{"id":25797,"date":"2026-11-08T15:49:10","date_gmt":"2026-11-08T15:49:10","guid":{"rendered":"https:\/\/french.arabpsychology.com\/?psych_comparison=mediation-moderee-vs-moderation-mediee"},"modified":"2026-11-08T15:49:10","modified_gmt":"2026-11-08T15:49:10","slug":"mediation-moderee-vs-moderation-mediee","status":"publish","type":"psych_comparison","link":"https:\/\/french.arabpsychology.com\/?psych_comparison=mediation-moderee-vs-moderation-mediee","title":{"rendered":"M\u00e9diation mod\u00e9r\u00e9e vs mod\u00e9ration m\u00e9di\u00e9e"},"content":{"rendered":"

L\u2019analyse des relations de d\u00e9pendance en sciences humaines, sociales, comportementales et manag\u00e9riales a longtemps repos\u00e9 sur des mod\u00e9lisations lin\u00e9aires simples, postulant des liens directs et universels entre une variable pr\u00e9dictive et un crit\u00e8re d\u2019\u00e9valuation. Toutefois, la complexit\u00e9 intrins\u00e8que des conduites humaines, des dynamiques organisationnelles et des ph\u00e9nom\u00e8nes psychosociaux a rapidement mis en \u00e9vidence les limites inh\u00e9rentes \u00e0 ces postulats d\u2019homog\u00e9n\u00e9it\u00e9. Face \u00e0 des r\u00e9sultats empiriques contradictoires ou instables d\u2019une \u00e9tude \u00e0 l\u2019autre, les chercheurs ont progressivement d\u00e9laiss\u00e9 la simple question de savoir si<\/em> une variable influence un r\u00e9sultat, pour se consacrer \u00e0 deux interrogations fondamentales et compl\u00e9mentaires : comment<\/em> ou par quel m\u00e9canisme<\/em> cette influence s\u2019exerce-t-elle, et pour qui<\/em> ou dans quelles circonstances<\/em> cette relation s\u2019av\u00e8re-t-elle effective ?<\/p>\n

Ces deux interrogations renvoient respectivement aux paradigmes m\u00e9thodologiques de la m\u00e9diation et de la mod\u00e9ration. La m\u00e9diation postule l\u2019existence d\u2019une cha\u00eene causale interm\u00e9diaire par laquelle une variable ind\u00e9pendante transmet son effet \u00e0 une variable d\u00e9pendante \u00e0 travers un ou plusieurs m\u00e9diateurs. La mod\u00e9ration, quant \u00e0 elle, introduit la notion de contingence ou d\u2019effet de fronti\u00e8re, stipulant que l\u2019intensit\u00e9 ou la direction d\u2019une relation varie selon la valeur prise par une tierce variable mod\u00e9ratrice. L\u2019\u00e9volution contemporaine de l\u2019analyse quantitative a vu converger ces deux logiques au sein de mod\u00e8les dits de processus conditionnels, donnant naissance \u00e0 deux architectures analytiques souvent confondues : la m\u00e9diation mod\u00e9r\u00e9e<\/strong> (moderated mediation<\/em>) et la mod\u00e9ration m\u00e9di\u00e9e<\/strong> (mediated moderation<\/em>).<\/p>\n

Bien que ces deux conceptualisations partagent une ossature math\u00e9matique proche reposant sur l\u2019int\u00e9gration simultan\u00e9e de termes multiplicatifs et de r\u00e9gressions s\u00e9quentielles, elles r\u00e9pondent \u00e0 des postulats \u00e9pist\u00e9mologiques et \u00e0 des d\u00e9marches th\u00e9oriques fondamentalement asym\u00e9triques. Confondre ces deux approches ne constitue pas une simple impr\u00e9cision s\u00e9mantique ; cette m\u00e9prise expose le chercheur \u00e0 des erreurs de sp\u00e9cification majeures, \u00e0 des interpr\u00e9tations causales fallacieuses et \u00e0 des pr\u00e9conisations manag\u00e9riales ou cliniques inadapt\u00e9es. L\u2019objet du pr\u00e9sent article est de fournir un examen approfondi, rigoureux et exhaustif de la distinction entre m\u00e9diation mod\u00e9r\u00e9e et mod\u00e9ration m\u00e9di\u00e9e, en articulant leurs fondements historiques, leurs sp\u00e9cifications math\u00e9matiques, leurs implications m\u00e9thodologiques et les crit\u00e8res op\u00e9rationnels guidant leur s\u00e9lection empirique.<\/p>\n

1. Introduction : Origines et enjeux de la distinction<\/h2>\n

1.1 D\u00e9finition liminaire des deux concepts<\/h3>\n

La m\u00e9diation mod\u00e9r\u00e9e, fr\u00e9quemment d\u00e9sign\u00e9e sous l\u2019appellation d\u2019effet indirect conditionnel<\/strong>, conceptualise une dynamique causale au sein de laquelle l\u2019amplitude, le signe ou la significativit\u00e9 statistique d\u2019un m\u00e9canisme interm\u00e9diaire indirect ($X to M to Y$<\/span>) d\u00e9pend directement des niveaux pris par une ou plusieurs variables mod\u00e9ratrices contextuelles ou individuelles ($W$<\/span>). Dans cette configuration, le chercheur s\u2019int\u00e9resse prioritairement \u00e0 la transmission de l\u2019effet : il existe une relation m\u00e9di\u00e9e sous-jacente, mais celle-ci n\u2019op\u00e8re pas de mani\u00e8re uniforme \u00e0 travers l\u2019ensemble de la population \u00e9chantillonn\u00e9e. Le mod\u00e9rateur intervient pour qualifier, borner ou alt\u00e9rer la force de cette transmission causale, r\u00e9pondant ainsi \u00e0 la question : \u00ab Pour qui ou dans quel contexte le m\u00e9canisme explicatif s\u2019active-t-il, s\u2019att\u00e9nue-t-il ou s\u2019inverse-t-il ? \u00bb.<\/p>\n

\u00c0 l\u2019inverse, la mod\u00e9ration m\u00e9di\u00e9e examine le m\u00e9canisme psychologique, sociologique ou comportemental par lequel une interaction pr\u00e9alablement \u00e9tablie ou th\u00e9oriquement postul\u00e9e entre deux variables ($X \\times W$<\/span>) produit son influence sur une variable d\u00e9pendante finale ($Y$<\/span>). Dans cette seconde perspective, le point d\u2019ancrage initial de la recherche r\u00e9side dans l\u2019existence d\u2019un effet de contingence : deux variables agissent de concert, de mani\u00e8re synergique, antagoniste ou suppressive, pour influencer un r\u00e9sultat. La question qui guide alors l\u2019investigation n\u2019est plus de savoir sous quelles conditions un m\u00e9canisme op\u00e8re, mais plut\u00f4t d\u2019\u00e9lucider pourquoi<\/em> et comment<\/em> cette interaction produit un tel r\u00e9sultat : quel processus interm\u00e9diaire interm\u00e9diaire ($M$<\/span>) mat\u00e9rialise et transmet l\u2019effet combin\u00e9 de ces deux pr\u00e9dicteurs conjoints ?<\/p>\n

Ces deux mod\u00e8les int\u00e8grent simultan\u00e9ment les notions de m\u00e9diation (transmission causale) et de mod\u00e9ration (variation contextuelle ou contingence). Leur finalit\u00e9 conjointe est de capturer des syst\u00e8mes de relations non lin\u00e9aires et contextuellement situ\u00e9s, d\u00e9passant les limites de l\u2019analyse univari\u00e9e ou des mod\u00e8les de r\u00e9gression multiple classiques sans interaction. N\u00e9anmoins, l\u2019imbrication de ces deux dimensions cr\u00e9e une tension conceptuelle : l\u2019une subordonne la mod\u00e9ration \u00e0 la m\u00e9diation (le m\u00e9canisme est conditionnel), tandis que l\u2019autre subordonne la m\u00e9diation \u00e0 la mod\u00e9ration (la condition est m\u00e9di\u00e9e).<\/p>\n

