{"id":25197,"date":"2026-11-07T21:24:01","date_gmt":"2026-11-07T21:24:01","guid":{"rendered":"https:\/\/french.arabpsychology.com\/?psych_comparison=validite-convergente-vs-validite-discriminante"},"modified":"2026-11-07T21:24:01","modified_gmt":"2026-11-07T21:24:01","slug":"validite-convergente-vs-validite-discriminante","status":"publish","type":"psych_comparison","link":"https:\/\/french.arabpsychology.com\/?psych_comparison=validite-convergente-vs-validite-discriminante","title":{"rendered":"Validit\u00e9 convergente vs validit\u00e9 discriminante"},"content":{"rendered":"

La mesure des ph\u00e9nom\u00e8nes psychologiques, sociologiques et organisationnels repr\u00e9sente l’un des d\u00e9fis les plus redoutables de la recherche scientifique en sciences humaines et sociales. Contrairement aux grandeurs physiques telles que la masse, la temp\u00e9rature ou la distance, les attributs psychologiques \u2014 tels que l’intelligence \u00e9motionnelle, l’engagement au travail, l’anxi\u00e9t\u00e9 ou la confiance organisationnelle \u2014 \u00e9chappent \u00e0 l’observation directe. Ces r\u00e9alit\u00e9s intangibles, d\u00e9sign\u00e9es sous le terme de construits latents, ne peuvent \u00eatre appr\u00e9hend\u00e9es qu’\u00e0 travers des manifestations observables imparfaites, le plus souvent obtenues par le biais d’\u00e9chelles de mesure compos\u00e9es d’items psychom\u00e9triques. Cette nature indirecte de la mesure conf\u00e8re \u00e0 l’\u00e9valuation de la validit\u00e9 de construit un r\u00f4le \u00e9pist\u00e9mologique et m\u00e9thodologique central, garantissant que l’instrument capte effectivement le concept th\u00e9orique qu’il pr\u00e9tend \u00e9valuer, et non un artefact de mesure ou une dimension connexe.<\/p>\n

Au sein de cet \u00e9difice m\u00e9thodologique, deux piliers compl\u00e9mentaires et indissociables r\u00e9gissent l’\u00e9valuation de la qualit\u00e9 des instruments de mesure : la validit\u00e9 convergente<\/strong> et la validit\u00e9 discriminante<\/strong>. Alors que la premi\u00e8re atteste de la force avec laquelle les diff\u00e9rents indicateurs empiriques s’agr\u00e8gent pour refl\u00e9ter une r\u00e9alit\u00e9 conceptuelle unifi\u00e9e, la seconde \u00e9tablit avec rigueur que le construit mesur\u00e9 se distingue nettement des autres concepts pr\u00e9sents dans l’espace th\u00e9orique. Ces deux propri\u00e9t\u00e9s m\u00e9trologiques ne constituent pas de simples formalit\u00e9s statistiques pr\u00e9alables \u00e0 l’analyse empirique ; elles repr\u00e9sentent les conditions de possibilit\u00e9 m\u00eames de l’inf\u00e9rence th\u00e9orique et de la mod\u00e9lisation causale. N\u00e9gliger l’une ou l’autre expose le chercheur \u00e0 des erreurs interpr\u00e9tatives majeures, allant de la redondance conceptuelle masqu\u00e9e \u00e0 la formulation de relations structurales fallacieuses.<\/p>\n

L’objectif de cet article est d’offrir une exploration approfondie, rigoureuse et exhaustive de la validit\u00e9 convergente et de la validit\u00e9 discriminante. En retra\u00e7ant leur gen\u00e8se historique depuis les travaux pionniers de Cronbach, Meehl, Campbell et Fiske, jusqu’aux avanc\u00e9es computationnelles les plus r\u00e9centes incarn\u00e9es par la mod\u00e9lisation en \u00e9quations structurelles et le ratio H\u00e9t\u00e9rotrait-Monotrait (HTMT), ce travail examine leurs fondements th\u00e9oriques, leurs crit\u00e8res d’\u00e9valuation empirique respectifs et les arbitrages m\u00e9thodologiques complexes auxquels les chercheurs sont confront\u00e9s. En confrontant ces deux imp\u00e9ratifs psychom\u00e9triques, nous mettons en lumi\u00e8re leur dialectique f\u00e9conde, fournissant ainsi une feuille de route d\u00e9taill\u00e9e pour l’op\u00e9rationnalisation, la validation et la publication de mesures fiables et conceptuellement \u00e9tanches.<\/p>\n

1. Introduction \u00e0 l’\u00e9valuation des construits psychom\u00e9triques<\/h2>\n

1.1 D\u00e9finition conjointe et ancrage dans la validit\u00e9 de construit<\/h3>\n

L’\u00e9dification des connaissances en psychologie, en gestion et dans les sciences du comportement repose fondamentalement sur la transformation d’abstractions conceptuelles en grandeurs empiriquement quantifiables. Ce processus d’op\u00e9rationnalisation postule l’existence d’une variable latente, c’est-\u00e0-dire une entit\u00e9 th\u00e9orique non mesurable de mani\u00e8re directe, qui gouverne causalement les r\u00e9ponses fournies par des individus \u00e0 une s\u00e9rie d’items ou de stimuli observables. La l\u00e9gitimit\u00e9 d’une telle d\u00e9marche repose int\u00e9gralement sur le concept de validit\u00e9 de construit<\/em>, formalis\u00e9 pour la premi\u00e8re fois de mani\u00e8re s\u00e9minale par Lee Cronbach et Paul Meehl en 1955 dans leur article fondateur intitul\u00e9 \u00ab Construct validity in psychological tests \u00bb<\/em>. Cronbach et Meehl ont soutenu que valider un construit ne se r\u00e9sume pas \u00e0 v\u00e9rifier une corr\u00e9lation isol\u00e9e avec un crit\u00e8re pratique, mais exige d’inscrire le concept au sein d’un \u00ab r\u00e9seau nomologique \u00bb (nomological network<\/em>), c’est-\u00e0-dire un syst\u00e8me interd\u00e9pendant de lois th\u00e9oriques reliant les construits observables et inobservables entre eux.<\/p>\n

Au c\u0153ur de cette architecture nomologique, la validit\u00e9 de construit exige une double d\u00e9monstration empirique : il convient de prouver \u00e0 la fois l’existence d’une coh\u00e9rence interne forte entre les manifestations d’un m\u00eame ph\u00e9nom\u00e8ne et la pr\u00e9sence de fronti\u00e8res claires s\u00e9parant ce ph\u00e9nom\u00e8ne des autres r\u00e9alit\u00e9s th\u00e9oriques environnantes. C’est pr\u00e9cis\u00e9ment \u00e0 cette intersection qu’interviennent la validit\u00e9 convergente et la validit\u00e9 discriminante. La validit\u00e9 convergente v\u00e9rifie que les diff\u00e9rents indicateurs empiriques d\u00e9sign\u00e9s pour mesurer un construit convergent bien vers une cible conceptuelle identique, partageant une variance commune substantielle. En miroir strict, la validit\u00e9 discriminante garantit que cette cible conceptuelle ne se confond pas avec les construits adjacents, \u00e9tablissant que l’instrument poss\u00e8de une sp\u00e9cificit\u00e9 et une unicit\u00e9 empirique incontestables.<\/p>\n

Cette compl\u00e9mentarit\u00e9 fonctionnelle est absolument indispensable. Une \u00e9chelle de mesure qui ferait preuve d’une excellente convergence sans satisfaire aux crit\u00e8res de discrimination risquerait de mesurer avec une grande pr\u00e9cision un ph\u00e9nom\u00e8ne enti\u00e8rement redondant avec une variable d\u00e9j\u00e0 connue, cr\u00e9ant ce que les psychom\u00e9triciens qualifient de \u00ab sophisme du jangle \u00bb (jangle fallacy<\/em>), consistant \u00e0 baptiser d’un nom nouveau une r\u00e9alit\u00e9 psychologique ancienne. R\u00e9ciproquement, un construit affichant une discrimination parfaite face \u00e0 tous ses voisins mais d\u00e9pourvu de validit\u00e9 convergente serait incapable de capturer fid\u00e8lement la moindre substance empirique, ses items mesurant des facettes divergentes et incoh\u00e9rentes. La solidit\u00e9 des instruments de mesure psychom\u00e9triques repose donc sur l’\u00e9quilibre dialectique et simultan\u00e9 de ces deux imp\u00e9ratifs m\u00e9trologiques.<\/p>\n

1.2 Origine historique : La matrice multitrait-multim\u00e9thode (MTMM)<\/h3>\n

Si la formalisation th\u00e9orique de la validit\u00e9 de construit trouve son origine chez Cronbach et Meehl, la conceptualisation explicite, la nomenclature moderne et le premier protocole empirique rigoureux distinguant la validit\u00e9 convergente et la validit\u00e9 discriminante sont l’\u0153uvre de Donald T. Campbell et Donald W. Fiske dans leur article de 1959, \u00ab Convergent and discriminant validation by the multitrait-multimethod matrix \u00bb<\/em>. Constatant que la plupart des mesures en psychologie \u00e9taient contamin\u00e9es par la m\u00e9thode d’\u00e9valuation elle-m\u00eame (auto-\u00e9valuation, h\u00e9t\u00e9ro-\u00e9valuation, observation comportementale, tests projectifs), Campbell et Fiske ont mis en garde la communaut\u00e9 scientifique contre l’illusion de valider un construit alors que la corr\u00e9lation observ\u00e9e entre deux instruments pouvait d\u00e9couler exclusivement du partage d’un m\u00eame format de collecte. C’est l’acte de naissance du concept de biais de m\u00e9thode commune (Common Method Variance<\/em>).<\/p>\n

Pour d\u00e9passer cette vuln\u00e9rabilit\u00e9 syst\u00e9matique, les auteurs ont con\u00e7u la matrice multitrait-multim\u00e9thode (MTMM). Ce dispositif exp\u00e9rimental impose de mesurer simultan\u00e9ment au moins deux traits psychologiques distincts \u00e0 l’aide d’au moins deux m\u00e9thodes de mesure ind\u00e9pendantes. L’analyse de la matrice de corr\u00e9lations r\u00e9sultante permet de d\u00e9composer la variance observ\u00e9e en variance attribuable au trait d’int\u00e9r\u00eat et variance attribuable \u00e0 la m\u00e9thode de mesure. Selon Campbell et Fiske, la validit\u00e9 convergente est d\u00e9montr\u00e9e lorsque les corr\u00e9lations entre des mesures du m\u00eame trait<\/em> \u00e9valu\u00e9 par des m\u00e9thodes diff\u00e9rentes<\/em> (corr\u00e9lations monoconstruit-h\u00e9t\u00e9rom\u00e9thode) sont statistiquement significatives et de magnitude \u00e9lev\u00e9e. \u00c0 l’inverse, la validit\u00e9 discriminante exige que ces corr\u00e9lations convergentes soient nettement sup\u00e9rieures aux corr\u00e9lations unissant des traits diff\u00e9rents<\/em> \u00e9valu\u00e9s par une m\u00eame m\u00e9thode<\/em> (corr\u00e9lations h\u00e9t\u00e9roconstruite-monom\u00e9thode) ou par des m\u00e9thodes diff\u00e9rentes<\/em> (corr\u00e9lations h\u00e9t\u00e9roconstruite-h\u00e9t\u00e9rom\u00e9thode).<\/p>\n

Bien que la matrice MTMM demeure l’un des monuments intellectuels de la psychom\u00e9trie classique, son application pratique s’est heurt\u00e9e pendant des d\u00e9cennies \u00e0 des difficult\u00e9s m\u00e9thodologiques substantielles : lourdeur op\u00e9rationnelle de l’administration de multiples m\u00e9thodes aux m\u00eames r\u00e9pondants, absence d’un crit\u00e8re d’\u00e9valuation statistique global quantifi\u00e9, et incapacit\u00e9 \u00e0 pond\u00e9rer objectivement l’erreur de mesure al\u00e9atoire. L’av\u00e8nement contemporain de l’analyse factorielle confirmatoire (CFA) et de la mod\u00e9lisation en \u00e9quations structurelles (SEM), impuls\u00e9 notamment par Karl J\u00f6reskog dans les ann\u00e9es 1970, a permis de traduire l’intuition fondatrice de Campbell et Fiske dans des mod\u00e8les math\u00e9matiques sophistiqu\u00e9s. La d\u00e9composition de la variance s’op\u00e8re d\u00e9sormais directement au sein de structures latentes, ouvrant la voie \u00e0 des m\u00e9triques pr\u00e9cises telles que l’AVE, les saturations factorielles et, plus r\u00e9cemment, les ratios bas\u00e9s sur les corr\u00e9lations inter-items.<\/p>\n

