Questionnaire de gestion algorithmique

1. Résumé / Abstract

Le Questionnaire de gestion algorithmique (Algorithmic Management Questionnaire [AMQ] ; Parent-Rocheleau et al., 2024) constitue un instrument psychométrique novateur et rigoureux conçu pour mesurer l’exposition perçue des travailleurs aux différentes fonctions de la gestion algorithmique dans les environnements de travail contemporains. Face à l’essor des systèmes automatisés de prise de décision, de l’intelligence artificielle et du contrôle algorithmique tant au sein de l’économie des plateformes que des entreprises traditionnelles (logistique, télétravail, centres d’appels, finance), l’AMQ comble une lacune méthodologique majeure en proposant une mesure multidimensionnelle standardisée.

L’instrument se compose de 20 items mesurant cinq dimensions distinctes mais complémentaires : la surveillance (monitoring), la fixation des objectifs (goal setting), la planification des horaires (scheduling), l’évaluation du rendement (performance rating) et la rémunération (compensation). Les participants répondent à l’aide d’une échelle de type Likert en 7 points (variant de 1 = « Entièrement en désaccord » à 7 = « Tout à fait d’accord »).

Développé selon une démarche déductive en six phases (Hinkin, 1998), l’AMQ a été validé auprès de multiples échantillons d’employés et de travailleurs à la tâche. Les analyses factorielles confirmatoires démontrent un ajustement exceptionnel de la structure à cinq facteurs (CFI > 0,96 ; RMSEA < 0,05 ; SRMR < 0,05). La cohérence interne est robuste, avec des coefficients alpha de Cronbach oscillant entre 0,810 et 0,907 selon les sous-échelles. Sur le plan de la validité de construit, l’instrument fait preuve d’une excellente validité discriminante, d’une validité convergente substantielle avec la facilité d’utilisation et l’utilité perçue des systèmes, ainsi que d’une validité prédictive remarquable : l’exposition à la gestion algorithmique prédit négativement et significativement l’autonomie au travail (β = -0,24) et la complexité des tâches (β = -0,26) au fil du temps.

2. Mots-clés / Keywords

Gestion algorithmique, contrôle algorithmique, psychométrie, organisation du travail, fixation des objectifs, surveillance numérique, évaluation du rendement, planification algorithmique, rémunération automatisée, autonomie au travail, conception du travail, santé organisationnelle.

3. Auteurs / Authors

Le Questionnaire de gestion algorithmique a été élaboré et validé par une équipe de chercheurs spécialisés en comportement organisationnel, en gestion des ressources humaines et en conception du travail :

• Xavier Parent-Rocheleau — Département de gestion des ressources humaines, HEC Montréal, Montréal, Québec, Canada. ORCID : 0000-0001-5015-3214. Courriel de correspondance : [email protected]
• Sharon K. Parker — Centre for Transformative Work Design, Future of Work Institute, Curtin University, Perth, Australie-Occidentale, Australie. ORCID : 0000-0002-0978-1873.
• Antoine Bujold — Département de gestion des ressources humaines, HEC Montréal, Montréal, Québec, Canada. ORCID : 0000-0002-6784-4895.
• Marie-Claude Gaudet — Département de gestion des ressources humaines, HEC Montréal, Montréal, Québec, Canada.

4. Objectif / Purpose

L’objectif fondamental de l’AMQ est de quantifier scientifiquement la mesure dans laquelle les travailleurs perçoivent que leurs activités professionnelles et leurs conditions de travail sont gouvernées, surveillées, évaluées ou récompensées par des algorithmes ou des systèmes logiciels automatisés. Traditionnellement dévolues à des superviseurs humains, les fonctions managériales de coordination et de contrôle sont de plus en plus déléguées à des architectures algorithmiques sophistiquées, modifiant en profondeur l’expérience subjective du travail.