La distinction entre ces deux cadres s\u2019av\u00e8re absolument essentielle pour garantir l\u2019ad\u00e9quation entre le mod\u00e8le th\u00e9orique sous-jacent et sa sp\u00e9cification empirique. Si une th\u00e9orie substantive formule qu\u2019un mod\u00e9rateur modifie la r\u00e9ceptivit\u00e9 d\u2019un individu \u00e0 une intervention, modifiant ainsi le changement d\u2019attitude qui en d\u00e9coule, le ph\u00e9nom\u00e8ne rel\u00e8ve intrins\u00e8quement de la m\u00e9diation mod\u00e9r\u00e9e. Si, en revanche, la th\u00e9orie postule qu\u2019un conflit de r\u00f4le n\u2019engendre de l\u2019\u00e9puisement professionnel que chez les employ\u00e9s manquant de soutien manag\u00e9rial, et que cette synergie d\u00e9l\u00e9t\u00e8re conduit \u00e0 l\u2019intention de quitter l\u2019entreprise par le biais d\u2019une perte de sentiment d\u2019appartenance, le cadre th\u00e9orique appelle une mod\u00e9ration m\u00e9di\u00e9e. Choisir l\u2019un pour l\u2019autre sans discernement expose \u00e0 une dissociation dommageable entre la rh\u00e9torique th\u00e9orique et la mod\u00e9lisation statistique.<\/p>\n

1.2 Origine des confusions terminologiques et statistiques<\/h3>\n

L\u2019\u00e9mergence historique des approches par \u00e9tapes initi\u00e9es par les travaux s\u00e9minaux de Baron et Kenny (1986)<\/a> a induit des ambigu\u00eft\u00e9s analytiques durables dans la litt\u00e9rature quantitative. Dans leur publication fondatrice sur la distinction entre m\u00e9diateurs et mod\u00e9rateurs dans la recherche en psychologie sociale, les auteurs avaient d\u00e9j\u00e0 esquiss\u00e9 les notions de mod\u00e9ration m\u00e9di\u00e9e et de m\u00e9diation mod\u00e9r\u00e9e, en s’appuyant sur les r\u00e9flexions pionni\u00e8res de James et Brett (1984). Toutefois, le cadre proc\u00e9dural propos\u00e9 \u00e0 l’\u00e9poque reposait sur une s\u00e9quence de r\u00e9gressions lin\u00e9aires ind\u00e9pendantes et sur des crit\u00e8res d\u2019\u00e9valuation heuristiques souvent flous, ce qui a g\u00e9n\u00e9r\u00e9 d’importantes confusions quant \u00e0 la s\u00e9paration statistique effective des deux processus.<\/p>\n

L\u2019une des causes majeures de cette perplexit\u00e9 r\u00e9side dans l\u2019\u00e9quivalence math\u00e9matique observ\u00e9e dans certaines \u00e9quations de r\u00e9gression standard, laquelle masque des logiques causales fondamentalement distinctes. Par exemple, lorsqu\u2019un mod\u00e9rateur $W$<\/span> n\u2019affecte que la premi\u00e8re phase du processus de transmission (la relation entre le pr\u00e9dicteur $X$<\/span> et le m\u00e9diateur $M$<\/span>), l\u2019\u00e9quation estimant le m\u00e9diateur prend rigoureusement la m\u00eame forme que celle utilis\u00e9e pour tester si l’interaction $X \\times W$<\/span> pr\u00e9dit le m\u00e9diateur dans un mod\u00e8le de mod\u00e9ration m\u00e9di\u00e9e. D\u00e8s lors que deux mod\u00e8les concurrents mobilisent des param\u00e8tres alg\u00e9briques identiques pour leurs \u00e9quations de r\u00e9gression \u00e9l\u00e9mentaires, les analystes sont fr\u00e9quemment tent\u00e9s de les consid\u00e9rer comme interchangeables, omettant que le statut causal conf\u00e9r\u00e9 aux termes r\u00e9siduels et \u00e0 l’effet indirect global diff\u00e8re radicalement selon le prisme conceptuel adopt\u00e9.<\/p>\n

Par ailleurs, le vocabulaire m\u00e9thodologique contemporain emploie souvent indiff\u00e9remment les termes \u00ab effet indirect conditionnel \u00bb et \u00ab processus mod\u00e9r\u00e9 \u00bb. Cette perm\u00e9abilit\u00e9 lexicale a \u00e9t\u00e9 accentu\u00e9e par des traductions et des appropriations h\u00e9t\u00e9rog\u00e8nes au sein de revues francophones et internationales. Les expressions \u00ab mod\u00e9ration du processus indirect \u00bb, \u00ab m\u00e9diation contingente \u00bb ou \u00ab interaction m\u00e9diatis\u00e9e \u00bb ont prolif\u00e9r\u00e9 sans que soit syst\u00e9matiquement explicit\u00e9e la nature de la contrainte impos\u00e9e aux param\u00e8tres du syst\u00e8me d\u2019\u00e9quations. Ce flou s\u00e9mantique a obscurci la communication scientifique, rendant ardues les m\u00e9ta-analyses et la r\u00e9plication des mod\u00e8les conceptuels complexes.<\/p>\n

Enfin, le d\u00e9veloppement et la diffusion massive d\u2019outils informatiques automatis\u00e9s, \u00e0 l’instar de la macro PROCESS formalis\u00e9e par Andrew F. Hayes, ont parfois favoris\u00e9 une application m\u00e9canique de mod\u00e8les pr\u00e9enregistr\u00e9s au d\u00e9triment d’un discernement th\u00e9orique approfondi. En offrant des mod\u00e8les num\u00e9rot\u00e9s pr\u00eats \u00e0 l’emploi (par exemple, le Mod\u00e8le 7, le Mod\u00e8le 8 ou le Mod\u00e8le 14), ces outils ont consid\u00e9rablement d\u00e9mocratis\u00e9 l’analyse des processus conditionnels. Toutefois, ils ont \u00e9galement encourag\u00e9 certains chercheurs \u00e0 adopter une posture de \u00ab s\u00e9lection de mod\u00e8le \u00bb dict\u00e9e par les indices statistiques ou par la simple commodit\u00e9 technique, sans interroger en amont si la probl\u00e9matique postulait la m\u00e9diation d\u2019un effet de contingence ou la contingence d\u2019un effet m\u00e9diateur.<\/p>\n

1.3 Port\u00e9e \u00e9pist\u00e9mologique et rigueur m\u00e9thodologique<\/h3>\n

L\u2019articulation ad\u00e9quate entre th\u00e9orie substantive et mod\u00e9lisation statistique conditionne au premier chef la validit\u00e9 de construit d\u2019un programme de recherche. La validit\u00e9 de construit ne se restreint pas \u00e0 la qualit\u00e9 psychom\u00e9trique des instruments de mesure ; elle englobe la fid\u00e9lit\u00e9 avec laquelle un sch\u00e9ma statistique traduit les hypoth\u00e8ses relatives aux relations entre les construits th\u00e9oriques. Mod\u00e9liser un ph\u00e9nom\u00e8ne sous la forme d\u2019une mod\u00e9ration m\u00e9di\u00e9e alors que la dynamique substantive renvoie \u00e0 une m\u00e9diation mod\u00e9r\u00e9e aboutit \u00e0 une distorsion du r\u00e9seau nomologique r\u00e9gissant les variables d\u2019int\u00e9r\u00eat.<\/p>\n

Une mauvaise sp\u00e9cification entra\u00eene in\u00e9vitablement des conclusions erron\u00e9es sur la nature des m\u00e9canismes causaux observ\u00e9s. En particulier, elle peut conduire le chercheur \u00e0 conclure \u00e0 tort \u00e0 l\u2019existence d\u2019un m\u00e9canisme m\u00e9diateur pour un effet d\u2019interaction inexistant, ou inversement, \u00e0 masquer la pr\u00e9sence d\u2019un effet indirect robuste circonscrit \u00e0 un sous-groupe sp\u00e9cifique de la population (erreur de type II). De surcro\u00eet, les estimations ponctuelles des effets directs r\u00e9siduels et la d\u00e9composition de la variance expliqu\u00e9e peuvent s’en trouver s\u00e9v\u00e8rement biais\u00e9es. Ces d\u00e9rives compromettent la capacit\u00e9 de la science empirique \u00e0 formuler des interventions cibl\u00e9es fiables, qu’il s’agisse de concevoir des programmes th\u00e9rapeutiques, des politiques publiques d’\u00e9ducation ou des dispositifs organisationnels de gestion du stress.<\/p>\n

L\u2019\u00e9volution contemporaine des standards de publication au sein des revues scientifiques de premier rang (comme le Journal of Applied Psychology<\/em>, l\u2019Academy of Management Journal<\/em> ou le Journal of Personality and Social Psychology<\/em>) exige d\u00e9sormais une formalisation rigoureuse et transparente des hypoth\u00e8ses conditionnelles et indirectes. Les comit\u00e9s de lecture r\u00e9clament non seulement la formulation d\u2019\u00e9quations analytiques non ambigu\u00ebs, mais \u00e9galement la justification th\u00e9orique explicite du statut accord\u00e9 \u00e0 chaque terme d\u2019interaction. Les sections m\u00e9thodologiques se doivent de d\u00e9montrer que le sch\u00e9ma retenu refl\u00e8te scrupuleusement la chronologie causale postul\u00e9e et l’ordre \u00e9pist\u00e9mologique des concepts mobilis\u00e9s.<\/p>\n