1.3 Origines des confusions conceptuelles et pratiques<\/h3>\n

Malgr\u00e9 une litt\u00e9rature abondante et une standardisation progressive des protocoles de recherche, les pratiques d’\u00e9valuation de la validit\u00e9 de construit demeurent entach\u00e9es de confusions conceptuelles r\u00e9currentes. La m\u00e9prise la plus r\u00e9pandue consiste \u00e0 assimiler la coh\u00e9rence interne \u2014 presque universellement \u00e9valu\u00e9e par le coefficient Alpha de Cronbach \u2014 \u00e0 la validit\u00e9 convergente. Il s’agit pourtant d’une erreur \u00e9pist\u00e9mologique majeure. La coh\u00e9rence interne mesure le degr\u00e9 d’intercorr\u00e9lation globale entre les items d’une \u00e9chelle ; elle atteste de la pr\u00e9cision et de la fiabilit\u00e9 (reliability<\/em>) du score composite, mais n’offre aucune garantie quant au fait que ces items mesurent effectivement l’attribut psychologique cibl\u00e9, ni qu’ils partagent une variance commune substantielle au niveau latent une fois l’erreur de mesure contr\u00f4l\u00e9e. Une \u00e9chelle peut afficher un coefficient Alpha artificiellement gonfl\u00e9 simplement en multipliant les items s\u00e9mantiquement redondants, tout en souffrant d’une validit\u00e9 convergente d\u00e9ficiente.<\/p>\n

Parall\u00e8lement, une asym\u00e9trie historique marqu\u00e9e a longtemps caract\u00e9ris\u00e9 les publications acad\u00e9miques, les chercheurs consacrant une attention disproportionn\u00e9e \u00e0 la validation de la convergence au d\u00e9triment manifeste de la validit\u00e9 discriminante. Nombre d’\u00e9tudes se contentaient de rapporter des saturations factorielles satisfaisantes au sein d’une analyse factorielle exploratoire ou confirmatoire isol\u00e9e, sans jamais v\u00e9rifier rigoureusement si les dimensions \u00e9tudi\u00e9es \u00e9taient v\u00e9ritablement imperm\u00e9ables aux construits voisins inclus dans le m\u00eame mod\u00e8le d’enqu\u00eate. Cette n\u00e9gligence s’explique en partie par la complexit\u00e9 per\u00e7ue des tests discriminants et par la r\u00e9ticence \u00e0 \u00e9liminer des items ou \u00e0 fusionner des concepts apr\u00e8s de longs mois de collecte de donn\u00e9es empiriques.<\/p>\n

Les cons\u00e9quences m\u00e9thodologiques de ces d\u00e9rives sont d\u00e9l\u00e9t\u00e8res pour l’avancement de la th\u00e9orie scientifique. Dans un mod\u00e8le structurel, l’absence de validit\u00e9 discriminante engendre une multicolin\u00e9arit\u00e9 s\u00e9v\u00e8re entre les variables latentes exog\u00e8nes ou endog\u00e8nes. Cette situation d\u00e9grade dramatiquement la stabilit\u00e9 des estimateurs statistiques, provoque des inversions paradoxales de signes dans les coefficients de r\u00e9gression (effets de suppression non th\u00e9oris\u00e9s), gonfle artificiellement les erreurs-types et conduit fr\u00e9quemment \u00e0 des erreurs de type I (d\u00e9tection d’effets significatifs inexistants) ou de type II (incapacit\u00e9 \u00e0 d\u00e9celer des liens r\u00e9els). Sur le plan th\u00e9orique, elle g\u00e9n\u00e8re une prolif\u00e9ration anarchique de \u00ab pseudo-construits \u00bb, segmentant artificiellement la r\u00e9alit\u00e9 psychologique au d\u00e9triment du principe de parcimonie scientifique (le rasoir d’Ockham).<\/p>\n

2. Fondements et op\u00e9rationnalisation de la validit\u00e9 convergente<\/h2>\n

2.1 D\u00e9finition th\u00e9orique et m\u00e9canisme d’action<\/h3>\n

La validit\u00e9 convergente d\u00e9signe le degr\u00e9 d’association empirique et de concordance statistique observ\u00e9 entre plusieurs indicateurs, mesures ou items con\u00e7us pour op\u00e9rationnaliser et refl\u00e9ter un m\u00eame construit latent sous-jacent. Sur le plan th\u00e9orique, elle repose sur l’hypoth\u00e8se d’un mod\u00e8le de mesure r\u00e9flexif, selon lequel la variable latente constitue la cause commune non observ\u00e9e qui d\u00e9termine les variations constat\u00e9es sur les variables manifestes observables. Dans cette perspective, si plusieurs items constituent des instanciations l\u00e9gitimes d’un m\u00eame p\u00f4le conceptuel, ils doivent n\u00e9cessairement pr\u00e9senter une corr\u00e9lation substantielle entre eux, cette corr\u00e9lation \u00e9tant le reflet direct de leur ancrage partag\u00e9 dans le construit g\u00e9n\u00e9rateur.<\/p>\n

Le m\u00e9canisme d’action de la validit\u00e9 convergente s’articule autour de la partition de la variance des indicateurs empiriques. La variance totale de chaque item observable se d\u00e9compose en trois composantes fondamentales : la variance commune (expliqu\u00e9e par le construit latent cible), la variance sp\u00e9cifique (li\u00e9e aux particularit\u00e9s uniques de la formulation ou du format de l’item) et la variance d’erreur al\u00e9atoire (bruit de mesure). \u00c9tablir la validit\u00e9 convergente consiste math\u00e9matiquement et conceptuellement \u00e0 d\u00e9montrer que la part de variance commune surpasse de mani\u00e8re pr\u00e9pond\u00e9rante la somme des variances sp\u00e9cifiques et des erreurs al\u00e9atoires. En d’autres termes, les indicateurs doivent converger vers une r\u00e9sonance empirique commune suffisamment puissante pour que l’on puisse affirmer qu’ils mesurent le m\u00eame noyau th\u00e9orique fondamental.<\/p>\n

Cette convergence ne doit pas \u00eatre postul\u00e9e a priori sur la simple base de la validit\u00e9 faciale ou du contenu des items, c’est-\u00e0-dire l’examen subjectif de la formulation linguistique par des experts. Elle requiert une corroboration empirique rigoureuse au sein de l’\u00e9chantillon d’analyse. Lorsque des items convergent ad\u00e9quatement, ils fournissent au chercheur l’assurance m\u00e9trologique que l’abstraction conceptuelle a \u00e9t\u00e9 captur\u00e9e de mani\u00e8re coh\u00e9rente, stable et uniforme, autorisant ainsi l’agr\u00e9gation statistique des indicateurs sous forme de score composite ou d’assignation \u00e0 un facteur latent au sein d’un mod\u00e8le d’\u00e9quations structurelles.<\/p>\n

2.2 M\u00e9triques et crit\u00e8res statistiques d’\u00e9valuation<\/h3>\n

L’\u00e9valuation rigoureuse de la validit\u00e9 convergente dans le paradigme contemporain de la mod\u00e9lisation statistique repose sur un ensemble articul\u00e9 de m\u00e9triques quantitatives standardis\u00e9es. Trois crit\u00e8res majeurs sont universellement mobilis\u00e9s par les m\u00e9thodologistes : les poids factoriels standardis\u00e9s, la variance moyenne extraite et la fiabilit\u00e9 composite.<\/p>\n

Le premier niveau d’\u00e9valuation concerne les poids factoriels standardis\u00e9s<\/strong> (\u00e9galement d\u00e9sign\u00e9s sous les termes de saturations factorielles ou factor loadings<\/em>, not\u00e9s usuellement $lambda$<\/span>). Dans le cadre d’un mod\u00e8le de mesure r\u00e9flexif, le carr\u00e9 de la saturation standardis\u00e9e ($\\lambda^2$<\/span>) repr\u00e9sente la proportion de variance d’un item individuel directement expliqu\u00e9e par le construit latent, grandeur \u00e9galement appel\u00e9e fiabilit\u00e9 de l’indicateur. Le seuil critique historiquement et math\u00e9matiquement pr\u00e9conis\u00e9 s’\u00e9l\u00e8ve \u00e0 $lambda ge 0,708$<\/span>. Ce chiffre pr\u00e9cis ne doit rien au hasard : \u00e9lev\u00e9 au carr\u00e9, $0,708^2 \\approx 0,501$<\/span>, ce qui signifie que plus de 50 % de la variance de l’item est attribuable au construit th\u00e9orique, laissant moins de 50 % \u00e0 la variance r\u00e9siduelle et \u00e0 l’erreur de mesure. Bien qu’un seuil de tol\u00e9rance \u00e0 0,70 voire 0,60 soit parfois tol\u00e9r\u00e9 dans les recherches exploratoires \u00e9mergentes, des valeurs inf\u00e9rieures \u00e0 0,50 traduisent une d\u00e9faillance empirique manifeste et imposent g\u00e9n\u00e9ralement la suppression imm\u00e9diate de l’indicateur.<\/p>\n

Le second crit\u00e8re, formalis\u00e9 par Claes Fornell et David F. Larcker en 1981 dans leur article de r\u00e9f\u00e9rence paru dans le Journal of Marketing Research<\/em>, est la variance moyenne extraite<\/strong> (Average Variance Extracted<\/em>, not\u00e9e AVE). L’AVE synth\u00e9tise le niveau global de variance captur\u00e9 par le construit latent \u00e0 travers l’ensemble de ses indicateurs par rapport \u00e0 la variance due \u00e0 l’erreur de mesure. Sa formule math\u00e9matique canonique s’exprime ainsi :<\/p>\n

$$\\text{AVE} = \\frac{\\sum_{i=1}^{k} \\lambda_i^2}{\\sum_{i=1}^{k} \\lambda_i^2 + \\sum_{i=1}^{k} \\text{Var}(e_i)}$$<\/span><\/p>\n

o\u00f9 $\\lambda_i$<\/span> repr\u00e9sente la saturation standardis\u00e9e du $i$<\/span>-\u00e8me indicateur sur le construit, $k$<\/span> est le nombre total d’items refl\u00e9tant ce construit, et $\\text{Var}(e_i)$<\/span> d\u00e9signe la variance de l’erreur de mesure associ\u00e9e au $i$<\/span>-\u00e8me indicateur (\u00e9gale \u00e0 $1 – \\lambda_i^2$<\/span> pour des variables standardis\u00e9es). Fornell et Larcker ont \u00e9tabli que pour satisfaire \u00e0 la validit\u00e9 convergente, la valeur de l’AVE doit imp\u00e9rativement \u00eatre sup\u00e9rieure ou \u00e9gale \u00e0 0,50<\/strong>. Une valeur d’AVE de 0,50 ou plus atteste que le construit latent explique en moyenne au moins la moiti\u00e9 de la variance de ses indicateurs constitutifs, surpassant ainsi la variance attribuable \u00e0 l’erreur al\u00e9atoire.<\/p>\n

Le troisi\u00e8me crit\u00e8re indispensable est la fiabilit\u00e9 composite<\/strong> (not\u00e9e CR pour Composite Reliability<\/em>, ou rh\u00f4 de J\u00f6reskog, $\\rho_c$<\/span>). Contrairement \u00e0 l’Alpha de Cronbach qui postule de mani\u00e8re irr\u00e9aliste la tau-\u00e9quivalence (l’\u00e9galit\u00e9 stricte des saturations factorielles pour tous les items), la fiabilit\u00e9 composite prend explicitement en compte les diff\u00e9rences d’intensit\u00e9 des saturations factorielles standardis\u00e9es :<\/p>\n

$$\\text{CR} = \\frac{\\left( \\sum_{i=1}^{k} \\lambda_i \\right)^2}{\\left( \\sum_{i=1}^{k} \\lambda_i \\right)^2 + \\sum_{i=1}^{k} (1 – \\lambda_i^2)}$$<\/span><\/p>\n