Applications en recherche organisationnelle

Dans le domaine de la recherche académique en psychologie du travail et des organisations, l’AMQ permet d’examiner avec précision les conséquences de la numérisation du management sur des variables critiques telles que :

• L’aliénation au travail, l’épuisement professionnel (burnout) et la charge mentale ;
• La satisfaction au travail, l’engagement organisationnel et l’intention de quitter ;
• La perception de justice organisationnelle (justice distributive, procédurale, informationnelle et interactionnelle) ;
• La reconfiguration des caractéristiques du travail, notamment l’autonomie décisionnelle, la rétroaction et la variété des compétences.

Applications diagnostiques et pratiques en entreprise

Sur le plan appliqué, l’instrument fournit aux spécialistes des ressources humaines, aux ergonomes et aux auditeurs organisationnels un outil de diagnostic objectif. Il permet d’évaluer la pénétration du contrôle algorithmique au sein de différents départements (p. ex., entrepôts logistiques, services à la clientèle, équipes de développement) et d’identifier les zones de friction susceptibles de générer des risques psychosociaux. En mesurant distinctement les cinq fonctions de gestion, les praticiens peuvent déterminer précisément quelles dimensions (p. ex., une surveillance intrusive ou une rémunération opaque) nuisent à la motivation intrinsèque et au bien-être des collaborateurs, facilitant ainsi la mise en place d’interventions ciblées de conception humaine du travail (human-centered work design).

5. Construit psychologique / Construct

Le construit mesuré par l’AMQ est l’exposition perçue à la gestion algorithmique. Il s’agit d’une perception subjective de l’automatisation des pratiques de direction et de contrôle au sein de l’environnement immédiat de travail. L’échelle décompose ce méta-construit en cinq dimensions spécifiques :

1. Surveillance algorithmique (Monitoring)

Cette dimension évalue l’ampleur avec laquelle les travailleurs perçoivent que leurs comportements, leurs gestes, leurs communications ou leurs temps de travail sont continuellement suivis, enregistrés et analysés par des dispositifs informatisés. Il ne s’agit pas d’une supervision humaine directe mais d’un enregistrement numérique automatisé (p. ex., géolocalisation GPS, enregistrement des frappes de clavier, capture vidéo assistée par IA, mesures de temps de pause). Cette surveillance constante est souvent perçue comme invisible, permanente et asymétrique.

2. Fixation algorithmique des objectifs (Goal Setting)

Cette sous-échelle mesure le degré auquel les buts de travail, les cadences, les quotas ou les normes de productivité sont attribués dynamiquement par des algorithmes d’optimisation plutôt que négociés avec un supérieur hiérarchique. Par exemple, un système algorithmique peut assigner un nombre cible de colis à emballer par heure ou une durée maximale pour traiter un dossier client, en adaptant ces cibles en temps réel selon les flux d’activité globaux.

3. Planification algorithmique (Scheduling)

Cette composante quantifie la perception selon laquelle l’attribution des quarts de travail, la distribution des tâches, la gestion des plannings et l’allocation des charges sont gérées par des modèles algorithmiques prédictifs. Dans ce contexte, les horaires peuvent fluctuer rapidement au gré d’algorithmes analysant la demande client, limitant la prévisibilité de la vie personnelle et réduisant le contrôle des travailleurs sur leur emploi du temps.

4. Évaluation algorithmique du rendement (Performance Rating)

Cette dimension mesure la mesure dans laquelle la performance, la qualité du service, l’efficacité ou la compétence globale d’un travailleur sont notées, classées ou jugées par des métriques calculées automatiquement. Cela englobe le traitement automatisé des évaluations par les clients, les scores de conformité aux procédures ou les indicateurs d’efficacité agrégés sans médiation interprétative humaine, souvent perçus comme des « boîtes noires » dénuées de compassion ou de contextualisation.

5. Rémunération algorithmique (Compensation)

Cette sous-échelle renvoie à l’expérience selon laquelle le salaire horaire, les primes, les pénalités financières ou les tarifs des prestations sont déterminés de manière algorithmique (par exemple, tarification dynamique, déductions automatiques pour retard ou bonus calculés selon des ratios de productivité stricts). Les travailleurs constatent des variations de revenus guidées par des règles d’optimisation mathématique sans possibilité directe de recours ou d’ajustement discrétionnaire.