2. Vue d’ensemble de la m\u00e9diation mod\u00e9r\u00e9e (Effet indirect conditionnel)<\/h2>\n

2.1 Fondements th\u00e9oriques et logique conceptuelle<\/h3>\n

Le mod\u00e8le de la m\u00e9diation mod\u00e9r\u00e9e repose fondamentalement sur la question directrice suivante : \u00ab Pour qui ou dans quelles circonstances le m\u00e9canisme indirect op\u00e8re-t-il ? \u00bb. L’investigation part de la pr\u00e9misse qu’une variable ind\u00e9pendante $X$<\/span> exerce une influence sur une variable d\u00e9pendante $Y$<\/span> par le truchement d’un m\u00e9diateur interm\u00e9diaire $M$<\/span>. Cependant, plut\u00f4t que de supposer que ce processus s\u2019applique de fa\u00e7on uniforme, universelle et invariante \u00e0 l\u2019ensemble des entit\u00e9s observ\u00e9es, le cadre th\u00e9orique postule que l\u2019efficacit\u00e9, la magnitude ou l\u2019orientation de cette cha\u00eene causale est subordonn\u00e9e aux variations d\u2019une variable mod\u00e9ratrice $W$<\/span>.<\/p>\n

Dans ce paradigme, l\u2019accent premier et pr\u00e9pond\u00e9rant est plac\u00e9 sur le m\u00e9canisme explicatif, c’est-\u00e0-dire sur la m\u00e9diation. La mod\u00e9ration n’intervient que dans un second temps logique pour qualifier, contextualiser ou d\u00e9limiter le domaine de validit\u00e9 de cette transmission. Le mod\u00e9rateur $W$<\/span> agit ici comme un param\u00e8tre r\u00e9gulateur ou une condition aux limites (boundary condition<\/em>) qui intensifie, neutralise, att\u00e9nue ou inverse la cha\u00eene d’\u00e9v\u00e9nements reliant $X$<\/span> \u00e0 $Y$<\/span> via $M$<\/span>. Ce sch\u00e9ma s’av\u00e8re particuli\u00e8rement pertinent dans les disciplines o\u00f9 les m\u00e9canismes psychologiques ou physiologiques fondamentaux sont connus, mais dont l’expression d\u00e9pend \u00e9troitement de traits de personnalit\u00e9, de contextes socioculturels, de climats organisationnels ou de pr\u00e9dispositions g\u00e9n\u00e9tiques.<\/p>\n

Le processus postule que la relation causale globale $X to M to Y$<\/span> varie selon la valeur prise par la variable mod\u00e9ratrice $W$<\/span>. D\u00e8s lors, l’effet indirect ne peut plus \u00eatre r\u00e9sum\u00e9 par un coefficient unique et scalaire (comme le produit standard $a \\times b$<\/span> dans l’analyse de m\u00e9diation classique). Il devient une variable d\u00e9pendante de $W$<\/span>, c\u2019est-\u00e0-dire une fonction lin\u00e9aire (ou non lin\u00e9aire dans des cas plus complexes) du mod\u00e9rateur. Cette formalisation capture l\u2019id\u00e9e th\u00e9orique selon laquelle le potentiel explicatif du m\u00e9diateur est contingent au contexte ou aux caract\u00e9ristiques intrins\u00e8ques du sujet.<\/p>\n

2.2 Typologies structurelles et configurations analytiques<\/h3>\n

L\u2019analyse structurelle de la m\u00e9diation mod\u00e9r\u00e9e se d\u00e9cline en plusieurs typologies op\u00e9rationnelles selon le ou les segments du chemin indirect qui sont affect\u00e9s par le mod\u00e9rateur. Les travaux m\u00e9thodologiques syst\u00e9matiques, notamment ceux de Preacher, Rucker et Hayes (2007)<\/a> ainsi que d’Edwards et Lambert (2007)<\/a>, ont permis d’identifier et de formaliser ces diff\u00e9rentes configurations.<\/p>\n

La premi\u00e8re configuration correspond \u00e0 la mod\u00e9ration du premier stade<\/strong> (first-stage moderation<\/em>). Dans cette structure, la variable mod\u00e9ratrice $W$<\/span> influence la relation reliant la variable ind\u00e9pendante $X$<\/span> au m\u00e9diateur $M$<\/span> (segment g\u00e9n\u00e9ralement d\u00e9sign\u00e9 comme le chemin $a$<\/span>). En revanche, la relation reliant le m\u00e9diateur $M$<\/span> \u00e0 la variable d\u00e9pendante $Y$<\/span> (chemin $b$<\/span>) demeure invariante et ind\u00e9pendante de $W$<\/span>. Sur le plan conceptuel, cela signifie que le mod\u00e9rateur d\u00e9termine l’ampleur avec laquelle l’ant\u00e9c\u00e9dent d\u00e9clenche le m\u00e9canisme m\u00e9diateur, mais une fois ce m\u00e9diateur activ\u00e9, son effet sur le crit\u00e8re final op\u00e8re de mani\u00e8re universelle. Un exemple classique r\u00e9side dans l’effet d’une formation manag\u00e9riale ($X$<\/span>) sur le sentiment d’efficacit\u00e9 personnelle ($M$<\/span>) conditionn\u00e9 par l’anciennet\u00e9 du collaborateur ($W$<\/span>), le sentiment d’efficacit\u00e9 influen\u00e7ant ensuite directement et uniform\u00e9ment la performance au travail ($Y$<\/span>).<\/p>\n

La deuxi\u00e8me configuration majeure est la mod\u00e9ration du second stade<\/strong> (second-stage moderation<\/em>). Ici, la relation entre la variable ind\u00e9pendante $X$<\/span> et le m\u00e9diateur $M$<\/span> est constante, mais c’est la transmission entre le m\u00e9diateur $M$<\/span> et la variable d\u00e9pendante $Y$<\/span> (chemin $b$<\/span>) qui est r\u00e9gul\u00e9e par le mod\u00e9rateur $W$<\/span>. Dans ce sc\u00e9nario, le stimulus $X$<\/span> g\u00e9n\u00e8re le processus interm\u00e9diaire $M$<\/span> de mani\u00e8re \u00e9gale chez tous les individus, mais la capacit\u00e9 de ce m\u00e9diateur \u00e0 se traduire en comportement ou en r\u00e9sultat effectif ($Y$<\/span>) d\u00e9pend du contexte ou des ressources fournies par $W$<\/span>. Par exemple, une situation de stress au travail ($X$<\/span>) produit un niveau d’anxi\u00e9t\u00e9 ($M$<\/span>) uniforme chez les employ\u00e9s, mais l’impact d\u00e9l\u00e9t\u00e8re de cette anxi\u00e9t\u00e9 sur l’absent\u00e9isme ($Y$<\/span>) est att\u00e9nu\u00e9 par un soutien social \u00e9lev\u00e9 ($W$<\/span>).<\/p>\n

La troisi\u00e8me modalit\u00e9 concerne la mod\u00e9ration concomitante ou double<\/strong> (dual-stage moderation<\/em>). Dans ce mod\u00e8le plus complexe, le mod\u00e9rateur $W$<\/span> \u2014 ou deux mod\u00e9rateurs distincts $W$<\/span> et $Z$<\/span> \u2014 affecte simultan\u00e9ment le premier stade (chemin $a$<\/span>) et le second stade (chemin $b$<\/span>) de la m\u00e9diation. L\u2019impact indirect total devient alors le produit de deux fonctions conditionnelles, traduisant une dynamique o\u00f9 les conditions de fronti\u00e8re modulent \u00e0 la fois l’\u00e9mergence du m\u00e9canisme interne et sa conversion en r\u00e9sultat tangible.<\/p>\n

Enfin, les mod\u00e8les complets int\u00e8grent fr\u00e9quemment l\u2019\u00e9valuation de la mod\u00e9ration de l’effet direct r\u00e9siduel<\/strong> (chemin $c’$<\/span>). Il s’agit d’estimer si, au-del\u00e0 de la modulation de la cha\u00eene indirecte, la relation directe subsistante entre $X$<\/span> et $Y$<\/span> est \u00e9galement contingente \u00e0 $W$<\/span>. Cette distinction entre mod\u00e9ration de l’effet direct et mod\u00e9ration de l’effet indirect conditionnel permet de d\u00e9terminer si l’effet d’interaction total s’explique enti\u00e8rement par le m\u00e9diateur ou s’il subsiste une contingence r\u00e9siduelle non capt\u00e9e par le m\u00e9canisme \u00e9tudi\u00e9.<\/p>\n