Dans les contextes de recherche confirmatoire, un coefficient de fiabilit\u00e9 composite sup\u00e9rieur \u00e0 0,70 est consid\u00e9r\u00e9 comme acceptable, tandis qu’une valeur exc\u00e9dant 0,80 ou 0,90 traduit une excellente consistance interne des indicateurs latents, renfor\u00e7ant le diagnostic d’une convergence psychom\u00e9trique robuste.<\/p>\n

2.3 M\u00e9thodes analytiques de confirmation<\/h3>\n

L’op\u00e9rationnalisation empirique de la validit\u00e9 convergente s’effectue principalement \u00e0 l’aide de deux grandes familles d’approches statistiques : l’analyse factorielle confirmatoire bas\u00e9e sur la covariance (CB-SEM, pour Covariance-Based Structural Equation Modeling<\/em>) et la mod\u00e9lisation par les moindres carr\u00e9s partiels (PLS-SEM, pour Partial Least Squares Structural Equation Modeling<\/em>).<\/p>\n

Dans l’approche CB-SEM (mise en \u0153uvre via des logiciels tels que lavaan, Mplus ou AMOS), l’\u00e9valuation de la validit\u00e9 convergente s’inscrit dans un protocole d’analyse factorielle confirmatoire de premier ordre ou d’ordres sup\u00e9rieurs. Le chercheur sp\u00e9cifie formellement la structure relationnelle entre les items et les facteurs latents, contraignant chaque item \u00e0 ne saturer que sur son facteur d\u00e9sign\u00e9 (saturations crois\u00e9es fix\u00e9es \u00e0 z\u00e9ro). La validit\u00e9 convergente est alors attest\u00e9e non seulement par la significativit\u00e9 statistique des saturations factorielles (avec des valeurs de $t$<\/span> ou de $z$<\/span> largement sup\u00e9rieures \u00e0 1,96 au seuil de $\\alpha = 0,05$<\/span>), mais \u00e9galement par l’ad\u00e9quation globale du mod\u00e8le de mesure aux donn\u00e9es empiriques. Cette ad\u00e9quation s’\u00e9value au travers d’indices d’ajustement globaux stricts : une valeur du RMSEA (Root Mean Square Error of Approximation<\/em>) id\u00e9alement inf\u00e9rieure \u00e0 0,06 ou 0,08, un SRMR (Standardized Root Mean Square Residual<\/em>) inf\u00e9rieur \u00e0 0,08, et des indices d’ad\u00e9quation incr\u00e9mentale tels que le CFI (Comparative Fit Index<\/em>) et le TLI (Tucker-Lewis Index<\/em>) d\u00e9passant imp\u00e9rativement le seuil de 0,90, voire 0,95 pour une mod\u00e9lisation confirmatoire irr\u00e9prochable.<\/p>\n

Dans le cadre de la PLS-SEM (d\u00e9ploy\u00e9e couramment via SmartPLS ou le package R cSEM), l’approche est orient\u00e9e vers la maximisation de la variance expliqu\u00e9e des construits d\u00e9pendants. Dans ce paradigme fond\u00e9 sur les composantes, l’accent est mis en priorit\u00e9 sur la taille absolue des saturations standardis\u00e9es obtenues par l’algorithme it\u00e9ratif et sur l’atteinte sans compromis du seuil d’AVE $ge 0,50$<\/span> et de CR $ge 0,70$<\/span>. En outre, le r\u00e9\u00e9chantillonnage par bootstrap (g\u00e9n\u00e9ralement 5 000 ou 10 000 sous-\u00e9chantillons) est syst\u00e9matiquement ex\u00e9cut\u00e9 pour v\u00e9rifier que les saturations factorielles sont robustes, hautement stables et significatives au niveau de confiance de 99 %.<\/p>\n

2.4 Limites inh\u00e9rentes et \u00e9cueils d’interpr\u00e9tation<\/h3>\n

Bien que les m\u00e9triques d’\u00e9valuation de la validit\u00e9 convergente soient math\u00e9matiquement claires, leur interpr\u00e9tation aveugle expose le chercheur \u00e0 des \u00e9cueils m\u00e9thodologiques consid\u00e9rables. Le premier danger, paradoxalement fr\u00e9quent dans le d\u00e9veloppement d’\u00e9chelles de mesure, r\u00e9side dans la redondance s\u00e9mantique artificielle<\/strong> des items. Il est ais\u00e9 d’obtenir des saturations factorielles stratosph\u00e9riques ($lambda > 0,90$<\/span>) et une AVE sup\u00e9rieure \u00e0 0,80 en formulant des questions quasi identiques sous des formes syntaxiques l\u00e9g\u00e8rement diff\u00e9rentes (par exemple : \u00ab Je suis satisfait de mon travail \u00bb, \u00ab Mon travail me procure une grande satisfaction \u00bb, \u00ab Globalement, je ressens de la satisfaction dans mon emploi \u00bb). Une telle approche g\u00e9n\u00e8re une convergence statistique spectaculaire mais appauvrit drastiquement la validit\u00e9 de contenu du construit, r\u00e9duisant une id\u00e9e complexe \u00e0 une tautologie st\u00e9rile.<\/p>\n

Un deuxi\u00e8me \u00e9cueil tient aux propri\u00e9t\u00e9s math\u00e9matiques intrins\u00e8ques de l’AVE. L’AVE est une moyenne arithm\u00e9tique des saturations au carr\u00e9 ; par cons\u00e9quent, elle est particuli\u00e8rement sensible aux valeurs extr\u00eames. Dans une \u00e9chelle comportant un grand nombre d’items (huit ou dix par exemple), la pr\u00e9sence de deux ou trois items affichant des saturations tr\u00e8s \u00e9lev\u00e9es ($\\lambda \\approx 0,85$<\/span>) peut masquer la pr\u00e9sence d’items m\u00e9diocres ($\\lambda \\approx 0,55$<\/span>) tout en maintenant l’AVE globale au-dessus du seuil salvateur de 0,50. Inversement, dans une \u00e9chelle br\u00e8ve comptant uniquement trois indicateurs, la d\u00e9faillance d’un seul item ($lambda = 0,60$<\/span>) alors que les deux autres sont satisfaisants ($lambda = 0,71$<\/span>) fera chuter l’AVE en dessous de 0,50, contraignant le chercheur \u00e0 supprimer un item potentiellement vital pour la repr\u00e9sentativit\u00e9 du concept.<\/p>\n

Enfin, la limite fondamentale de la validit\u00e9 convergente r\u00e9side dans son incapacit\u00e9 intrins\u00e8que \u00e0 attester de la sp\u00e9cificit\u00e9 conceptuelle<\/strong> du ph\u00e9nom\u00e8ne capt\u00e9. Une \u00e9chelle peut faire preuve d’une convergence interne absolue sans que l’on sache si elle capture le ph\u00e9nom\u00e8ne vis\u00e9 ou une variable contingente omnipr\u00e9sente dans la situation de collecte. Par exemple, des items mesurant l’\u00e9puisement professionnel peuvent converger parfaitement simplement parce qu’ils captent tous une d\u00e9tresse psychologique g\u00e9n\u00e9rale ou une tendance des r\u00e9pondants \u00e0 l’affectivit\u00e9 n\u00e9gative. La validit\u00e9 convergente est une condition n\u00e9cessaire mais radicalement insuffisante \u00e0 l’\u00e9tablissement de la validit\u00e9 de construit ; elle doit obligatoirement \u00eatre contrebalanc\u00e9e par la v\u00e9rification de la validit\u00e9 discriminante.<\/p>\n

3. Fondements et op\u00e9rationnalisation de la validit\u00e9 discriminante<\/h2>\n

3.1 D\u00e9finition conceptuelle et imp\u00e9ratif d’unicit\u00e9<\/h3>\n

La validit\u00e9 discriminante constitue le versant centrifuge et d\u00e9limitatif de la validit\u00e9 de construit. Elle se d\u00e9finit formellement comme la d\u00e9monstration empirique qu’un construit latent est v\u00e9ritablement distinct, unique et ind\u00e9pendant des autres construits th\u00e9oriques int\u00e9gr\u00e9s dans un mod\u00e8le conceptuel ou pr\u00e9sents dans le champ disciplinaire environnant. Si la validit\u00e9 convergente r\u00e9pond \u00e0 la question \u00ab ces indicateurs mesurent-ils bien la m\u00eame chose ? \u00bb, la validit\u00e9 discriminante pose l’exigence compl\u00e9mentaire cruciale : \u00ab cette chose mesur\u00e9e est-elle r\u00e9ellement diff\u00e9rente de tout le reste ? \u00bb.<\/p>\n

Sur le plan \u00e9pist\u00e9mologique, la validit\u00e9 discriminante r\u00e9pond \u00e0 l’imp\u00e9ratif de d\u00e9marcation conceptuelle. En sciences humaines, les concepts partagent fr\u00e9quemment un vocabulaire commun et des proximit\u00e9s th\u00e9oriques \u00e9videntes : la confiance et l’int\u00e9grit\u00e9 per\u00e7ue, la satisfaction et l’engagement, l’anxi\u00e9t\u00e9 et la d\u00e9pression, ou encore l’autonomie et le sentiment de comp\u00e9tence. Sans une preuve empirique de discrimination, la fronti\u00e8re entre ces notions s’estompe, exposant la recherche au risque d’empilement conceptuel et de redondance ontologique. L’instrument de mesure doit prouver qu’il ne capte pas accidentellement une dimension psychologique voisine qui suffirait, \u00e0 elle seule, \u00e0 expliquer les variations observ\u00e9es.<\/p>\n

L’exigence d’unicit\u00e9 prot\u00e8ge \u00e9galement les disciplines scientifiques contre le \u00ab sophisme du jangle \u00bb identifi\u00e9 par Truman Kelley d\u00e8s 1927. Ce sophisme survient lorsqu’un th\u00e9oricien invente une nouvelle \u00e9tiquette conceptuelle pour d\u00e9signer un ph\u00e9nom\u00e8ne d\u00e9j\u00e0 largement document\u00e9 et mesur\u00e9 dans la litt\u00e9rature sous une autre appellation. La validit\u00e9 discriminante fournit le garde-fou quantitatif indispensable qui oblige les chercheurs \u00e0 prouver que leur nouvelle \u00e9chelle ne se borne pas \u00e0 mesurer une construction classique avec des mots diff\u00e9rents. Elle conf\u00e8re ainsi une valeur ajout\u00e9e incr\u00e9mentale \u00e0 la th\u00e9orie scientifique en attestant que le nouvel objet d’\u00e9tude enrichit v\u00e9ritablement la cartographie du r\u00e9seau nomologique.<\/p>\n

3.2 Approches traditionnelles : Corr\u00e9lations crois\u00e9es et crit\u00e8re de Fornell-Larcker<\/h3>\n

Pendant plus de trois d\u00e9cennies, l’\u00e9valuation de la validit\u00e9 discriminante dans les mod\u00e8les d’\u00e9quations structurelles a repos\u00e9 quasi exclusivement sur deux m\u00e9thodologies traditionnelles : l’inspection des saturations crois\u00e9es et le c\u00e9l\u00e9brissime crit\u00e8re de Fornell-Larcker formalis\u00e9 en 1981.<\/p>\n

La premi\u00e8re m\u00e9thode, intuitive et descriptive, repose sur l’examen de la matrice des charges crois\u00e9es<\/strong> (cross-loadings<\/em>). Selon cette approche \u00e9l\u00e9mentaire, la validit\u00e9 discriminante est jug\u00e9e acceptable si chaque indicateur observable pr\u00e9sente une saturation factorielle plus forte sur le construit latent auquel il est th\u00e9oriquement assign\u00e9 que sur tout autre construit pr\u00e9sent dans le mod\u00e8le de mesure. En outre, la diff\u00e9rence entre la saturation primaire et les saturations secondaires doit \u00eatre substantielle (g\u00e9n\u00e9ralement un \u00e9cart d’au moins 0,10 ou 0,20 est exig\u00e9). Bien qu’intuitive, cette approche est purement exploratoire et s’av\u00e8re particuli\u00e8rement laxiste : un item peut saturer \u00e0 0,72 sur son facteur et \u00e0 0,65 sur un facteur adjacent ; bien que la charge primaire soit sup\u00e9rieure, un tel niveau de charge crois\u00e9e traduit une confusion conceptuelle majeure que le crit\u00e8re ne p\u00e9nalise pas formellement.<\/p>\n