6. Cadre théorique / Theoretical Framework

Le développement de l’AMQ s’inscrit au carrefour de plusieurs cadres théoriques majeurs de la psychologie organisationnelle et de la sociologie du travail :

La théorie de la conception du travail (Work Design Theory)

Le cadre conceptuel fondateur repose sur les modèles de conception du travail, initiés par Hackman et Oldham (1976) et réactualisés par Parker et ses collègues (notamment le modèle SMART work design). Selon cette approche, les caractéristiques de la tâche (autonomie, feedback, variété, signification) sont les déterminants proximaux de la motivation interne, de la satisfaction et de la performance. La gestion algorithmique tend à dégrader ces caractéristiques en formalisant à l’extrême les processus, en limitant la latitude décisionnelle (autonomie) et en substituant un feedback relationnel constructif par des alertes numériques impersonnelles.

La théorie du contrôle organisationnel

L’échelle s’appuie également sur la typologie du contrôle organisationnel (Edwards, 1979 ; Ouchi, 1979). Alors que les organisations ont historiquement évolué du contrôle simple (personnel) au contrôle technique (chaîne de montage) puis bureaucratique (règles formelles), la gestion algorithmique représente une forme émergente : le contrôle algorithmique. Celui-ci combine la rigueur mécanique du contrôle technique et la codification du contrôle bureaucratique, tout en automatisant la surveillance et la sanction à une échelle et une granularité sans précédent.

Le modèle Exigences-Ressources professionnelles (JD-R Model)

D’après le modèle Job Demands-Resources (Demerouti et al., 2001 ; Bakker & Demerouti, 2007), la gestion algorithmique peut opérer soit comme une exigence de travail génératrice de stress (lorsqu’elle impose des cadences infernales, une surveillance intrusive et de l’incertitude quant à la rémunération), soit potentiellement comme une ressource (si elle apporte des consignes claires et supprime les biais humains arbitraires). L’AMQ fournit l’appareil méthodologique nécessaire pour tester ces interactions complexes.

7. Validité / Validity

La validité psychométrique de l’AMQ a été établie selon un processus rigoureux en plusieurs étapes conforme aux recommandations d’évaluation des échelles de mesure (Hinkin, 1998 ; DeVellis, 2017) :

Validité de contenu (Content Validity)

Le processus a débuté par une revue exhaustive de la littérature empirique et qualitative portant sur les manifestations concrètes de la gestion algorithmique (p. ex., Lehdonvirta, 2018 ; Möhlmann et al., 2021 ; Rahman, 2021 ; Wood et al., 2019). Un bassin initial de 36 énoncés (6 par fonction) a été examiné par des panels d’experts pour évaluer la pertinence, la clarté et la représentativité conceptuelle de chaque énoncé par rapport à la réalité des milieux de travail numérisés.

Validité convergente (Convergent Validity)

La validité convergente a été démontrée par des corrélations statistiquement significatives et modérées à élevées avec des construits technologiquement connexes, issus du modèle d’acceptation de la technologie (TAM) :

• Corrélations entre les dimensions de l’AMQ et l’utilité perçue du système (system usefulness) : r variant de 0,43 à 0,53 (p < 0,001) ;
• Corrélations entre les dimensions de l’AMQ et la facilité d’utilisation perçue (ease of use) : r variant de 0,35 à 0,43 (p < 0,001).

Validité discriminante (Discriminant Validity)

La validité discriminante a été confirmée en examinant les relations entre les sous-échelles de l’AMQ et des variables critères externes théoriquement distinctes. Les corrélations observées se sont révélées très faibles, oscillant entre r = 0,03 et r = 0,22, confirmant que l’AMQ mesure un construit empiriquement distinct des attitudes générales au travail ou des traits de personnalité des répondants.

Validité prédictive et de critère (Predictive & Criterion Validity)

Au moyen de devis de recherche longitudinaux (mesures décalées dans le temps T1 → T2), l’exposition perçue à la gestion algorithmique au temps 1 s’est avérée un prédicteur négatif significatif des caractéristiques intrinsèques du travail au temps 2 :

• Autonomie au travail : coefficient de régression standardisé β = -0,24 (p < 0,01) ;
• Complexité du travail : coefficient de régression standardisé β = -0,26 (p < 0,01).