2.3 Indice de m\u00e9diation mod\u00e9r\u00e9e et inf\u00e9rence statistique<\/h3>\n

Sur le plan analytique, la m\u00e9diation mod\u00e9r\u00e9e s’exprime par la quantification de l\u2019effet indirect conditionnel en tant que fonction math\u00e9matique de la variable mod\u00e9ratrice. Consid\u00e9rons le cas d\u2019une mod\u00e9ration du premier stade r\u00e9gie par les deux \u00e9quations de r\u00e9gression standard suivantes :<\/p>\n

Pour le m\u00e9diateur :
\nM = iM<\/sub> + a1<\/sub>X + a2<\/sub>W + a3<\/sub>XW + eM<\/sub><\/em><\/span><\/p>\n

Pour la variable d\u00e9pendante :
\nY = iY<\/sub> + c’1<\/sub>X + c’2<\/sub>W + c’3<\/sub>XW + b1<\/sub>M + eY<\/sub><\/em><\/span><\/p>\n

Dans ce syst\u00e8me, l’effet de $X$<\/span> sur $M$<\/span> n’est pas une constante $a_1$<\/span>, mais l’expression d\u00e9riv\u00e9e partitielle : (a1<\/sub> + a3<\/sub>W)<\/em>. Puisque le chemin reliant $M$<\/span> \u00e0 $Y$<\/span> est mod\u00e9lis\u00e9 par le coefficient $b_1$<\/span>, l’effet indirect conditionnel de $X$<\/span> sur $Y$<\/span> via $M$<\/span> devient le produit suivant :
\nEffet Indirect Conditionnel = (a1<\/sub> + a3<\/sub>W) × b1<\/sub> = a1<\/sub>b1<\/sub> + a3<\/sub>b1<\/sub>W<\/em><\/span><\/p>\n

Cette formulation lin\u00e9aire met en lumi\u00e8re un \u00e9l\u00e9ment analytique capital : la pente de cet effet indirect conditionnel par rapport au mod\u00e9rateur $W$<\/span> est \u00e9gale \u00e0 a3<\/sub>b1<\/sub><\/em><\/strong>. Cette quantit\u00e9 est d\u00e9sign\u00e9e dans la litt\u00e9rature m\u00e9thodologique contemporaine sous le terme d\u2019indice de m\u00e9diation mod\u00e9r\u00e9e<\/strong>, formalis\u00e9 par Hayes (2015)<\/a>. L\u2019indice de m\u00e9diation mod\u00e9r\u00e9e quantifie directement l\u2019ampleur avec laquelle l\u2019effet indirect augmente ou diminue pour chaque \u00e9l\u00e9vation d\u2019une unit\u00e9 de la variable mod\u00e9ratrice. Si cet indice est significativement diff\u00e9rent de z\u00e9ro, le chercheur peut formellement conclure que le m\u00e9canisme indirect est r\u00e9gul\u00e9 par le mod\u00e9rateur, fournissant un test statistique omnibus de la m\u00e9diation mod\u00e9r\u00e9e qui transcende l\u2019\u00e9valuation fragment\u00e9e des coefficients individuels.<\/p>\n

L\u2019inf\u00e9rence statistique relative \u00e0 cet indice et aux effets indirects conditionnels pose n\u00e9anmoins un d\u00e9fi majeur : le produit de coefficients de r\u00e9gression normaux (ici le produit estim\u00e9 $a_3 \\times b_1$<\/span>) ne suit g\u00e9n\u00e9ralement pas une distribution gaussienne standard, m\u00eame au sein de grands \u00e9chantillons. La distribution d’\u00e9chantillonnage de ces termes compos\u00e9s tend \u00e0 \u00eatre fortement asym\u00e9trique, leptokurtique et \u00e9tal\u00e9e vers les valeurs extr\u00eames. Par cons\u00e9quent, les tests inf\u00e9rentiels classiques reposant sur l’approximation de Sobel ou le test z de Wald souffrent d’une perte d’\u00e9nergie statistique substantielle et d’une inflation incontr\u00f4l\u00e9e des taux d’erreur de premi\u00e8re esp\u00e8ce.<\/p>\n

Pour surmonter cette barri\u00e8re math\u00e9matique, le recours aux m\u00e9thodes de r\u00e9\u00e9chantillonnage (bootstrapping)<\/strong> est devenu la norme m\u00e9thodologique indiscutable. En g\u00e9n\u00e9rant un grand nombre de r\u00e9pliques empiriques (habituellement entre 5 000 et 10 000 \u00e9chantillons de r\u00e9\u00e9chantillonnage avec remise) \u00e0 partir de la base de donn\u00e9es originale, l’analyste construit une distribution empirique de l’indice de m\u00e9diation mod\u00e9r\u00e9e et des effets conditionnels. L’inf\u00e9rence est op\u00e9r\u00e9e en \u00e9tablissant des intervalles de confiance non param\u00e9triques (typiquement des intervalles de confiance bootstrap corrig\u00e9s pour le biais et l’acc\u00e9l\u00e9ration, ou des intervalles de confiance par percentiles). D\u00e8s lors que l’intervalle de confiance \u00e0 95 % exclut rigoureusement la valeur z\u00e9ro, l’hypoth\u00e8se de m\u00e9diation mod\u00e9r\u00e9e est valid\u00e9e.<\/p>\n

Enfin, au-del\u00e0 de l’approche traditionnelle par \u00ab s\u00e9lection de points \u00bb (pick-a-point approach<\/em>) consistant \u00e0 \u00e9valuer l’effet indirect \u00e0 des valeurs conventionnelles et souvent arbitraires du mod\u00e9rateur (telles que la moyenne, ainsi que plus ou moins un \u00e9cart-type par rapport \u00e0 la moyenne), l’investigation empirique moderne pr\u00e9conise le d\u00e9ploiement de la technique de Johnson-Neyman<\/strong> adapt\u00e9e aux processus conditionnels. Cette m\u00e9thode d\u00e9rive de mani\u00e8re analytique et continue les zones exactes de significativit\u00e9 le long de l’int\u00e9gralit\u00e9 du continuum de la variable mod\u00e9ratrice. Elle identifie pr\u00e9cis\u00e9ment les seuils critiques de $W$<\/span> au-del\u00e0 desquels le m\u00e9canisme indirect bascule de la non-significativit\u00e9 statistique \u00e0 une significativit\u00e9 av\u00e9r\u00e9e, fournissant ainsi une cartographie granulaire et d\u00e9pourvue d’arbitraire du domaine de contingence de l’effet indirect.<\/p>\n

3. Vue d’ensemble de la mod\u00e9ration m\u00e9di\u00e9e (M\u00e9canisme d’interaction)<\/h2>\n

3.1 Fondements th\u00e9oriques et logique conceptuelle<\/h3>\n

\u00c0 l’oppos\u00e9 architectural de la m\u00e9diation mod\u00e9r\u00e9e, le mod\u00e8le de la mod\u00e9ration m\u00e9di\u00e9e r\u00e9pond \u00e0 une interrogation centrale diam\u00e9tralement invers\u00e9e : \u00ab Pourquoi ou par quel m\u00e9canisme une interaction donn\u00e9e influence-t-elle le r\u00e9sultat ? \u00bb. Dans cette posture scientifique, le point de d\u00e9part analytique n’est pas un chemin direct ou indirect existant dont on chercherait les bornes d’application, mais l’observation ou la postulation th\u00e9orique d’un effet d’interaction<\/strong> ($X \\times W to Y$<\/span>).<\/p>\n

Le chercheur est confront\u00e9 \u00e0 un ph\u00e9nom\u00e8ne o\u00f9 deux variables agissent de mani\u00e8re conjointe pour modifier un \u00e9tat de fait. Par exemple, une politique d’incitation financi\u00e8re agressive ($X$<\/span>) combin\u00e9e \u00e0 une culture d’entreprise hyper-comp\u00e9titive ($W$<\/span>) conduit \u00e0 une augmentation dramatique des comportements professionnels non \u00e9thiques ($Y$<\/span>). Une fois cette synergie destructrice constat\u00e9e ou solidement \u00e9tay\u00e9e par la litt\u00e9rature, la curiosit\u00e9 intellectuelle et la rigueur explicative exigent de p\u00e9n\u00e9trer la \u00ab bo\u00eete noire \u00bb de cette contingence : quel est le v\u00e9hicule psychologique, relationnel ou structurel par lequel cette conjonction sp\u00e9cifique entre l’incitation et la culture produit de l’immoralit\u00e9 ?<\/p>\n