Face aux limites des charges crois\u00e9es, le crit\u00e8re de Fornell-Larcker (1981)<\/strong> s’est impos\u00e9 comme le standard d’or absolu de la recherche quantitative entre 1981 et les ann\u00e9es 2010. Le principe math\u00e9matique sous-jacent est d’une grande \u00e9l\u00e9gance : un construit partage plus de variance avec ses propres indicateurs qu’il n’en partage avec un autre construit latent du mod\u00e8le. Pour op\u00e9rationnaliser ce principe, Fornell et Larcker ont postul\u00e9 que pour toute paire de construits latents ($\\xi_j$<\/span> et $\\xi_k$<\/span>), la validit\u00e9 discriminante est \u00e9tablie si la racine carr\u00e9e de la variance moyenne extraite de chaque construit ($\\sqrt{\\text{AVE}_j}$<\/span> et $\\sqrt{\\text{AVE}_k}$<\/span>) est strictement sup\u00e9rieure au coefficient de corr\u00e9lation bivari\u00e9e inter-construits ($r_{jk}$<\/span>) les unissant :<\/p>\n

$$\\sqrt{\\text{AVE}_j} > |r_{jk}| \\quad \\text{et} \\quad \\sqrt{\\text{AVE}_k} > |r_{jk}| \\quad (\\forall j \\neq k)$$<\/span><\/p>\n

Sous une forme \u00e9quivalente formul\u00e9e en termes de variance, l’AVE de chaque construit doit \u00eatre strictement sup\u00e9rieure au carr\u00e9 du coefficient de corr\u00e9lation ($r_{jk}^2$<\/span>), qui repr\u00e9sente la proportion de variance partag\u00e9e entre les deux construits latents ($\\text{AVE}_j > r_{jk}^2$<\/span>). Dans les tableaux de publication acad\u00e9mique, ce crit\u00e8re se pr\u00e9sente classiquement sous la forme d’une matrice o\u00f9 les \u00e9l\u00e9ments diagonaux correspondent aux racines carr\u00e9es de l’AVE, et les \u00e9l\u00e9ments hors-diagonale aux corr\u00e9lations estim\u00e9es entre facteurs. La validit\u00e9 discriminante est d\u00e9clar\u00e9e satisfaisante si chaque valeur diagonale surpasse tous les coefficients situ\u00e9s sur sa ligne et sa colonne respectives.<\/p>\n

Cependant, des travaux m\u00e9thodologiques r\u00e9cents, conduits notamment par J\u00f6rg Henseler, Christian Ringle et Marko Sarstedt, ont mis en lumi\u00e8re une faiblesse structurelle dramatique du crit\u00e8re de Fornell-Larcker. Par le biais d’\u00e9tudes intensives de simulation de Monte-Carlo, ces chercheurs ont d\u00e9montr\u00e9 que le crit\u00e8re de Fornell-Larcker souffre d’un manque s\u00e9v\u00e8re de puissance statistique<\/strong>. Dans des conditions courantes de recherche \u2014 en particulier lorsque les saturations des items au sein d’un m\u00eame facteur sont h\u00e9t\u00e9rog\u00e8nes (par exemple variant de 0,60 \u00e0 0,85) \u2014, le crit\u00e8re de Fornell-Larcker est syst\u00e9matiquement incapable de d\u00e9tecter les violations de la validit\u00e9 discriminante, acceptant comme distincts des construits qui partagent en r\u00e9alit\u00e9 plus de 80 % ou 90 % de leur variance latente r\u00e9elle. Ce constat d’inad\u00e9quation a pr\u00e9cipit\u00e9 un basculement paradigmatique majeur vers de nouvelles m\u00e9triques.<\/p>\n

3.3 M\u00e9thodologie moderne : Le ratio H\u00e9t\u00e9rotrait-Monotrait (HTMT)<\/h3>\n

Pour pallier les d\u00e9faillances d\u00e9montr\u00e9es du crit\u00e8re de Fornell-Larcker, J\u00f6rg Henseler, Christian M. Ringle et Marko Sarstedt ont introduit en 2015 dans le Journal of the Academy of Marketing Science<\/em> une approche m\u00e9thodologique r\u00e9volutionnaire : le ratio H\u00e9t\u00e9rotrait-Monotrait<\/strong> (couramment d\u00e9sign\u00e9 par l’acronyme HTMT<\/strong>, pour Heterotrait-Monotrait Ratio of Correlations<\/em>). Le ratio HTMT transpose avec une rigueur math\u00e9matique in\u00e9dite les principes fondateurs de la matrice multitrait-multim\u00e9thode de Campbell et Fiske directement au niveau des corr\u00e9lations observ\u00e9es entre items.<\/p>\n

Sur le plan conceptuel, le ratio HTMT repr\u00e9sente l’estimation de la corr\u00e9lation que l’on observerait entre deux construits latents s’ils \u00e9taient mesur\u00e9s de fa\u00e7on parfaitement fiable, c’est-\u00e0-dire totalement purg\u00e9e de toute erreur de mesure. Math\u00e9matiquement, le ratio HTMT entre deux construits $j$<\/span> et $k$<\/span> se d\u00e9finit comme la moyenne arithm\u00e9tique de toutes les corr\u00e9lations reliant les indicateurs du construit $j$<\/span> \u00e0 ceux du construit $k$<\/span> (corr\u00e9lations h\u00e9t\u00e9rotraits), normalis\u00e9e par la moyenne g\u00e9om\u00e9trique des corr\u00e9lations moyennes unissant les indicateurs au sein de chaque construit respectif (corr\u00e9lations monotraits) :<\/p>\n

$$\\text{HTMT}_{jk} = \\frac{\\frac{1}{K_j K_k} \\sum_{g=1}^{K_j} \\sum_{h=1}^{K_k} |r_{jg, kh}|}{\\sqrt{\\left( \\frac{2}{K_j(K_j – 1)} \\sum_{g=1}^{K_j – 1} \\sum_{h=g+1}^{K_j} |r_{jg, jh}| \\right) \\left( \\frac{2}{K_k(K_k – 1)} \\sum_{g=1}^{K_k – 1} \\sum_{h=g+1}^{K_k} |r_{kg, kh}| \\right)}}$$<\/span><\/p>\n

o\u00f9 $K_j$<\/span> et $K_k$<\/span> d\u00e9signent respectivement le nombre d’indicateurs des construits $j$<\/span> et $k$<\/span>, et $r_{jg, kh}$<\/span> repr\u00e9sente la corr\u00e9lation bivari\u00e9e entre le $g$<\/span>-\u00e8me item du construit $j$<\/span> et le $h$<\/span>-\u00e8me item du construit $k$<\/span>.<\/p>\n

L’\u00e9valuation de la validit\u00e9 discriminante \u00e0 l’aide du ratio HTMT s’op\u00e8re selon deux modalit\u00e9s normatives compl\u00e9mentaires :<\/p>\n

    \n
  • Le crit\u00e8re des seuils absolus :<\/strong> Les auteurs recommandent d’appliquer un seuil critique strict de 0,85<\/strong> lorsque les deux construits latents sont conceptuellement tr\u00e8s distincts sur le plan th\u00e9orique (par exemple, la culture organisationnelle et l’intention de d\u00e9part). Si les construits th\u00e9oriques sous-jacents pr\u00e9sentent une proximit\u00e9 conceptuelle intrins\u00e8que ou sont consid\u00e9r\u00e9s comme des facettes adjacentes d’une m\u00eame m\u00e9tath\u00e9orie (par exemple, l’engagement affectif et l’engagement normatif), un seuil plus lib\u00e9ral de 0,90<\/strong> est admis. Toute valeur de HTMT exc\u00e9dant le seuil de 0,90 indique sans \u00e9quivoque une absence r\u00e9dhibitoire de validit\u00e9 discriminante, attestant que les deux construits se chevauchent de mani\u00e8re inacceptable.<\/li>\n
  • Le crit\u00e8re de l’inf\u00e9rence statistique (HTMT-inference) :<\/strong> En s’appuyant sur des proc\u00e9dures de r\u00e9\u00e9chantillonnage par bootstrap non param\u00e9trique (minimum 5 000 tirages), le chercheur calcule l’intervalle de confiance bilat\u00e9ral (g\u00e9n\u00e9ralement \u00e0 90 % ou 95 %) du ratio HTMT. La validit\u00e9 discriminante est formellement confirm\u00e9e si la valeur 1,00 est exclue<\/strong> de cet intervalle de confiance. Si la borne sup\u00e9rieure de l’intervalle de confiance atteint ou d\u00e9passe 1,00, l’hypoth\u00e8se nulle selon laquelle les deux construits sont parfaitement identiques ne peut \u00eatre rejet\u00e9e avec une confiance statistique suffisante.<\/li>\n<\/ul>\n

    Les \u00e9tudes de simulation les plus exhaustives confirment de mani\u00e8re unanime la sup\u00e9riorit\u00e9 \u00e9clatante du ratio HTMT : alors que le crit\u00e8re de Fornell-Larcker ne parvient \u00e0 identifier les infractions \u00e0 la validit\u00e9 discriminante que dans des proportions variant entre 20 % et 55 % des cas critiques, le ratio HTMT atteint des taux de sensibilit\u00e9 et de sp\u00e9cificit\u00e9 oscillant entre 97 % et 99 %, devenant la norme contemporaine d’excellence m\u00e9thodologique exig\u00e9e par les revues acad\u00e9miques de premier rang.<\/p>\n

    3.4 D\u00e9fis empiriques et risques de multicolin\u00e9arit\u00e9<\/h3>\n

    L’\u00e9tablissement empirique de la validit\u00e9 discriminante se heurte r\u00e9guli\u00e8rement \u00e0 des d\u00e9fis de terrain complexes qui n\u00e9cessitent un discernement th\u00e9orique aiguis\u00e9. Le premier de ces d\u00e9fis concerne la fronti\u00e8re t\u00e9nue qui s\u00e9pare les facettes imbriqu\u00e9es d’un m\u00eame macro-construit hi\u00e9rarchique et deux construits conceptuellement ind\u00e9pendants. Par exemple, au sein du mod\u00e8le de l’\u00e9puisement professionnel (burnout<\/em>), l’\u00e9puisement \u00e9motionnel, la d\u00e9personnalisation et la perte d’accomplissement personnel sont-ils trois variables autonomes requ\u00e9rant une stricte validit\u00e9 discriminante, ou les composantes solidaires d’une structure de second ordre ? Dans ce type de configuration, forcer une discrimination absolue entre des facettes naturellement corr\u00e9l\u00e9es peut aboutir \u00e0 des aberrations th\u00e9oriques ou \u00e0 la suppression d’items indispensables \u00e0 l’\u00e9quilibre conceptuel global.<\/p>\n

    Un deuxi\u00e8me \u00e9cueil majeur r\u00e9side dans la contamination des scores par le biais de m\u00e9thode commune<\/strong> (Common Method Bias<\/em>). Lorsque des donn\u00e9es relatives \u00e0 plusieurs construits sont collect\u00e9es simultan\u00e9ment aupr\u00e8s d’une m\u00eame source (par exemple, un questionnaire d’auto-\u00e9valuation en ligne administr\u00e9 en une seule vague), la variance partag\u00e9e artificielle induite par la propension des individus \u00e0 la d\u00e9sirabilit\u00e9 sociale, les tendances d’acquiescement ou l’affectivit\u00e9 transitoire gonfle syst\u00e9matiquement toutes les intercorr\u00e9lations. Ce ph\u00e9nom\u00e8ne parasite tire les ratios HTMT vers le haut et compresse les \u00e9carts de Fornell-Larcker, conduisant fr\u00e9quemment au rejet imm\u00e9rit\u00e9 de la validit\u00e9 discriminante pour des \u00e9chelles qui, mesur\u00e9es avec des dispositifs m\u00e9thodologiques ind\u00e9pendants, s’av\u00e9reraient parfaitement discriminantes.<\/p>\n