Ces données démontrent empiriquement que l’intensification du management algorithmique contribue directement à la déqualification perçue et à l’atrophie de l’autonomie chez les travailleurs.

8. Fidélité / Reliability

La fidélité de l’AMQ a été vérifiée à travers l’estimation de la cohérence interne des items composant chacune des sous-échelles dans plusieurs échantillons indépendants :

• Cohérence interne (Alpha de Cronbach) : Les valeurs de α s’échelonnent entre 0,810 et 0,907 pour les cinq dimensions, dépassant largement le seuil d’admissibilité standard de 0,70 recommandé par Nunnally et Bernstein (1994) :
• Surveillance algorithmique : α ≥ 0,86 ;
• Fixation des objectifs : α ≥ 0,84 ;
• Planification des horaires : α ≥ 0,88 ;
• Évaluation du rendement : α ≥ 0,87 ;
• Rémunération algorithmique : α ≥ 0,90.
• Fiabilité composite (ω de McDonald) : Les coefficients oméga confirment également la stabilité de la mesure, attestant que la variance observée est majoritairement attribuable au construit latent spécifique plutôt qu’à l’erreur de mesure.

9. Analyse factorielle / Factor Analysis

La structure factorielle de l’AMQ a fait l’objet d’une démarche séquentielle combinant analyses factorielles exploratoires (AFE) pour la réduction initiale des items et analyses factorielles confirmatoires (AFC) sur de nouveaux échantillons afin de tester l’ajustement du modèle théorique à cinq facteurs de premier ordre corrélés.

Indices d’ajustement du modèle confirmatoire (AFC)

Le modèle théorique composé de 20 items répartis sur 5 facteurs a affiché des indices d’adéquation statistiques remarquables au sein de deux cohortes indépendantes :

• Échantillon 1 :
  • Chi-carré : χ²(162) = 346,8, p < 0,001 ;
  • Indice de comparaison de Bentler (CFI) = 0,975 ;
  • Indice de Tucker-Lewis (TLI) = 0,971 ;
  • Erreur quadratique moyenne d’approximation (RMSEA) = 0,048 [intervalle de confiance à 90 % : 0,041 – 0,056] ;
  • Résidu quadratique moyen standardisé (SRMR) = 0,044.
• Échantillon 2 (Validation croisée) :
  • Chi-carré : χ²(161) = 300,29, p < 0,001 ;
  • Indice CFI = 0,968 ;
  • Indice TLI = 0,962 ;
  • Indice RMSEA = 0,049 ;
  • Indice SRMR = 0,052.

La comparaison avec des modèles alternatifs concurrents (modèle unifactoriel où tous les items chargent sur un seul facteur général de gestion algorithmique, ou modèles à 2 et 3 facteurs) a démontré la nette supériorité statistique du modèle à cinq dimensions distinctes (Δχ² significatif, p < 0,001), justifiant le caractère multidimensionnel irréductible de l’échelle.

10. Instrument de mesure / Instrument

Les caractéristiques opérationnelles de l’AMQ sont résumées ci-dessous :

• Nom complet de l’outil : Questionnaire de gestion algorithmique (Algorithmic Management Questionnaire – AMQ)
• Type d’évaluation : Questionnaire d’auto-évaluation psychologique et organisationnelle (inventaire auto-rapporté)
• Mode d’administration : Électronique (en ligne via plateformes d’enquêtes de type Qualtrics, LimeSurvey ou systèmes RH internes)
• Nombre total d’items : 20 items (répartis équitablement à raison de 4 items par dimension)
• Format des réponses : Échelle de Likert à 7 degrés :
• 1 = Entièrement en désaccord / Fortement en désaccord
• 2 = En désaccord
• 3 = Plutôt en désaccord
• 4 = Neutre / Ni en accord ni en désaccord
• 5 = Plutôt d’accord
• 6 = D’accord
• 7 = Tout à fait d’accord
• Calcul des scores (Cotation) :
  • Un score moyen par sous-échelle est calculé en effectuant la moyenne arithmétique des items de la dimension correspondante (valeurs allant de 1,00 à 7,00).
  • Un score global d’exposition à la gestion algorithmique peut également être calculé en effectuant la moyenne non pondérée de l’ensemble des 20 énoncés.
  • Des scores élevés reflètent une prégnance importante et continue du pilotage algorithmique sur le quotidien de travail.