Le m\u00e9diateur $M$<\/span> intervient d\u00e8s lors non pas comme un simple transmetteur de $X$<\/span> soumis \u00e0 des conditions externes, mais comme la variable explicative qui mat\u00e9rialise et concr\u00e9tise l’effet conjoint de $X$<\/span> et de $W$<\/span>. L’hypoth\u00e8se de base stipule que le produit des deux pr\u00e9dicteurs engendre une alt\u00e9ration du m\u00e9diateur $M$<\/span>, et que c’est cette variation de $M$<\/span> qui r\u00e9git cons\u00e9cutivement le niveau de la variable d\u00e9pendante $Y$<\/span>. Le m\u00e9diateur agit en tant qu’agent de transmission de l’effet multiplicatif, traduisant une dynamique relationnelle conjointe en une cons\u00e9quence tangible.<\/p>\n

3.2 Sp\u00e9cifications selon Baron & Kenny et Muller, Judd & Yzerbyt<\/h3>\n

La formalisation statistique classique de la mod\u00e9ration m\u00e9di\u00e9e a \u00e9t\u00e9 structur\u00e9e par Muller, Judd et Yzerbyt (2005)<\/a>, qui ont raffin\u00e9 les postulats initiaux de Baron et Kenny (1986). Dans cette perspective classique bas\u00e9e sur les r\u00e9gressions s\u00e9quentielles par les moindres carr\u00e9s ordinaires, la d\u00e9monstration empirique d’une mod\u00e9ration m\u00e9di\u00e9e requiert la validation rigoureuse de plusieurs conditions pr\u00e9alables successives :<\/p>\n

Premi\u00e8rement, il est indispensable d\u2019\u00e9tablir un effet d’interaction global significatif<\/strong> entre le pr\u00e9dicteur $X$<\/span> et le mod\u00e9rateur $W$<\/span> sur la variable d\u00e9pendante finale $Y$<\/span>. Dans l’\u00e9quation sans m\u00e9diateur :
\nY = beta10<\/sub> + beta11<\/sub>X + beta12<\/sub>W + beta13<\/sub>XW + varepsilon1<\/sub><\/em><\/span>
\nLe coefficient d’interaction beta13<\/sub><\/em> doit \u00eatre statistiquement significatif. Cette exigence constituait, dans la m\u00e9thodologie classique, la pierre angulaire de l’analyse : sans interaction globale av\u00e9r\u00e9e \u00e0 expliquer, la recherche d’un m\u00e9canisme sous-jacent \u00e0 cette interaction \u00e9tait jug\u00e9e caduque ou infond\u00e9e.<\/p>\n

Deuxi\u00e8mement, le mod\u00e8le postule que l’interaction pr\u00e9dit significativement la variable m\u00e9diatrice $M$<\/span>, ou alternativement, que le m\u00e9diateur $M$<\/span> interagit avec la variable mod\u00e9ratrice $W$<\/span> pour pr\u00e9dire $Y$<\/span>. Dans la configuration pr\u00e9dominante formalis\u00e9e par Muller et ses coll\u00e8gues, l’\u00e9quation relative au m\u00e9diateur s’\u00e9crit :
\nM = beta20<\/sub> + beta21<\/sub>X + beta22<\/sub>W + beta23<\/sub>XW + varepsilon2<\/sub><\/em><\/span>
\nPour qu’il y ait m\u00e9diation de l’effet d’interaction par le premier stade, le terme beta23<\/sub><\/em> doit \u00eatre statistiquement significatif, attestant que la synergie entre $X$<\/span> et $W$<\/span> produit effectivement une variation du m\u00e9diateur.<\/p>\n

Troisi\u00e8mement, lors de l’estimation de l’\u00e9quation compl\u00e8te incorporant le m\u00e9diateur et son \u00e9ventuelle interaction avec le mod\u00e9rateur :
\nY = beta30<\/sub> + beta31<\/sub>X + beta32<\/sub>W + beta33<\/sub>XW + beta34<\/sub>M + beta35<\/sub>MW + varepsilon3<\/sub><\/em><\/span>
\nLe m\u00e9diateur $M$<\/span> doit pr\u00e9dire significativement la variable d\u00e9pendante (coefficient beta34<\/sub><\/em> significatif), et l’on doit observer une r\u00e9duction substantielle, voire une disparition totale (dans le cas d’une mod\u00e9ration m\u00e9di\u00e9e compl\u00e8te), de l’amplitude de l’effet d’interaction direct r\u00e9siduel (beta33<\/sub><\/em>) par comparaison avec le terme d’interaction initial (beta13<\/sub><\/em>).<\/p>\n

En d\u00e9pit de sa rigueur logique apparente, cette approche s\u00e9quentielle en plusieurs \u00e9tapes a fait l’objet de critiques m\u00e9thodologiques majeures. Le reproche fondamental concerne sa tr\u00e8s faible puissance statistique globale<\/strong>. L’inf\u00e9rence d\u00e9pend de la r\u00e9ussite conjointe de plusieurs tests de significativit\u00e9 par seuil alpha (p < 0,05) sur des coefficients de r\u00e9gression distincts, ce qui d\u00e9multiplie le risque de commettre une erreur de type II. Si l’un des maillons de la cha\u00eene \u00e9choue marginalement \u00e0 atteindre le seuil de rejet fix\u00e9, l’ensemble du processus explicatif est consid\u00e9r\u00e9 comme non d\u00e9montr\u00e9 selon les standards stricts de Baron et Kenny, m\u00eame lorsque le produit indirect sous-jacent est substantiel et robuste<\/span>.<\/p>\n

3.3 \u00c9volution contemporaine et critiques m\u00e9thodologiques<\/h3>\n

L\u2019av\u00e8nement des analyses modernes des processus conditionnels, largement impuls\u00e9 par Morgan-Lopez et MacKinnon (2006) ainsi que par Hayes (2013, 2018), a profond\u00e9ment remis en question les fondements op\u00e9ratoires de la mod\u00e9ration m\u00e9di\u00e9e telle que con\u00e7ue par Muller, Judd et Yzerbyt. La critique principale formul\u00e9e par Andrew Hayes porte sur l\u2019exigence pr\u00e9alable d\u2019un effet d’interaction global significatif (beta13<\/sub><\/em> dans l’\u00e9quation 1).<\/p>\n

De m\u00eame que la d\u00e9couverte de l’effet indirect en m\u00e9diation simple n’exige plus l’existence pr\u00e9alable d’un effet total significatif reliant $X$<\/span> \u00e0 $Y$<\/span> \u2014 un postulat caduc de Baron et Kenny invalid\u00e9 par l’existence reconnue d’effets de suppression ou de m\u00e9diations comp\u00e9titives o\u00f9 chemins directs et indirects s’annulent mutuellement (Zhao, Lynch, & Chen, 2010<\/a>) \u2014, l’analyse contemporaine stipule qu’une mod\u00e9ration peut \u00eatre transmise par un m\u00e9diateur sans que l’effet d’interaction global ne transparaisse au niveau de la variable d\u00e9pendante finale. Deux m\u00e9canismes d’interaction indirects oppos\u00e9s peuvent coexister, ou un effet indirect d’interaction peut \u00eatre masqu\u00e9 par une interaction directe r\u00e9siduelle de signe inverse, annulant ainsi l’interaction omnibus apparente.<\/p>\n

Par cons\u00e9quent, les m\u00e9thodologues contemporains s\u2019accordent aujourd\u2019hui \u00e0 requalifier la quasi-totalit\u00e9 des mod\u00e8les de mod\u00e9ration m\u00e9di\u00e9e en mod\u00e8les de m\u00e9diation mod\u00e9r\u00e9e. En adoptant le cadre unifi\u00e9 de l’effet indirect conditionnel, le chercheur n’a plus besoin de s’enfermer dans la v\u00e9rification de la s\u00e9quence restrictive de Muller et ses coll\u00e8gues. Le produit de l’interaction transmise (par exemple, beta23<\/sub> times beta34<\/sub><\/em>) est test\u00e9 directement au moyen de distributions bootstrapp\u00e9es, lib\u00e9rant l’analyse des contraintes artificielles de puissance qui handicapaient les protocoles ant\u00e9rieurs.<\/p>\n

Parall\u00e8lement, la recherche contemporaine s\u2019est massivement tourn\u00e9e vers la mod\u00e9lisation par \u00e9quations structurelles (SEM)<\/strong> pour tester ces m\u00e9canismes d’interaction transmis. La SEM offre l’avantage inestimable d’estimer simultan\u00e9ment l’ensemble des \u00e9quations du syst\u00e8me, tout en int\u00e9grant des variables latentes mesur\u00e9es par des indicateurs multiples. L’utilisation d’approches de pointe pour les interactions latentes, telles que l’algorithme LMS (Latent Moderated Structural Equations<\/em>) ou les approximations quasi-maximum de vraisemblance (QML), permet d’\u00e9valuer la transmission d’un terme multiplicatif latent sans souffrir de l’att\u00e9nuation drastique caus\u00e9e par l’erreur de mesure inh\u00e9rente aux scores composites dans les r\u00e9gressions par les moindres carr\u00e9s ordinaires.<\/p>\n