    Enfin, l’impact d’une validit\u00e9 discriminante d\u00e9faillante sur l’\u00e9tape de r\u00e9gression structurelle est d\u00e9vastateur. Lorsque deux variables latentes corr\u00e9l\u00e9es \u00e0 plus de 0,85 ou 0,90 sont ins\u00e9r\u00e9es conjointement comme pr\u00e9dicteurs d’une variable d\u00e9pendante dans un mod\u00e8le de cheminement causal, l’explosion de la multicolin\u00e9arit\u00e9 engendre une instabilit\u00e9 critique des moindres carr\u00e9s. Les matrices de covariance deviennent presque singuli\u00e8res, les facteurs d’inflation de la variance (VIF) d\u00e9passent largement les seuils critiques (3,3 ou 5,0), et les erreurs-types des coefficients de trajectoire ($\\beta$<\/span>) s’envolent. Le mod\u00e8le devient incapable d’attribuer avec pr\u00e9cision les parts de variance expliqu\u00e9e respectives, ruinant toute possibilit\u00e9 d’inf\u00e9rence causale solide.<\/p>\n

    4. Diff\u00e9rences cl\u00e9s entre validit\u00e9 convergente et validit\u00e9 discriminante<\/h2>\n

    4.1 Orientation analytique et objectif \u00e9pist\u00e9mologique<\/h3>\n

    Bien qu’elles constituent les deux faces indissociables d’une m\u00eame m\u00e9daille psychom\u00e9trique, la validit\u00e9 convergente et la validit\u00e9 discriminante poursuivent des objectifs \u00e9pist\u00e9mologiques diam\u00e9tralement oppos\u00e9s dans leur orientation analytique. La validit\u00e9 convergente adopte une posture d’inspection centrip\u00e8te et endog\u00e8ne<\/strong>. Elle s’int\u00e9resse exclusivement \u00e0 la consistance interne du construit, op\u00e9rant un zoom sur la dynamique relationnelle qui unit les indicateurs au sein de leur foyer conceptuel. Son imp\u00e9ratif fondamental est l’homog\u00e9n\u00e9it\u00e9 : elle cherche \u00e0 v\u00e9rifier que les items sont soud\u00e9s par une cause commune et qu’ils r\u00e9sonnent \u00e0 l’unisson face aux variations de la variable latente.<\/p>\n

    \u00c0 l’inverse, la validit\u00e9 discriminante d\u00e9ploie un regard centrifuge et exog\u00e8ne<\/strong>. Elle abandonne l’examen interne pour scruter les fronti\u00e8res p\u00e9riph\u00e9riques et les lignes de d\u00e9marcation s\u00e9parant le construit de son \u00e9cosyst\u00e8me th\u00e9orique externe. Son imp\u00e9ratif fondamental est l’alt\u00e9rit\u00e9 et l’exclusivit\u00e9 : elle s’assure que le construit pr\u00e9serve son identit\u00e9 singuli\u00e8re face aux concepts rivaux, adjacents ou concurrents. L\u00e0 o\u00f9 la validit\u00e9 convergente d\u00e9montre une ressemblance et une solidarit\u00e9 intra-facteur, la validit\u00e9 discriminante d\u00e9montre une distance et une alt\u00e9rit\u00e9 inter-facteurs.<\/p>\n

    Cette distinction engendre une dialectique m\u00e9thodologique f\u00e9conde mais d\u00e9licate : le chercheur doit constamment naviguer entre la coh\u00e9sion interne maximale de son instrument et son imperm\u00e9abilit\u00e9 externe. Une qu\u00eate obsessionnelle de validit\u00e9 convergente pousse parfois \u00e0 resserrer tellement la formulation des indicateurs que le construit devient hyper-sp\u00e9cifique ou tautologique. R\u00e9ciproquement, une \u00e9chelle excessivement vaste, con\u00e7ue pour capter un construit riche aux multiples facettes, risque continuellement de mordre sur le territoire empirique des construits limitrophes, \u00e9chouant ainsi au test de la validit\u00e9 discriminante.<\/p>\n

    4.2 Comparatif des crit\u00e8res et des formules statistiques<\/h3>\n

    Les divergences fondamentales entre les deux d\u00e9marches se mat\u00e9rialisent de mani\u00e8re \u00e9clatante dans la nature des indicateurs statistiques, des \u00e9quations math\u00e9matiques et des r\u00e8gles de d\u00e9cision appliqu\u00e9es lors du traitement des donn\u00e9es. Le tableau comparatif exhaustif ci-dessous r\u00e9capitule point par point les contrastes m\u00e9thodologiques r\u00e9gissant ces deux formes d’\u00e9valuation psychom\u00e9trique.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n
    Aspect M\u00e9thodologique<\/th>\nValidit\u00e9 Convergente<\/th>\nValidit\u00e9 Discriminante<\/th>\n<\/tr>\n<\/thead>\n
    Objectif \u00e9pist\u00e9mologique fondamental<\/strong><\/td>\nD\u00e9montrer que tous les items d’une m\u00eame \u00e9chelle s’associent fortement et refl\u00e8tent le m\u00eame construit latent unifi\u00e9.<\/td>\nGarantir qu’un construit latent est empiriquement et conceptuellement distinct des autres construits du mod\u00e8le.<\/td>\n<\/tr>\n
    Focus de l’analyse empirique<\/strong><\/td>\nIntra-construit (relations internes unissant les indicateurs d’un facteur unique).<\/td>\nInter-construits (relations externes confrontant deux ou plusieurs facteurs latents distincts).<\/td>\n<\/tr>\n
    M\u00e9triques statistiques cl\u00e9s<\/strong><\/td>\nPoids factoriels standardis\u00e9s ($lambda$<\/span>), Variance Moyenne Extraite (AVE), Fiabilit\u00e9 Composite (CR \/ $\\rho_c$<\/span>).<\/td>\nMatrice des charges crois\u00e9es, Crit\u00e8re de Fornell-Larcker ($\\sqrt{\\text{AVE}} > r$<\/span>), Ratio H\u00e9t\u00e9rotrait-Monotrait (HTMT).<\/td>\n<\/tr>\n
    Seuils d\u00e9cisionnels canoniques<\/strong><\/td>\n$lambda ge 0,708$<\/span> (tol\u00e9rance \u00e0 0,60 en exploratoire) ; AVE $ge 0,50$<\/span> ; CR $ge 0,70$<\/span> (ou 0,80 en confirmatoire).<\/td>\nFornell-Larcker : $\\sqrt{\\text{AVE}} > r_{jk}$<\/span> ; HTMT < 0,85 (concepts distincts) ou < 0,90 (concepts proches) ; IC bootstrap excluant 1,00<\/span>.<\/td>\n<\/tr>\n
    Mod\u00e8le d’ancrage classique<\/strong><\/td>\nMod\u00e8le factoriel r\u00e9flexif univari\u00e9 \/ Mod\u00e8le de mesure intra-facteur.<\/td>\nMatrice MTMM, Mod\u00e8le bifactoriel de corr\u00e9lation, Analyse factorielle multivari\u00e9e.<\/td>\n<\/tr>\n
    Impact de la taille de l’\u00e9chantillon<\/strong><\/td>\nUne augmentation de $N$<\/span> affine la pr\u00e9cision des erreurs-types des saturations, sans biaiser l’estimation moyenne de l’AVE.<\/td>\nUn \u00e9chantillon faible gonfle l’incertitude des corr\u00e9lations inter-construits, rendant les intervalles bootstrap du HTMT trop larges.<\/td>\n<\/tr>\n
    Sympt\u00f4mes typiques d’\u00e9chec statistique<\/strong><\/td>\nSaturations factorielles faibles ($lambda < 0,50$<\/span>), AVE inf\u00e9rieure \u00e0 0,50, faible consistance interne.<\/td>\nCorr\u00e9lations inter-construits tr\u00e8s \u00e9lev\u00e9es ($r > 0,85$<\/span>), ratio HTMT ≥ 0,90<\/span>, $\\sqrt{\\text{AVE}}$<\/span> inf\u00e9rieure \u00e0 la corr\u00e9lation inter-traits.<\/td>\n<\/tr>\n
    Risque th\u00e9orique en cas de non-respect<\/strong><\/td>\nBruit de mesure pr\u00e9pond\u00e9rant, incapacit\u00e9 de l’\u00e9chelle \u00e0 capturer fid\u00e8lement le construit, items h\u00e9t\u00e9rog\u00e8nes.<\/td>\nSophisme du jangle, redondance conceptuelle, multicolin\u00e9arit\u00e9 s\u00e9v\u00e8re, inversion paradoxale des coefficients de r\u00e9gression.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

    4.3 Implications pratiques en cas d’\u00e9chec statistique<\/h3>\n

    L’infraction aux seuils conventionnels lors des \u00e9tapes de v\u00e9rification psychom\u00e9trique n’appelle pas les m\u00eames solutions techniques selon qu’elle touche la convergence ou la discrimination. Les leviers d’action corrective mis \u00e0 la disposition du statisticien et du chercheur diff\u00e8rent radicalement dans leur nature et leur port\u00e9e th\u00e9orique.<\/p>\n

    Face \u00e0 un \u00e9chec de la validit\u00e9 convergente<\/strong> (par exemple, une AVE plafonnant \u00e0 0,42 et des saturations oscillant autour de 0,55), la r\u00e9ponse m\u00e9thodologique est g\u00e9n\u00e9ralement s\u00e9quentielle et incr\u00e9mentale. Le chercheur proc\u00e8de en premier lieu \u00e0 une inspection d\u00e9taill\u00e9e des saturations factorielles standardis\u00e9es : les items pr\u00e9sentant les charges les plus faibles (inf\u00e9rieures \u00e0 0,60 ou 0,70) sont identifi\u00e9s comme des sources majeures de bruit r\u00e9siduel. En \u00e9liminant pas \u00e0 pas l’indicateur le plus d\u00e9ficient et en r\u00e9-estimant le mod\u00e8le \u00e0 chaque \u00e9tape, l’AVE s’\u00e9l\u00e8ve m\u00e9caniquement par contraction de la variance d’erreur. Si l’ensemble des indicateurs affiche des saturations uniform\u00e9ment m\u00e9diocres, le probl\u00e8me est alors plus profond : il traduit soit un d\u00e9faut majeur dans la formulation s\u00e9mantique des items (ambigu\u00eft\u00e9, complexit\u00e9 syntaxique excessive), soit une mauvaise sp\u00e9cification de la dimensionalit\u00e9, sugg\u00e9rant que le construit n’est pas unidimensionnel mais pluridimensionnel, ce qui exige de scinder l’\u00e9chelle en plusieurs sous-facteurs distincts.<\/p>\n

    En revanche, un \u00e9chec de la validit\u00e9 discriminante<\/strong> (par exemple, un ratio HTMT s’\u00e9levant \u00e0 0,94 entre deux construits que l’on supposait conceptuellement ind\u00e9pendants) plonge le chercheur dans une crise ontologique beaucoup plus s\u00e9v\u00e8re. \u00c9liminer aveugl\u00e9ment des items ne r\u00e9sout que rarement le probl\u00e8me, car le chevauchement est situ\u00e9 au niveau m\u00eame de la signification per\u00e7ue des construits. Trois voies de rem\u00e9diation s’offrent alors :<\/p>\n

      \n
    1. La fusion th\u00e9orique et empirique des construits :<\/strong> Si l’analyse qualitative et quantitative confirme que les deux variables ne peuvent \u00eatre empiriquement dissoci\u00e9es au sein de la population \u00e9tudi\u00e9e, la d\u00e9marche scientifique la plus honn\u00eate consiste \u00e0 reconna\u00eetre leur redondance et \u00e0 les agr\u00e9ger en un seul construit composite unifi\u00e9.<\/li>\n
    2. La mod\u00e9lisation hi\u00e9rarchique de second ordre :<\/strong> Si la th\u00e9orie prescrit imp\u00e9rativement le maintien d’une distinction entre ces facettes mais que leur corr\u00e9lation mutuelle demeure extr\u00eamement haute, le chercheur peut sp\u00e9cifier un mod\u00e8le factoriel de second ordre o\u00f9 les deux dimensions deviennent les sous-composantes d’un macro-construit chapeautant l’ensemble. La variance commune est alors absorb\u00e9e au niveau sup\u00e9rieur, r\u00e9tablissant la validit\u00e9 du mod\u00e8le global.<\/li>\n
    3. L’\u00e9puration cibl\u00e9e des items crois\u00e9s :<\/strong> Dans certains cas pr\u00e9cis, l’examen des indices de modification ou de la matrice HTMT par paire d’items r\u00e9v\u00e8le qu’un ou deux indicateurs sp\u00e9cifiques cr\u00e9ent artificiellement le pont de corr\u00e9lation entre les deux construits en raison d’une formulation ambigu\u00eb. La suppression s\u00e9lective de ces seuls items passerelles peut suffire \u00e0 faire refluer le ratio HTMT sous le seuil critique de 0,85 sans compromettre l’int\u00e9grit\u00e9 de l’\u00e9chelle.<\/li>\n<\/ol>\n

