélations substantielles et théoriquement congruentes entre les sous-échelles de l’ACIR-Q et des mesures connexes, notamment les échelles d’anxiété technologique, la confiance dans l’automatisation (Trust in Automation) et la motivation intrinsèque au travail. La validité discriminante est attestée par le fait que les corrélations inter-facteurs (variant typiquement entre 0,40 et 0,65) demeurent nettement inférieures à l’unité, confirmant que les croyances relatives aux tâches, les croyances sociales et les réactions affectives capturent des variances uniques et non redondantes au sein de l’espace psychologique de l’opérateur.

Validité Prédictive et Écologique

L’administration de l’ACIR-Q en conditions réelles d’atelier a montré que les scores de la sous-échelle Affect-Behavior prédisent significativement les comportements d’utilisation volontaire du cobot et le niveau de stress perçu mesuré par des indicateurs psychophysiologiques ou auto-rapportés. De même, un score élevé sur la dimension Social beliefs s’avère négativement corrélé à l’intention de quitter l’entreprise lors des périodes de restructuration robotisée.

8. Fidélité / Reliability

La fidélité de l’ACIR-Q a été examinée sous l’angle de la cohérence interne et de la stabilité de mesure, en utilisant des métriques contemporaines adaptées aux modèles d’équations structurelles :

• Cohérence interne (Coefficient Oméga de McDonald) : Alors que le coefficient alpha de Cronbach fait l’objet de critiques méthodologiques lorsqu’il est appliqué à des échelles non strictement tau-équivalentes, les auteurs ont rapporté les valeurs du coefficient oméga (ω). Pour l’ensemble des sous-échelles de l’ACIR-Q, les valeurs de ω oscillent entre 0,81 et 0,84, témoignant d’une précision de mesure élevée et d’une forte cohérence unitaire des items au sein de chaque dimension.
• Homogénéité des facteurs : Les saturations factorielles standardisées de chaque item sur son facteur respectif dépassent systématiquement les seuils conventionnels de 0,60, indiquant une faible proportion de variance d’erreur aléatoire.
• Fidélité test-retest et stabilité temporelle : Les analyses psychométriques complémentaires menées dans des conditions stables ont confirmé la répétabilité des scores, garantissant que l’instrument peut être employé en toute confiance dans le cadre d’études longitudinales destinées à évaluer l’impact d’une intervention managériale ou ergonomique (études pré-test / post-test).

9. Analyse factorielle / Factor Analysis

Le développement psychométrique de l’ACIR-Q s’est articulé autour d’une démarche séquentielle combinant analyses factorielles et algorithmes d’optimisation computationnelle :

1. Analyse Factorielle Exploratoire (AFE) Initiale

À partir du pool étendu d’items initiaux dérivés des échelles de Chao et Kozlowski (1986) et de Herold et al. (1985), une AFE avec rotation oblique a d’abord mis en évidence une structure à cinq facteurs expliquant 42 % de la variance totale des données. Cependant, l’un des facteurs identifiés, lié à la « pression au travail ressentie » (pressure-related factor), n’expliquait que 3 % de la variance additionnelle et présentait des saturations faibles (< 0,40) ainsi que des saturations croisées indésirables. Les auteurs ont donc procédé à l’élagage de cette dimension pour privilégier la parcimonie et la clarté conceptuelle.

2. Optimisation par Colonie de Fourmis (ACO)

Pour sélectionner les items les plus performants au sein des facteurs conservés sans compromettre l’étendue du contenu psychologique, les chercheurs ont mobilisé un algorithme métaheuristique inspiré du comportement de recherche de nourriture des fourmis (Ant Colony Optimization). Cet algorithme a exploré des milliers de combinaisons possibles d’items pour identifier la configuration optimale satisfaisant simultanément plusieurs critères : maximisation de la fidélité composite (ω), minimisation du nombre d’items par facteur (fixé à 4 items par sous-échelle pour un total de 12 items) et optimisation absolue des indices d’adéquation globale.