4. Diff\u00e9rences cl\u00e9s entre m\u00e9diation mod\u00e9r\u00e9e et mod\u00e9ration m\u00e9di\u00e9e<\/h2>\n

4.1 Pr\u00e9misse th\u00e9orique et question de recherche<\/h3>\n

La distinction nodale entre m\u00e9diation mod\u00e9r\u00e9e et mod\u00e9ration m\u00e9di\u00e9e se situe dans la pr\u00e9misse th\u00e9orique motrice et dans la t\u00e9l\u00e9ologie du protocole de recherche. La m\u00e9diation mod\u00e9r\u00e9e vise \u00e0 d\u00e9limiter les fronti\u00e8res contextuelles d\u2019une cha\u00eene causale explicative \u00e9tablie ou prioritaire. La d\u00e9marche proc\u00e8de d’une th\u00e9orie substantive qui \u00e9nonce : \u00ab Le facteur $X$<\/span> active le processus $M$<\/span>, ce qui transforme $Y$<\/span>, mais ce ph\u00e9nom\u00e8ne est tributaire du cadre environnemental ou individuel $W$<\/span> \u00bb. La priorit\u00e9 \u00e9pist\u00e9mologique absolue est accord\u00e9e au m\u00e9diateur en tant qu’agent de changement ; la variable de mod\u00e9ration intervient \u00e0 titre de modificateur de cette fonction motrice.<\/p>\n

\u00c0 l’inverse, la mod\u00e9ration m\u00e9di\u00e9e vise \u00e0 \u00e9lucider le m\u00e9canisme explicatif sous-jacent \u00e0 un effet de contingence observ\u00e9 ou pressenti. L’analyste se trouve face \u00e0 une interaction empirique ou doctrinale (\u00ab L’effet de $X$<\/span> sur $Y$<\/span> d\u00e9pend de $W$<\/span> \u00bb) et cherche \u00e0 d\u00e9construire les fondements internes de cette contingence : \u00ab Par quelle transformation interm\u00e9diaire cette conjonction de facteurs s’actualise-t-elle ? \u00bb. La priorit\u00e9 \u00e9pist\u00e9mologique est accord\u00e9e ici \u00e0 l’interaction en tant qu’entit\u00e9 causale unifi\u00e9e ; le m\u00e9diateur n’est que l’instrument physique ou cognitif qui concr\u00e9tise l’interaction.<\/p>\n

Cette asym\u00e9trie conceptuelle induit une divergence radicale dans la formulation des hypoth\u00e8ses de recherche. Dans une m\u00e9diation mod\u00e9r\u00e9e, les hypoth\u00e8ses formaliseront typiquement un comportement indirect conditionnel : \u00ab L’effet indirect de $X$<\/span> sur $Y$<\/span> via $M$<\/span> sera plus prononc\u00e9 lorsque $W$<\/span> est \u00e9lev\u00e9 que lorsqu’il est faible \u00bb. Dans une mod\u00e9ration m\u00e9di\u00e9e traditionnelle, l’hypoth\u00e8se centrale s’\u00e9non\u00e7ait plut\u00f4t : \u00ab L’effet interactif conjoint de $X$<\/span> et $W$<\/span> sur $Y$<\/span> sera m\u00e9di\u00e9 par la variable $M$<\/span> \u00bb.<\/p>\n

4.2 Architecture des mod\u00e8les de r\u00e9gression et \u00e9quations associ\u00e9es<\/h3>\n

L\u2019architecture analytique des mod\u00e8les de r\u00e9gression r\u00e9v\u00e8le des divergences fondamentales quant au statut conf\u00e9r\u00e9 aux termes d’interaction et \u00e0 l’effet indirect en jeu. Pour synth\u00e9tiser ces divergences, examinons la formulation math\u00e9matique compar\u00e9e des deux mod\u00e8les lorsqu’ils sont sp\u00e9cifi\u00e9s par les m\u00e9thodes de r\u00e9gression standard.<\/p>\n

En m\u00e9diation mod\u00e9r\u00e9e (prenons le cas d’une mod\u00e9ration du premier stade), l’effet indirect est formul\u00e9 math\u00e9matiquement comme une fonction du mod\u00e9rateur<\/strong>. On sp\u00e9cifie les \u00e9quations suivantes :<\/p>\n

\u00c9quation du m\u00e9diateur :
\nM = iM<\/sub> + a1<\/sub>X + a2<\/sub>W + a3<\/sub>XW + eM<\/sub><\/em><\/span><\/p>\n

\u00c9quation du crit\u00e8re :
\nY = iY<\/sub> + c’1<\/sub>X + c’2<\/sub>W + b1<\/sub>M + eY<\/sub><\/em><\/span><\/p>\n

L’effet indirect s’\u00e9crit formellement : f(W) = (a1<\/sub> + a3<\/sub>W)b1<\/sub><\/em><\/strong>. Le mod\u00e9rateur<\/span> $W$<\/span> n’appara\u00eet pas ici comme un pr\u00e9dicteur direct dans la formation de l’effet indirect, mais comme un r\u00e9gulateur du param\u00e8tre de transmission.<\/p>\n

En mod\u00e9ration m\u00e9di\u00e9e (selon la conceptualisation s\u00e9quentielle de Muller, Judd & Yzerbyt), l’interaction entre $X$<\/span> et $W$<\/span> est trait\u00e9e analytiquement comme une cause distale conjointe<\/strong>. Le produit $X \\times W$<\/span> est \u00e9rig\u00e9 au rang de variable ind\u00e9pendante focalis\u00e9e, dont on \u00e9tudie le transit \u00e0 travers $M$<\/span> :<\/p>\n

\u00c9quation de l’interaction globale :
\nY = beta10<\/sub> + beta11<\/sub>X + beta12<\/sub>W + beta13<\/sub>XW + varepsilon1<\/sub><\/em><\/span><\/p>\n

\u00c9quation du m\u00e9diateur sous l’action de l’interaction :
\nM = beta20<\/sub> + beta21<\/sub>X + beta22<\/sub>W + beta23<\/sub>XW + varepsilon2<\/sub><\/em><\/span><\/p>\n

\u00c9quation finale du crit\u00e8re int\u00e9grant le m\u00e9diateur :
\nY = beta30<\/sub> + beta31<\/sub>X + beta32<\/sub>W + beta33<\/sub>XW + beta34<\/sub>M + varepsilon3<\/sub><\/em><\/span><\/p>\n

Ici, l’effet indirect de l’interaction s’exprime par le produit simple de deux coefficients : beta23<\/sub> times beta34<\/sub><\/em><\/strong>. Ce produit quantifie la part de la variation conjointe initiale beta13<\/sub><\/em> qui transite d\u00e9sormais par $M$<\/span>. La diff\u00e9rence structurelle r\u00e9side dans le statut assign\u00e9 au terme multiplicatif : effet conditionnant modulant une pente dans le premier cas, ant\u00e9c\u00e9dent causal composite transmis dans le second.<\/p>\n