      Ces d\u00e9cisions correctives ne doivent jamais \u00eatre conduites de mani\u00e8re purement opportuniste ou guid\u00e9es par le seul souci d’atteindre des seuils statistiques favorables (\u00ab p-hacking<\/em> \u00bb psychom\u00e9trique). Toute modification structurelle d’une \u00e9chelle (suppression d’items, fusion dimensionnelle) alt\u00e8re la validit\u00e9 de contenu originale de l’instrument et doit \u00eatre explicitement document\u00e9e, justifi\u00e9e th\u00e9oriquement et id\u00e9alement valid\u00e9e sur un \u00e9chantillon de r\u00e9plication ind\u00e9pendant.<\/p>\n

      5. Similitudes structurelles et points de convergence<\/h2>\n

      5.1 Sous-composantes ins\u00e9parables de la validit\u00e9 de construit<\/h3>\n

      En d\u00e9pit de leurs orientations analytiques divergentes, la validit\u00e9 convergente et la validit\u00e9 discriminante sont organiquement unies par leur finalit\u00e9 \u00e9pist\u00e9mique ultime : asseoir la cr\u00e9dibilit\u00e9, la robustesse et la signification de la validit\u00e9 de construit<\/strong>. Il est conceptuellement impensable d’\u00e9valuer ou de proclamer la validit\u00e9 d’une \u00e9chelle de mesure en isolant l’une de ces dimensions. Elles fonctionnent \u00e0 la mani\u00e8re des deux lames d’une paire de ciseaux : l’une tranche vers l’int\u00e9rieur pour unifier le concept, l’autre tranche vers l’ext\u00e9rieur pour circonscrire son territoire.<\/p>\n

      Cette interd\u00e9pendance th\u00e9orique d\u00e9coule directement du cadre nomologique formalis\u00e9 par Cronbach et Meehl (1955). Pour qu’un construit poss\u00e8de une valeur scientifique r\u00e9elle, il doit imp\u00e9rativement d\u00e9montrer qu’il existe en tant qu’entit\u00e9 coh\u00e9sive et reconnaissable, tout en apportant une information incr\u00e9mentale distincte par rapport au corpus de connaissances d\u00e9j\u00e0 \u00e9tabli. Un chercheur qui n\u00e9gligerait la convergence produirait une mesure creuse, d\u00e9pourvue d’ancrage empirique stable ; un chercheur qui n\u00e9gligerait la discrimination produirait une mesure tautologique, parasitant la litt\u00e9rature avec de faux n\u00e9ologismes conceptuels. Toutes deux concourent \u00e0 un objectif scientifique partag\u00e9 : minimiser simultan\u00e9ment l’erreur de mesure al\u00e9atoire (bruit diffus) et l’erreur de mesure syst\u00e9matique (contamination dimensionnelle et biais d’\u00e9valuation).<\/p>\n

      En outre, ces deux imp\u00e9ratifs exigent en amont une assise th\u00e9orique d’une clart\u00e9 absolue. Aucun algorithme statistique, aussi sophistiqu\u00e9 soit-il \u2014 qu’il s’agisse de la mod\u00e9lisation en \u00e9quations structurelles la plus pouss\u00e9e ou des crit\u00e8res bay\u00e9siens les plus r\u00e9cents \u2014, ne peut pallier les carences d’une d\u00e9finition conceptuelle floue. L’\u00e9laboration m\u00e9ticuleuse du domaine s\u00e9mantique du concept, l’identification rigoureuse de ses fronti\u00e8res avec les construits mitoyens et la formulation soign\u00e9e d’indicateurs non ambigus constituent le socle qualitatif sans lequel l’obtention conjointe d’une convergence et d’une discrimination acceptables rel\u00e8ve du pur hasard statistique.<\/p>\n

      5.2 D\u00e9pendance commune envers la qualit\u00e9 des donn\u00e9es<\/h3>\n

      Sur le plan pratique et m\u00e9thodologique, la validit\u00e9 convergente et la validit\u00e9 discriminante partagent une vuln\u00e9rabilit\u00e9 identique face aux imperfections des donn\u00e9es empiriques collect\u00e9es. Toutes deux d\u00e9pendent de mani\u00e8re critique de la taille, de la distribution et de la repr\u00e9sentativit\u00e9 de l’\u00e9chantillon d’\u00e9tude.<\/p>\n

      En premier lieu, la taille de l’\u00e9chantillon<\/strong> exerce une influence d\u00e9terminante sur la stabilit\u00e9 des deux cat\u00e9gories d’indices. Au sein d’\u00e9chantillons restreints ($N < 150$ ou $200$), les erreurs-types entourant les saturations factorielles sont fortement gonfl\u00e9es, rendant l'estimation de l'AVE particuli\u00e8rement instable. De mani\u00e8re sym\u00e9trique, les corr\u00e9lations bivari\u00e9es inter-construits souffrent d'une variance d'\u00e9chantillonnage \u00e9lev\u00e9e, ce qui \u00e9largit consid\u00e9rablement les intervalles de confiance bootstrap du ratio HTMT, augmentant dramatiquement le risque d'inclure la valeur 1,00 et de rejeter \u00e0 tort la validit\u00e9 discriminante. Les deux formes de validation requi\u00e8rent donc des effectifs substantiels, conformes aux exigences modernes de la mod\u00e9lisation en \u00e9quations structurelles (id\u00e9alement $N ge 300$<\/span> \u00e0 $500$ observations).<\/p>\n

      En second lieu, la validit\u00e9 convergente comme la validit\u00e9 discriminante sont hautement sensibles aux pathologies distributionnelles<\/strong> des donn\u00e9es manifestes :<\/p>\n

        \n
      • La non-normalit\u00e9 multivari\u00e9e et l’asym\u00e9trie s\u00e9v\u00e8re :<\/em> La pr\u00e9sence d’effets de plancher ou de plafond marqu\u00e9s sur les \u00e9chelles de type Likert comprime artificiellement les covariances entre indicateurs, d\u00e9gradant \u00e0 la fois les charges factorielles (atteinte \u00e0 la validit\u00e9 convergente) et d\u00e9formant les corr\u00e9lations inter-construits n\u00e9cessaires au calcul du ratio HTMT.<\/li>\n
      • Le probl\u00e8me des donn\u00e9es manquantes :<\/em> L’application de techniques d’imputation inad\u00e9quates (telles que le remplacement par la moyenne) introduit un biais syst\u00e9matique d’att\u00e9nuation des corr\u00e9lations, perturbant indistinctement les m\u00e9triques de convergence et de discrimination. Le recours syst\u00e9matique \u00e0 des estimateurs robustes (comme le MLR – Maximum Likelihood Robust<\/em>) ou \u00e0 l’algorithme FIML (Full Information Maximum Likelihood<\/em>) s’impose pour pr\u00e9server l’int\u00e9grit\u00e9 conjointe des estimations.<\/li>\n
      • L’invariance de mesure :<\/em> Lorsque des instruments sont mobilis\u00e9s pour comparer des groupes socioculturels distincts ou pour suivre des \u00e9volutions longitudinales, l’invariance de mesure (configurale, m\u00e9trique et scalaire) conditionne strictement l’interpr\u00e9tabilit\u00e9 de la convergence et de la discrimination. L’absence d’invariance m\u00e9trique signale que les r\u00e9pondants n’attribuent pas la m\u00eame signification aux unit\u00e9s de mesure des items, invalidant de facto toute conclusion relative \u00e0 la s\u00e9paration ou au regroupement des construits.<\/li>\n<\/ul>\n

        5.3 Cadres d’analyse math\u00e9matique partag\u00e9s<\/h3>\n

        Une autre similitude fondamentale r\u00e9side dans le fait que la validit\u00e9 convergente et la validit\u00e9 discriminante s’\u00e9valuent conjointement au sein d’une seule et m\u00eame matrice de mod\u00e9lisation math\u00e9matique. Elles ne rel\u00e8vent pas de protocoles d’analyse s\u00e9par\u00e9s ou s\u00e9quentiellement isol\u00e9s ; elles constituent les deux \u00e9tapes indissociables de l’\u00e9valuation du mod\u00e8le de mesure<\/strong> dans le cadre de la c\u00e9l\u00e8bre approche en deux \u00e9tapes formalis\u00e9e par James Anderson et David Gerbing en 1988.<\/p>\n

        Selon le paradigme d’Anderson et Gerbing, un chercheur ne doit jamais estimer les relations causales ou structurelles d’un mod\u00e8le th\u00e9orique avant d’avoir pr\u00e9alablement et formellement valid\u00e9 l’int\u00e9gralit\u00e9 de son mod\u00e8le de mesure. Cette \u00e9tape initiale d’\u00e9valuation du mod\u00e8le de mesure repose sur une analyse factorielle confirmatoire globale (en CB-SEM) ou sur l’algorithme des composantes (en PLS-SEM) qui traite simultan\u00e9ment l’ensemble des construits et des items du syst\u00e8me. C’est pr\u00e9cis\u00e9ment \u00e0 partir de cette unique matrice de covariance latente et de charges factorielles que l’analyste extrait simultan\u00e9ment :<\/p>\n

          \n
        • D’une part, les coefficients de saturation $lambda$<\/span> et les r\u00e9sidus $\\theta$<\/span> servant \u00e0 calculer l’AVE et la fiabilit\u00e9 composite pour chaque construit pris individuellement (\u00e9valuation de la validit\u00e9 convergente) ;<\/li>\n
        • D’autre part, les covariances inter-construits $phi$<\/span> et les corr\u00e9lations hors-diagonale confront\u00e9es aux racines de l’AVE ou inject\u00e9es dans les ratios HTMT pour chaque paire de construits (\u00e9valuation de la validit\u00e9 discriminante).<\/li>\n<\/ul>\n

          Cette infrastructure math\u00e9matique partag\u00e9e garantit la coh\u00e9rence interne du processus d’\u00e9valuation. Il est impossible de modifier la sp\u00e9cification d’un item pour am\u00e9liorer la validit\u00e9 convergente sans que cette modification n’ait des r\u00e9percussions imm\u00e9diates sur la structure des corr\u00e9lations inter-facteurs et sur les indices de validit\u00e9 discriminante. Le mod\u00e8le de mesure constitue un \u00e9cosyst\u00e8me dynamique et interd\u00e9pendant au sein duquel convergence et discrimination s’ajustent de mani\u00e8re synchrone.<\/p>\n

          6. Directives pratiques : Quand et comment appliquer chaque validation<\/h2>\n

          6.1 Protocole s\u00e9quentiel d’\u00e9valuation psychom\u00e9trique<\/h3>\n

          Afin de garantir une d\u00e9marche m\u00e9thodologique irr\u00e9prochable et conforme aux standards de publication les plus rigoureux des revues internationales (telles que celles r\u00e9pertori\u00e9es par le CNRS, la FNEGE ou l’ABS), l’\u00e9valuation des propri\u00e9t\u00e9s psychom\u00e9triques d’un instrument de mesure doit s’ex\u00e9cuter selon un protocole s\u00e9quentiel strict en quatre \u00e9tapes successives.<\/p>\n

          \u00c9tape 1 : \u00c9valuation de la fiabilit\u00e9 univari\u00e9e des indicateurs et de la coh\u00e9rence interne<\/strong>
          \nAvant toute incursion dans la mod\u00e9lisation latente avanc\u00e9e, le chercheur doit examiner le comportement empirique individuel de chaque indicateur. Cette \u00e9tape comprend l’analyse des distributions univari\u00e9es (asym\u00e9trie, aplatissement), le d\u00e9pistage des valeurs aberrantes et l’examen des corr\u00e9lations item-total corrig\u00e9es (qui doivent id\u00e9alement d\u00e9passer 0,40 ou 0,50). La fiabilit\u00e9 composite (CR ou $\\rho_c$<\/span>) et, de mani\u00e8re secondaire, l’Alpha de Cronbach sont calcul\u00e9s pour chaque bloc d’indicateurs. Un seuil minimal de 0,70 (0,80 en recherche confirmatoire avanc\u00e9e) est requis \u00e0 ce stade pour chaque dimension consid\u00e9r\u00e9e isol\u00e9ment.<\/p>\n