3. Analyse Factorielle Confirmatoire (AFC)

L’AFC conduite sur un échantillon de validation indépendant a confirmé la supériorité éclatante du modèle à trois facteurs corrélés :

Les indicateurs d’adéquation obtenus lors de la validation confirmatoire (CFI ≈ 1,00 ; RMSEA ≈ 0,00 ; SRMR < 0,04) ont attesté d’une adéquation parfaite entre le modèle théorique tridimensionnel et la structure de covariance des données recueillies sur le terrain industriel.

10. Instrument de mesure / Instrument

• Type d’instrument : Questionnaire d’auto-évaluation psychométrique standardisé (self-report inventory).
• Domaine d’application : Psychologie du travail et des organisations, ergonomie cognitive, cobotique industrielle, gestion du changement technologique.
• Nombre total d’items : 12 items répartis équitablement en 3 sous-échelles de 4 items chacune.
• Structure des sous-échelles :
  • Affect-Behavior (Composante affective et comportementale) : Items 1 à 4 ;
  • Social (Croyances sociales et climat organisationnel) : Items 5 à 8 ;
  • Task (Croyances instrumentales relatives aux tâches) : Items 9 à 12.
• Format de réponse : Échelle de Likert en 6 points (6-point Likert scale), allant de 1 = Strongly disagree (Pas du tout d’accord) à 6 = Strongly agree (Tout à fait d’accord).
• Règles de cotation et inversion (Reverse Scoring) :
  • Les items formulés de manière négative doivent impérativement faire l’objet d’un recodage inversé avant le calcul des scores : Item inversé = (Valeur maximale + 1) – Score observé (soit : 7 – Score brut sur l’échelle de 1 à 6).
  • Items à inverser : Items 1, 2, 5, 6, 7 et 8.
  • Items conservant leur cotation directe : Items 3, 4, 9, 10, 11 et 12.
• Calcul des scores : Les scores de sous-échelles s’obtiennent en calculant la moyenne arithmétique ou la somme des 4 items correspondants (après recodage des items inversés). Un score moyen global d’attitude peut également être calculé en effectuant la moyenne des 12 items. Un score plus élevé reflète une attitude plus favorable, réceptive et constructive envers l’introduction des robots coopératifs.
• Durée moyenne de passation : Environ 3 à 5 minutes, favorisant un taux de réponse élevé sans induire de fatigue cognitive.

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

• Année de publication princeps : 2023.
• Statut des droits et licence : L’ACIR-Q est publié sous licence libre Creative Commons Attribution 4.0 International (CC BY 4.0) (CC BY 4.0).
• Droits d’utilisation : L’instrument peut être utilisé librement, reproduit, traduit et adapté sans frais pour les activités d’enseignement, de recherche scientifique et de diagnostic organisationnel en entreprise, sous réserve de citer explicitement la publication originale de Leichtmann et al. (2023).
• Tarifs : Aucun frais d’utilisation (accès entièrement gratuit, non commercialisé par un éditeur payant).
• Dépôt de données et matériel supplémentaire : Le matériel méthodologique complémentaire, les scripts d’analyse factorielle et les données de validation sont disponibles en accès ouvert sur l’Open Science Framework : https://osf.io/5fnr9/.

12. Références / References

Les références suivantes documentent le développement de l’ACIR-Q ainsi que les cadres conceptuels et méthodologiques mobilisés pour sa validation :

• Chao, G. T., & Kozlowski, S. W. J. (1986). Employee perceptions on the implementation of robotic manufacturing technology. Journal of Applied Psychology, 71(4), 652–659. https://doi.org/10.1037/0021-9010.71.4.652
• 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
• Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley.
• Herold, D. M., Farmer, S. M., & Mobley, M. I. (1985). The assessment of employee reactions to technological changes: A multi-dimensional approach. Georgia Institute of Technology, School of Management.
• Leichtmann, B., Hartung, J., Wilhelm, O., & Nitsch, V. (2023). New short scale to measure workers’ attitudes toward the implementation of cooperative robots in industrial work settings: Instrument development and exploration of attitude structure. International Journal of Social Robotics, 15(6), 909–930. https://doi.org/10.1007/s12369-023-00996-0
• Trist, E. L., & Bamforth, K. W. (1951). Some social and psychological consequences of the Longwall Method of coal-getting. Human Relations, 4(1), 3–38. https://doi.org/10.1177/001872675100400101

13. Questions et items du questionnaire / Scale Items