Le tableau comparatif ci-dessous formalise l’ensemble de ces points de divergence conceptuels, analytiques et empiriques :<\/p>\n\n\n\n\n\n\n\n\n\n\n\n
Dimension d’analyse<\/th>\nM\u00e9diation mod\u00e9r\u00e9e (MoMe)<\/th>\nMod\u00e9ration m\u00e9di\u00e9e (MeMo)<\/th>\n<\/tr>\n<\/thead>\n
Question directrice fondamentale<\/strong><\/td>\nPour qui ou sous quelles conditions contextuelles le m\u00e9canisme indirect op\u00e8re-t-il ?<\/td>\nPourquoi ou par quel m\u00e9canisme interm\u00e9diaire une interaction observ\u00e9e produit-elle un effet ?<\/td>\n<\/tr>\n
Statut \u00e9pist\u00e9mologique initial<\/strong><\/td>\nPriorit\u00e9 accord\u00e9e au m\u00e9canisme explicatif ($X to M to Y$<\/span>) ; la mod\u00e9ration d\u00e9limite son champ d’application.<\/td>\nPriorit\u00e9 accord\u00e9e \u00e0 l’effet de contingence conjoint ($X \\times W$<\/span>) ; la m\u00e9diation en d\u00e9crypte la dynamique interne.<\/td>\n<\/tr>\n
Statut statistique du terme d’interaction<\/strong><\/td>\nFacteur conditionnant modifiant l’intensit\u00e9 d’une pente de r\u00e9gression (ex. $X \\times W to M$<\/span> ou $M \\times W to Y$<\/span>).<\/td>\nAnt\u00e9c\u00e9dent focalis\u00e9 composite trait\u00e9 comme une variable ind\u00e9pendante distale transmise par $M$<\/span>.<\/td>\n<\/tr>\n
Condition pr\u00e9alable d’interaction globale<\/strong><\/td>\nNon requise. L’effet indirect conditionnel peut \u00eatre hautement significatif en l’absence de toute interaction globale sur $Y$<\/span>.<\/td>\nObligatoire dans l’approche classique de Baron & Kenny \/ Muller et al. L’interaction totale $X \\times W to Y$<\/span> doit \u00eatre d\u00e9montr\u00e9e pr\u00e9alablement.<\/td>\n<\/tr>\n
Formule de l’effet d’int\u00e9r\u00eat principal<\/strong><\/td>\nFonction conditionnelle : $(a_1 + a_3W)b_1$<\/span> (stade 1) ou $a_1(b_1 + b_2W)$<\/span> (stade 2). Indice omnibus : $a_3b_1$<\/span>.<\/td>\nEffet indirect de l’interaction : $\\beta_{23} \\times \\beta_{34}$<\/span> (dans le premier stade) ou r\u00e9duction d’interaction : $\\beta_{13} – \\beta_{33}$<\/span>.<\/td>\n<\/tr>\n
M\u00e9thode d’inf\u00e9rence privil\u00e9gi\u00e9e<\/strong><\/td>\nTest de l’Indice de m\u00e9diation mod\u00e9r\u00e9e par bootstrapping non param\u00e9trique et technique de Johnson-Neyman.<\/td>\nApproche s\u00e9quentielle par \u00e9tapes (Muller et al.) ou test du produit de coefficients par r\u00e9gression ou SEM.<\/td>\n<\/tr>\n
Risque d’erreur statistique majeur<\/strong><\/td>\nInterpr\u00e9tation fallacieuse des seuils si utilisation d’heuristiques arbitraires sans fondement th\u00e9orique.<\/td>\nInflation massive d’erreurs de type II (perte de puissance statistique li\u00e9e \u00e0 l’obligation de succ\u00e8s \u00e0 des \u00e9tapes conjointes multiples).<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

4.3 Sensibilit\u00e9 aux conditions pr\u00e9alables d’estimation<\/h3>\n

Une divergence essentielle r\u00e9side dans la sensibilit\u00e9 de ces mod\u00e8les aux conditions pr\u00e9alables d’estimation statistique. La m\u00e9diation mod\u00e9r\u00e9e contemporaine, \u00e9mancip\u00e9e des canons traditionnels de Baron et Kenny gr\u00e2ce aux formalisations de Preacher, Rucker et Hayes (2007), ne pose aucune exigence quant \u00e0 l\u2019existence d\u2019une interaction globale pr\u00e9alable significative entre $X$<\/span> et $W$<\/span> sur $Y$<\/span>. L\u2019analyste s\u2019affranchit de l\u2019obligation d\u2019obtenir un coefficient $X \\times W$<\/span> significatif dans le mod\u00e8le de r\u00e9gression direct.<\/p>\n

Cette \u00e9mancipation statistique est capitale. Il est fr\u00e9quent dans les syst\u00e8mes dynamiques complexes que l’interaction globale apparaisse nulle ou statistiquement non discernable en raison d’un ph\u00e9nom\u00e8ne de m\u00e9diation conditionnelle inconsistante<\/em> ou d’effets suppressifs. Par exemple, l’interaction $X \\times W$<\/span> peut exercer un impact positif sur $Y$<\/span> via le m\u00e9diateur $M$<\/span>, tout en g\u00e9n\u00e9rant simultan\u00e9ment un impact direct de signe n\u00e9gatif sur $Y$<\/span>. Ces deux forces s’annulent mutuellement au niveau de l’agr\u00e9gat macroscopique, dissimulant compl\u00e8tement l’interaction globale. Un chercheur appliquant rigoureusement les pr\u00e9requis de la mod\u00e9ration m\u00e9di\u00e9e classique abandonnerait pr\u00e9matur\u00e9ment son investigation, concluant faussement \u00e0 l’absence de contingence, alors que le protocole de la m\u00e9diation mod\u00e9r\u00e9e identifierait avec \u00e9clat la r\u00e9alit\u00e9 des flux indirects conditionnels sous-jacents.<\/p>\n

Inversement, la mod\u00e9ration m\u00e9di\u00e9e traditionnelle d\u00e9pend imp\u00e9rativement d’un effet d’interaction direct d\u00e9tectable avant m\u00e9diation. Cette exigence structurelle expose le chercheur \u00e0 des risques colossaux d’erreur de type II. Les effets d’interaction en sciences sociales sont notoirement caract\u00e9ris\u00e9s par de faibles grandeurs d’effet (souvent de l’ordre de 1 % \u00e0 3 % de la variance suppl\u00e9mentaire expliqu\u00e9e) et par des erreurs de mesure substantielles qui en att\u00e9nuent la puissance de d\u00e9tection. Subordonner l’exploration du m\u00e9canisme m\u00e9diateur \u00e0 la r\u00e9ussite statistique de ce premier filtre revient \u00e0 \u00e9riger un goulet d’\u00e9tranglement m\u00e9thodologique qui a conduit, pendant des d\u00e9cennies, au rejet imm\u00e9rit\u00e9 d’hypoth\u00e8ses th\u00e9oriques pourtant exactes.<\/p>\n

4.4 Interpr\u00e9tation substantielle des r\u00e9sultats<\/h3>\n

L\u2019interpr\u00e9tation substantielle des r\u00e9sultats traduit des divergences profondes quant aux implications manag\u00e9riales, cliniques ou politiques d\u00e9coulant des deux sch\u00e9mas analytiques. La m\u00e9diation mod\u00e9r\u00e9e produit des r\u00e9sultats formul\u00e9s en termes d\u2019effets indirects conditionnels<\/strong> \u00e9valu\u00e9s \u00e0 des valeurs substantiellement signifiantes de la variable mod\u00e9ratrice (par exemple \u00e0 la moyenne, \u00e0 des percentiles empiriques sp\u00e9cifiques, ou de part et d’autre des bornes critiques r\u00e9v\u00e9l\u00e9es par la m\u00e9thode de Johnson-Neyman).<\/p>\n

Cette approche permet de r\u00e9pondre de fa\u00e7on extr\u00eamement pragmatique \u00e0 la gestion des ressources et \u00e0 l’action cibl\u00e9e. Le praticien ou le d\u00e9cideur comprend pr\u00e9cis\u00e9ment pour quelle strate de sa population le processus interm\u00e9diaire doit \u00eatre soutenu ou frein\u00e9. Si l’on observe qu’un programme d’accompagnement professionnel ($X$<\/span>) d\u00e9veloppe les comp\u00e9tences d’auto-r\u00e9gulation ($M$<\/span>), lesquelles diminuent l’\u00e9puisement professionnel ($Y$<\/span>), mais que cet effet indirect n’est statistiquement significatif que chez les employ\u00e9s soumis \u00e0 une charge cognitive \u00e9lev\u00e9e ($W$<\/span>), l’action manag\u00e9riale n’a pas \u00e0 \u00eatre d\u00e9ploy\u00e9e indistinctement : elle doit \u00eatre allou\u00e9e prioritairement aux cohortes soumises \u00e0 ce seuil sp\u00e9cifique de contrainte cognitive.<\/p>\n

\u00c0 l’inverse, l’interpr\u00e9tation d’une mod\u00e9ration m\u00e9di\u00e9e s’articule autour de la transmission d’une synergie ou d’un conflit structurel. L’analyse conclut que le r\u00e9sultat final n’est pas simplement le fait d’un ajustement circonstanciel d’une variable par une autre, mais la cons\u00e9quence d’un choc interactionnel<\/em> qui active un nouveau processus. L’implication concr\u00e8te d’une telle conclusion porte sur l’\u00e9radication ou l’optimisation de l’interaction elle-m\u00eame plut\u00f4t que sur le calibrage fin d’un niveau de seuil. La mod\u00e9ration m\u00e9di\u00e9e met en exergue le r\u00f4le fondamental du m\u00e9diateur en tant qu’ultime rempart : si l’on ne peut \u00e9viter la synergie adverse entre $X$<\/span> et $W$<\/span>, on peut tenter de briser la connexion entre le m\u00e9diateur g\u00e9n\u00e9r\u00e9 par cette synergie et le crit\u00e8re final.<\/p>\n