          \u00c9tape 2 : \u00c9tablissement prioritaire de la validit\u00e9 convergente dimension par dimension<\/strong>
          \nLa deuxi\u00e8me phase se focalise sur l’int\u00e9grit\u00e9 intrins\u00e8que de chaque construit latent pris ind\u00e9pendamment. L’analyste calibre un mod\u00e8le de mesure factoriel (CFA ou mod\u00e8le r\u00e9flexif PLS). Les saturations standardis\u00e9es ($lambda$<\/span>) de chaque item doivent imp\u00e9rativement d\u00e9passer le seuil critique de 0,708. Tout item pr\u00e9sentant une saturation inf\u00e9rieure \u00e0 0,50 doit \u00eatre purement et simplement \u00e9limin\u00e9. Les items oscillant entre 0,60 et 0,70 peuvent \u00eatre temporairement conserv\u00e9s sous r\u00e9serve que la Variance Moyenne Extraite (AVE) du construit franchisse avec succ\u00e8s le seuil minimal incompressible de 0,50<\/strong>. Cette \u00e9tape certifie que chaque construit dispose d’une assise empirique solide et d’une force centrip\u00e8te suffisante avant de le confronter aux autres concepts du mod\u00e8le.<\/p>\n

          \u00c9tape 3 : \u00c9valuation rigoureuse de la validit\u00e9 discriminante entre toutes les paires de dimensions<\/strong>
          \nUne fois la convergence de tous les blocs latents \u00e9tablie, le chercheur bascule vers l’inspection de l’imperm\u00e9abilit\u00e9 externe des construits en int\u00e9grant toutes les dimensions dans une structure globale multivari\u00e9e. En conformit\u00e9 avec les standards modernes, le ratio HTMT<\/strong> constitue le crit\u00e8re d\u00e9cisionnel prioritaire. L’analyste dresse la matrice compl\u00e8te des ratios HTMT pour chaque paire de variables latentes et v\u00e9rifie :<\/p>\n

            \n
          • Que l’ensemble des coefficients demeure strictement inf\u00e9rieur \u00e0 0,85<\/strong> (pour les construits distincts) ou 0,90<\/strong> (pour les facettes adjacentes) ;<\/li>\n
          • Que l’intervalle de confiance issu d’un r\u00e9\u00e9chantillonnage par bootstrap \u00e0 95 % (5 000 sous-\u00e9chantillons) n’englobe en aucun cas la valeur 1,00<\/strong>.<\/li>\n<\/ul>\n

            \u00c0 titre d’\u00e9l\u00e9ment comparatif traditionnel pour assurer la continuit\u00e9 avec la litt\u00e9rature historique, le tableau du crit\u00e8re de Fornell-Larcker peut \u00eatre pr\u00e9sent\u00e9 en v\u00e9rifiant que la racine carr\u00e9e de l’AVE de chaque construit exc\u00e8de sa corr\u00e9lation avec tous les autres construits du syst\u00e8me.<\/p>\n

            \u00c9tape 4 : Validation du mod\u00e8le structurel uniquement apr\u00e8s obtention des deux seuils<\/strong>
            \nCette r\u00e8gle d’or m\u00e9thodologique ne souffre aucune d\u00e9rogation : le mod\u00e8le structurel (l’estimation des trajectoires causales, des coefficients de cheminement $\\beta$<\/span> et des variances expliqu\u00e9es $R^2$<\/span>) ne doit \u00eatre estim\u00e9 et interpr\u00e9t\u00e9 que lorsque et seulement lorsque les \u00e9tapes 1, 2 et 3 ont \u00e9t\u00e9 franchies avec un succ\u00e8s total. Tenter d’interpr\u00e9ter des r\u00e9gressions structurelles sur des construits dont la convergence est m\u00e9diocre ou dont la discrimination est d\u00e9faillante \u00e9quivaut \u00e0 b\u00e2tir un \u00e9difice th\u00e9orique sur des sables mouvants.<\/p>\n

            6.2 Arbre d\u00e9cisionnel face aux anomalies empiriques<\/h3>\n

            Dans la pratique r\u00e9elle du chercheur, les donn\u00e9es empiriques se conforment rarement aux manuels de mani\u00e8re idyllique. Des anomalies m\u00e9trologiques \u00e9mergent fr\u00e9quemment, pla\u00e7ant le chercheur face \u00e0 des dilemmes d’arbitrage m\u00e9thodologique. L’arbre d\u00e9cisionnel suivant formalise les conduites rationnelles \u00e0 adopter face aux trois sc\u00e9narios critiques les plus fr\u00e9quemment rencontr\u00e9s dans la recherche empirique.<\/p>\n

            Sc\u00e9nario critique A : Un item pr\u00e9sente une saturation tr\u00e8s forte ($lambda > 0,85$<\/span>) mais d\u00e9grade drastiquement la validit\u00e9 discriminante avec un construit voisin (ratio HTMT $> 0,90$<\/span>).<\/strong>
            \nCe ph\u00e9nom\u00e8ne survient lorsqu’un indicateur, tout en \u00e9tant fortement ancr\u00e9 dans son construit cible, comporte une formulation linguistique ou un contenu cognitif qui d\u00e9borde accidentellement sur le domaine s\u00e9mantique d’un facteur adjacent. La d\u00e9cision m\u00e9thodologique s’articule ainsi :<\/p>\n

              \n
            • Examiner la matrice HTMT au niveau des items individuels afin de v\u00e9rifier si cet item sp\u00e9cifique est responsable de l’inflation de la moyenne des corr\u00e9lations h\u00e9t\u00e9rotraits.<\/li>\n
            • Proc\u00e9der \u00e0 une analyse qualitative du libell\u00e9 de l’item : si sa suppression n’alt\u00e8re pas la repr\u00e9sentativit\u00e9 du domaine de d\u00e9finition du construit (validit\u00e9 de contenu pr\u00e9serv\u00e9e par la pr\u00e9sence d’autres indicateurs performants), supprimer l’item passerelle<\/em>. La perte minime de variance convergente sera largement compens\u00e9e par le r\u00e9tablissement imm\u00e9diat de la fronti\u00e8re discriminante entre les deux construits.<\/li>\n<\/ul>\n

              Sc\u00e9nario critique B : L’AVE d’un construit est marginalement d\u00e9ficiente ($0,45 le text{AVE} < 0,50$), mais la fiabilit\u00e9 composite est tr\u00e8s \u00e9lev\u00e9e ($<\/span>text{CR} ge 0,85$).<\/strong>
              \nCette situation est r\u00e9currente au sein d’\u00e9chelles comprenant un nombre \u00e9lev\u00e9 d’items (cinq items ou plus) o\u00f9 quelques indicateurs mod\u00e9r\u00e9ment performants ($\\lambda \\approx 0,60 – 0,65$<\/span>) diluent la moyenne arithm\u00e9tique de la variance extraite. Dans cette configuration, Fornell et Larcker (1981) eux-m\u00eames ont explicitement th\u00e9oris\u00e9 qu’un chercheur peut conclure \u00e0 une validit\u00e9 convergente acceptable sur la base exclusive de la fiabilit\u00e9 composite si la condition suivante est remplie : le construit d\u00e9montre une validit\u00e9 discriminante irr\u00e9prochable vis-\u00e0-vis de l’ensemble des autres variables du mod\u00e8le. L’analyste privil\u00e9giera donc l’\u00e9puration cibl\u00e9e d’un seul item faible pour faire remonter l’AVE au-dessus de 0,50, ou conservera l’\u00e9chelle intacte en documentant formellement l’arbitrage th\u00e9orique et en s’appuyant sur l’autorit\u00e9 de la fiabilit\u00e9 composite \u00e9lev\u00e9e.<\/p>\n

              Sc\u00e9nario critique C : Pr\u00e9sence de construits formatifs au sein du mod\u00e8le empirique.<\/strong>
              \nUne erreur m\u00e9thodologique d\u00e9vastatrice consiste \u00e0 appliquer aveugl\u00e9ment les crit\u00e8res de convergence ($lambda ge 0,708$<\/span>, $\\text{AVE} ge 0,50$<\/span>) et de discrimination (Fornell-Larcker, HTMT) \u00e0 des construits formatifs<\/strong> (o\u00f9 les indicateurs causent le construit et ne partagent pas n\u00e9cessairement de variance commune). Dans un mod\u00e8le formatif :<\/p>\n

                \n
              • Les indicateurs n’ont aucune obligation de corr\u00e9ler fortement entre eux ; par cons\u00e9quent, l’exigence d’une AVE $ge 0,50$<\/span> ou d’un $\\text{CR} ge 0,70$<\/span> est math\u00e9matiquement et conceptuellement d\u00e9nu\u00e9e de tout sens. L’\u00e9valuation repose ici sur la significativit\u00e9 des poids formatifs standardis\u00e9s ($w$<\/span>) et sur l’absence de colin\u00e9arit\u00e9 excessive (Facteur d’Inflation de la Variance, $text{VIF} < 3,3$ ou $5,0$).<\/li>\n
              • La validit\u00e9 convergente d’un construit formatif s’\u00e9value non par l’AVE, mais par une analyse de redondance<\/em>, consistant \u00e0 corr\u00e9ler le construit formatif avec une mesure r\u00e9flexive globale \u00e0 item unique du m\u00eame concept (la corr\u00e9lation de cheminement devant id\u00e9alement d\u00e9passer 0,70 ou 0,80).<\/li>\n
              • La validit\u00e9 discriminante entre un construit formatif et un construit r\u00e9flexif ne peut \u00eatre test\u00e9e via le ratio HTMT classique (qui pr\u00e9suppose la r\u00e9flexivit\u00e9 des deux blocs). Elle s’\u00e9value en v\u00e9rifiant que les corr\u00e9lations du construit formatif avec les autres construits latents demeurent nettement inf\u00e9rieures \u00e0 sa corr\u00e9lation de redondance et ne g\u00e9n\u00e8rent aucune colin\u00e9arit\u00e9 pathologique dans le mod\u00e8le structurel.<\/li>\n<\/ul>\n

                6.3 Environnements logiciels et commandes recommand\u00e9es<\/h3>\n

                L’op\u00e9rationnalisation empirique de ces protocoles n\u00e9cessite une ma\u00eetrise approfondie des syntaxes et des interfaces logicielles d\u00e9di\u00e9es \u00e0 la psychom\u00e9trie quantitative. Voici les principales modalit\u00e9s d’impl\u00e9mentation contemporaines :<\/p>\n

                L’environnement open-source R : Packages lavaan<\/code> et cSEM<\/code><\/strong>
                \nPour les chercheurs \u00e9voluant dans le paradigme de l’analyse factorielle confirmatoire bas\u00e9e sur la covariance (CB-SEM), le package lavaan<\/code> constitue la r\u00e9f\u00e9rence internationale. Apr\u00e8s avoir sp\u00e9cifi\u00e9 la structure factorielle dans un objet mod\u00e8le et ajust\u00e9 ce dernier via la fonction cfa()<\/code> avec l’estimateur adapt\u00e9 (par exemple estimator = \"MLR\"<\/code> en cas de non-normalit\u00e9), les saturations et variances r\u00e9siduelles sont extraites. L’AVE et la fiabilit\u00e9 composite se calculent ais\u00e9ment \u00e0 l’aide des fonctions d\u00e9di\u00e9es du package d’extension semTools<\/code> via la commande reliability()<\/code>. Pour l’\u00e9valuation de la validit\u00e9 discriminante, semTools<\/code> int\u00e8gre nativement la fonction htmt()<\/code>, permettant d’extraire la matrice compl\u00e8te des ratios HTMT et d’ex\u00e9cuter automatiquement les proc\u00e9dures de bootstrap pour obtenir les intervalles de confiance associ\u00e9s. Pour les approches fond\u00e9es sur les composantes (PLS-SEM), le package cSEM<\/code> fournit une suite compl\u00e8te de commandes (assess()<\/code>) restituant en une seule ligne de code l’ensemble des crit\u00e8res d’AVE, de charges crois\u00e9es, de Fornell-Larcker et de HTMT.<\/p>\n