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

Année de parution : 2024.
Statut des droits d’auteur et propriété intellectuelle : L’article original et l’instrument sont protégés par le droit d’auteur détenu par les auteurs (Parent-Rocheleau, Parker, Bujold, Gaudet) et l’éditeur John Wiley & Sons, Inc. (Human Resource Management).
Accès pour la recherche universitaire : L’utilisation de l’AMQ à des fins de recherche académique à but non lucratif et d’enseignement est généralement autorisée, sous réserve de citer scrupuleusement la publication de référence (Parent-Rocheleau et al., 2024). Pour toute utilisation commerciale, adaptation organisationnelle dans des outils logiciels d’audit ou reproduction intégrale, les chercheurs et praticiens doivent contacter l’auteur correspondant ([email protected]) ou s’adresser au service des droits de reproduction de la revue.

12. Références / References

Les publications fondatrices et théoriques suivantes constituent l’appareil bibliographique de référence :

• Bakker, A. B., & Demerouti, E. (2007). The Job Demands-Resources model: State of the art. Journal of Managerial Psychology, 22(3), 309–328. https://doi.org/10.1108/02683940710733115
• Demerouti, E., Bakker, A. B., Nachreiner, F., & Schaufeli, W. B. (2001). The job demands-resources model of burnout. Journal of Applied Psychology, 86(3), 499–512. https://doi.org/10.1037/0021-9010.86.3.499
• DeVellis, R. F. (2017). Scale development: Theory and applications (4th ed.). SAGE Publications.
• Edwards, R. (1979). Contested terrain: The transformation of the workplace in the twentieth century. Basic Books.
• Hackman, J. R., & Oldham, G. R. (1976). Motivation through the design of work: Test of a theory. Organizational Behavior and Human Performance, 16(2), 250–279. https://doi.org/10.1016/0030-5073(76)90016-7
• Hinkin, T. R. (1998). A brief tutorial on the development of measures for use in survey questionnaires. Organizational Research Methods, 1(1), 104–121. https://doi.org/10.1177/109442819800100106
• Lehdonvirta, V. (2018). Flexibility in the gig economy: Managing time on three online piecework platforms. New Technology, Work and Employment, 33(1), 13–29. https://doi.org/10.1111/ntwe.12102
• Möhlmann, M., Zalmanson, L., Henfridsson, O., & Feldberg, F. (2021). Algorithmic management of work on online labor platforms: When matching meets control. MIS Quarterly, 45(4), 1999–2022. https://doi.org/10.25300/MISQ/2021/15328
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
• Ouchi, W. G. (1979). A conceptual framework for the design of organizational control mechanisms. Management Science, 25(9), 833–848. https://doi.org/10.1287/mnsc.25.9.833
• Parent‐Rocheleau, X., Parker, S. K., Bujold, A., & Gaudet, M.‐C. (2024). Creation of the Algorithmic Management Questionnaire: A six‐phase scale development process. Human Resource Management, 63(1), 25–44. https://doi.org/10.1002/hrm.22185
• Rahman, H. A. (2021). The invisible cage: Workers’ reactivity to pervasive algorithmic evaluation. Administrative Science Quarterly, 66(4), 945–988. https://doi.org/10.1177/00018392211010118
• Wood, A. J., Graham, M., Lehdonvirta, V., & Hjorth, I. (2019). Good gig, bad gig: Autonomy and algorithmic control in the global gig economy. Work, Employment and Society, 33(1), 56–75. https://doi.org/10.1177/0950017018785616

13. Questions et items du questionnaire / Scale Items

Les items officiels du Questionnaire de gestion algorithmique (AMQ) sont protégés par le droit d’auteur (copyright Wiley & auteurs) et ne sont pas reproduits intégralement dans le domaine public sans autorisation éditoriale formelle.