5. Similitudes et zones de chevauchement analytique<\/h2>\n

5.1 \u00c9quivalence statistique dans certains param\u00e9trages<\/h3>\n

Au-del\u00e0 de leurs divergences d’intentionnalit\u00e9 \u00e9pist\u00e9mologique, la m\u00e9diation mod\u00e9r\u00e9e et la mod\u00e9ration m\u00e9di\u00e9e partagent, dans certains param\u00e9trages math\u00e9matiques, une identit\u00e9 alg\u00e9brique parfaite. Cette \u00e9quivalence a \u00e9t\u00e9 minutieusement d\u00e9cortiqu\u00e9e par Edwards et Lambert (2007) ainsi que par Preacher, Rucker et Hayes (2007). Elle constitue la source matricielle de la perplexit\u00e9 qui persiste dans la litt\u00e9rature appliqu\u00e9e.<\/p>\n

Consid\u00e9rons le mod\u00e8le de mod\u00e9ration m\u00e9di\u00e9e au premier stade selon Muller, Judd et Yzerbyt (2005), dans lequel l’interaction pr\u00e9dit le m\u00e9diateur sans que le m\u00e9diateur n’interagisse avec le mod\u00e9rateur sur la variable d\u00e9pendante finale. Examinons attentivement les \u00e9quations sous-jacentes :<\/p>\n

\u00c9quation du m\u00e9diateur :
\nM = beta20<\/sub> + beta21<\/sub>X + beta22<\/sub>W + beta23<\/sub>XW + varepsilon2<\/sub><\/em><\/span><\/p>\n

\u00c9quation du crit\u00e8re :
\nY = beta30<\/sub> + beta31<\/sub>X + beta32<\/sub>W + beta33<\/sub>XW + beta34<\/sub>M + varepsilon3<\/sub><\/em><\/span><\/p>\n

Examinons \u00e0 pr\u00e9sent l’architecture d’un mod\u00e8le de m\u00e9diation mod\u00e9r\u00e9e au premier stade avec mod\u00e9ration conjointe de la relation directe r\u00e9siduelle (correspondant rigoureusement au Mod\u00e8le 8 de la macro PROCESS d’Andrew Hayes) :<\/p>\n

\u00c9quation du m\u00e9diateur :
\nM = iM<\/sub> + a1<\/sub>X + a2<\/sub>W + a3<\/sub>XW + eM<\/sub><\/em><\/span><\/p>\n

\u00c9quation du crit\u00e8re :
\nY = iY<\/sub> + c’1<\/sub>X + c’2<\/sub>W + c’3<\/sub>XW + b1<\/sub>M + eY<\/sub><\/em><\/span><\/p>\n

L’observation brute de ces deux syst\u00e8mes de r\u00e9gression lin\u00e9aire par la m\u00e9thode des moindres carr\u00e9s ordinaires (OLS) met en lumi\u00e8re une r\u00e9alit\u00e9 math\u00e9matique incontestable : les coefficients estim\u00e9s pour beta23<\/sub><\/em> et a3<\/sub><\/em> sont rigoureusement identiques au milli\u00e8me de d\u00e9cimale pr\u00e8s. De m\u00eame, les coefficients beta34<\/sub><\/em> et b1<\/sub><\/em> sont strictement indiscernables. Les matrices de variance-covariance des erreurs associ\u00e9es et les sommes des carr\u00e9s des r\u00e9sidus sont parfaitement superposables.<\/p>\n

Cette identit\u00e9 alg\u00e9brique implique une conclusion \u00e9pist\u00e9mologique majeure : les donn\u00e9es empiriques ne peuvent \u00e0 elles seules trancher entre une m\u00e9diation mod\u00e9r\u00e9e et une mod\u00e9ration m\u00e9di\u00e9e<\/strong>. Aucun algorithme, aucun indice d’ajustement global, aucun test statistique d’ad\u00e9quation ne peut d\u00e9terminer si le produit de coefficients estim\u00e9 refl\u00e8te la transmission d’un effet d’interaction ou la contingence d’un effet indirect. Cette d\u00e9cision rel\u00e8ve exclusivement de la th\u00e9orisation conceptuelle formul\u00e9e a priori<\/em> par le chercheur, de la temporalit\u00e9 de recueil des mesures et de la plausibilit\u00e9 du r\u00e9seau nomologique sous-jacent.<\/p>\n

5.2 Pratiques computationnelles communes<\/h3>\n

En vertu de leur parent\u00e9 structurelle \u00e9troite, la m\u00e9diation mod\u00e9r\u00e9e et la mod\u00e9ration m\u00e9di\u00e9e partagent l\u2019int\u00e9gralit\u00e9 de leurs pratiques computationnelles contemporaines. En premier lieu, les deux approches manifestent une d\u00e9pendance partag\u00e9e envers les m\u00e9thodes de r\u00e9\u00e9chantillonnage non param\u00e9triques (bootstrapping)<\/strong>. Qu’il s’agisse d’\u00e9valuer le produit $a_3 \\times b_1$<\/span> (indice de m\u00e9diation mod\u00e9r\u00e9e) ou le produit $\\beta_{23} \\times \\beta_{34}$<\/span> (interaction indirecte de mod\u00e9ration m\u00e9di\u00e9e), les distributions d’\u00e9chantillonnage de ces estimateurs violent frontalement les postulats classiques de normalit\u00e9 univari\u00e9e et multivari\u00e9e. L’inf\u00e9rence par intervalles de confiance bootstrap corrig\u00e9s ou percentiles constitue l’outil partag\u00e9 indispensable pour \u00e9viter des tests d’hypoth\u00e8se fallacieux.<\/p>\n

En second lieu, la pratique syst\u00e9matique du centrage des variables continues<\/strong> (ou de leur standardisation pr\u00e9alable) est universellement pr\u00e9conis\u00e9e dans les deux contextes analytiques. Le calcul de termes d’interaction par multiplication brute de variables non centr\u00e9es engendre une corr\u00e9lation artificielle massive entre le produit $X \\times W$<\/span> et ses composantes additives simples $X$<\/span> et $W$<\/span>, un ph\u00e9nom\u00e8ne connu sous le nom de multicollin\u00e9arit\u00e9 structurelle. Bien que le centrage sur la moyenne ne modifie en rien la valeur du terme d’interaction d’ordre sup\u00e9rieur, son erreur standard ni l’estimation de l’effet indirect conditionnel global, il offre une vertu herm\u00e9neutique capitale : il permet d’interpr\u00e9ter les effets de premier ordre ($a_1$<\/span>, $a_2$<\/span>, $c’_1$<\/span>, $c’_2$<\/span>) comme les effets moyens de chaque variable lorsque l’autre est fix\u00e9e \u00e0 son niveau moyen d’\u00e9chantillon, stabilisant ainsi substantiellement les calculs matriciels d’inversion des moindres carr\u00e9s ordinaires.<\/p>\n

Enfin, l\u2019op\u00e9rationnalisation logicielle de ces deux paradigmes s’est harmonis\u00e9e au sein des m\u00eames \u00e9cosyst\u00e8mes statistiques contemporains. La macro PROCESS d\u00e9velopp\u00e9e pour SPSS, SAS et R, ainsi que les packages d\u00e9di\u00e9s sous R tels que lavaan<\/em> ou mediation<\/em>, et le logiciel de mod\u00e9lisation par \u00e9quations structurelles Mplus<\/em>, permettent de sp\u00e9cifier indiff\u00e9remment l’une ou l’autre de ces architectures \u00e0 travers des syntaxes analytiques quasi identiques, d\u00e9pla\u00e7ant l’effort du chercheur de la programmation algorithmique vers la formalisation conceptuelle rigoureuse.<\/p>\n

5.3 Exigences communes de validit\u00e9 causale<\/h3>\n

La convergence la plus critique entre m\u00e9diation mod\u00e9r\u00e9e et mod\u00e9ration m\u00e9di\u00e9e r\u00e9side dans leur vuln\u00e9rabilit\u00e9 identique face aux menaces qui p\u00e8sent sur la validit\u00e9 causale interne. Ces mod\u00e8les complexes reposent sur des postulats causaux particuli\u00e8rement exigeants qui sont trop souvent occult\u00e9s dans la recherche appliqu\u00e9e conventionnelle.<\/p>\n

Le premier \u00e9cueil concerne la sensibilit\u00e9 aux variables omises et aux facteurs de confusion non contr\u00f4l\u00e9s<\/strong> (unobserved confounding<\/em>). Pour que l’estimation d’un effet indirect conditionnel soit non biais\u00e9e, il ne suffit pas de randomiser la variable ind\u00e9pendante $X$<\/span> dans un cadre exp\u00e9rimental. Les hypoth\u00e8ses d’exog\u00e9n\u00e9it\u00e9 stricte doivent \u00eatre respect\u00e9es sur l’int\u00e9gralit\u00e9 du r\u00e9seau relationnel :<\/p>\n