                SmartPLS 4 : Le standard d’excellence pour la PLS-SEM<\/strong>
                \nLe logiciel SmartPLS (version 4) a automatis\u00e9 de mani\u00e8re fluide et visuelle l’int\u00e9gralit\u00e9 du protocole moderne de validation. Lors de l’ex\u00e9cution de l’algorithme PLS de base (PLS-SEM Algorithm<\/em>), le rapport d’ad\u00e9quation de la mesure g\u00e9n\u00e8re instantan\u00e9ment :<\/p>\n

                  \n
                • Sous l’onglet Construct Reliability and Validity<\/em> : les valeurs calcul\u00e9es de l’Alpha de Cronbach, de la fiabilit\u00e9 composite ($\\rho_a$<\/span> de Dijkstra-Henseler et $\\rho_c$<\/span> de J\u00f6reskog) ainsi que l’AVE, avec un code couleur imm\u00e9diat signalant le franchissement des seuils critiques.<\/li>\n
                • Sous l’onglet Discriminant Validity<\/em> : trois sous-onglets distincts pr\u00e9sentant respectivement la matrice HTMT, le tableau de Fornell-Larcker et la matrice des charges crois\u00e9es.<\/li>\n<\/ul>\n

                  Il est imp\u00e9ratif pour l’analyste de compl\u00e9ter cette \u00e9tape pr\u00e9liminaire par le lancement du module Consistent PLS Bootstrapping<\/em> (avec un minimum de 5 000 sous-\u00e9chantillons et l’option de calcul des intervalles de confiance par centiles ou BCa), permettant d’extraire le tableau d’inf\u00e9rence HTMT attestant que la valeur 1,00 est exclue de l’intervalle de confiance au seuil d’erreur retenu.<\/p>\n

                  SPSS AMOS et Mplus : Approches confirmatoires traditionnelles<\/strong>
                  \nSous SPSS AMOS, l’extraction de l’AVE et de la fiabilit\u00e9 composite n’est pas automatis\u00e9e de mani\u00e8re native dans l’interface de base. Le chercheur doit recourir \u00e0 des macros de calcul ou utiliser des extensions programm\u00e9es (plugins d\u00e9velopp\u00e9s par la communaut\u00e9 acad\u00e9mique, tels que le c\u00e9l\u00e8bre Master Validity Plugin<\/em> de James Gaskin) qui s’ex\u00e9cutent directement sur la fen\u00eatre des r\u00e9sultats AMOS pour produire la matrice de validit\u00e9 compl\u00e8te. Sous Mplus, l’environnement de syntaxe hautement script\u00e9 permet d’extraire les param\u00e8tres standardis\u00e9s via la commande OUTPUT: STDYX;<\/code> et d’int\u00e9grer des routines de bootstrap complexes (BOOTSTRAP = 5000;<\/code>) pour tester la significativit\u00e9 diff\u00e9rentielle des mod\u00e8les embo\u00eet\u00e9s et contraindre les corr\u00e9lations inter-facteurs \u00e0 l’unit\u00e9 afin d’administrer des tests stricts de diff\u00e9rence de Chi-deux ($\\Delta\\chi^2$<\/span>).<\/p>\n

                  7. Foire aux questions (FAQ)<\/h2>\n

                  7.1 Une \u00e9chelle peut-elle afficher une excellente validit\u00e9 convergente tout en \u00e9chouant \u00e0 la validit\u00e9 discriminante ?<\/h3>\n

                  La r\u00e9ponse \u00e0 cette question fondamentale est un oui absolu<\/strong>, et cette configuration repr\u00e9sente l’un des pi\u00e8ges les plus redoutables de la recherche appliqu\u00e9e. Une \u00e9chelle de mesure peut pr\u00e9senter des propri\u00e9t\u00e9s statistiques internes exemplaires \u2014 caract\u00e9ris\u00e9es par des saturations factorielles tr\u00e8s \u00e9lev\u00e9es ($lambda > 0,85$<\/span>), un coefficient Alpha de Cronbach d\u00e9passant 0,90, une fiabilit\u00e9 composite de 0,92 et une Variance Moyenne Extraite (AVE) de 0,70 \u2014 tout en \u00e9chouant lamentablement \u00e0 l’\u00e9preuve de la validit\u00e9 discriminante lorsqu’elle est confront\u00e9e \u00e0 un autre construit du mod\u00e8le (affichant par exemple un ratio HTMT de 0,95 ou une corr\u00e9lation bivari\u00e9e $r = 0,88$<\/span>).<\/p>\n

                  Ce ph\u00e9nom\u00e8ne s’explique par le fait que l’extr\u00eame coh\u00e9sion interne des indicateurs garantit uniquement que les items mesurent intens\u00e9ment une m\u00eame r\u00e9alit\u00e9 unifi\u00e9e, mais ne renseigne en rien sur l’unicit\u00e9 de cette r\u00e9alit\u00e9. L’exemple paradigmatique classique en psychologie organisationnelle concerne les \u00e9chelles \u00e9valuant l’engagement organisationnel affectif<\/strong> et la satisfaction globale au travail<\/strong>. Il est fr\u00e9quent que les r\u00e9pondants qui se d\u00e9clarent extr\u00eamement engag\u00e9s affectivement expriment simultan\u00e9ment une tr\u00e8s haute satisfaction au travail. Les deux batteries d’items convergent individuellement vers une perfection m\u00e9trologique remarquable au sein de chaque bloc ; n\u00e9anmoins, confront\u00e9es au niveau inter-construits, les donn\u00e9es empiriques r\u00e9v\u00e8lent que les deux \u00e9chelles captent en r\u00e9alit\u00e9 une seule et m\u00eame attitude g\u00e9n\u00e9rale positive envers l’organisation. Elles partagent un volume si massif de variance commune qu’elles sont psychom\u00e9triquement impossibles \u00e0 dissocier dans l’esprit du r\u00e9pondant.<\/p>\n

                  Ignorer un tel \u00e9chec au motif que la convergence est parfaite produit des cons\u00e9quences d\u00e9sastreuses lors de l’estimation des mod\u00e8les structurels :<\/p>\n

                    \n
                  • Une multicolin\u00e9arit\u00e9 aigu\u00eb qui gonfle d\u00e9mesur\u00e9ment les erreurs-types des coefficients de r\u00e9gression.<\/li>\n
                  • L’apparition d’effets de suppression statistiques aberrants, o\u00f9 l’une des deux variables absorbe artificiellement toute la variance expliqu\u00e9e sur une variable d\u00e9pendante, poussant le coefficient de l’autre variable \u00e0 changer de signe (inversion de polarit\u00e9 paradoxale) sans aucune justification th\u00e9orique plausible.<\/li>\n
                  • La publication d’articles revendiquant faussement la d\u00e9couverte d’un \u00ab nouveau construit \u00bb, alors que l’instrument s’est content\u00e9 de r\u00e9pliquer une mesure classique pr\u00e9existante.<\/li>\n<\/ul>\n

                    7.2 Pourquoi le ratio HTMT est-il d\u00e9sormais pr\u00e9f\u00e9r\u00e9 au crit\u00e8re de Fornell-Larcker ?<\/h3>\n

                    La rel\u00e9gation progressive du crit\u00e8re de Fornell-Larcker au rang de relique m\u00e9thodologique au profit du ratio H\u00e9t\u00e9rotrait-Monotrait (HTMT) d\u00e9coule directement des d\u00e9couvertes empiriques publi\u00e9es par Henseler, Ringle et Sarstedt en 2015. Pendant plus de trente ans, la communaut\u00e9 acad\u00e9mique a fait aveugl\u00e9ment confiance au crit\u00e8re de Fornell-Larcker ($\\sqrt{\\text{AVE}} > r$<\/span>), sans que sa v\u00e9ritable sensibilit\u00e9 statistique n’ait fait l’objet d’\u00e9valuations rigoureuses par simulation num\u00e9rique.<\/p>\n

                    Les \u00e9tudes de Monte-Carlo men\u00e9es par Henseler et ses collaborateurs ont r\u00e9v\u00e9l\u00e9 une faille structurelle majeure : le crit\u00e8re de Fornell-Larcker pr\u00e9sente un d\u00e9faut de puissance statistique alarmant<\/strong>. Dans des contextes o\u00f9 les construits latents th\u00e9oriques partagent en r\u00e9alit\u00e9 entre 80 % et 90 % de leur variance (violant ouvertement toute notion de validit\u00e9 discriminante), le crit\u00e8re de Fornell-Larcker \u00e9choue \u00e0 d\u00e9tecter cette infraction dans plus de 50 % des cas simul\u00e9s<\/strong> lorsque les saturations des items sont h\u00e9t\u00e9rog\u00e8nes (par exemple lorsque certaines saturations valent 0,65 et d’autres 0,85). Le crit\u00e8re d\u00e9clare \u00e0 tort que la validit\u00e9 discriminante est respect\u00e9e simplement parce que la pr\u00e9sence d’un ou deux items \u00e0 tr\u00e8s forte saturation tire la racine carr\u00e9e de l’AVE vers le haut, masquant la perm\u00e9abilit\u00e9 conceptuelle entre les construits.<\/p>\n

                    La sup\u00e9riorit\u00e9 \u00e9clatante du ratio HTMT repose sur son architecture math\u00e9matique sous-jacente. Plut\u00f4t que de s’appuyer sur des scores composites agr\u00e9g\u00e9s ou sur une moyenne de saturations qui dilue l’information, le HTMT examine directement la corr\u00e9lation brute d\u00e9satt\u00e9nu\u00e9e<\/strong> entre les items au niveau manifeste. En comparant le niveau moyen des corr\u00e9lations inter-traits \u00e0 la moyenne g\u00e9om\u00e9trique des corr\u00e9lations intra-traits, le HTMT capture avec une sensibilit\u00e9 chirurgicale la proportion exacte de variance partag\u00e9e non expliqu\u00e9e par l’erreur de mesure. Les simulations d\u00e9montrent que le ratio HTMT atteint des taux de d\u00e9tection des violations avoisinant les 98 % \u00e0 99 %. En cons\u00e9quence directe de ces d\u00e9couvertes, les comit\u00e9s de lecture des revues acad\u00e9miques de premier plan (class\u00e9es CNRS, FNEGE, ABS ou affili\u00e9es \u00e0 l’APA) rejettent de plus en plus syst\u00e9matiquement les manuscrits qui s’appuient exclusivement sur le crit\u00e8re de Fornell-Larcker, \u00e9rigeant d\u00e9sormais le ratio HTMT et ses intervalles de confiance bootstrap en standard m\u00e9thodologique obligatoire.<\/p>\n

                    7.3 Comment justifier deux construits hautement corr\u00e9l\u00e9s th\u00e9oriquement sans violer la validit\u00e9 discriminante ?<\/h3>\n

                    Il arrive r\u00e9guli\u00e8rement que des cadres th\u00e9oriques robustes postulent une interd\u00e9pendance fonctionnelle tr\u00e8s \u00e9troite entre deux construits latents (par exemple, la d\u00e9tresse psychologique et l’anxi\u00e9t\u00e9, ou la justice proc\u00e9durale et la justice distributive). Ces variables peuvent afficher une corr\u00e9lation bivari\u00e9e empirique oscillant entre 0,75 et 0,82, fr\u00f4lant dangereusement la zone limite de la validit\u00e9 discriminante. Face \u00e0 une telle proximit\u00e9 th\u00e9orique et statistique, le chercheur dispose de trois strat\u00e9gies m\u00e9thodologiques l\u00e9gitimes pour justifier le maintien de leur s\u00e9paration conceptuelle sans enfreindre la rigueur psychom\u00e9trique :<\/p>\n

                    1. Le test formel de diff\u00e9rence de Chi-deux ($\\Delta\\chi^2$<\/span>) sur mod\u00e8les embo\u00eet\u00e9s<\/strong>
                    \nDans le cadre de l’analyse factorielle confirmatoire (CB-SEM), la m\u00e9thode reine consiste \u00e0 estimer deux mod\u00e8les concurrents sur les m\u00eames donn\u00e9es :<\/p>\n